El ECMWF presenta AIFS-COMPO, un nuevo sistema de IA para la predicción de la composición atmosférica
Las previsiones sobre la composición atmosférica son importantes para el control de la calidad del aire y para respaldar las aplicaciones relacionadas con la salud pública, ya que la exposición a los contaminantes atmosféricos puede afectar a la salud respiratoria y cardiovascular.
Adaptando el Sistema de Predicción de Inteligencia Artificial (AIFS) del ECMWF a los aerosoles y gases reactivos, AIFS-COMPO puede generar pronósticos globales con hasta 10 días de anticipación y explora el potencial de la IA para una nueva área de predicción del sistema terrestre.
El Servicio de Vigilancia Atmosférica Copernicus (CAMS) de la Comisión Europea, implementado por el ECMWF, proporciona pronósticos globales de la composición atmosférica, incluidos contaminantes como material particulado, ozono, dióxido de nitrógeno y monóxido de carbono, así como diferentes tipos de aerosoles.
Laurence Rouil, directora de CAMS en ECMWF, declaró: «Este es un momento muy emocionante para CAMS, que abre nuevas posibilidades para la predicción de la composición atmosférica. El hecho de que nuestros datos se hayan utilizado tanto para entrenar el modelo, mediante los Reanálisis de la Composición Atmosférica (EAC4), como para evaluar su rendimiento frente al sistema de predicción operativa actual, con resultados muy prometedores, confirma la solidez de nuestro sistema operativo. Si bien el sistema de predicción operativa de CAMS sigue siendo la referencia en cuanto a precisión y fiabilidad, este sistema experimental ofrece información valiosa sobre cómo la IA podría ayudar a generar predicciones de composición atmosférica de forma más eficiente, rápida y con recursos computacionales limitados, y a impulsar la innovación futura en los servicios de monitorización atmosférica y de la calidad del aire».
De AIFS a la predicción de la composición atmosférica basada en datos
La composición atmosférica es particularmente difícil de predecir. Muchas especies diferentes interactúan entre sí y con la atmósfera, y su evolución depende de procesos como las emisiones, el transporte, la química y la meteorología.
El sistema global de pronóstico y análisis CAMS, denominado Sistema Integrado de Pronóstico (IFS)-COMPO, representa estos procesos mediante un modelo detallado basado en ecuaciones físicas y químicas. Para mejorar aún más el realismo de las condiciones iniciales del pronóstico, el sistema global CAMS asimila datos satelitales de profundidad óptica de aerosoles, ozono, monóxido de carbono, dióxido de nitrógeno y dióxido de azufre prácticamente en tiempo real. Actualmente, proporciona pronósticos para cinco días, actualizados dos veces al día.
Si bien la predicción basada en IA ha avanzado rápidamente en el ámbito de la predicción meteorológica, su aplicación a la predicción de la composición atmosférica global se encuentra mucho menos desarrollada. AIFS-COMPO explora este campo emergente aplicando el enfoque AIFS a la composición atmosférica.
AIFS-COMPO se basa en la arquitectura de transformadores de AIFS y está implementado dentro de Anemoi, el marco de código abierto para la modelización meteorológica y climática basada en datos, desarrollado conjuntamente por el ECMWF y muchos servicios meteorológicos nacionales de los Estados miembros.
Este modelo pronostica conjuntamente variables meteorológicas y de composición atmosférica, y se entrena utilizando datos de reanálisis, análisis operacional y pronóstico del sistema CAMS. Esto permite que el modelo aprenda la evolución de la composición atmosférica a partir de los grandes conjuntos de datos generados por el sistema de pronóstico CAMS. AIFS-COMPO inicia sus pronósticos a partir de los análisis operacionales de CAMS, producidos por el componente de asimilación de datos del sistema global CAMS. Por lo tanto, es solo un modelo de pronóstico, y aún no un sistema de asimilación de datos: se basa en la asimilación de datos satelitales realizada para IFS-COMPO para obtener sus condiciones iniciales.
Se muestran dos gráficos lineales que comparan las predicciones de AIFS-COMPO e IFS-COMPO con las observaciones. El gráfico superior muestra el error de predicción de aerosoles durante 10 días, mientras que el gráfico inferior muestra las predicciones de los niveles de ozono antártico de agosto a diciembre en comparación con los datos de análisis.
Pronósticos rápidos con un horizonte más amplio
La evaluación inicial de AIFS-COMPO demuestra que el enfoque basado en datos puede proporcionar pronósticos competitivos con un costo computacional considerablemente menor. La verificación con observaciones independientes de la composición atmosférica muestra una capacidad de pronóstico comparable o superior para varias especies clave en comparación con el sistema operativo IFS-COMPO.
La eficiencia del enfoque de IA también permite ampliar el rango de pronóstico. Actualmente, AIFS-COMPO genera pronósticos de hasta 10 días, superando el horizonte de cinco días de los pronósticos operativos de composición atmosférica global de CAMS.
Explora las previsiones de AIFS-COMPO
Los primeros gráficos AIFS-COMPO ya están disponibles en el sitio web del ECMWF. Estos gráficos ofrecen una visión general de las predicciones globales del modelo para diversas variables importantes de la composición atmosférica.
Los gráficos abarcan seis grupos de productos: campos de aerosoles para polvo, sal marina, aerosoles de quema de biomasa y sulfato; material particulado (PM2.5 y PM10); y monóxido de carbono, dióxido de nitrógeno, ozono y dióxido de azufre, mostrados en niveles de presión, en la superficie y como columnas totales.
Continuar desarrollando AIFS-COMPO
AIFS-COMPO es actualmente un sistema experimental, con varias áreas de desarrollo en marcha. Este modelo no incluye explícitamente emisiones variables en el tiempo como datos de entrada forzantes, pronostica un conjunto de variables menor que IFS-COMPO, con menos especies químicas y sin cantidades como flujos de deposición a una resolución espacial inferior.
Actualmente se está trabajando en la integración de las emisiones de incendios del Sistema Global de Asimilación de Incendios (GFAS) de CAMS junto con otros conjuntos de datos de emisiones, lo que permite que el modelo admita diferentes escenarios de emisiones. También estamos investigando cómo se podrían utilizar las observaciones de la composición atmosférica para mejorar aún más las predicciones.
Será importante realizar una evaluación más exhaustiva a medida que el sistema se desarrolle, incluyendo un análisis más detallado de eventos específicos de composición atmosférica y su evolución. Los datos subyacentes de AIFS-COMPO estarán disponibles en el futuro a medida que el sistema madure y se someta a una mayor validación.
En el preimpreso de arXiv adjunto se encuentra disponible una descripción completa de AIFS-COMPO, incluyendo su arquitectura, datos de entrenamiento y evaluación.
Fuente: ECMWF