RDÉ DIGITAL, SANTO DOMINGO.– Investigadores de la Universidad de Hawái han desarrollado una herramienta revolucionaria que permite pronosticar los eventos climáticos de El Niño-Oscilación del Sur (ENSO) con hasta 18 meses de anticipación, según un estudio publicado en Nature.
El fenómeno ENSO, que implica la oscilación de parámetros meteorológicos en el Pacífico ecuatorial cada ciertos años, es una de las principales fuentes de variabilidad climática global anual.
“Con nuestro nuevo modelo conceptual, el modelo de oscilador de recarga no lineal extendido (XRO), hemos mejorado significativamente la capacidad de predicción de eventos ENSO a largo plazo. Nuestro modelo incorpora la física fundamental de ENSO y sus interacciones con otros patrones climáticos globales de manera efectiva”, explicó Sen Zhao, autor principal del estudio e investigador en el Departamento de Ciencias Atmosféricas de SOEST.
Los avances en inteligencia artificial (IA) han permitido predicciones precisas de ENSO con hasta 16 a 18 meses de anticipación, pero la opacidad de los modelos de IA ha limitado la comprensión de los procesos físicos subyacentes, afectando la confianza en sus predicciones futuras.
“En contraste con los modelos de IA, nuestro modelo XRO ofrece una visión transparente de los mecanismos del Pacífico ecuatorial, mejorando nuestra comprensión de la física del ENSO y sus fuentes de predictibilidad”, añadió Fei-Fei Jin, profesor de ciencias atmosféricas en SOEST y autor correspondiente del estudio.
Los investigadores también identificaron deficiencias en los modelos climáticos actuales que limitan su precisión en la predicción del ENSO. Según Malte Stuecker, coautor del estudio y profesor adjunto de oceanografía en SOEST, mejorar estas predicciones requiere capturar correctamente la física clave del ENSO y otros patrones climáticos globales.
Philip Thompson, profesor asociado de oceanografía en SOEST y coautor del estudio, destacó la importancia de predecir la diversidad del ENSO, ya que diferentes tipos de eventos tienen impactos variables en el clima global y las comunidades locales.
