espectrobroken.gif
arcoirislenticular.gif
ciudadasustada.gif

¿Qué es la predecibilidad?

Predecibilidad es una palabra que aparece a menudo en las discusiones. Veamos si podemos entender lo que los científicos del clima entienden por predecibilidad sin tener que leer un libro entero de estadística. Como se puede adivinar, los climatólogos utilizan la palabra predecibilidadde forma un poco diferente al resto del mundo. Por ejemplo, se podría decir que yo soy predecible porque cada día hago el mismo camino en mi paseo matutino, con pequeñas variaciones. En cambio, para un científico del clima preocupado por la capacidad de predicción, la cuestión es si es posible predecir cómo mi caminata de mañana diferirá de su trayectoria habitual (nota 1).

Predecir que seguiré mi camino habitual es una predicción climatológica en el sentido que se basa únicamente en la media a largo plazo (climática) de los eventos pasados. Para un climatólogo, la predecibilidad se basa principalmente en la diferencia entre las previsiones climatológicas. De hecho, si la predicción climatológica de un evento es la única disponible, el científico del clima dirá que el evento es impredecible. Así, mi paseo matutino podría ser predecible para ti, pero impredecible para un científico del clima.

 

(izquierda) Si la única predicción que podemos hacer de la ruta de un excursionista por el bosque en un día determinado es que será similar a la media a largo plazo, decimos que ese resultado es impredecible. (derecha) Si podemos predecir las ocasiones en las que la trayectoria de un excursionista se desviará de la trayectoria climatológica, decimos que la trayectoria futura tiene cierto nivel de predecibilidad. Viñeta de NOAA Climate.gov.

Obsérvese que, según los climatólogos, las predicciones de que el sol saldrá mañana, que las noches serán oscuras, que el invierno será más frío que el verano, etc., no tienen ningún valor en términos de predecibilidad porque son predicciones climatológicas.

Lanzar una moneda

Consideremos un ejemplo de predecibilidad en el que podamos estar de acuerdo. Yo diría que el resultado de un lanzamiento de una moneda es imprevisible, suponiendo que se trate de una moneda válida y que no haya nada raro por parte de la persona que lanza la moneda. ¿Por qué digo que es imprevisible? ¿Es porque el resultado es aleatorio y no se puede predecir? No, puedo hacer una estimación del 50% de probabilidades de que salga cara, y esa es una predicción perfectamente buena (nota 2a) y fiable (nota 2b). ¿Es porque ese pronóstico utiliza probabilidades? También los pronósticos climáticos y no climáticos suelen utilizar probabilidades.

La razón por la que digo que el lanzamiento de la moneda es imprevisible es porque la previsión del 50/50 es un pronóstico climatológico. No nos indica nada sobre este lanzamiento de moneda que difiera de cualquier otro lanzamiento de la misma. De hecho, un signo revelador de la imprevisibilidad es que nuestro pronóstico 50/50 no cambia de un lanzamiento a otro.

¿Cómo puede el lanzamiento de una moneda ayudarnos a entender algo sobre la imprevisibilidad del tiempo? Imagina que estoy planeando un picnic el 4 de julio y quiero saber si lloverá o no aquí en Nyack, Nueva York. ¿Es algo que puedo predecir ahora en abril? Yo diría que no. Es imprevisible: la naturaleza caótica de la atmósfera hace que sea imposible hacer una predicción meteorológica precisa con dos meses de antelación. Sin embargo, sé que se ha registrado lluvia en el 33% de los pasados 4 de julio en el periodo 1991-2020, así que puedo hacer una predicción climatológica de un 33% de posibilidades de lluvia para mi picnic. Como se trata de una predicción climatológica, no nos dice nada nuevo sobre el tiempo del 4 de julio de este año, y no cambia de un año a otro, lo que caracteriza la imprevisibilidad (nota 3).

¿Significa esto que una predicción climatológica no es útil? No, incluso para la planificación de un picnic una probabilidad del 33% me indica que debo tener un plan alternativo en el interior, ya que la lluvia no es infrecuente. Además, la predicción climatológica (o, más en general, el abanico de posibles resultados) tiene un valor incalculable para la planificación a largo plazo. Qué cultivos, dónde y cuándo plantarlos, cuánto cobrar por el seguro del hogar en Florida, una zona propensa a los huracanes, a qué altura deben estar los diques en Nueva Orleans, cuándo debe Walmart abastecerse de pantalones para la nieve... todas estas preguntas tienen respuesta en las previsiones climatológicas.

Lanza una moneda, pero esta vez fíjate bien

Pero espera, el lanzamiento de una moneda tiene más que decirnos sobre la previsibilidad. Aunque su resultado en circunstancias normales es imprevisible, el resultado es ciertamente más predecible si utilizo una cámara de alta velocidad para capturar con precisión la posición inicial y la velocidad de la moneda y luego utilizo las leyes de la física para calcular su trayectoria. Las buenas observaciones y la ciencia pueden aumentar la previsibilidad. Lo mismo ocurre con el clima. Si conocemos el estado de la atmósfera hoy, podemos utilizar las leyes de la física para predecir su estado en el futuro.

En circunstancias normales (izquierda), el lanzamiento de una moneda es imprevisible según los estándares climáticos: según la media a largo plazo, cualquier lanzamiento tiene un 50% de posibilidades de salir cara y un 50% de salir cruz. Medir minuciosamente la posición inicial y la velocidad de la moneda y luego utilizar las leyes de la física para predecir su trayectoria puede aumentar la predecibilidad. Viñeta de NOAA Climate.gov.

Pero si esto es así, ¿por qué es difícil predecir el tiempo? En primer lugar, el mundo es un lugar grande y medir el estado inicial de la atmósfera (vientos, temperaturas, presión, etc.) en todo el planeta es difícil, si no imposible, y las observaciones que tenemos contienen errores. En segundo lugar, los límites de la potencia de cálculo y de la comprensión física hacen que las previsiones se basen en aproximaciones a las leyes exactas de la física. En tercer lugar, existe el caos y el efecto mariposa (no es sólo una película), en el que los errores en nuestra estimación inicial del estado atmosférico de hoy tienen un gran impacto en nuestras previsiones del tiempo de la próxima semana.

¿Qué significa esto para mi pronóstico del tiempo del 4 de julio? ¿Las previsiones de los modelos informáticos basados en la física estarán totalmente equivocadas? ¿Me dirán que debo esperar nieve mientras hago una barbacoa? Las limitaciones de la no predecibilidad significan que espero que la previsión que se haga ahora para el 4 de julio contenga la misma información que en una predicción climatológica (es decir, ese 33% de posibilidades de lluvia). El modelo informático empezará con información detallada sobre el estado atmosférico actual y, a medida que las predicciones vayan avanzando, contendrán cada vez menos detalles específicos de este año, hasta que finalmente la predicción del 4 de julio sea un poco mejor (y esperemos que no peor) que una predicción climatológica.

Comportamiento del modelo

Este comportamiento se puede observar en las previsiones del Global Ensemble Forecast System (GEFS), un modelo meteorológico utilizado por la NOAA. Se muestran dos predicciones de temperatura para una localidad de Texas. Las previsiones se realizaron el 1 de abril de 1999 y de 2019. Si se observan las predicciones del mismo periodo en dos años diferentes, se puede ver qué características de la previsión son las mismas (climatológicas) y qué características son diferentes (evidencia de predecibilidad). Durante la primera semana aproximadamente, las predicciones para los dos años están bien diferenciadas, lo que indica predecibilidad. En la segunda semana, son casi indistinguibles (no hay predecibilidad). Los altibajos periódicos cada 24 horas son el ciclo diurno (por ejemplo, las tardes tienden a ser más cálidas que las noches), y las proyecciones no obtienen ningún mérito en términos de predecibilidad. (nota #4)

Gráficos de líneas superpuestas para previsiones de temperatura de 6 horas durante un periodo de dos días en 1999 y 2019

Previsiones de la temperatura cercana a la superficie por el Sistema Global de Predicción Ensemble (GEFS) en un lugar concreto de Texas cada seis horas para el 1 de abril de 1999 (rosa) y el 1 de abril de 2019 (azul). Para cada año, los modelos utilizaron 11 condiciones iniciales ligeramente diferentes para representar la incertidumbre del estado inicial y el posterior intervalo de resultados del pronóstico. Las oscilaciones periódicas cada 24 horas reflejan el ciclo día-noche (por ejemplo, las tardes tienden a ser más cálidas que las noches). Como referencia, los días 2 y 13 se marcan con líneas verticales finas. Las predicciones de los dos años son más difíciles de distinguir a medida que pasa el tiempo, lo que indica una disminución de la predecibilidad. Figura de NOAA Climate.gov, adaptada del original de Michael Tippett y Tim DelSole.

Obsérvese que estoy utilizando un modelo informático para decir algo sobre la predecibilidad de la naturaleza, que es como utilizar ratones para decir algo sobre los humanos, lo que puede ser útil, pero no es exactamente lo mismo. En cualquier caso, los científicos sí utilizan modelos informáticos basados en la física y predicciones de conjunto para medir la predecibilidad y estudiar la predecibilidad en diferentes lugares, épocas del año, fases de ENSO, en diferentes rangos de tiempo (diario, mensual, estacional, etc.) y climas futuros.

Esta versión (antigua) del sistema GEFS no incluía un océano realista y, por tanto, no contaba con el ENSO. La fase de ENSO puede proporcionar información sobre los promedios estacionales de temperatura y precipitación (que es diferente de la información sobre el tiempo en un día concreto). Por ejemplo, si se observan los inviernos pasados de La Niña, se observa cómo las temperaturas invernales tienden a diferir de la predicción climatológica. Este hecho, más la capacidad de predecir la fase del ENSO con antelación, significa que el ENSO es una fuente de predecibilidad. Esto se refleja en la perspectiva de precipitaciones del CPC para el invierno 2021-22, que es similar a un patrón típico de La Niña. (Nótese que cuando las perspectivas climáticas se enmarcan en términos de por encima de lo normal y por debajo de lo normal, la comparación con respecto a la previsión climatológica está incorporada).

Entonces, ¿qué pueden decirnos los paseos matutinos y los lanzamientos de monedas sobre la perspectiva climatológica de la predecibilidad? Aunque son útiles para la planificación a largo plazo, las previsiones climatológicas que se basan en promedios o probabilidades a largo plazo no cambian de un año a otro y no cuentan para la predecibilidad. Una buena combinación de mediciones (observaciones), las leyes de la física y los ordenadores pueden mejorar la predecibilidad tanto de los lanzamientos de monedas como de las predicciones climatológicas. Podemos ver la pérdida de predecibilidad en las previsiones de los modelos informáticos basados en la física, ya que las condiciones iniciales específicas (una fuente de predecibilidad en la previsión meteorológica) se desvanecen gradualmente en una predicción climatológica. En las previsiones climatológicas, el ENSO es una fuente de predecibilidad.

Notas a pie de página

 (1) La definición de predecibilidad es la que se debe a Edward N. Lorenz, según la cual la predecibilidad se pierde cuando una predicción es indistinguible de una climatológica. Esta definición también es coherente con el concepto estadístico de independencia y con las medidas de la teoría de la información, como por ejemplo la información mutua.

(2a) Aunque el 50/50 está bien en la práctica, hay que dejar a los matemáticos que lo compliquen. Diaconis, P., Holmes, S., & Montgomery, R. (2007). Dynamical Bias in the Coin Toss. SIAM review, 49(2), 211-235.

(2b) Es difícil decir si una sola predicción de probabilidad es correcta o no. Sin embargo, podemos determinar si un conjunto de predicciones está bien calibrado o es fiable. Se dice que un conjunto de pronósticos es fiable si el suceso predicho ocurre por término medio con la frecuencia prevista (el "por término medio" es la razón por la que es difícil decir si un solo pronóstico probabilístico era bueno o no). Mis previsiones están correctamente calibradas si, por ejemplo, llueve el 70% de las veces cuando predigo un 70% de probabilidad de lluvia. Las previsiones fiables significan lo que dicen. https://projects.fivethirtyeight.com/checking-our-work/

(3) Una predicción climatológica es la misma cada año, a menos que el clima esté cambiando, en cuyo caso podría incluir esos cambios. Si sabemos que el clima se está calentando, ¿tenemos que reconocer el mérito de haber predicho esa tendencia? Aunque la información sobre las tendencias tiene un valor incalculable, se puede argumentar que, en términos de predecibilidad, la señal del cambio climático debería incluirse en la predicción climatológica. Por tanto, mérito en términos de utilidad, pero no de predecibilidad. T. DelSole y M. K. Tippett, predecibilidad en un clima cambiante. Clim. Dyn., 51, 531-545, 2018. doi:10.1007/s00382-017-3939-8.

(4) Cada año, 1999 y 2019, tiene 11 pronósticos (un conjunto de pronósticos) que parten de 11 condiciones iniciales ligeramente diferentes para imitar la incertidumbre en las observaciones iniciales y dar una idea del rango de resultados posibles. Cerca del inicio, el 1 de abril, los conjuntos de previsiones de cada año se agrupan estrechamente. Hacia el 14 de abril, los conjuntos de cada año están más dispersos y, al final, las previsiones de 1999 y 2019 son casi indistinguibles, como cabría esperar si las previsiones se dirigen hacia una previsión climatológica. Dado que todo lo demás es igual, es razonable señalar a las condiciones iniciales como la fuente de predecibilidad en las previsiones del GEFS. Véase Hamill et al., 2013, para más detalles sobre el sistema de previsión: Hamill, Thomas M., Gary T. Bates, Jeffrey S. Whitaker, Donald R. Murray, Michael Fiorino, Thomas J. Galarneau, Yuejian Zhu y William Lapenta. "El conjunto de datos de pronóstico global de medio alcance de segunda generación de la NOAA". Boletín de la Sociedad Meteorológica Americana 94, nº 10 (2013): 1553-1565.

 

Fuente: Por Michael Tippett Y Tim DelSole.Editor principal: Emily Becker, Instituto Cooperativo de Estudios Marinos y Atmosféricos (CIMAS)