Una innovadora herramienta desarrollada en la Universidad de Hawai permitirá predecir los eventos climáticos de El Niño-Oscilación del Sur (ENSO) con hasta 18 meses de anticipación.
Estos hallazgos, que combinan conocimientos sobre la física del océano y la atmósfera con precisión predictiva, se han publicado en la revista Nature.
El ENSO es un patrón climático que implica la oscilación de parámetros meteorológicos en el Pacífico ecuatorial cada cierto número de años y es una de las principales fuentes de variabilidad climática anual en el mundo.
"Hemos desarrollado un nuevo modelo conceptual, el llamado modelo de oscilador de recarga no lineal extendido (XRO), que mejora significativamente la capacidad de predicción de eventos ENSO con más de un año de anticipación, mejor que los modelos climáticos globales y comparable a los pronósticos de inteligencia artificial [IA] más hábiles", explicó Sen Zhao, autor principal del estudio e investigador asistente en el Departamento de Ciencias Atmosféricas de SOEST(Escuela de Ciencias y Tecnología Oceánicas y Terrestre).
"Nuestro modelo incorpora de manera efectiva la física fundamental de ENSO y las interacciones de ENSO con otros patrones climáticos en los océanos globales que varían de una estación a otra".
Durante décadas, los científicos han trabajado para mejorar las predicciones del ENSO debido a sus significativos impactos ambientales y socioeconómicos globales. Los modelos tradicionales de pronóstico operativo han enfrentado dificultades para predecir el ENSO con plazos mayores a un año.
Los avances recientes en IA han extendido estos límites, alcanzando predicciones precisas con hasta 16 a 18 meses de anticipación. No obstante, la naturaleza de "caja negra" de los modelos de IA ha impedido atribuir esta precisión a procesos físicos específicos, lo que genera baja confianza en estas predicciones a medida que la Tierra se calienta.
"A diferencia de la naturaleza de ‘caja negra’ de los modelos de IA, nuestro modelo XRO ofrece una visión transparente de los mecanismos del Pacífico ecuatorial y sus interacciones con otros patrones climáticos fuera del Pacífico tropical", señaló Fei-Fei Jin, autor correspondiente y profesor de ciencias atmosféricas en SOEST.
"Por primera vez, podemos cuantificar de manera sólida su impacto en la predictibilidad del ENSO, profundizando así nuestro conocimiento de la física del ENSO y sus fuentes de predictibilidad".
"Nuestros hallazgos también identifican deficiencias en la última generación de modelos climáticos que conducen a su fracaso en predecir el ENSO con precisión", comentó Malte Stuecker, profesor adjunto de oceanografía en SOEST y coautor del estudio.
"Para mejorar las predicciones del ENSO, los modelos climáticos deben capturar correctamente la física clave del ENSO y, además, varios aspectos compuestos de otros patrones climáticos en los océanos globales".
"Diferentes fuentes de predictibilidad conducen a distintas evoluciones de eventos del ENSO", añadió Philip Thompson, profesor asociado de oceanografía en SOEST y coautor del estudio. "Ahora podemos proporcionar predicciones hábiles y de largo plazo de esta 'diversidad del ENSO', lo cual es crucial ya que distintos tipos de ENSO tienen impactos muy diferentes en el clima global y en las comunidades locales".
