UNIDAD V.

CAMBIO
CLIMÁTICO
2da Evaluación 3er Tercio
RCAT

Artículo: Uncertainty in weather and climate prediction. Philosophical

Transactions of the Royal Society A: Mathematical, Physical and Engineering
Sciences
Nicolás González, Juan José Montoya, Héctor Nicolás Ríos
La Teoría del caos surge en la segunda mitad del siglo XX, como una rama de las
matemáticas, la física y otras ciencias, que trata ciertos tipos de sistemas
dinámicos, es decir, aquellos sistemas cuyo estado cambia con el tiempo, con la
particularidad de ser muy sensibles a las variaciones en las condiciones iniciales.
Pequeñas variaciones en dichas condiciones iniciales pueden implicar grandes
diferencias en el comportamiento futuro, haciendo complicada la predicción a largo
plazo.
El artículo “Uncertainty in weather and climate prediction” nos plantea la atmósfera
como un sistema caótico, el cual, al tener estas características, hace que la
previsibilidad climática tenga incertidumbres constantes al verse perturbado por
alteraciones relativamente pequeñas en sus condiciones iniciales de estudio, lo
cual hace que los pronósticos que se hacen sobre este sistema sean siempre
probabilísticos por su condición de estar sujetas en todo momento a cambios
aleatorios y repentinos.
Además de lo anterior, Edward Lorenz, matemático y meteorólogo estadounidense
(1917-2008) precursor de la teoría del caos, nos dice que a pesar de que el
sistema atmosférico es aleatorio, algunos de sus componentes pueden tener una
predictibilidad altamente confiable, lo cual permite desarrollar modelos que tengan
incertidumbres menores o con mayor facilidad de interpretar.
Al tratar el tema de modelos se habla de uno de ellos, el modelo de conjuntos, el
cual se basa en que por medio de alteraciones aleatorias a las variables de estado
(condiciones iniciales del estudio) se pueden realizar pronósticos diferentes. Este
conjunto de pronósticos puede mostrar una tendencia a la aparición de un
fenómeno común, dando así una aproximación más cercana a los posibles
cambios en el sistema atmosférico y así mismo permitir determinar el riesgo de los
mismos para ejecutar acciones acordes para evitar un riesgo mayor.
Para todas estas predicciones es importante que se interpreten las incertidumbres
de manera apropiada para que el modelo sea más efectivo, pero a pesar de todo
esto, las proyecciones de estas predicciones son cuestionables para un rango de
distancia mayor, ya que se tienen más factores de incertidumbre. Las ventajas de
la predicción por conjuntos se hicieron evidentes en el caso de la tormenta de
1987, cuando Michael Fish, pronosticador meteorológico, el cual tenía acceso a un
único pronosticador determinista, que no daba pistas de lo que podría suceder.
 UNIDAD V. CAMBIO
CLIMÁTICO
2da Evaluación 3er Tercio
RCAT

Desde entonces, la predicción probabilística del tiempo se ha convertido en una

rutina y sus ventajas son ahora ampliamente apreciadas. La predictibilidad de los
sistemas climáticos a niveles temporales más amplios como lo pueden ser
décadas o estaciones, Charney & Shukla en su estudio de la predictibilidad de los
monzones nos muestra que haciendo uso de las variables con periodos de
constantes más amplias, como lo es la temperatura de la superficie del océano se
pueden determinar mayormente las variaciones del tiempo en las latitudes más
cercanas al ecuador. Partiendo de esto se plantea que si a el modelo de caos de
Lorenz se le adiciona un término conocido como “f” el cual se centra en establecer
un forzamiento externo al sistema, se puede establecer que este a pesar de ser un
cambio en el sistema, si no es tan amplio el forzamiento, los tiempos de residencia
de los regímenes climáticos (espacio temporal en el que se presenta un régimen
climático específico) aún siguen siendo predecibles, además de que el número de
regímenes espaciales y su ubicación siguen siendo la misma, solo que cambian
las frecuencias en las que se presentan.
Ahora, habiendo establecido que los regímenes cambian mayormente de
frecuencia y no de cantidad y lugar, se nos plantea una interrogante bastante
interesante, la de si el cambio climático generado por los humanos debido a las
emisiones de gases de efecto invernadero constituyen un forzamiento lo
suficientemente grande para producir un cambio y generación de nuevos
regímenes de tiempo. Esta pregunta en el texto no se resuelve explícitamente,
pero partiendo de lo comentado más delante de que en todos los modelos para
predecir existe la llamada incertidumbre (de lo que trata el texto como tal), la cual
no solamente está asociada a los distintos modelos y los resultados que se logran
de estos, sino también que esta incertidumbre se puede llegar a generar debido a
que los modelos no representan perfectamente la realidad, además de que esta
incertidumbre puede cambiar dependiendo de los datos que se usen para calibrar
los modelos; tomando de ejemplo lo demostrado en Inglaterra, que con cierto
modelo y mediante la calibración con datos obtenidos en un plazo anterior a 10
años daba como resultado que había una probabilidad del 40% mayor en
comparación con los resultados obtenidos con la calibración de datos de 40 años
anteriores.
Con esto se podría llegar a pensar que para saber si las emisiones antropogénicas
generan un forzamiento lo suficientemente grande para llevar al sistema a nuevos
regímenes, habría que tener un banco más amplio de datos, además de modelos
más complejos que permitan tener en cuenta todos los sistemas que afectan y se
ven afectados por los cambios de este. Por esto mismo James M. Murphy (físico
del Met. Office) sugiere elaborar un modelo con una mayor cantidad de
predicciones en base a un conjunto mayor de alteraciones a las condiciones
 UNIDAD V. CAMBIO
CLIMÁTICO
2da Evaluación 3er Tercio
RCAT

iniciales que permitieran generar un mayor número de posibles escenarios y de

esta manera tener una base de análisis más amplia, generando en vez de una
probabilidad, una distribución de probabilidades.
Además de lo mencionado anteriormente, la propuesta de Murphy busca tratar de
predecir diferentes escenarios en periodos de tiempo futuros con un grado de
confiabilidad alto, pero por factores como el forzamiento en la emisión de gases de
efecto invernadero, se hace mayor la incertidumbre de estos modelos. El autor
menciona que a partir de estas distribuciones y dependiendo el escenario de
interpretación, se pueden evaluar riesgos particulares con base en la probabilidad
de un resultado particular.
Finalmente se menciona que aún con la tecnología que se posee, la elaboración
de modelos más precisos es compleja, ya que, algunos parámetros necesitan el
análisis de factores extremadamente complicados, como lo son las masas
turbulentas, el conocimiento imperfecto del funcionamiento real del sistema
atmosférico o la interpretación del ciclo del carbono.
Todo esto nos muestra que a pesar de que por medio de interpretaciones de
incertidumbres y la diversidad de modelos, es prácticamente imposible predecir a
ciencia cierta el comportamiento del sistema atmosférico (lo cual se ve reflejado en
mayor magnitud en modelos de predicción de baja resolución) por sus condiciones
de caos inicialmente nombradas, pero que se pueden obtener resultados
sustanciales y cada vez más confiables, más que todo en los modelos de alta
resolución.
Estas incertidumbres hacen que a medida que el cambio climático avanza de
forma acelerada, generen más presión a la comunidad científica, obligándolos a
mejorar rápidamente los modelos de predicción para poder evaluar riesgos a
futuro correspondientes a este cambio climático y de esta manera poder tomar
medidas correspondientes.
En Colombia, el Instituto de Hidrología, Meteorología y Estudios Ambientales
(IDEAM), que forma parte del sistema mundial de observación para la producción
de datos meteorológicos en tiempo real en Colombia, mantiene un programa
operativo para el pronóstico del tiempo y cuenta con las corridas de modelos
globales para resoluciones espaciales que varían entre los 80 a 190 km, con dos
tipos de modelos de meso-escala de cobertura nacional y regional para
resoluciones espaciales de 5 y 25 km.
Estos modelos producen campos espaciales de los distintos parámetros
meteorológicos tales como presión media al nivel del mar, humedad relativa,
temperatura, viento, precipitación, entre otros, en varios niveles verticales de la
 UNIDAD V. CAMBIO
CLIMÁTICO
2da Evaluación 3er Tercio
RCAT

atmósfera, para un periodo de pronóstico que alcanza a superar los 5 días. A partir
de los cuales se generan los pronósticos, avisos y alertas oportunos de
fenómenos meteorológicos, como tormentas, vientos fuertes, mareas de
tempestad, entre otros, convirtiéndose en una herramienta valiosa para la
prevención de desastres, planificación de acciones y toma de decisiones para la
gestión del riesgo.
En Colombia también se usa un modelo de predicción climática en el cual se parte
de que la atmósfera es un sistema caótico, de esto se deriva el modelo utilizado,
en el cual respecto a las múltiples mediciones de las condiciones atmosféricas se
plantea un pronóstico que intenta plasmar el comportamiento atmosférico en un
periodo de tiempo futuro relativamente corto, pero con mayor confiabilidad.
Además, en este modelo se tiene como guía la variabilidad climática estacional, en
la cual como nos habla el autor, se toman las variables que tienen un mayor grado
de interpretación para establecer comportamientos atmosféricos normales según
la temporada del año en la que se esté.
Para finalizar pudimos concluir que se debe trabajar de forma urgente para
acelerar la creación de modelos que permitan una interpretación más apropiada
de estas incertidumbres para de esta forma lograr ver fenómenos como el
nombrado en el texto de los efectos a futuro del cambio climático al sistema
atmosférico.
También debemos tener en cuenta que cualquier sistema planteado y creado para
la predicción sobre el cambio climático y sobre cualquier sistema atmosférico
sustentado no puede ignorar el hecho de que hay cierto riesgo sobre lo que podría
suceder en base a la teoría del caos que justifica el planteamiento de desastre o
de algún percance no planeado, por este motivo hay que tratar de ser muy
precisos en la interpretación de los resultados e incertidumbres para poder
plantear una gestión de riesgo adecuada según las predicciones que se logran
hacer con cualquiera de los modelos existentes.

Referencias

 Slingo, J., & Palmer, T. (2011). Uncertainty in weather and climate

prediction. Philosophical Transactions of the Royal Society A: Mathematical,
Physical and Engineering Sciences, 369(1956), 4751–4767.
https://doi.org/10.1098/rsta.2011.0161
 UNIDAD V. CAMBIO
CLIMÁTICO
2da Evaluación 3er Tercio
RCAT

 Charney, J. G. & Shukla, J. 1981 Predictability of monsoons. In Monsoon

dynamics (eds S. J. Lighthill & R. P. Pearce), paginas 99–109. Cambridge,
UK: Cambridge University Press.
 Met Office. (2019, 10 enero). James Murphy.
https://www.metoffice.gov.uk/research/people/james-murphy#:%7E:text=He
%20spent%20seven%20years%20working,Office%20Hadley%20Centre
%20in%201990.&text=James%20became%20a%20Scientific
%20Strategic,the%20Climate%20Prediction%20group%20since.
 IDEAM. (2021). Sistema de Información Ambiental de Colombia. Obtenido
de http://www.siac.gov.co/prediccion
 Montealegre, E., & J. Pabón. 2002: Seguimiento, diagnóstico y predicción
climática en Colombia. Meteorol. Colomb. 5:59-65. ISSN 0124-6984.
Bogotá, D.C. – Colombia.