Los huracanes, o ciclones tropicales, pueden ser desastres naturales devastadores, arrasar ciudades enteras y cobrar cientos o miles de vidas. Un aspecto clave de su potencial destructivo es su imprevisibilidad. Los huracanes son fenómenos meteorológicos complejos y es difícil predecir qué tan fuertes serán o dónde golpearán.
En un artículo publicado esta semana Física de fluidosPor AIP Publishing, un par de investigadores de la Universidad de la Ciudad de Hong Kong utilizaron el aprendizaje automático para modelar con mayor precisión el campo de viento de la capa límite de los ciclones tropicales.
En las ciencias atmosféricas, la capa límite de la atmósfera es la región más cercana a la superficie de la Tierra.
“Los humanos vivimos en esta capa límite, por lo que es importante comprenderla y modelarla con precisión para el pronóstico de tormentas y la preparación ante peligros”, dijo el autor Qiu Sheng Li.
Sin embargo, debido a que el aire en la capa límite interactúa con la tierra, el océano y todo lo demás en la superficie, es particularmente difícil de modelar. Los métodos tradicionales de predicción de tormentas implican grandes simulaciones numéricas ejecutadas en supercomputadoras que incorporan montañas de datos de observación y, a menudo, dan como resultado pronósticos inexactos o incompletos.
Por el contrario, el algoritmo de aprendizaje automático del autor, equipado con ecuaciones de física atmosférica, puede producir resultados más precisos, más rápido y con menos datos.
“A diferencia de los modelos numéricos tradicionales, nuestro modelo utiliza un sofisticado marco de aprendizaje automático consciente de la física”, dijo el autor Feng Ho. “Nuestro modelo requiere sólo una pequeña cantidad de datos reales para capturar el complejo comportamiento del campo de viento del ciclón tropical.
Ser capaz de reconstruir el campo de viento de una tormenta tropical proporciona datos valiosos que los expertos pueden utilizar para determinar qué tan intensa será la tormenta.
“El campo de viento de un ciclón tropical contiene información sobre la intensidad, la estructura y el impacto potencial de la tormenta en las áreas costeras”, dijo Lee.
Con una imagen más detallada de cómo se ve el campo de viento, los funcionarios de desastres pueden prepararse mejor antes de que las tormentas lleguen a tierra.
“Con huracanes más frecuentes e intensos debido al cambio climático, nuestro modelo puede mejorar significativamente la precisión de las predicciones del campo de viento”, dijo Hu. “Estos avances pueden ayudar a mejorar los pronósticos meteorológicos y las evaluaciones de riesgos, proporcionar alertas oportunas y aumentar la resiliencia de las comunidades e infraestructuras costeras”.
Los autores planean desarrollar su modelo y utilizarlo para estudiar diferentes tipos de tormentas.
“Planeamos agregar más fuentes de datos de observación y mejorar la capacidad del modelo para manejar la evolución temporal de los vientos”, dijo Hu. “También hay planes para ampliar la aplicación a más tormentas en todo el mundo e integrar el modelo en sistemas de pronóstico en tiempo real para aumentar su utilidad para el pronóstico del tiempo y la gestión de riesgos”.
