Dado que las olas de calor se encuentran entre los peligros climáticos más mortíferos de Europa, un equipo de científicos liderado por el CMCC ha desarrollado un sistema de predicción capaz de proporcionar información útil entre cuatro y siete semanas antes del verano, lo que ofrece un tiempo valioso para mejorar la preparación.
Por la Fundación CMCC – Centro Euromediterráneo sobre el Cambio Climático
El sistema de aprendizaje automático, entrenado con datos de siglos de análisis climático hasta años recientes, ha demostrado un aumento en la eficiencia de los pronósticos al reducir drásticamente los recursos computacionales necesarios, lo que hace que estas técnicas sean accesibles a un número más amplio de investigadores e instituciones.
El estudio «Predicción estacional de olas de calor europeas mediante un marco de selección de características», publicado en Communications Earth & Environment , demuestra cómo las técnicas de aprendizaje automático (ML) e inteligencia artificial (IA) están revolucionando la ciencia climática al permitir predicciones más precisas y rentables que los enfoques tradicionales.
Además, mientras que los sistemas de pronóstico dinámico convencionales requieren enormes recursos computacionales y tienen problemas de fiabilidad en las regiones del norte de Europa, este enfoque basado en datos ofrece una alternativa.
«El aprendizaje automático se convertirá en una parte fundamental de cómo estudiamos la variabilidad climática», afirma McAdam. «Este estudio ha demostrado la utilidad del aprendizaje automático en la predicción de eventos extremos, pero es solo un primer paso para definir cómo lo hacemos para obtener resultados interpretables y físicamente significativos».
Las olas de calor provocan impactos devastadores en toda Europa, incluyendo pérdidas agrícolas, picos en el consumo de energía, crisis sanitarias y aumento de la mortalidad.
Los recientes sucesos mortales de 2003, 2010 y 2022 ponen de manifiesto la urgente necesidad de sistemas de alerta temprana que ayuden a mitigar los efectos de las olas de calor. Esto cobra especial importancia dado que las proyecciones climáticas apuntan a una mayor intensificación de las olas de calor en las próximas décadas, lo que hace que la predicción estacional precisa sea crucial para salvar vidas.
«Una alerta temprana sobre veranos extremadamente calurosos podría ayudar a la sociedad a prepararse para mitigar las pérdidas económicas y reducir el riesgo para la vida», explica McAdam. «Los pronósticos estacionales realizados en primavera pueden, en principio, indicar si un verano será más cálido de lo normal».
Metodología innovadora
El sistema emplea un marco de selección de características basado en optimización que identifica la combinación óptima de variables atmosféricas, oceánicas y terrestres para predecir la probabilidad de olas de calor en Europa. Mediante técnicas de aprendizaje automático, el método analiza aproximadamente 2000 predictores potenciales para seleccionar las combinaciones más predictivas para cada ubicación geográfica .
El método no solo iguala, y en algunos casos supera, a los sistemas de predicción tradicionales, sino que también proporciona información sobre los predictores utilizados en el proceso, un valioso recurso científico. La capacidad de determinar qué predictores atmosféricos y oceánicos contribuyen en mayor medida a la precisión de las predicciones en diferentes momentos y lugares de Europa puede servir de base para futuras investigaciones sobre los mecanismos físicos que subyacen a las olas de calor extremas, por ejemplo.
Por ejemplo, la investigación revela que la humedad del suelo, los patrones de temperatura y la circulación atmosférica en Europa emergen como los predictores locales más críticos, mientras que las señales distantes del Pacífico y el Atlántico tropicales también contribuyen a la precisión de los pronósticos.
Un desafío constante en la predicción estacional ha sido su bajo rendimiento en Escandinavia y el centro-norte de Europa. En cambio, el nuevo enfoque basado en datos desarrollado en este artículo mejora la precisión en estas áreas que antes presentaban problemas.
Uno de los aspectos más innovadores del estudio consistió en entrenar el sistema de aprendizaje automático con simulaciones paleoclimáticas que abarcan los años 0 a 1850, lo que proporcionó muchos más datos de entrenamiento que los disponibles en los registros de observación. A pesar de este enfoque inusual, el sistema logró transferir con éxito su aprendizaje para predecir con precisión las olas de calor reales ocurridas entre 1993 y 2016.
«Todavía no hay suficientes datos del mundo real para entrenar el pronóstico de manera adecuada, por lo que los modelos de aprendizaje automático aprendieron sobre los factores que impulsan las olas de calor en un mundo modelado, pero aplicaron con éxito el entrenamiento al mundo real», dice McAdam.
Una cuestión de eficiencia
El aumento de la eficiencia y la drástica reducción de los requisitos computacionales hacen que la predicción estacional mediante esta técnica sea accesible a un mayor número de investigadores e instituciones. Mientras que los sistemas dinámicos tradicionales requieren enormes recursos de supercomputación para funcionar, este enfoque se centra específicamente en la predicción de olas de calor con una sobrecarga computacional mínima.
«Nuestra investigación ha extendido con éxito la predicción basada en aprendizaje automático y datos a la escala temporal estacional utilizando una pequeña fracción de los recursos computacionales de los enfoques tradicionales», señala McAdam.
Al proporcionar pronósticos estacionales fiables sobre el calor extremo con meses de antelación, el sistema permite adoptar medidas proactivas para reducir los impactos de las olas de calor en la sociedad y la economía.
Esto abre nuevas posibilidades para los servicios climáticos en todos los sectores, incluidos la agricultura, la salud pública, la gestión energética y la planificación de emergencias, además de crear una oportunidad para combinar los enfoques de aprendizaje automático con el sistema dinámico producido por CMCC y, por lo tanto, aprovechar las fortalezas de ambos enfoques.
Este marco también tiene el potencial de ser adaptado a otros eventos extremos, fechas de inicio y temporadas objetivo, lo que representa un hito significativo en la misión del CMCC de promover la ciencia climática a través de metodologías innovadoras y establecer nuevos estándares para la predicción estacional y la evaluación del riesgo climático.
Más información: Ronan McAdam et al., Selección de características para pronósticos estacionales de olas de calor europeas basados en datos, Communications Earth & Environment (2025). DOI: 10.1038/s43247-025-02863-4
