La predicción del tiempo para pasear al perro

La picaresca en torno al tiempo destinado a pasear nuestras mascotas durante el confinamiento me ha recordado un término en meteorología que podría traducirse como la predicción del tiempo para pasear a tu mascota.

Perro paseando bajo la lluvia
La mejor hora para pasear al perro: un término en meteorología que encierra una gran complejidad de predicción.

Durante el confinamiento sabemos que las mascotas deben salir a hacer sus necesidades el menor tiempo posible y en las horas de menor afluencia de gente. Sin poder salir de casa, algunos han perdido el interés por la predicción del tiempo debido al encierro indefinido, e incluso han banalizado su importancia como contaba hace unos días Marc Redondo.

La mezcla de ambas polémicas me ha recordado cuando vivía en Seattle y en el parte meteorológico hablaban del " dog walk forecast”. Éste hacía referencia al mejor momento del día para sacar a pasear a tu mascota; el único instante donde quizás saldría un rayito de sol o en el que te aseguraban no llegar calado hasta los huesos a casa.

En páginas como The Weather Channel al principio de la predicción por días anuncian la "walk dog hour". En AccuWeather se anuncia junto a la imagen del radar. Más aún, existen aplicaciones para móviles donde puedes ver la predicción del tiempo a la vez que ves el estado de ánimo de la mascota, como la llamada Weather Puppy: Real Time Weather Forecast & Radar.

Predicciones de alta resolución

La predicción del tiempo para saber la hora más adecuada para pasear a tu mascota puede parecer una trivialidad, sin embargo conlleva una gran precisión en la predicción del tiempo y, por tanto, una gran complejidad.

Normalmente la predicción que mostramos en Tiempo.com, al igual que otras webs o apps, se basan en los modelos atmosféricos numéricos que usan complicados algoritmos matemáticos para representar los principios físicos que gobiernan la atmósfera. Estos son capaces de predecir el tiempo en el futuro reciente (del orden de unos pocos días). Sin embargo, estos métodos pueden ser insuficientes para la predicción del tiempo a corto plazo abordando pequeñas escalas. Esto se debe a varios factores como la falta de observaciones, la imperfección de los modelos y la falta de conocimiento de algunos procesos atmosféricos.

Para alcanzar este nivel de precisión se realiza lo que en inglés se conoce como nowcasting. Éste consiste en una descripción detallada del tiempo actual para ser extrapolada a la predicción del tiempo en pocas horas en adelante, aproximadamente seis según la Organización Meteorológica Mundial. Esto permite predecir fenómenos a pequeña escala como tormentas locales y pueden llegar a resoluciones temporales de unos pocos minutos.

dog walk forecast
Predicción para "pasear al perro" anunciada junta a la imagen del radar (AccuWeather) y con la predicción local (The Weather Channel).

En nowcasting se aplican técnicas de machine learning usando imágenes de radar, de satélites o de observaciones en una localidad concreta, como una ciudad. Estos algoritmos se basan en modelos de auto-aprendizaje capaces de hacer inferencias tras un periodo de entrenamiento. Por ejemplo, el modelo puede ser entrenado con gran cantidad de imágenes de radar que cubren diferente latitudes, tipos de terrenos y estaciones del año de forma muy detallada. Las imágenes de radar son filtradas para eliminar los 'falsos ecos' como edificios o aviones que pueden aparecer en las imágenes.

Más allá de mejorar la predicción de lo cotidiano

Se trata de una herramienta de predicción muy importante que permite crear las alertas públicas ante fenómenos adversos como ciclones tropicales, tormentas y tornados que pueden causar inundaciones, apagones de luz o vientos destructivos. Su potencial reside en que es capaz de predecir el momento inicial de una tormenta, cómo evoluciona su crecimiento, hacer un seguimiento del movimiento y detectar el instante de disipación. También han sido usado en multitud de campos como la aviación, las energías renovables incluso eventos deportivos.