El tiempo en cada patio exprés
El tiempo en la calle de al lado puede ser diferente al tuyo: junto al río hace más fresco, sobre el asfalto hace más calor, entre los edificios sopla más fuerte. El pronóstico habitual no ve esto: su celda tiene el tamaño de una ciudad, no de un patio. Los científicos tomaron datos de miles de estaciones terrestres e imágenes satelitales de la superficie y aprendieron a completar la imagen meteorológica fina a partir de la gruesa.
El método se parece a la restauración de una fotografía antigua: las pinceladas grandes se conocen, y los detalles finos se recuperan a partir de la textura del lienzo. Así se logró reducir el error del viento en un 29%, y el de temperatura y humedad en un 6% en comparación con el mejor modelo global ERA5. En los mapas aparecieron islas de calor urbanas, manchas húmedas sobre campos y bosques, y vientos diferentes sobre el agua y la tierra.
Este enfoque no reemplaza la física de la atmósfera, sino que le añade conocimiento sobre la superficie. Es barato y puede funcionar para todo un continente. En el futuro, el pronóstico para un patio o un campo concretos será una realidad.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2602.23146
Near-surface atmospheric conditions can differ sharply over tens to hundreds of meters due to land cover and topography, yet this variability is absent from current weather analyses and forecasts. It is unclear whether such meter-scale variability reflects irreducibly chaotic dynamics or contains a component predictable from surface characteristics and large-scale atmospheric forcing. Here we show that a substantial, physically coherent component of meter-scale near-surface weather is statistically recoverable from existing observations. By conditioning coarse atmospheric state on sparse surface station measurements and high-resolution Earth observation data, we infer spatially continuous fields of near-surface wind, temperature, and humidity at 10 m resolution across the contiguous United States. Relative to ERA5, the inferred fields reduce wind error by 29% and temperature and dewpoint error by 6%, while explaining substantially more spatial variance at fixed time steps. They also exhibit physically interpretable structure, including urban heat islands, evapotranspiration-driven humidity contrasts, and wind speed differences across land cover types. Our findings expand the frontier of weather modeling by demonstrating a computationally feasible approach to continental-scale meter-resolution inference. More broadly, they illustrate how conditioning coarse dynamical models on static fine-scale features can reveal previously unresolved components of the Earth system.
La diferencia de temperatura entre el centro de una gran ciudad y las afueras puede alcanzar los 10 grados: eso es la isla de calor urbana.