El Centro Europeo de Previsiones Meteorológicas a Plazo Medio (CEPMPM) ha puesto en marcha una estrategia que regirá sus actividades durante los próximos diez años, con especial énfasis en ofrecer previsiones aún más precisas tanto a los estados miembros como a los estados cooperantes, además de usuarios de todo el mundo. Todo ello a partir del machine learning.
De hecho, esta tecnología formará parte de la predicción numérica del tiempo y el flujo de trabajo de los servicios climatológicos. De ahí que la hoja de ruta de las actividades de machine learning del Centro Europeo de Previsiones venga a ofrecer un marco de acción que ayudará a canalizar las diversas actividades de aprendizaje automático para un esfuerzo coordinado de las predicciones meteorológicas y climáticas.
No obstante, hay que recordar que el CEPMPM ya hace uso del machine learning en muchas áreas de su trabajo, entre otras, en la asimilación de datos. De hecho, las observaciones y el modelo de previsión (forecast model) se comparan para deducir las condiciones iniciales de la siguiente predicción meteorológica. Si se diagnostican diferencias entre el modelo y las observaciones, se pueden utilizar herramientas de aprendizaje automático para aprender a estimar los errores del modelo en situaciones meteorológicas específicas. Esta representación de errores se puede utilizar para analizar el comportamiento del error, o bien para corregir el error dentro de la asimilación de datos para mejorar las condiciones iniciales y, por tanto, las predicciones.
Todo esto se traduce en una estrategia que aborda aspectos como la superación de las dificultades informáticas y científicas para lograr resoluciones de 3 a 4 kilómetros en las predicciones por conjuntos; la extracción del máximo valor de las observaciones para realizar un análisis preciso de la Tierra, coherente en todos sus componentes; el desarrollo de modelos de última generación para producir gemelos digitales (digital twins) de la Tierra en alta resolución; el uso en mayor medida las tecnologías Cloud o basadas en la nube para promover un uso más eficiente de los datos; o la producción de reanálisis global y retroanálisis/previsión retrospectiva o repronóstico (reforecast) de los riesgos meteorológicos y medioambientales de 1950 en adelante, entre otros.
Conoce más aquí
