Para predecir con mayor exactitud la intensidad y localización de la dana Alice, la primera de esta temporada, que ha mantenido en vilo a varias comunidades autónomas, la Agencia Estatal de Meteorología (Aemet) ha utilizado un modelo de predicción basado en Inteligencia Artificial que está operativo desde febrero de este año y funciona en paralelo al modelo tradicional. Con el aporte de la IA, los meteorólogos pueden ahora saber la magnitud de una tormenta con mayor precisión y rapidez. Los ingenieros e informáticos que están desarrollando esta incipiente tecnología confían en que en un futuro los pronósticos serán todavía más completos y exactos, permitiendo una mejor adaptación a los fenómenos meteorológicos extremos, que serán cada vez más recurrentes por el cambio climático.
A principios de 2025, el Centro Europeo de Previsiones Meteorológicas a Medio Plazo (Ecmwf) puso en funcionamiento el Sistema de Predicción por Inteligencia Artificial (AIFS), el primero plenamente operativo que se basa en la IA para la previsión del tiempo. Desde febrero está operativo en Aemet. “En la actualidad la ventaja más importante de estos modelos es la gran rapidez con la que producen las predicciones. Esto posibilita producir un gran abanico de predicciones en poco tiempo, por lo que los modelos basados en IA podrían dar una mejor estimación de la probabilidad de que se produzca un fenómeno extremo”, explica José Luis Casado, experto en IA de este organismo público.
Aardvark realiza pronósticos meteorológicos más rápidos, económicos, flexibles y precisos
Hasta ahora, las agencias de meteorología realizaban sus predicciones únicamente a través de un sistema numérico probabilístico, que utiliza ecuaciones a partir de leyes de la física para simular el comportamiento del clima. Este modelo, muy complejo y costoso, necesita de superordenadores para funcionar. La IA está permitiendo la creación de modelos más baratos, más accesibles -basta con un ordenador de escritorio- y más fáciles de desarrollar.
Son varias las empresas que ya han lanzado los primeros modelos, como GenCast de Google o Pangu-Weather, de la empresa china Huawei, que aprenden directamente de datos, como observaciones de satélites, estaciones meteorológicas y otros sensores. Este aprendizaje automático permite, por ejemplo, realizar predicciones en pocos minutos desde cualquier ordenador.
En marzo, el Instituto Nacional de Ciencia de datos e Inteligencia Artificial del Reino Unido y Microsoft Research presentaron en sociedad al sistema Aardvark Weather, con capacidad de ofrecer pronósticos precisos “diez veces más rápido” y utilizando miles de veces menos potencia informática.
“Aardvark reinventa los métodos actuales de predicción meteorológica, ofreciendo la posibilidad de realizar pronósticos meteorológicos más rápidos, económicos, flexibles y precisos que nunca, contribuyendo así a transformar la predicción meteorológica tanto en países desarrollados como en desarrollo”, celebró el profesor Richard Turner, del Departamento de Ingeniería de Cambridge, quien dirigió la investigación.
La combinación de reglas físicas y de aprendizaje -ambos modelos- ya está permitiendo conocer la dirección que va a tomar una tormenta y en qué puntos concretos van a producirse las precipitaciones más intensas. Para perfeccionar aún más esta predicción -muy útil para, por ejemplo, la emisión de SMS masivos a un área concreta-, la Aemet está participando en un proyecto piloto de IA en colaboración con los servicios meteorológicos nacionales de otros 13 países europeos.
Anticiparse al impacto en poblaciones, cuencas e infraestructuras
El barranco del Poyo a su paso por Paiporta, a 29 de septiembre de 2025,un año después de ques e desbordase por la dana
Estos modelos automáticos están ayudando a diseñar sistemas de alerta temprana más efectivos y adaptables tanto para la prevención de impactos ocasionados por el cambio climático como para la toma de decisiones. Además de predecir un evento climático extremo, la IA tiene el potencial de evaluar sus impactos en comunidades vulnerables y ecosistemas específicos.
“Se está comenzando a investigar sobre esta integración, pero todavía de forma muy preliminar, con resultados menos palpables”, explica Casado, el experto de Aemet. Un equipo internacional de investigación, del que participa la Universidad de Valencia (UV), está, justamente, desarrollando esta hibridación. “Los sistemas de IA en que estamos trabajando no sólo anticipan el evento sino que pretenden simular posibles escenarios, ayudando a comunidades y organismos de respuesta a prepararse mejor y tomar decisiones más informadas”, explica Marcus Reichtein, director del Max-Planck-Institute for Biogeochemistry (Jena, Alemania) y líder del trabajo.
Lee tambiénQué es una dana como la que tiene en alerta roja a Alicante y Murcia
Bernat Chiva Polvillo es ingeniero de investigación de Barcelona Supercomputing Center (BSC). Está desde hace meses desarrollando un modelo de IA para la prevención de inundaciones. Con esta tecnología, explica, la recolección de los datos, tanto sobre la cantidad de lluvia como el nivel de los caudales, “es mucho más rápida y específica”.
Su modelo se basa en tres fases: el cálculo de la precipitación -saber cuánto llueve y dónde-, el cálculo del caudal -la información hidrológica-, y un cálculo hidrodinámico, la proyección de cómo se va a dispersar el agua según la topografía de cada zona. “Todo este análisis es muy complejo y costoso. Los modelos de inteligencia artificial revierten esto, al ser mucho más baratos y al calcular patrones con mucha exactitud y rapidez”, explica.
Con la IA, agrega el experto, “la arquitectura es mucho más rápida y escalable que un modelo tradicional”. “No deja de ser una herramienta de adaptación climática, útil para la toma de decisiones y para prevenir impactos”, resume. “Es prematuro sacar conclusiones, pero los avances y la mejora continua en los resultados anticipan un potencial enorme de la IA en materia de adaptación a fenómenos extremos”, concluye.
La velocidad a la que se desarrollan este tipo de algoritmos y soluciones es tan alta que es difícil anticipar un techo
Una reflexión parecida hace Fernando Iglesias-Suárez, quien dirige las actividades de IA en Predictia, una empresa que realiza soluciones de software para la modelización de información climática y medioambiental. Celebra que los emuladores automáticos ya tengan “mejores rendimiento y más precisión” que los modelos numéricos, lo que abre la puerta a una revolución en la previsión meteorológica y en la anticipación de sus impactos.
“Hace unos años no sabíamos ni siquiera que íbamos a ser capaces de desarrollar estos modelos y de repente salen a la luz con una precisión increíble que mejoran incluso los modelos numéricos. La velocidad a la que se están desarrollando este tipo de algoritmos y estas soluciones es tan alta que es difícil anticipar un techo. Lo cierto es que nuestras expectativas se suelen quedar cortas respecto a lo que se está avanzando”, analiza.
Las limitaciones
Los tres expertos consultados por La Vanguardia coinciden en que los modelos meteorológicos basados en IA tienen hoy una gran limitación: la dificultad para predecir fenómenos inéditos. “Los modelos meteorológicos tradicionales todavía dan mejores predicciones en estos casos”, señala Casado.
En mayo, un grupo de académicos de las universidades de Chicago, Nueva York y Santa Cruz, en California, publicó una investigación con esta conclusión. Las previsiones meteorológicas a corto plazo tienen una “precisión sorprendente”, pero fallan cuando se trata de fenómenos de alta intensidad que no se encuentran en los datos con los que se entrenó a la inteligencia artificial.
La IA es casi infalible prediciendo patrones que han ocurrido en el pasado, pero sus resultados son poco exactos ante lo que en meteorología se conoce como “cisnes grises”, evento meteorológico inusual y nunca visto, pero físicamente posible.
“Los modelos de IA general generalizan muy bien y calculan patrones de manera muy exacta, pero si en los datos de entrenamiento no han visto valores tan extremos como los que se puedan ver hoy en día por culpa del cambio climático, no son capaces de ver estos picos. Entonces, lo que tienes que hacer en esos pasos es entrenar modelos específicos para calcular esos picos”, analiza Chiva.
Los modelos de IA general generalizan muy bien y calculan patrones de manera muy exacta (...) pero no son capaces de ver los picos
Una de las mayores limitaciones de la IA, agrega Iglesias, es la extrapolación. “Si hay algo que no ha visto, ahí entra en el campo de tener que extrapolar, tener que inventarse y es donde al final uno se da cuenta que realmente falla”, explica.
En la investigación de los científicos estadounidenses, se sugiere como posible solución empezar a incorporar herramientas matemáticas y principios de la física atmosférica a los modelos automáticos, que además de “identificar patrones, aprenden sobre la dinámica atmosférica”. En este sentido, el técnico Aemet suma una segunda limitación de esta tecnología a la lista: la gran cantidad de recursos -energéticos, hídricos, computacionales- que estos modelos requieren para ser entrenados.
Iglesias se aferra a la “enorme ventaja” de tener a mano hoy un “abanico de predicciones que reduce la incertidumbre” ante la llegada de un fenómeno extremo. “Hace diez años atrás era impensado”, celebra.
