Pronóstico de granizo con tecnología de reconocimiento facial

Buenas noticias para pronosticadores, agricultores y ciudadanos. Gracias al desarrollo de la tecnología, como la que funciona en una aplicación de reconocimiento facial de tu teléfono móvil, será posible perfeccionar el pronóstico de granizo.

Tormenta granizo
El modelo desarrollado analiza las características de las imágenes de las tormentas y las correlaciona con la posibilidad de granizo y su tamaño.

El granizo puede traer grandes contratiempos en las ciudades según el tipo y tamaño de las piedras, además afecta seriamente la actividad agropecuaria, generando terribles pérdidas económicas. Continuamente se busca perfeccionar el pronóstico de este fenómeno meteorológico, pero no es fácil. Ahora un grupo de investigadores parece haber descubierto algo revolucionario para su predicción.

El gran avance de la inteligencia artificial durante los últimos años no solo nos permite ponerle efectos a las fotografías como diversión, ahora se planea poder utilizarla para hacernos la vida más fácil. Según un estudio del estadounidense Centro Nacional de Investigación Atmosférica (NCAR por sus siglas en inglés), es posible desarrollar una herramienta para mejorar los pronósticos de granizo e incluso hasta predecir su tamaño. El sistema se basa fundamentalmente en la tecnología de las apps de reconocimiento facial de los celulares.

Granizo sí o no

Para que una tormenta deje granizo se deben conjugar muchísimos factores físicos. Se necesita suficiente humedad entre la base de la nube y superficie, pero aire más seco en niveles superiores. Además, las corrientes ascendentes dentro de la nube deben ser lo suficientemente vigorosas como para permitir el crecimiento de la piedra de granizo, al permanecer por más tiempo allí adentro. Incluso, la variación en la dirección e intensidad del viento a diferentes alturas es importante a la hora de pronosticarlo.

Tormenta granizo
"Las tormentas con una forma más circular también son más propensas a producir granizo", afirma Gagne.

Los métodos actuales para el pronóstico de este fenómeno, a través de la resolución de complicadas ecuaciones matemáticas, deducen si un evento de granizo se dará en una determinada área, pero no son completos porque solo toman una pequeña parte de la tormenta. Además están limitados por el complejo proceso matemático que requieren para representar todas las propiedades físicas de una tormenta.

Hoy en día los pronósticos de granizo conjugan las respuestas de estos modelos informáticos, junto con el recurso humano. Los pronosticadores, especialistas en el radar de lluvias, aplican su experiencia frente a la lectura de las imágenes.

El nuevo método

Los resultados de la investigación realizada por el grupo del NCAR, con David John Gagne como director del proyecto, fueron recientemente publicados en Monthly Weather Review de la Sociedad Meteorológica Estadounidense. Allí plantean utilizar el aprendizaje automático como una posible solución a estos pronósticos, y afirman que el sistema de reconocimiento facial podría mejorar la predicción del granizo severo hasta en un 10%.

De esta manera se evitaría que un modelo informático resuelva todas las ecuaciones de la complicada física de tormentas. Las llamadas redes neuronales de aprendizaje automático son capaces de asimilar grandes cantidades de datos y en ellos buscar patrones comunes, caracterizando así el aspecto.

Modelo de aprendizaje automático

Este grupo de investigadores diseñó un modelo para analizar imágenes. Comenzaron usando tomas de tormentas simuladas, utilizando el modelo de Investigación y Pronóstico del Tiempo (WRF) basado en NCAR, junto con información sobre temperatura, presión, velocidad y dirección del viento como entradas. Como salidas usaron las simulaciones de granizo resultantes de esas condiciones.

Estas pruebas revelaron qué las características de la tormenta están correlacionadas con el granizo, y también con el tamaño de las piedras en caso de darse, dejando demostrada la posibilidad que tiene este método de predecir exitosamente el fenómeno meteorológico.

El director Gagne investigó cuáles fueron los aspectos de la tormenta que la red neuronal del modelo detectó como los más importantes. Para eso ejecutó el modelo hacia atrás, tomó las tormentas que resultaron con mayor probabilidad de granizo severo, e identificó luego que combinación de características de la tormenta tendrían que acoplarse para dar el fenómeno.

Conclusiones importantes

“El tamaño de las piedras de granizo desarrolladas puede variar notablemente, dependiendo del camino que recorran a través de la tormenta, y de las condiciones en ese camino; ahí es donde entra en juego la estructura de la tormenta”, afirma el científico. Además, “en el pasado nos hemos centrado en estudiar los perfiles verticales de las variables, o en puntos únicos en una tormenta, pero la estructura horizontal también es muy importante”, señala el grupo del NCAR.

Solo queda esperar a que este proyecto prospere, se perfeccione y por supuesto esté operativo, para poder usar la inteligencia artificial y las redes neuronales al servicio de la meteorología y la vida cotidiana.