Un equipo liderado por el CSIC y la UCM ha presentado un enfoque pionero capaz de anticipar y atribuir olas de calor al cambio climático con días de margen. La propuesta, publicada en la revista Earth’s Future, integra modelos físicos del sistema climático con predicciones generadas por IA para estimar en minutos cuánto aporta el factor humano a un episodio extremo.
Este avance representa un cambio importante en la ciencia de la atribución, un campo que, según destacan múltiples trabajos recientes, se ha convertido en clave para entender y comunicar cómo el calentamiento global está modulando los extremos. Los autores subrayan que disponer de resultados operativos casi en tiempo real facilita activar medidas preventivas y mejorar la gestión del riesgo.
Un método híbrido para adelantarse a las olas de calor
La metodología combina las señales físicas del calentamiento procedentes de simulaciones climáticas globales con pronósticos meteorológicos basados en inteligencia artificial. Esto permite una estimación rápida y cuantificable del papel de la actividad humana en la evolución de una ola de calor inminente.
Para ello se emplean tres herramientas de última generación que simulan la atmósfera con gran detalle en escalas de 10 a 15 días. El equipo destaca que estas técnicas alcanzan un nivel de precisión comparable al de los modelos numéricos tradicionales, pero en cuestión de minutos y sin requerir supercomputación.
- FourCastNet-v2: arquitectura de IA optimizada para pronósticos globales.
- Pangu-Weather: sistema basado en aprendizaje profundo para predicción rápida.
- NeuralGCM: enfoque híbrido que integra física atmosférica con redes neuronales.
El investigador Bernat Jiménez-Esteve (IGEO) resalta que estos modelos, entrenados con datos meteorológicos globales, permiten simular la evolución atmosférica con agilidad, abriendo la puerta a análisis de atribución durante la fase previa a un evento y no solo a posteriori.
Cómo se estima la huella humana: mundos factual y contrafactual
El procedimiento compara dos realidades paralelas para un mismo período: en el escenario factual se representa el mundo tal y como es, con el calentamiento actual incorporado, y en el escenario contrafactual, se reconstruye una atmósfera equivalente a la de un clima preindustrial, sin influencia humana.
Para generar ese mundo hipotético se ajustan las condiciones iniciales y se resta el efecto del cambio climático estimado por los modelos de clima. La diferencia entre ambas predicciones permite medir cuánta intensidad extra aporta el forzamiento antropogénico a la ola de calor prevista.
El gran beneficio de este enfoque radica en su velocidad: en lugar de esperar semanas a resultados complejos, la atribución puede estar disponible en minutos, facilitando su uso en la toma de decisiones, la comunicación pública y la planificación de respuestas.
Validación en episodios reales de diferentes regiones
El equipo aplicó el método de forma retrospectiva a cuatro olas de calor de gran impacto: península ibérica (2018), Canadá–EE UU (2021), India–Pakistán (2022) y Brasil (2023). En todos los casos, los sistemas de IA anticiparon con varios días de margen la aparición e intensidad del episodio y sus patrones atmosféricos asociados.
La comparación factual–contrafactual mostró señales robustas y coherentes entre modelos: el cambio climático aumentó significativamente la severidad de las olas de calor analizadas. En el caso de la península ibérica, el investigador David Barriopedro (IGEO) señala que en agosto de 2018 el calentamiento elevó las temperaturas en más de 1,3 ºC.
Estos resultados apoyan la idea, ya ampliamente sostenida por la comunidad científica y divulgativa, de que es plausible disponer de estudios de atribución pocas horas o días después —e incluso antes— de un episodio extremo, proporcionando información crucial para la sociedad.
Impacto operativo: alertas, gestión del riesgo y nuevas aplicaciones
Según Ricardo García-Herrera (IGEO), la predicción y la atribución anticipadas brindan una base empírica para activar sistemas de alerta temprana, diseñar medidas de adaptación y orientar decisiones de gestión del riesgo.
El enfoque, además, reduce costes y barreras de acceso frente a los métodos numéricos tradicionales. Al requerir menos recursos computacionales, disminuye tanto el consumo energético como las emisiones de CO2, permitiendo su despliegue de forma global y equitativa.
Los autores indican que el marco es extrapolable a otros fenómenos extremos, como otros fenómenos meteorológicos extremos. Aunque aún existen retos científicos y técnicos, las nuevas generaciones de modelos de IA ya están listas para fortalecer la ciencia climática con aplicaciones rápidas y de escala mundial.
Con esta combinación de modelos físicos e inteligencia artificial, la atribución del papel humano en las olas de calor se convierte en una herramienta práctica y oportuna, útil para autoridades, medios y ciudadanía, con potencial para transformar la preparación ante extremos en un contexto de calentamiento continuado.
