Dos observadores vigilan el océano Pacífico. Uno examina los mapas de calor de la superficie; el otro escucha el ritmo de la temperatura y la acumulación de calor en la columna de agua. Por separado, cada uno solo percibe una parte del panorama, pero juntos pueden detectar la aproximación de El Niño varios meses antes de que la corriente cálida altere el clima en todo el planeta.
El Niño, la fase cálida de la oscilación climática en el Pacífico ecuatorial, trae sequías a Australia e inundaciones a Perú, y afecta la pesca y las cosechas. Un pronóstico preciso con seis meses de antelación da tiempo para prepararse. Los modelos climáticos clásicos resuelven mal los procesos de pequeña escala, y los regionales están limitados por su anidamiento unidireccional. El aprendizaje automático abre el camino a un análisis más flexible de grandes volúmenes de datos oceanográficos, pero los modelos existentes a menudo adolecen de falta de validación con datos reales y no siempre captan los eventos extremos.
Investigadores de la Universidad Nacional de Vietnam han construido el modelo ConvLSTM-XT, que reúne a los dos observadores en una sola arquitectura. La red neuronal convolucional (CNN) procesa los mapas de calor de la temperatura superficial del océano (SST) del NOAA ERSST v5, mientras que la memoria a largo plazo (LSTM) analiza las series temporales de temperatura y contenido de calor oceánico (OHC) del Centro de Datos Oceanográficos de la Academia China de Ciencias. Los datos abarcan desde enero de 2000 hasta septiembre de 2023, y la región se limita a la zona Niño 3.4 (5°S–5°N, 120°–170°O). En lugar de las multiplicaciones matriciales habituales en los bloques LSTM, se utilizan convoluciones bidimensionales, lo que permite capturar patrones espaciales y temporales simultáneamente.
La precisión del pronóstico fue del 90,57% para las configuraciones en las que al menos uno de los cinco trimestres utilizaba observaciones reales y el resto, pronósticos. Cuando los cinco trimestres se pronosticaron sin apoyo en observaciones, la precisión cayó al 83,02%. El análisis cualitativo de los mapas de calor de marzo a septiembre de 2023 mostró que el modelo captó la transición de anomalías frías a cálidas, característica del desarrollo de El Niño, aunque no siempre superó el umbral de 0.5°C en los cinco períodos.
Los resultados confirman que las redes neuronales híbridas espacio-temporales pueden competir con los modelos tradicionales en la tarea de pronosticar El Niño. La alta precisión con uso parcial de observaciones indica su valor práctico para el monitoreo operativo. La disminución de la precisión en el pronóstico totalmente autónomo señala la necesidad de variables de entrada adicionales o de mejorar la arquitectura. Los dos observadores, uniendo esfuerzos, ya ofrecen varios meses de ventaja frente a una anomalía climática.
El Niño de 1982–1983 casi destruyó la población de anchoa peruana, de la que dependía la mayor pesquería del mundo. Las capturas cayeron de 12 millones de toneladas a menos de 1 millón de toneladas.
En la novela de Kim Stanley Robinson 'Las cuarenta señales de la lluvia', los modelos climáticos juegan un papel clave en la predicción de fenómenos meteorológicos extremos, y los científicos luchan por que sus pronósticos sean escuchados por los políticos. El desarrollo de modelos más precisos de El Niño resuena con este tema: cuanto antes y con mayor precisión se advierta, mayores serán las posibilidades de adaptación.