Cómo la inteligencia artificial está transformando los pronósticos de tifones en Hong Kong

Hong Kong apuesta por los pronósticos de tifones con inteligencia artificial

Hong Kong, una ciudad expuesta desde hace mucho tiempo a la fuerza destructiva de los tifones y los fenómenos meteorológicos extremos, está incorporando la inteligencia artificial (IA) para revolucionar sus capacidades de pronóstico del tiempo. El Observatorio de Hong Kong (HKO) anunció importantes inversiones en tecnología de IA con el objetivo de mejorar la precisión y la oportunidad de las alertas sobre ciclones tropicales, tormentas de lluvia y otros fenómenos meteorológicos severos. La decisión llega después de que los modelos de IA demostraran un éxito notable durante episodios recientes de lluvias sin precedentes y tifones, aunque persisten dificultades para determinar la intensidad y la ubicación exacta de sus efectos.

A medida que el cambio climático intensifica las tormentas y aumenta la imprevisibilidad de los patrones meteorológicos, nunca ha sido tan importante contar con pronósticos precisos. Los esfuerzos de Hong Kong forman parte de una tendencia regional y mundial más amplia hacia la meteorología basada en IA. La vecina Taiwán y destacadas instituciones de investigación de todo el mundo también recurren al aprendizaje automático para mejorar la preparación ante desastres.

¿Por qué es tan importante pronosticar con precisión los tifones en Hong Kong?

La ubicación subtropical de Hong Kong la sitúa en plena trayectoria de los tifones del Pacífico, que pueden provocar vientos devastadores, lluvias torrenciales, inundaciones y deslizamientos de tierra. Debido a la alta densidad de población y la complejidad de su infraestructura, incluso pequeñas mejoras en la precisión de los pronósticos pueden salvar vidas, reducir las pérdidas económicas y ayudar a las autoridades a coordinar mejor la respuesta ante emergencias.

En los últimos años se han sucedido varios fenómenos meteorológicos extremos. En agosto, Hong Kong registró la mayor precipitación diaria desde que comenzaron las mediciones, en 1884, lo que dio lugar a la segunda alerta negra por tormenta de lluvia más prolongada de la historia de la ciudad. Las consecuencias incluyeron graves inundaciones, deslizamientos de tierra y alteraciones generalizadas. En regiones vecinas, las mortales inundaciones en la provincia de Gansu y las evacuaciones masivas en Guangdong pusieron de relieve la urgente necesidad de mejorar los sistemas de alerta temprana.

Los métodos tradicionales de pronóstico, aunque eficaces, tienen limitaciones, sobre todo a la hora de predecir la trayectoria precisa y la rápida intensificación de los ciclones tropicales. Es aquí donde la IA puede marcar la diferencia.

¿Cómo mejora la IA los pronósticos meteorológicos?

Los pronósticos meteorológicos basados en IA utilizan algoritmos de aprendizaje automático entrenados con grandes cantidades de datos meteorológicos históricos. A diferencia de los modelos tradicionales de predicción numérica del tiempo (NWP), que simulan la física atmosférica mediante ecuaciones complejas y supercomputadoras, los modelos de IA aprenden patrones y relaciones a partir de décadas de observaciones meteorológicas mundiales. Una vez entrenados, pueden generar pronósticos mucho más rápido y con menos capacidad de cálculo.

Por ejemplo, la generación actual de modelos de IA que utiliza el HKO se entrena con aproximadamente 40 años de datos mundiales de reanálisis, unos 25 billones de puntos de datos. Estos modelos pueden analizar y pronosticar la evolución de los sistemas meteorológicos, incluidos los tifones, al reconocer indicios sutiles que podrían pasar inadvertidos para los modelos convencionales.

Según Lo Ka-wai, funcionario científico del Observatorio: «Al aprender de este extenso conjunto de datos, los modelos de IA pueden identificar los patrones y las relaciones de la evolución meteorológica, que luego pueden utilizarse para pronosticar cambios futuros en el tiempo».

Los modelos de IA ya han demostrado su utilidad en operaciones reales. Por ejemplo, cuando se acercaba el ciclón tropical Wutip, los pronósticos basados en IA predijeron la trayectoria de la tormenta con mayor precisión que los modelos tradicionales. Esto ayudó al Observatorio a emitir alertas oportunas y evitar alteraciones innecesarias.

Modelos de IA en acción: el caso del tifón Wutip

En junio, cuando el tifón Wutip amenazaba Hong Kong, el Observatorio recurrió tanto a modelos tradicionales como a modelos basados en IA para pronosticar su trayectoria. Mientras que un modelo europeo preveía que Wutip se acercaría a la costa sur de China y uno estadounidense apuntaba a un acercamiento mayor a Hong Kong, dos modelos de IA calcularon una trayectoria más hacia el oeste, más cercana a la que finalmente siguió el tifón. Como resultado, Hong Kong evitó un impacto directo y las alertas del Observatorio reflejaron los pronósticos más precisos de la IA.

No se trató de un caso aislado. En repetidas ocasiones, los modelos de IA han igualado o superado la precisión de los modelos tradicionales al predecir la trayectoria de los tifones, en particular los del Pacífico occidental. Desde entonces, el Observatorio ha ampliado el uso de la IA e incorporado modelos como Fuxi, desarrollado por la Universidad de Fudan; Pangu-Weather, de Huawei; y el Sistema de Pronóstico con Inteligencia Artificial (AIFS) del Centro Europeo de Predicción Meteorológica a Medio Plazo (ECMWF).

¿Cuáles son las ventajas y limitaciones de los pronósticos con IA?

Los modelos de IA ofrecen varias ventajas frente a los métodos tradicionales:

• Rapidez: La IA puede generar pronósticos en minutos, frente a las horas que requieren los modelos basados en la física.
• Eficiencia energética: Los modelos de IA utilizan mucha menos capacidad de cálculo, por lo que son más sostenibles.
• Precisión de la trayectoria: Los modelos de IA suelen superar a los tradicionales al predecir la trayectoria de los ciclones tropicales.
• Alertas tempranas: La IA puede detectar patrones y emitir alertas con mayor antelación, lo que da más tiempo a las autoridades y a la población para prepararse.

Sin embargo, persisten algunos desafíos. Los modelos de IA tienden a subestimar la intensidad de los ciclones tropicales, sobre todo durante los episodios de rápida intensificación, un fenómeno en el que la velocidad del viento de una tormenta aumenta drásticamente en poco tiempo. Se trata de una limitación importante, ya que casi el 80 % de los grandes huracanes y tifones experimentan una rápida intensificación y el cambio climático está haciendo que estos episodios sean más frecuentes.

Otro desafío es la capacidad limitada de los modelos de IA para pronosticar fenómenos meteorológicos extremos poco frecuentes o sin precedentes, ya que estos pueden estar poco representados en los datos históricos utilizados para el entrenamiento. Por ejemplo, durante la tormenta de lluvia sin precedentes de septiembre de 2023, los modelos de IA ofrecieron orientaciones útiles, pero tuvieron dificultades para captar toda la magnitud de las precipitaciones y su ubicación precisa.

Como señala el Observatorio de Hong Kong: «La capacidad de los modelos de IA para pronosticar fenómenos meteorológicos extremos aún no se ha verificado debido a lo poco frecuentes que han sido históricamente; además, los fenómenos meteorológicos sin precedentes no estaban incluidos en los datos de entrenamiento de los modelos de IA».

Comparación de modelos de IA: perspectivas mundiales y regionales

Estudios científicos recientes han comparado el rendimiento de los principales modelos de pronóstico meteorológico con IA en Asia oriental y el Pacífico occidental. Se evaluaron cinco modelos importantes —Pangu-Weather, FourCastNet v2, GraphCast, FuXi y FengWu— por su capacidad para pronosticar la trayectoria y la intensidad de los tifones. FengWu fue el más preciso al pronosticar las trayectorias, mientras que FuXi y GraphCast también obtuvieron buenos resultados. Sin embargo, todos los modelos tuvieron dificultades para pronosticar la intensidad, lo que pone de relieve la necesidad de seguir investigando y desarrollar modelos regionales de mayor resolución.

Los métodos de conjunto, que combinan los resultados de varios modelos, han demostrado su potencial para mejorar la fiabilidad de los pronósticos. El rápido avance de la meteorología basada en IA indica que la colaboración continua entre investigadores de IA y organismos meteorológicos será clave para superar las limitaciones actuales.

¿Cómo está integrando Hong Kong la IA en sus operaciones de pronóstico?

El Observatorio de Hong Kong ha estado a la vanguardia de la adopción de la IA en meteorología. Desde mediados de 2023, el HKO ha incorporado varios modelos de IA a pruebas en tiempo real y publica sus pronósticos en la página web Earth Weather y en la aplicación MyObservatory. El Observatorio utiliza la IA no solo para seguir la trayectoria de los tifones, sino también para pronosticar las precipitaciones, el viento, la temperatura y la humedad con hasta quince días de antelación.

He Yuheng, funcionario científico sénior interino del HKO, explicó que los modelos de IA pronosticaron correctamente la formación de una banda de lluvia que llevó precipitaciones intensas a la costa de Guangdong una semana antes del aguacero de agosto. Aunque los modelos no lograron precisar las ubicaciones exactas de las lluvias más intensas, ofrecieron una base valiosa para emitir alertas oportunas y preparar respuestas de emergencia.

El Observatorio también colabora con socios internacionales y empresas privadas para mantenerse a la vanguardia de los pronósticos con IA. Por ejemplo, se están probando Weather Lab, de Google DeepMind, y AIFS, del ECMWF, junto con modelos locales, lo que ofrece nuevas herramientas para que los meteorólogos los evalúen y comparen.

Adopción regional: lecciones de Taiwán y otros lugares

Hong Kong no está solo en su apuesta por la IA. La Administración Central de Meteorología de Taiwán también ha adoptado modelos de IA para seguir los tifones, con resultados destacados. Durante el tifón Gaemi, los pronósticos basados en IA anticiparon un impacto directo con ocho días de antelación, superaron a los modelos convencionales y dieron más tiempo a las autoridades para prepararse. Según Lu Kuo-Chen, subdirector de la Administración, «La IA aumentó la confianza de los meteorólogos y dio más tiempo a las autoridades para prepararse».

La participación del sector privado está acelerando los avances. Empresas como Nvidia, Google y Microsoft desarrollan modelos avanzados de pronóstico meteorológico con IA y se asocian con organismos meteorológicos de todo el mundo. Estas colaboraciones impulsan la innovación y ayudan a abordar las dificultades para pronosticar la intensidad y los efectos locales.

Desafíos y perspectivas

A pesar de las posibilidades que ofrece la IA, aún quedan varios obstáculos antes de que pueda reemplazar o superar plenamente los métodos tradicionales de pronóstico:

• Calidad y disponibilidad de los datos: Los modelos de IA dependen de conjuntos de datos completos y de alta calidad. Las lagunas en los datos históricos o las imprecisiones pueden limitar su rendimiento.
• Pronóstico de la intensidad: Predecir la rápida intensificación y la velocidad máxima del viento sigue siendo un desafío importante tanto para los modelos de IA como para los tradicionales.
• Efectos locales: Se necesitan modelos regionales de alta resolución para pronosticar efectos localizados, como inundaciones repentinas y deslizamientos de tierra.
• Supervisión humana: Los meteorólogos expertos siguen siendo esenciales para interpretar los resultados de la IA, sobre todo en situaciones de alto riesgo.

A medida que evoluciona este campo, el Observatorio de Hong Kong y sus socios mantienen su compromiso con la investigación continua, el desarrollo de modelos y la educación pública. El objetivo no es solo mejorar la precisión de los pronósticos, sino también generar confianza entre la población y garantizar que las alertas se comprendan y se atiendan.

Implicaciones más amplias: la IA y la resiliencia climática

La integración de la IA en los pronósticos meteorológicos es más que una mejora tecnológica: constituye un paso fundamental para fortalecer la resiliencia climática en una época de fenómenos extremos cada vez más frecuentes. A medida que las tormentas se vuelven más intensas e imprevisibles, contar con alertas tempranas y precisas puede marcar la diferencia entre la seguridad y el desastre para millones de personas.

La experiencia de Hong Kong ofrece lecciones valiosas a otras ciudades y regiones que afrontan amenazas similares. La rápida adopción de la IA, junto con la colaboración internacional y la participación pública, demuestra un enfoque proactivo para gestionar los riesgos climáticos. A medida que los modelos de IA sigan mejorando, desempeñarán un papel cada vez más importante en la protección de las comunidades y el apoyo al desarrollo sostenible.

En resumen

• Hong Kong invierte en IA para mejorar los pronósticos de tifones y fenómenos meteorológicos extremos, tras las pruebas exitosas realizadas durante tormentas recientes.
• Los modelos de IA han superado a los métodos tradicionales al predecir la trayectoria de los tifones, pero aún tienen dificultades para pronosticar su intensidad y sus efectos locales.
• El Observatorio de Hong Kong está integrando varios modelos de IA en sus operaciones y colaborando con socios internacionales.
• Países y territorios vecinos, como Taiwán, también aprovechan la IA, mientras que las empresas privadas aceleran la innovación en este campo.
• La investigación continua y los conocimientos especializados de las personas siguen siendo esenciales para abordar las limitaciones de la IA y garantizar la eficacia de los sistemas de alerta temprana.
• La adopción de la IA en meteorología es un paso clave para fortalecer la resiliencia climática de Hong Kong y de toda la región.