La predicción del tiempo siempre ha parecido más una rama de la adivinación que de la ciencia. La App de tu smartphone puede ser bastante precisa en avisarte si va a llover en algún momento durante la tarde, pero no lo es tanto si lo que queremos saber es el tiempo exacto a las 4 de la tarde del jueves que viene. Y no, la tecnología de la que hablamos hoy no va a cambiar esto.
Hasta el momento no parece más que una pequeña incomodidad que te lleva a cargar con el paraguas aunque finalmente no llueva, pero las implicaciones llegan hasta la lucha contra el cambio climático. No saber cuándo va a cambiar el tiempo, puede llevar a desconocer desde cuándo o hasta qué momento van a generar energía las placas solares o los aerogeneradores, por lo que se confía en plantas térmicas tradicionales para suplir esa falta de «constancia». A este hecho hay que añadir que por la tipología de esas plantas, normalmente están sobreproduciendo energía, con el aumento de emisiones de CO2 que esto implica.
En 2019, Jack Kelly fue cofundador de Open Climate Fix, una ONG británica centrada en reducir las emisiones de gases de efecto invernadero usando el machine learning, y piensa que tiene la solución para mejorar enormemente estas predicciones, lo que podría llevar a evitar la emisión de hasta 100 000 toneladas de CO2 anuales. Kelly piensa que el aprendizaje automatizado puede llevarle a predicciones a pocas horas vista. En lugar de trabajar con lo que sería el tiempo en una zona, para tener predicciones de exposición solar precisas, Kelly necesita saber dónde se sitúa cada nube respecto a las placas, tanto como su forma y su tamaño, lo que puede influir en la cantidad de sol que reciben los paneles. Con estos datos se evitaría el uso de las plantas términas al máximo.
Y eso es sólo el primero de los problemas.
Fuente (en inglés) https://www.wired.com/story/bad-weather-forecasts-climate-crisis-disaster/
