Aprendizaje automático para mejorar las predicciones meteorológicas

Recomendados:  IT Trends 2021. La TI salva el negocio Webinar COVID-19, ¿cuánto y cómo ha influido en las estrategias de TI? Leer Cómo abordar la complejidad de un programa de Gestión de Identidades y Gobernanza Leer

Esta semana, el Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF), ha presentado su estrategia de cara a la década 2021-2030, que determinará la forma de trabajar de la organización, estableciendo directrices para la evolución de sus capacidades de estudio del clima. En este plan se contempla la introducción de tecnologías de aprendizaje automático, que permitirán llevar a un nuevo nivel los modelos climáticos. Y pretende involucrar más a los diferentes países de la Unión en su proyecto, y también a otros socios en todo el mundo.

Las líneas generales de esta estrategia incluyen superarlas dificultades actuales para conseguir resoluciones de 3 a 4 kilómetros en sus predicciones, y extraer el mayor valor de los datos obtenidos en las observaciones de la tierra. Con ello, desarrollar modelos de nueva generación que permitan crear gemelos digitales de alta resolución de la Tierra, un ambicioso objetivo que podría proporcionar grandes beneficios a los investigadores del clima.

Para ello, pretenden apoyarse más en las tecnologías de la nube, con el fin de lograr un uso más eficiente de los datos. Otro de los aspectos interesantes de este proyecto a largo plazo es obtener la capacidad de generar reanálisis y retroanálisis de los datos meteorológicos históricos, lo que permitirá hacer una investigación retrospectiva a partir de los años ’50, cuando comenzaron a registrarse datos más exhaustivos. Además, la ECMWF quiere contribuir al estudio del calentamiento global, monitorizando las emisiones de CO2 y ayudando a mejorar el sistema de observación del planeta.

Aunque el plan es a 10 años, la organización quiere actualizar la estrategia cada cinco años, en función de su progreso y de las innovaciones que puedan surgir en el camino. Actualmente, la más importante es precisamente el machine learning, que se aplicará a los datos obtenidos por los diferentes sistemas de observación de la tierra. Esta tecnología ya se está usando en el campo de la meteorología, pero no a la escala que quiere hacerlo la ECMWF, que pretende incrementar mucho su capacidad de supercomputación para poder procesar la ingente cantidad de datos climáticos que se generan diariamente.

Peter Deuben, autor del documento que recoge esta estrategia, ha explicado que con su hoja de ruta quieren “mostrar cómo el machine learning se integra, beneficia o sustituye los desarrollos existentes para mejorar la predicción numérica del tiempo y los servicios climáticos”. Añade que esto también le permitirá colaborar con otros estados miembros y cooperantes del Centro Europeo de Previsiones y la Comunidad Europea para sacar el máximo provecho de esta tecnología, que estará completamente integrada en sus sistemas para 2031.

Por su parte, la directora general de la organización, Florence Rabier, explica que “con la publicación de la hoja de ruta de machine learning y el objetivo claramente definido en nuestra estrategia para los próximos 10 años, el Centro Europeo de Previsiones Meteorológicas a Plazo Medio demuestra por qué sigue siendo un actor clave a la hora de trabajar con los modelos y datos de observación de la Tierra”.

Finalmente, explica que “los volúmenes de datos sin precedentes que proceden de sensores y satélites, y que procesa el ECMWF, además de la precisión de los modelos del sistema Tierra, contribuyen a la protección de la vida y de nuestro planeta frente a los cambios climáticos y medioambientales. El uso de la inteligencia artificial (IA) y el aprendizaje automático por parte del ECMWF será clave para seguir poniendo grandes cantidades de datos e información a disposición de cualquier usuario de forma gratuita, ahora y en el futuro”.