Los regímenes meteorológicos de Norteamérica: una orquesta sin director ✛

Original: "An Earth-System-Oriented View of the S2S Predictability of North American Weather Regimes"
arXiv:2409.08174 · 2024-09-12 · CC BY 4.0 · 3 min
El aprendizaje automático ha revelado cómo la atmósfera, el océano y la tierra se turnan para otorgar poder predictivo a los regímenes meteorológicos en un plazo de una semana a dos meses.

Imagina una orquesta que toca sin director. Cada grupo de instrumentos entra en su momento: primero las maderas marcan el tema, luego se suman las cuerdas, y a veces un percusionista inesperado toma el protagonismo. Así es el clima sobre Norteamérica: la atmósfera, el océano y la tierra se turnan para llevar la melodía cuando se trata de predecir los regímenes meteorológicos a gran escala en un plazo de una semana a dos meses.

Los regímenes meteorológicos son patrones persistentes de circulación atmosférica que determinan si el invierno será anómalamente cálido o si el verano será seco. Hay cuatro: la vaguada del Pacífico, la cresta del Pacífico, el máximo de Groenlandia y la cresta de Alaska. Además, hay días en que ningún régimen está presente, que se denominan "sin régimen". Para entender qué "músico" es más importante en cada horizonte de pronóstico, los científicos entrenaron cientos de modelos de aprendizaje automático, cada uno con una sola variable de entrada, por ejemplo, la temperatura de la superficie del océano o la humedad del suelo.

En las dos primeras semanas domina la atmósfera. Sus vórtices caóticos aún recuerdan el estado inicial, por lo que el pronóstico se basa en vientos y presión. Pero luego entran en juego los procesos lentos: el océano acumula calor en profundidad y el suelo retiene la humedad durante meses. Para la octava semana, los tres componentes contribuyen de manera comparable.

La estación cambia el equilibrio de fuerzas. En invierno y verano la predictibilidad es mayor que en primavera y otoño, porque la atmósfera se estanca más a menudo en uno de los regímenes. Para la vaguada del Pacífico en otoño e invierno, la contribución clave proviene del océano, especialmente de las señales de El Niño, la fase cálida de la oscilación de la temperatura superficial del Pacífico. Para la cresta del Pacífico en invierno, son importantes los vientos estratosféricos y el hielo marino. Y el máximo de Groenlandia en invierno depende de la convección tropical y de las condiciones del suelo.

El análisis mostró que los pronósticos precisos están asociados con anomalías específicas. Por ejemplo, el fortalecimiento de la convección sobre el Pacífico tropical central precede a la vaguada del Pacífico, mientras que las anomalías del viento zonal en la estratosfera tropical sur preceden a la cresta del Pacífico. Esto significa que para mejorar los pronósticos no basta con añadir más datos, sino que hay que entender qué componente del sistema terrestre es importante en cada situación concreta.

Una orquesta sin director toca afinada si se sabe quién entra a continuación. Así es el pronóstico subestacional: la atmósfera marca el tono en las dos primeras semanas, luego el océano y la tierra retoman la melodía. Y si los meteorólogos aprenden a escuchar cada instrumento por separado, las alertas de anomalías climáticas serán más precisas.

La frecuencia del régimen "sin régimen" varía del 18% en invierno al 44% en verano, lo que hace que los pronósticos de verano sean especialmente difíciles: la atmósfera se encuentra más a menudo en un estado de transición sin una estructura de gran escala claramente definida.

En la novela de Kim Stanley Robinson "Cuarenta señales de lluvia", los científicos intentan predecir cambios bruscos en los regímenes meteorológicos debido a la detención de la corriente del Golfo. Esta investigación se hace eco de esa idea: muestra qué componentes lentos del sistema terrestre pueden servir como indicadores tempranos de cambios en los regímenes de circulación.

F1 = 2 \times \frac{\text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}
Media armónica de precisión y exhaustividad, utilizada como métrica objetivo al optimizar los hiperparámetros
Científicos
Ludwig BoltzmannHenri PoincaréJohn von NeumannJosiah Willard Gibbs
Conceptos
spring predictability barrier Forecast lead pronóstico seasonal cycle NOAA CPC NOAA PMEL / TAO Westerly wind burst seasonal forcing IRI Southern Oscillation North Atlantic Oscillation El Niño ENSO TAO/TRITON moorings forecasting clima espacial natural variability predictability Jin-Timmermann model clima