Nuevo método de inteligencia artificial puede predecir eventos El Niño en el Atlántico Sur con meses de antelación

El fenómeno de El Niño en el Atlántico Sur y la corriente de Benguela, que fluye a lo largo de la costa occidental de África, tienen importantes repercusiones en el Atlántico tropical. Pueden afectar a los ecosistemas marinos, a los climas africanos y a la Oscilación Meridional de El Niño.

Importancia de los eventos de El Niño

Las variaciones oceánicas influyen en los patrones meteorológicos locales y repercuten en los ecosistemas marinos. El Niño del Atlántico central se produce cuando hay temperaturas cálidas en la superficie del mar en el Atlántico ecuatorial central. El Niño del Atlántico oriental se produce cuando hay un calentamiento en el Atlántico ecuatorial oriental, cerca de la costa occidental africana.

El Atlántico Sur es una región con un fuerte calentamiento oceánico, lo cual resulta problemático para la pesca. Esto hace esencial predecir eventos como el Niño del Atlántico y el Niño de Benguela. Marie-Lou Bachèlery, quien trabaja en el Centro Euromediterráneo sobre Cambio Climático en Italia y acaba de publicar un artículo en Science Advances, afirma: "Estamos sumamente entusiasmados porque fue la primera vez que pudimos generar predicciones útiles para las comunidades que construyen modelos tradicionales y lograr el objetivo que nos habíamos propuesto hace apenas dos años".

Bachèlery continúa: "Mi idea era predecir esos eventos utilizando modelos climáticos … tras un año y medio de trabajo, nos dimos cuenta de que no funcionaba y que estábamos prácticamente en un punto muerto". Los modelos climáticos actuales tienen dificultades para predecir eventos cálidos en el Atlántico tropical debido a su baja resolución.

Esto significa que los modelos no representan con precisión la dinámica de surgencia, que son procesos impulsados por el viento que traen agua más profunda y fría a la superficie. La surgencia requiere modelado de alta resolución para capturar procesos a escala fina. Existen sesgos de temperatura significativos debido a la incapacidad de resolver la dinámica. Estos sesgos causan errores que afectan la temperatura superficial, el acoplamiento atmosférico y las teleconexiones. En general, esto resulta en predicciones inexactas de eventos cálidos.

Ahora, una forma de predecir

El profesor Noel Keenlyside, supervisor de Bachèlery, lleva años trabajando con predicciones. "Por primera vez, es realmente posible predecir estos eventos y superar el problema de los errores de modelo mediante un enfoque diferente. Mucha gente lleva décadas intentando predecir ese aspecto. Por eso los resultados de Marie-Lou son tan emocionantes".

El estudio se llevó a cabo en el marco del proyecto TRIATLAS con el objetivo de evaluar el estado del ecosistema marino del Atlántico sur y tropical y desarrollar un marco para predecir cambios futuros en una escala de meses a décadas. Keenlyside explica: "Cuando ocurren eventos extremos, las autoridades pueden limitar la pesca en esta región para reducir los efectos de la presión ambiental adicional".

Para realizar una predicción, el equipo de investigación proporcionó a la máquina mapas de la temperatura de la región de interés. El modelo de aprendizaje automático identifica patrones y regiones que proporcionan información, lo que permite realizar predicciones precisas para los próximos dos meses. Con esta información, es posible representar mecanismos físicos. Según Bachèlery, "La maquinaria no realizaba acciones aleatorias; en realidad, se basaba en mecanismos físicos reales".

Hasta el momento, la respuesta ha sido positiva. Toda la técnica puede replicarse en cualquier otro sistema. Actualmente, el equipo trabaja para que estos pronósticos estén disponibles a través de un panel de control. Keenlyside explica: "Estamos en diálogo con los usuarios de pronósticos del Instituto Nacional de Pesca de Angola (INIP) para seguir mejorando y refinando la información según sus necesidades. Es especialmente gratificante ver que la investigación básica está adquiriendo relevancia social".