Para hacer la predicción del tiempo se necesita saber cosas como la velocidad, presión y temperatura del viento, la humedad, la temperatura del océano, la topografía y el uso del suelo, la radiación solar absorbida y reflejada, etcétera. Pero aun si conociéramos todo esto de manera perfecta, la dinámica de la atmósfera es un ejemplo de un sistema caótico.
Veamos qué significa “caótico”. En 1960, el científico Edward N. Lorenz corría en su computadora una simulación atmosférica. Al correrla de nuevo se dio cuenta que los resultados eran parecidos solo al principio, pero conforme el tiempo avanzaba, los pronósticos eran cada vez más diferentes, hasta el punto de no parecerse en nada. Lorenz encontró que la computadora que usaba introducía error de redondeo en las últimas cifras decimales. Esas pequeñas diferencias hacían que los resultados fueran iguales solo al inicio, pero divergían mientras más hacia el futuro se predijera el estado del tiempo. Eso es un sistema caótico. De aquí es donde viene el famoso enunciado del efecto mariposa: el aleteo de una mariposa en Brasil puede ocasionar un tornado en Texas.
Veamos concretamente una ilustración de un sistema caótico. El movimiento de la atmósfera se calcula con las ecuaciones de los fluidos. Vamos a simular el movimiento de una pequeña masa de aire tibio. Para tal fin escribí un programa que resuelve dichas ecuaciones. El aire tibio es menos denso y por eso tiende a ascender. En el video he graficado la temperatura por medio de color, blanco es frío y negro es tibio.
La diferencia entre los tres paneles es la resolución con la que se calcula el movimiento. El de la izquierda usa 20 metros, el central usa 10 y el de la derecha usa cinco metros. El concepto de resolución es el mismo que cuando hablamos de una fotografía digital: a mayor resolución mayor detalle. Noten que el panel de la derecha tiene detalles mejor definidos, digamos que tiene “más pixeles” que el panel izquierdo. Notemos también que al principio la burbuja empieza a subir y los tres paneles se ven casi iguales, pero a partir de 10 segundos de video, el panel derecho desarrolla remolinos laterales; que no están en la izquierda y un poco en el panel central.
Cuando uno hace simulaciones numéricas, se espera que mientras más alta la resolución, el resultado ya no cambie, pues los errores son más pequeños y nos acercamos más a la realidad. Sin embargo, las ecuaciones de los fluidos no son así, sino que a mayor resolución aparecen más detalles y después de un tiempo los patrones son totalmente diferentes.
Esto tiene profundas consecuencias para la predicción del estado del tiempo. Tal como vemos aquí, las tres simulaciones se parecen al principio, pero luego son muy diferentes. El problema no se resuelve aumentando la resolución, pues vemos que el resultado es la aparición de detalles que antes no estaban. Podemos confiar en la simulación mientras los tres casos nos muestran lo mismo, pero más allá de eso la predicción es incierta. Lo mismo pasa con el estado del tiempo: más allá de un par de semanas el pronóstico no es confiable.
La lección a aprender es que el pronóstico del tiempo solo es confiable en el corto plazo. La dificultad no es tecnológica, sino que es inherente al tipo de sistema físico que constituye la atmósfera: un sistema de naturaleza caótica.
Basado en esto, alguien podría decir que las predicciones a largo plazo de calentamiento global no son confiables. Esa conclusión es falsa, pues si bien el estado preciso de la atmósfera no es predecible a largo plazo, lo que cuenta al hablar de calentamiento global es la tendencia promedio, y eso sí es posible calcularlo. Pero eso lo trataremos en otra ocasión.
0
COMENTARIOS