Google ha desarrollado un método para predecir la lluvia mediante inteligencia artificial. El concepto es sencillo: utilizando el big data, se procesan millones de imágenes del radar de lluvia de todo el Planeta al instante.

Analizando la evolución de esas imágenes, la inteligencia artificial nos permite hacer un pronóstico a corto plazo, a 6 horas vista, con un alto grado de fiabilidad.

Ellos lo han llamado ‘pronóstico inmediato de alta resolución’ y es capaz de crear pronósticos con una resolución de un kilómetro cuadrado con una latencia de entre cinco y diez minutos, incluyendo en ese intervalo de tiempo la recopilación de los datos de las imágenes del radar.

Pronóstico inmediato de alta resolución

A diferencia de los modelos convencionales, este pronóstico no trata de desentrañar la dinámica atmosférica, tan compleja, que precisa la ejecución de modelos numéricos de gran coste computacional.

Usando la inteligencia artificial, este modelo de predicción se basa en la evolución de la lluvia obtenida desde las imágenes del radar, usando un método de aprendizaje automático, basado tanto la experiencia con situaciones meteorológicas pasadas, como en lo que en ese momento está ocurriendo realmente.

Una visualización de predicciones hechas en el transcurso de aproximadamente un día. Izquierda: La predicción de HRRR de 1 hora realizada en la parte superior de cada hora, el límite de la frecuencia con la que HRRR proporciona predicciones. Centro: La verdad fundamental, es decir, lo que estamos tratando de predecir. Derecha: Las predicciones hechas por nuestro modelo. Nuestras predicciones son cada 2 minutos (se muestran aquí cada 15 minutos) a aproximadamente 10 veces la resolución espacial realizada por HRRR.  Observe que capturamos el movimiento general y la forma general de la tormenta.

Altísima resolución para la lluvia

El método analiza la superficie a pronosticar dividiéndolo en cuadrículas de un kilómetro, usando un tipo de red neuronal convolucional llamada U-Net.

Dicha red tiene una secuencia de capas dispuestas en fase de codificación que disminuyen la resolución de las imágenes que pasan a través de ellas. Posteriormente, en una fase de decodificación, estas representaciones de baja resolución se expanden a resoluciones más altas.

La animación superior muestra la ubicación de las nubes medida por satélites geosíncronos. La imagen inferior de radar que muestra la ubicación de la lluvia medida por las estaciones de radar Doppler.
(Crédito: NOAA, NWSNSSL)

Inconvenientes

Este tipo de predicción solo vale para prever la lluvia y además, tiene el hándicap de que las redes de detección de lluvia son en su amplísima mayoría terrestres en todos los países del mundo y no contamos con la información sobre grandes áreas de los océanos y mares.

En cualquier caso, según nos cuentan en Google, se han realizado varias pruebas con éxito, resultando la técnica una excelente forma de anticiparse a la evolución de tormentas severas.

Arriba (de izquierda a derecha): los primeros tres paneles muestran imágenes de radar de 60 minutos, 30 minutos y 0 minutos antes de ahora, el punto en el que se desea una predicción. El panel de la derecha muestra la imagen del radar 60 minutos después, es decir, la verdad fundamental para una predicción de predicción inmediata. Abajo a la izquierda: para comparación, un campo vectorial inducido por la aplicación de un algoritmo de flujo óptico (OF) para modelar la advección a los datos de los primeros tres paneles anteriores. El flujo óptico es un método de visión por computadora que se desarrolló en la década de 1940 y se usa con frecuencia para predecir la evolución del clima a corto plazo. Abajo a la derecha: una predicción de ejemplo hecha por OF. Observe que rastrea bien el movimiento de la precipitación en la esquina inferior izquierda, pero no tiene en cuenta la fuerza en descomposición de la tormenta.

Los ingenieros de Google opinan que el modelo no sería muy útil para pronósticos en ciudades en los que se espera lluvia constante varios días seguidos, pero sí resulta extremadamente válida para situaciones de tiempo severo, pues puede permitirnos adelantarnos a desastres naturales súbitos.

La inteligencia artificial aplicada a la meteorología

No es la primera vez que os hablamos de big data, meteorología y clima. Diferentes grupos de trabajo, en distintas disciplinas, variables y campos de acción, están desarrollando métodos de previsión y análisis muy eficaces.

En este caso, Google trabaja en el nowcasting, la previsión a muy corto plazo y basada en la observación directa y reciente de las condiciones meteorológicas, una herramienta que aún no estará accesible al público pero que esperemos que pronto esté abierta para disfrutarla y comprobar su fiabilidad.