Cada día, el clima influye en miles de millones de decisiones, desde las más sencillas, como decidir si llevar un paraguas, hasta otras con repercusiones significativas en la agricultura, las cadenas de suministro globales, la producción de energía limpia y las economías nacionales. Fenómenos como el viento, la lluvia o eventos extremos como olas de calor y sequías tienen un impacto en cascada que afecta a todos.

La inteligencia artificial ha revolucionado la predicción meteorológica en los últimos años, permitiendo pronósticos más rápidos y precisos que los métodos tradicionales, al utilizar registros históricos. Sin embargo, predecir fenómenos muy localizados y de rápido cambio ha sido un desafío persistente. Los modelos anteriores a menudo carecían de la resolución espacial suficiente y tenían dificultades para integrar datos meteorológicos en tiempo real de fuentes como los satélites.

Presentamos WeatherNext 3: un salto en la precisión meteorológica

Google DeepMind y Google Research han presentado WeatherNext 3, su modelo meteorológico global más avanzado y preciso hasta la fecha. Este modelo aprende directamente de observaciones en tiempo real, lo que le permite ofrecer predicciones oportunas y más localizadas de los fenómenos meteorológicos que más te afectan. Al utilizar datos satelitales sin procesar para generar un pronóstico cada hora en alta resolución, WeatherNext 3 pone a disposición de todos los productos de Google pronósticos fiables en todo el mundo.

Predicción rápida con resolución sin precedentes

La utilidad de un pronóstico depende en gran medida de su nivel de detalle y de la precisión con la que define el tiempo y el espacio. WeatherNext 3 genera pronósticos por hora con múltiples resoluciones espaciales, manteniendo la coherencia física desde los patrones de viento globales hasta la topografía local.

  • Resolución mejorada: Visualiza variables clave de la superficie, como la temperatura y la humedad, con una resolución de 5 kilómetros; otras variables de la superficie, con una resolución de 10 kilómetros; y variables atmosféricas, como la velocidad del viento, con una resolución de 25 kilómetros.
  • Detalle cinco veces mayor: En general, esto proporciona una imagen meteorológica global aproximadamente cinco veces más nítida que el modelo anterior, WeatherNext 2, que generaba pronósticos en una cuadrícula de 25 kilómetros con intervalos de 6 horas.
La capacidad de WeatherNext 3 para reproducir la compleja topografía local evita las representaciones térmicas pixeladas y excesivamente suavizadas que se observaban en modelos anteriores, ofreciendo una imagen mucho más fiel de la realidad meteorológica.

Datos del mundo real a escala global y continua

El mayor avance de WeatherNext 3 radica en su capacidad de aprendizaje. La mayoría de los modelos meteorológicos de IA, incluido WeatherNext 2, se entrenan con datos de modelos numéricos de predicción meteorológica (NWP). Si bien son útiles, los modelos NWP son simulaciones físicas complejas que presentan un retraso de seis horas en los datos, lo que puede generar sesgos en variables que cambian rápidamente.

Al incorporar un mosaico de datos satelitales geoestacionarios globales en tiempo real, WeatherNext 3 obtiene una visión completa y actualizada de la atmósfera. Esto le permite generar un nuevo pronóstico cada hora, basado en las observaciones satelitales más recientes disponibles, con una resolución de hasta 5 kilómetros. Cuando las tormentas, los frentes o los sistemas de precipitación se materializan repentinamente, este ciclo de actualización rápido y la mayor resolución proporcionan información más temprana y detallada, necesaria para impulsar una respuesta eficaz.

Para abordar las fluctuaciones drásticas en variables como la temperatura y la humedad en distancias cortas, WeatherNext 3 se entrena directamente con datos de observación dispersos de estaciones meteorológicas. Esto permite pronósticos globales en una cuadrícula de 5 kilómetros que tienen en cuenta detalles regionales como la topografía. Este avance es especialmente vital para regiones que históricamente han carecido de pronósticos de alta resolución debido a los enormes costos de supercomputación de los modelos regionales tradicionales.

Predicciones para la energía renovable

Además de una mejor resolución y frecuencia de pronóstico, WeatherNext 3 introduce predicciones diseñadas específicamente para la producción de energía renovable. El modelo pronostica velocidades del viento a 100 metros (aproximadamente a la altura de las turbinas) para una producción precisa de energía eólica, junto con cobertura de nubes y niveles de radiación solar de alta resolución para ayudar a las centrales solares a estimar cuánta luz recibirán en el suelo. Estos datos son cruciales para la planificación global de energías limpias, permitiendo a los operadores de redes y a los desarrolladores de energías renovables predecir con precisión cuánta energía generarán sus activos y ajustarla a la demanda de los consumidores.

Pronóstico de precipitaciones con precisión excepcional

Los modelos meteorológicos globales tienen serias dificultades para predecir con precisión las precipitaciones. Los sistemas de lluvia y nieve se originan por procesos nubosos de rápido movimiento a escalas diminutas, difíciles de modelar con exactitud mediante simulaciones físicas tradicionales. Para resolver esto, WeatherNext 3 se entrenó con dos fuentes de datos de precipitación de excepcional calidad: el sistema IMERG (Integrated Multi-satellite Retrievals for GPM) basado en satélites de la NASA y el reanálisis global de precipitación basado en radar satelital de Google.

El resultado es un salto significativo en la precisión de la predicción de precipitaciones. En las predicciones globales a medio plazo, las evaluaciones comparativas con los valores de referencia muestran una mejora en la puntuación de probabilidad clasificada continua (CRPS) de hasta un 60 % con respecto a IMERG, un 30 % para MRMS y un 10 % con respecto a las mediciones de pluviómetros para los plazos de predicción más tempranos.