Los usuarios de Weather Lab pueden explorar y comparar las predicciones de varios modelos basados en la física y la IA. Cuando se leen juntas, estas predicciones pueden ayudar a las agencias meteorológicas y a los expertos en servicios de emergencia a anticipar mejor la trayectoria y la intensidad de un ciclón. Esto podría ayudar a los expertos y a los tomadores de decisiones a prepararse mejor para diferentes escenarios, compartir noticias sobre los riesgos involucrados y respaldar las decisiones para gestionar el impacto de un ciclón.
Es importante recalcar que Weather Lab es una herramienta de investigación. Las predicciones en vivo que se muestran son generadas por modelos aún en desarrollo y no son advertencias oficiales. Tenga esto en cuenta al utilizar la herramienta, incluso para respaldar decisiones basadas en predicciones generadas por Weather Lab. Para obtener pronósticos y advertencias meteorológicas oficiales, consulte su agencia meteorológica local o el servicio meteorológico nacional.
Predicciones de ciclones impulsadas por IA
En la predicción de ciclones basada en la física, las aproximaciones necesarias para satisfacer las demandas operativas significan que es difícil que un solo modelo sobresalga en la predicción tanto de la trayectoria de un ciclón como de su intensidad. Esto se debe a que la trayectoria de un ciclón está gobernada por vastas corrientes atmosféricas que la dirigen, mientras que la intensidad de un ciclón depende de complejos procesos turbulentos dentro y alrededor de su núcleo compacto. Los modelos globales de baja resolución funcionan mejor para predecir las trayectorias de los ciclones, pero no capturan los procesos a escala fina que dictan la intensidad de los ciclones, razón por la cual se necesitan modelos regionales de alta resolución.
Nuestro modelo de ciclón experimental es un sistema único que supera este compromiso, y nuestras evaluaciones internas muestran una precisión de vanguardia tanto para la trayectoria como para la intensidad del ciclón. Está entrenado para modelar dos tipos distintos de datos: un vasto conjunto de datos de reanálisis que reconstruye el clima pasado en toda la Tierra a partir de millones de observaciones, y una base de datos especializada que contiene información clave sobre la trayectoria, la intensidad, el tamaño y los radios del viento de casi 5.000 ciclones observados en los últimos 45 años.
Modelar los datos de análisis y los datos de ciclones juntos mejora enormemente las capacidades de predicción de ciclones. Por ejemplo, nuestras evaluaciones iniciales de los datos de huracanes observados por el NHC, en los años de prueba 2023 y 2024, en las cuencas del Atlántico Norte y el Pacífico Oriental, mostraron que la predicción de la trayectoria de los ciclones de 5 días de nuestro modelo está, en promedio, 140 km más cerca de la verdadera ubicación del ciclón que la ENS, el modelo de conjunto líder mundial basado en la física del ECMWF. Esto es comparable a la precisión de las predicciones de 3,5 días de ENS: una mejora de 1,5 días que normalmente ha tardado más de una década en lograrse.
Si bien los modelos meteorológicos de IA anteriores han tenido dificultades para calcular la intensidad de los ciclones, nuestro modelo experimental de ciclones superó el error de intensidad promedio del Sistema de Análisis y Pronóstico de Huracanes (HAFS) de la Administración Nacional Oceánica y Atmosférica (NOAA), un modelo regional líder basado en física de alta resolución. Las pruebas preliminares también muestran que las predicciones de nuestro modelo sobre el tamaño y los radios del viento son comparables con las líneas de base basadas en la física.
Aquí visualizamos los errores de predicción de trayectoria e intensidad, y mostramos los resultados de la evaluación del rendimiento promedio de nuestro modelo de ciclón experimental con hasta cinco días de anticipación, en comparación con ENS y HAFS.