The emergence of regional record-breaking summer heat predictability

El calor extremo es una de las consecuencias más peligrosas del cambio climático causado por el hombre, golpeando con una frecuencia e intensidad que se acelera cada año. Si bien los científicos han comprendido durante mucho tiempo que un planeta en calentamiento hace que los días calurosos sean más probables, predecir exactamente cuándo y dónde ocurrirá un verano específico que rompa récords ha seguido siendo un desafío formidable. Esta dificultad surge porque el clima es una mezcla caótica de tendencias de largo plazo predecibles y fluctuaciones de corto plazo impredecibles. Durante décadas, la comunidad científica ha debatido cuánto de un evento de calor es impulsado por la mano constante del calentamiento global frente a los vaivenes aleatorios de la variabilidad climática natural. La pregunta central ha sido si podemos pronosticar de manera confiable estos extremos mortales con años de antelación, dando a las comunidades tiempo suficiente para prepararse, o si el caos inherente de la atmósfera hace que las advertencias de largo alcance sean imposibles.

Un equipo de investigadores ha desarrollado ahora una nueva forma de responder a esta pregunta, demostrando que la capacidad de predecir veranos que rompen récords no es solo una posibilidad futura, sino que ya está emergiendo en muchas partes del mundo. Al utilizar herramientas avanzadas de aprendizaje computacional, descubrieron que combinar el aumento constante de las temperaturas globales con patrones específicos en las temperaturas de la superficie del océano permite realizar pronósticos precisos de calor extremo de cinco a diez años antes de que ocurran. Este enfoque supera a los modelos climáticos tradicionales en muchas regiones, lo que sugiere que estamos entrando en una era en la que el momento de nuestros veranos más calurosos puede anticiparse con una confianza significativa.

Los investigadores, Emily Gordon de la Universidad de Auckland y Noah Diffenbaugh de la Universidad de Stanford, se centraron en un tipo específico de predicción: determinar si un verano en los próximos cinco o diez años será más caluroso que cualquier verano registrado en el pasado reciente. Para hacer esto, entrenaron un tipo de inteligencia artificial conocida como red neuronal convolucional. Piense en este sistema como un reconocedor de patrones altamente hábil que aprende estudiando vastas cantidades de datos históricos. La computadora recibió dos tipos principales de información: la temperatura promedio de todo el globo y los patrones cambiantes de las temperaturas de la superficie del mar en los océanos del mundo. El objetivo era ver si la computadora podía aprender a detectar la combinación específica de un planeta en calentamiento y condiciones oceánicas favorables que conduce a un verano que rompe récords.

Cuando el equipo probó este método contra datos del mundo real de las últimas décadas, los resultados fueron sorprendentes. El modelo de aprendizaje automático identificó con éxito los momentos en que era probable que ocurriera un verano que rompía récords, anticipando el evento a menudo con años de antelación. Por ejemplo, en regiones como Europa del Este, el modelo detectó las condiciones que conducirían a un nuevo récord de calor alrededor de principios de la década de 2000, anticipando correctamente que el récord anterior sería superado. También predijo correctamente que no se establecería un nuevo récord en la década de 2010, para luego pronosticar la llegada de otro verano que rompe récords alrededor de 2024. Esta capacidad para distinguir entre un año caluroso y uno verdaderamente histórico demostró que el modelo estaba capturando señales reales en lugar de simplemente adivinar.

Crucialmente, los investigadores encontraron que este enfoque de aprendizaje automático era a menudo más preciso que los modelos dinámicos estándar utilizados por los científicos climáticos, que dependen de complejas ecuaciones físicas para simular la atmósfera y los océanos. En muchas áreas, incluyendo el norte de África, el Mediterráneo, el este de Asia y partes de Australia y América del Sur, el modelo computacional predijo el inicio del calor récord con mayor destreza que los modelos tradicionales. Los modelos tradicionales a menudo luchaban por capturar las variaciones internas específicas del sistema climático que, combinadas con el calentamiento global, desencadenan estos eventos extremos. El modelo de aprendizaje automático, por el contrario, aprendió a reconocer los precursores sutiles en el océano y la atmósfera que señalan una futura ola de calor.

El estudio introduce un concepto que llaman "emergencia de la predictibilidad". Esto describe el punto en el que el calentamiento global se vuelve lo suficientemente fuerte como para que, al combinarse con los patrones oceánicos naturales, el calor que rompe récords se vuelva predecible. En el pasado, el ruido aleatorio de la variabilidad climática natural era tan fuerte que ahogaba la señal del calentamiento global, haciendo imposible pronosticar eventos extremos específicos con años de antelación. Sin embargo, a medida que el planeta continúa calentándose, la señal de ese calentamiento se ha vuelto más fuerte. Los investigadores encontraron que en muchas regiones, esta señal ya se ha vuelto lo suficientemente fuerte como para permitir predicciones confiables. En algunos lugares, la capacidad de predecir un verano que rompe récords dentro de una ventana de cinco años ya ha emergido, mientras que en otros, se espera que sea posible dentro de la próxima década o dos si las tendencias actuales de calentamiento continúan.

El equipo también exploró qué tan lejos en el futuro pueden llegar estas predicciones. Encontraron que extender la ventana de pronóstico de cinco a diez años mejoraba significamente la capacidad de predecir el calor récord. Esto se debe simplemente a que un marco de tiempo más largo aumenta la probabilidad estadística de que ocurra un evento extremo. En muchas partes del hemisferio norte, el modelo sugiere que si miramos diez años hacia adelante, ya podemos predecir con destreza la llegada de un nuevo récord de calor, siempre que las condiciones oceánicas sean favorables. Incluso en regiones donde la señal de calentamiento aún no es dominante, la combinación de una ventana de pronóstico más larga y el aumento constante de las temperaturas globales significa que la predictibilidad es probable que emerja pronto.

Uno de los hallazgos más importantes del estudio es que esta predictibilidad depende tanto de la tendencia de calentamiento a largo plazo como de las fluctuaciones de corto plazo de los océanos. Los investigadores probaron qué pasaría si eliminaran los datos del océano del modelo, dejándolo solo con la tendencia de la temperatura global. Encontraron que sin la información del océano, la capacidad del modelo para predecir específicamente los veranos que rompen récords disminuyó significativamente. Esto confirma que, si bien el calentamiento global prepara el escenario para el calor extremo, el momento y la ubicación específicos de estos eventos todavía están fuertemente influenciados por la variabilidad natural de los océanos. El modelo de aprendizaje automático tiene éxito porque aprende a leer el guion escrito tanto por el planeta en calentamiento como por los mares en movimiento.

Los investigadores también observaron cómo podrían cambiar estas predicciones en el futuro. Al simular diferentes niveles de calentamiento global, estimaron que para la mayoría de las regiones terrestres, la capacidad de predecir un verano que rompe récords dentro de cinco años será posible dentro de los próximos 10 a 30 años, asumiendo que continúe la tasa actual de calentamiento. En algunas áreas, este umbral ya ha sido cruzado. El estudio sugiere que a medida que el planeta se caliente más, la ventana para la predicción confiable se ampliará, ofreciendo más tiempo para que las comunidades se preparen para la llegada inevitable del calor extremo.

Si bien los resultados son prometedores, los autores advierten cuidadosamente sobre las limitaciones de su trabajo. Los modelos de aprendizaje automático fueron entrenados con datos de una sola simulación climática, y diferentes modelos podrían arrojar resultados ligeramente distintos. Además, los modelos son mejores prediciendo promedios estacionales que olas de calor específicas y de corta duración, aunque ambos están estrechamente vinculados. Los investigadores también señalan que si los patrones oceánicos futuros evolucionan de maneras que nunca se han visto antes, las predicciones actuales podrían necesitar ajustes. Sin embargo, el hallazgo central sigue siendo robusto: la combinación del calentamiento causado por el hombre y la variabilidad oceánica natural está creando una nueva era de predictibilidad para el calor extremo.

Este trabajo representa un cambio significativo en la forma en que los científicos abordan el pronóstico climático. En lugar de ver los eventos extremos como puramente caóticos e impredecibles, el estudio muestra que contienen una señal predecible que se fortalece a medida que el planeta se calienta. Al usar el aprendizaje automático para decodificar la compleja relación entre los océanos y la atmósfera, los investigadores han encontrado una manera de mirar más lejos en el futuro que nunca. Esto no significa que el clima se haya vuelto totalmente predecible, pero sí significa que estamos ganando la capacidad de anticipar los eventos de calor más peligrosos con un nivel de confianza que antes era inalcanzable. Para las comunidades de todo el mundo, esta capacidad emergente de pronosticar veranos que rompen récords podría ser una herramienta vital para la adaptación, ofreciendo una ventana de tiempo crucial para proteger vidas e infraestructura de la creciente amenaza del calor extremo.