Tecnología y sociedad

La IA puede predecir las olas de calor y vincularlas con el cambio climático

El aprendizaje automático cambia la forma en la que los científicos predicen futuros fenómenos extremos

Un termómetro indica una temperatura de 40ºC durante la cuarta ola de calor del verano.

Un termómetro indica una temperatura de 40ºC durante la cuarta ola de calor del verano. / Jorge Gil/Europa Press

Stanford Report/T21

Por qué confiar en El PeriódicoPor qué confiar en El Periódico Por qué confiar en El Periódico

La Inteligencia Artificial puede deducir cómo y cuándo se producirán olas de calor en medio de condiciones climáticas cambiantes y ayuda a aclarar las conexiones entre el calentamiento global y los eventos climáticos extremos individuales.

 Investigadores de la Universidad de Stanford y de la Universidad Estatal de Colorado han desarrollado un método rápido y de bajo coste para estudiar cómo el calentamiento global ha afectado a los fenómenos meteorológicos extremos individuales. Su método, detallado en un estudio publicado el 21 de agosto en Science Advances, utiliza una rama de la Inteligencia Artificial, el aprendizaje automático, para determinar cuánto ha contribuido el calentamiento global a las olas de calor en Estados Unidos y en otros lugares en los últimos años.

El método demostró ser muy preciso y podría cambiar la forma en que los científicos estudian y predicen el impacto del cambio climático en una variedad de fenómenos meteorológicos extremos.

Los resultados también pueden ayudar a orientar las estrategias de adaptación climática y son relevantes para las demandas que buscan cobrar una compensación por los daños causados por el cambio climático.

Modelos de IA

Jared Trok, estudiante de doctorado en ciencias del sistema terrestre en la Escuela de Sostenibilidad Doerr de Stanford y sus coautores, entrenaron modelos de IA para predecir las temperaturas máximas diarias en función de las condiciones climáticas regionales y la temperatura media global.

Para entrenar los modelos de IA, utilizaron datos de una gran base de datos de simulaciones de modelos climáticos que abarcan desde 1850 hasta 2100.

Pero una vez que los modelos de IA fueron entrenados y verificados, los investigadores utilizaron las condiciones climáticas reales de olas de calor reales específicas para predecir cuán intensas habrían sido las olas de calor si se hubieran producido exactamente las mismas condiciones climáticas pero con diferentes niveles de calentamiento global.

Luego compararon estas predicciones a diferentes niveles de calentamiento global para estimar cómo el cambio climático influyó en la frecuencia y la gravedad de los fenómenos meteorológicos históricos.

Estudios de casos y más

Los investigadores primero pusieron en práctica su método de IA al analizar la ola de calor de Texas de 2023, que contribuyó a un número récord de muertes relacionadas con el calor en el estado ese año.

El equipo descubrió que el calentamiento global hizo que la histórica ola de calor fuera entre 1,18 y 1,42 grados Celsius más calurosa de lo que hubiera sido sin el cambio climático.

Los investigadores también descubrieron que su nueva técnica predijo con precisión la magnitud de las olas de calor récord en otras partes del mundo, y que los resultados eran coherentes con estudios publicados anteriormente sobre esos eventos.

En base a esto, los investigadores utilizaron la IA para predecir cuán severas podrían llegar a ser las olas de calor si los mismos patrones climáticos que causaron olas de calor récord anteriores ocurrieran en cambio bajo niveles más altos de calentamiento global.

Descubrieron que eventos equivalentes a algunas de las peores olas de calor en Europa, Rusia e India en los últimos 45 años podrían ocurrir varias veces por década si las temperaturas globales alcanzan 2,0 °C por encima de los niveles preindustriales. El calentamiento global se está acercando actualmente a 1,3 °C por encima de los niveles preindustriales.

Datos meteorológicos reales

El nuevo método de IA aborda algunas limitaciones de los enfoques existentes, incluidos los desarrollados previamente en Stanford, al utilizar datos meteorológicos históricos reales para predecir el efecto del calentamiento global en fenómenos extremos. No requiere nuevas simulaciones costosas de modelos climáticos porque la IA puede entrenarse utilizando simulaciones existentes.

En conjunto, estas innovaciones permitirán realizar análisis precisos y de bajo costo de fenómenos extremos en más partes del mundo, lo cual es crucial para desarrollar estrategias efectivas de adaptación al cambio climático.

También abre nuevas posibilidades para un análisis rápido y en tiempo real de la contribución del calentamiento global a los fenómenos meteorológicos extremos.

El equipo planea aplicar su método a una gama más amplia de eventos climáticos extremos y refinar las redes de IA para mejorar sus predicciones, incluido el uso de nuevos enfoques para cuantificar la gama completa de incertidumbre en las predicciones de IA.

Referencia

Machine learning–based extreme event attribution. Jared T. Trok et al. Science Advances, 21 Aug 2024, Vol 10, Issue 34. DOI:10.1126/sciadv.adl3242