Selección de los mejores predictores de El Niño a partir de un conjunto de modelos ✛
Un equipo de cuarenta meteorólogos prepara un pronóstico de El Niño con dos años de anticipación. Cada uno trabaja con el mismo modelo, pero con datos iniciales y configuraciones ligeramente diferentes, por lo que sus respuestas divergen. Normalmente, los centros de pronóstico promedian las cuarenta opiniones, asumiendo que cada miembro es igualmente útil. Pero en cualquier equipo hay jugadores que aciertan más a menudo y otros que fallan de manera consistente.
Los autores del estudio decidieron comprobar si es posible identificar de antemano a los mejores. Tomaron un conjunto de 40 pronósticos de la temperatura superficial del océano en la región de El Niño y compararon cada uno con las observaciones reales de 1986 a 2017. Para cada par "horizonte de pronóstico – temporada", clasificaron a los miembros según dos métricas: precisión de la amplitud (qué tan cerca se predice la intensidad del fenómeno) y coincidencia de fases (qué tan exacto es el momento de ocurrencia). A los cinco mejores en cada métrica los combinaron con pesos proporcionales a su presencia en ambas listas.
El resultado fue más fuerte de lo esperado. En horizontes cortos, la ganancia es modesta: la correlación aumenta en +0.02 y el error disminuye en 0.14 °C. Pero hacia el mes 23, la brecha se vuelve dramática: la correlación aumenta en +0.43, es decir, un 172%, y el error se reduce en un 22.5%. El progreso es especialmente notable en las temporadas de transición, septiembre–noviembre y diciembre–febrero, cuando es crucial predecir con precisión el inicio y la madurez del evento. Las pruebas estadísticas confirman que, en horizontes mayores a 12 meses, más del 85% de los pares "horizonte–temporada" muestran una mejora significativa en la correlación.
Antes no estaba claro cuán grande era la dispersión en la calidad de los pronósticos dentro de un mismo conjunto y si se podía aprovechar. Ahora se ha demostrado que en un conjunto de 40 miembros siempre hay un subgrupo de 5 a 10 personas que, en horizontes de hasta 23 meses, predice El Niño notablemente mejor que el promedio del conjunto, y la ventaja crece con el horizonte. Esto se logró simplemente comparando cada pronóstico con las observaciones y seleccionando a los mejores según dos métricas.
El método puede integrarse en los sistemas operativos de pronóstico del tiempo y del clima como una forma económica de mejorar la precisión de las predicciones a largo plazo sin modificar los modelos. El siguiente paso es aprender a reconocer a los miembros fuertes en tiempo real, cuando las observaciones futuras aún se desconocen. Para ello se necesitan métodos confiables para estimar el error del pronóstico sin acceso a la verificación, así como esquemas adaptativos que actualicen los pesos de los miembros a medida que llegan nuevos datos. Si se logran crear tales herramientas, la ganancia retrospectiva se convertirá en una ventaja operativa para los centros de pronóstico. Así, un equipo de cuarenta meteorólogos puede volverse aún más preciso si el entrenador solo pone en el campo a jugadores probados.
En el horizonte de 23 meses, los cinco miembros seleccionados logran una correlación superior al promedio del conjunto en 0.43, como si el pronóstico se volviera casi una vez y media más "sincronizado" con la realidad. Y todo esto sin que el costo computacional aumente ni un céntimo.