En els últims anys, la predicció meteorològica ha viscut una autèntica revolució gràcies al desenvolupament de nous models científics que incorporen intel·ligència artificial. El Centre Europeu de Previsions Meteorològiques a Termini Mitjà (ECMWF) ha fet un pas ferm amb l'arribada de AIFS ENS, un innovador sistema probabilístic que redefineix la manera com es generen i gestionen els pronòstics del temps.
En què consisteix el nou model probabilístic?
AIFS ENS v1 és un model de conjunts que utilitza tècniques daprenentatge automàtic per simular el comportament de l'atmosfera i generar pronòstics meteorològics amb una visió més àmplia de les situacions futures possibles. Aquest sistema realitza múltiples simulacions a partir de la mateixa situació inicial, mostrant una distribució apresa, cosa que permet captar la incertesa inherent a les prediccions meteorològiques.
Gràcies a aquest plantejament, s'aconsegueix que els pronòstics siguin més precisos i realistes. El model empra la funció de pèrdua CRPS, que ajuda a calibrar els resultats, tenint en compte les limitacions associades a treballar amb un nombre finit de membres al conjunt. Com a resultat, el AIFS ENS ha superat els models tradicionals de conjunts físics al pronòstic a mitjà termini i es mostra molt competitiu en previsions subestacionals.
Principals diferències respecte als models tradicionals
Una de les característiques més rellevants del AIFS ENS és la manera com incorpora el membre de control. Mentre que, en els models tradicionals amb base física, aquest membre actua com a referència determinista sense pertorbacions, en el cas del model basat en IA aquest paper resulta diferent. El membre de control d'AIFS ENS és producte del propi mostreig intern de la distribució apresa pel sistema, el que significa que no es pot desactivar la incertesa per executar una simulació exactament idèntica a lesquema clàssic.
Aquesta innovació representa un avenç en la capacitat de anticipar fenòmens meteorològics complexos i avaluar els riscos associats en considerar la variabilitat natural de l'atmosfera a les prediccions. Si vols aprofundir com funcionen els models meteorològics, pots consultar altres models meteorològics i la seua importància en la predicció del clima.
Evolució i cronologia de la implementació
El model va passar per una fase experimental en què es van provar metodologies diferents, com ara la tècnica de difusió, encara que la versió operativa se centra exclusivament en l'optimització amb la funció de pèrdua CRPS. La incorporació d'AIFS ENS dins dels sistemes de predicció de l'ECMWF està marcada per a l'1 de juliol del 2025 a les 06 UTC, després d'una fase de proves que va arrencar el 23 de juny.
Ara com ara, els usuaris d'altres models com IFS i AIFS Single no experimentaran canvis, ja que les versions operatives d'aquests sistemes es mantenen intactes.
Impacte i recomanacions per als usuaris
L'arribada d'AIFS ENS suposa un abans i un després a la gestió de la incertesa meteorològica i en la precisió dels pronòstics. No obstant això, els qui utilitzaran aquestes dades, sobretot per a fins operatius, han de consultar a fons la informació disponible sobre problemes coneguts pendents de resolució. L'ECMWF anima també la comunitat científica i tècnica a aportar comentaris per continuar perfeccionant el sistema.
AIFS ENS no pretén substituir els models tradicionals de manera immediata, sinó que complementa el ventall d'eines disponibles per a la predicció meteorològica amb enfocaments més avançats i adaptats a l'era de l'aprenentatge automàtic.
El desenvolupament i aplicació de models com l'AIFS ENS obre una nova etapa al pronòstic meteorològic, millorant capacitats d'anticipació i gestió del risc en un context global en què els fenòmens extrems guanyen protagonisme. El perfeccionament continu d'aquestes eines promet pronòstics més útils tant per a usuaris professionals com per a la ciutadania en general.
