Cada temporada de huracanes en el Atlántico se parece a un juego de dados en el que el número de puntos obtenidos depende de tres grandes fuerzas climáticas: El Niño, la temperatura del océano en la 'cuna de los huracanes' y la oscilación del Atlántico Norte. Estos tres factores explican aproximadamente la mitad de la variabilidad interanual en el número de ciclones, y durante mucho tiempo pareció que añadiendo más datos o algoritmos más sofisticados se podría predecir con mayor precisión. Sin embargo, un nuevo trabajo demuestra que los modelos ya han chocado con un techo impuesto por la propia naturaleza del azar.
Los investigadores tomaron datos del número de ciclones desde 1880 hasta 2019, ajustándolos cuidadosamente por la mejora en los medios de observación a lo largo de siglo y medio. El modelo base fue una regresión de Poisson con tres índices: la temperatura de la región principal de desarrollo en agosto-octubre, el índice Niño 3.4 en diciembre-febrero y la oscilación del Atlántico Norte en diciembre-marzo. Luego comprobaron si se podía extraer más precisión añadiendo términos cuadráticos y de interacción, o usando una red elástica sobre mapas globales de temperatura del océano con una resolución de 2 grados. Todas las comparaciones se realizaron con validación cruzada de cinco pliegues, asegurando que los años adyacentes cayeran en el mismo pliegue para evitar fugas de información debidas a la autocorrelación.
La verificación con datos reales confirmó la concordancia con la distribución de Poisson: la prueba de chi-cuadrado dio p = 0.84, y la autocorrelación de los residuos fue solo del 11% (z = 1.3). Añadir interacciones no lineales no mejoró el resultado, salvo un efecto débil del producto de los índices Niño 3.4 y oscilación del Atlántico Norte, que redujo el error en 0.03 ciclones, pero no cambió el panorama general. En otras palabras, por mucho que se complique el modelo, no es posible predecir con mayor precisión el número de huracanes dentro de este enfoque.
El trabajo se distingue de investigaciones vecinas porque, en lugar de buscar predictores más potentes, demuestra la existencia de una barrera estadística infranqueable. Los estudios vecinos sobre El Niño y las predicciones meteorológicas con redes neuronales buscan mejorar la precisión, mientras que aquí se muestra que para esta clase de modelos es imposible. Esto desplaza el foco: los esfuerzos futuros deben dirigirse no a complicar las regresiones, sino a buscar dependencias ocultas entre años o nuevas fuentes de información que rompan el supuesto de independencia de los conteos de Poisson.
Una dirección prometedora es la búsqueda de correlaciones sutiles entre temporadas consecutivas que no captan las pruebas estándar. Si tales dependencias existen, podrían deberse a procesos lentos en el océano o la atmósfera, como oscilaciones de temperatura de varios años. Otro camino es abandonar el supuesto de Poisson en favor de distribuciones con colas más pesadas o modelos con memoria. Sin embargo, hasta ahora todas las comprobaciones indican concordancia con el proceso de Poisson, por lo que la probabilidad de un avance es incierta.
El techo de aleatoriedad contra el que han chocado los modelos no significa el fin de la predicción. Muestra dónde termina lo predecible y comienza el puro juego del azar. Para las compañías de seguros y las comunidades costeras, este es un conocimiento importante: no hay que esperar que una computadora más potente o una red neuronal más profunda dé una respuesta exacta a la pregunta '¿cuántos huracanes habrá la próxima temporada?'. En lugar de ello, conviene prepararse para la dispersión inherente a la propia naturaleza de los ciclones tropicales.
El número medio de ciclones por temporada en el Atlántico es de unos diez, pero debido a la naturaleza de Poisson del proceso, la dispersión de un año a otro es de aproximadamente tres ciclones. Esto significa que incluso un modelo perfecto no puede predecir el número exacto mejor que con un error de unos 2.5 ciclones en promedio.
En la novela de Kim Stanley Robinson 'Los cuarenta signos de la lluvia', los científicos intentan mejorar las predicciones del clima extremo enfrentándose al caos de la atmósfera. Aquí ocurre algo similar: incluso con un conocimiento completo de los índices climáticos, queda una aleatoriedad irreductible que ningún cálculo puede vencer.