41 artículos
Este estudio presenta la primera aplicación del arrastre espectral en un marco de pronóstico de conjuntos probabilísticos, combinando modelos físicos y de aprendizaje automático para mejorar significativamente la habilidad predictiva a gran escala y las trayectorias de ciclones tropicales sin degradar la intensidad de las tormentas.
El artículo advierte que la rápida adopción de la IA en la ciencia climática, al depender de una infraestructura computacional y de datos concentrada en el Norte Global, corre el riesgo de exacerbar las desigualdades globales y propone un cambio hacia un desarrollo centrado en los datos, infraestructura digital pública y co-producción de conocimiento para democratizar la soberanía tecnológica y garantizar una resiliencia sistémica equitativa.
Los autores presentan un modelo de caja dinámico de código abierto que estima los flujos globales de azufre en planetas terrestres similares a la Tierra a lo largo de su historia, revelando que la ausencia de vida resultaría en una composición química de sedimentos marinos con concentraciones de sulfato dos órdenes de magnitud mayores y de sulfuro cuatro órdenes de magnitud menores que en la Tierra actual.
Este estudio demuestra que el uso de métodos de movimiento de malla basados en aprendizaje automático (UM2N) dentro de modelos de aguas someras no hidrostáticos mejora significativamente la eficiencia y la precisión en la simulación de tsunamis y la evaluación de peligros costeros, manteniendo una alta robustez bajo condiciones no lineales.
El estudio evalúa el modelo de IA Aurora y concluye que, aunque demuestra alta precisión en la predicción de eventos extremos a corto plazo (1-7 días), su habilidad para pronosticar la intensidad de estos fenómenos disminuye drásticamente más allá de los 7-10 días al regredir hacia la climatología, lo que indica que su horizonte de predictibilidad sigue limitado por la dinámica atmosférica intrínseca.
El estudio demuestra que el uso de integradores temporales de orden superior basados en métodos de Runge-Kutta, junto con un paso de tiempo adaptativo, permite modelar con mayor precisión y eficiencia la microfísica de la lluvia en el modelo E3SMv3, superando las limitaciones de los métodos de primer orden actuales y logrando una velocidad de cálculo más de 10 veces superior.
Este estudio combina análisis genéticos y modelado de trayectorias de corrientes oceánicas para demostrar que existe una permeabilidad débil pero significativa en la Barrera del Pacífico Oriental, permitiendo la conectividad de larvas de coral entre las Islas Line y el Atolón de Clipperton principalmente mediante la modulación estacional de la Corriente Contraecuatorial del Norte.
El artículo presenta EnsAI, un sistema de generación de conjuntos basado en inteligencia artificial para constituyentes químicos atmosféricos que, tras un costo inicial de entrenamiento, reproduce con precisión las características meteorológicas de los conjuntos originales del modelo GEM-MACH y acelera su generación 3.300 veces, optimizando significativamente los recursos computacionales en sistemas de inversión de emisiones.
Este estudio propone que la diferencia en la abundancia de elementos volátiles entre la Tierra y la Luna se debe a un flujo hidrodinámico impulsado por la recombinación de hidrógeno en la atmósfera del disco protolunar, el cual expulsó volátiles al espacio mientras la atmósfera terrestre retenía los suyos.
Este estudio reporta la detección definitiva de la molécula C3 en la atmósfera de Titán mediante observaciones de ultra alta resolución con el instrumento ESPRESSO del VLT, confirmando su abundancia mediante análisis estadísticos y validando el uso de técnicas desarrolladas para exoplanetas en el Sistema Solar.
Este artículo presenta la Asimilación de Datos Latente (LDA), un marco que realiza la asimilación bayesiana en un espacio latente aprendido mediante autoencoders para capturar relaciones físicas no lineales y producir análisis atmosféricos globalmente consistentes, mejorando tanto la calidad del análisis como la habilidad de pronóstico en comparación con los métodos tradicionales.
Este estudio presenta evidencia experimental y teórica de que la interacción entre ondas superficiales y turbulencia ambiental subsuperficial genera un flujo medio euleriano que contrarresta la deriva de Stokes, redistribuyendo el momento cerca de la superficie y ofreciendo implicaciones significativas para la predicción del transporte de materiales en los océanos.
Este trabajo extiende un modelo teórico de atenuación de ondas en hielo roto de espesor aleatorio a aguas de profundidad finita, demostrando mediante análisis de múltiples escalas y simulaciones numéricas que la atenuación predicha es proporcional a la octava potencia de la frecuencia a bajas frecuencias y presenta un efecto de saturación a frecuencias más altas, con resultados que concuerdan bien con mediciones de campo.
Este informe evalúa la precisión de la energía de las olas de alta frecuencia observada por cuatro tipos de boyas, concluyendo que las boyas Datawell Waverider tienden sistemáticamente a reportar niveles de energía más altos que las otras tres, lo que plantea preocupaciones para la calibración de modelos y aplicaciones predictivas.
Mediante un modelo de retraso lineal derivado de una jerarquía de modelos, el estudio demuestra que el calentamiento global provoca un aumento transitorio seguido de una disminución a largo plazo en la intensidad de ENSO, revelando que las emisiones más rápidas generan un pico de variabilidad más intenso incluso con la misma cantidad total de emisiones.
Este estudio utiliza una jerarquía de modelos climáticos globales para demostrar que, aunque el calentamiento superficial intensifica robustamente los vientos extremos en latitudes medias, la proyección regional de estos eventos, especialmente en los trópicos y sobre tierra, sigue siendo incierta debido a diferencias fundamentales en cómo los modelos representan los sistemas meteorológicos que los generan.
Este estudio demuestra que la interacción del huracán Melissa (2025) con el terreno montañoso de Jamaica provocó un rápido debilitamiento de su energía cinética integrada, el cual puede explicarse en gran medida por el aumento de la fricción y la mezcla turbulenta, aunque otros procesos dinámicos y termodinámicos también contribuyeron a su decadencia.
Este estudio presenta un marco de aprendizaje profundo basado en redes neuronales convolucionales para detectar y caracterizar estadísticamente las estructuras de ondas de gravedad a escala de ondulación en la mesosfera a partir de imágenes de aireglow, permitiendo inferir los mecanismos físicos subyacentes que regulan la dinámica atmosférica superior.
Este artículo presenta un método de aprendizaje automático basado en interpolantes estocásticos que transforma de manera eficiente y económica las proyecciones climáticas globales de baja resolución en proyecciones regionales de alta resolución, superando las limitaciones computacionales de los modelos climáticos regionales tradicionales.
Este trabajo presenta un nuevo enfoque de filtrado de Kalman por conjuntos que elimina la necesidad de técnicas de localización ad hoc al localizar inherentemente la función de densidad de probabilidad del análisis mediante optimización bayesiana variacional, logrando una precisión y carga computacional comparables a los métodos tradicionales ya calibrados.