En cuanto un ciclón empieza a tomar forma en el océano, arranca la cuenta atrás. En pocos días podría tocar tierra como un gran huracán o terminar olvidado como una tormenta más. Predecir la trayectoria y la fuerza de estos eventos meteorológicos es clave para anticiparse a su impacto. Pero es muy complicado. O, al menos, lo era hasta que entraron en escena los datos.
El desarrollo de la meteorología durante los últimos 100 años ha sido abrumador. A principios del siglo XX, la predicción de tormentas se hacía desde cualquier tejado, analizando con unos pocos instrumentos y observando directamente el estado del mar y del cielo. Para cuando los meteorólogos sabían a qué tipo de evento se iban a enfrentar, normalmente era demasiado tarde.
Hoy, los ciclones y los huracanes siguen provocando grandes catástrofes. En la mayoría de los casos, apenas causan pérdida de vidas humanas. Solo durante 2020 se produjeron 30 grandes huracanes en el Atlántico (el récord desde que se tienen registros) y tres tormentas causaron muertes. En total, alrededor de 200 personas perdieron la vida por estos eventos entre todos los países del golfo de México.
Bengala: del Bhola al Amphan
El 12 de mayo de 2020, las aguas del Índico parecían tranquilas. Nada hacía pensar que un gran ciclón estaba a punto de formarse. Sin embargo, el sistema TIGGE, que funciona con bases de datos de centros de meteorología de todo el planeta y utiliza superordenadores para mejorar la predicción del tiempo, lanzó la primera señal de alarma. Algo gordo podía estar a punto de pasar en el golfo de Bengala, al este de India.
En los días que siguieron, las altas presiones se presentaron y el ciclón empezó a formarse, tal como se había predicho. El 16 de mayo la incipiente tormenta ya reunía todas las condiciones para convertirse en un ciclón de grandes magnitudes. Un día más tarde, los modelos matemáticos aplicados a la predicción advirtieron con precisión de la fuerza y la trayectoria que iba a seguir la tormenta tropical. Todavía faltaban más de 80 horas para que el recién bautizado Amphan tocase tierra al norte del golfo de Bengala, en la India y Bangladés.
Cuando sonaron las alarmas, fueron inevitables los paralelismos. Medio siglo antes, el 12 de noviembre de 1970, otro superciclón de características similares, el Bhola, arrasó lo que hoy es Bangladés (entonces Pakistán Oriental). Murieron más de medio millón de personas y se convirtió en la tormenta más mortífera de la que se tienen registros. El Amphan lo superó en intensidad, pero dejó menos de un centenar de fallecidos oficiales.
La diferencia entre los dos eventos estuvo en los datos. Las primeras señales de alarma, cuando ni siquiera había nubes en el horizonte, llegaron ocho días antes de que el ciclón tocase tierra. Esto permitió, según la Organización Meteorológica Mundial (OMM), evacuar a más de tres millones de personas y preparar al resto de la población. Aun así, el Amphan causó daños por valor de 13 000 millones de dólares, dejó a 500 000 familias sin hogar y a más de un millón de personas sin electricidad durante días.
Datos globales contra los ciclones
El impacto del Bhola en 1970 fue tan catastrófico que marcó un antes y un después en la meteorología global y en la mitigación de riesgos. Una década más tarde, y tras multitud de encuentros bajo el paraguas de la Organización de las Naciones Unidas (ONU) y la Organización Meteorológica Mundial (OMM), nacía el Tropical Cyclone Programme, que sigue operativo en la actualidad y del que forman parte 85 países. Se trata de un esfuerzo coordinado para mejorar la monitorización, la predicción, los sistemas de alerta temprana y la medición de riesgo ante tormentas tropicales.
En la actualidad, los pronósticos, la primera clave en una buena respuesta de emergencia, han mejorado mucho. Las predicciones a tres días vista son, por lo general, precisas, sobre todo, en términos de trayectoria. Lo son gracias a los datos que recopilan en el océano una red de boyas repartidas por todo el globo y de aviones que vuelan directos al ojo del huracán para tomar información sobre el tipo de tormenta que se está formando.
En los últimos años, los satélites han entrado en escena para aportar un dato que, hasta ahora, se les escapaba a los sistemas de predicción: mediciones muy precisas sobre la velocidad del viento. Este es el mejor indicador para conocer cómo está evolucionando la intensidad de la tormenta, y ni boyas ni aviones pueden medirlo con facilidad.
Tal como explican desde la NASA, los nuevos satélites y, en particular, los datos de los radares de apertura sintética, pueden marcar un antes y un después. Estos radares pueden observar la superficie oceánica con gran precisión, sean cuales sean las condiciones atmosféricas. Así, pueden medir en tiempo casi real el comportamiento de las olas y, a partir de ahí, inferir la velocidad y la dirección del viento.
Otro de los campos más prometedores en la predicción de huracanes pasa por aplicar el aprendizaje automático a las imágenes satelitales. Algunas de estas herramientas, como la desarrollada por la NOAA y la Universidad de Wisconsin-Madison (Estados Unidos), han alcanzado tal precisión en laboratorio que son capaces de predecir con exactitud el lugar en el que va a caer un rayo en los próximos 60 minutos.
Por otro lado, las herramientas cada vez más avanzadas de análisis de big data permiten integrar múltiples fuentes de información para elaborar las predicciones. A través del sistema de IBM PAIRS GEOSCOPE, se está desarrollando un sistema que tenga en cuenta, además del viento o la humedad del aire, los datos de las redes de electricidad y de saneamiento o la humedad relativa de la tierra.
Cada vez que un ciclón tropical toca tierra, inunda ciudades, provoca deslizamientos de tierra, interrumpe las comunicaciones o levanta los tejados de casas o centros escolares, el riesgo para las personas y sus actividades se dispara. Para continuar avanzando en su mitigación, igual que se ha hecho en los últimos 50 años, los datos parecen el mejor aliado.
Por Juan F. Samaniego
Imágenes | Pixy, Wikimedia Commons/Phoenix7777, ESA
_map.jpg){kind=link}
