|
Lluvias Torrenciales Shunji
Kotsuki
Desde hace años, tanto en la Universidad de
Chiba (donde imparto clases) como en el Instituto de Investigación Avanzada
(donde trabajo), y en colaboración con el Centro de
Teledetección Ambiental, estamos llevando a cabo un ambicioso
proyecto de predicción
ambiental, en base a diversos fenómenos hidrológicos (terrestres) y meteorológicos
(espaciales) En concreto, el proyecto busca reducir las lluvias torrenciales en tierra firme, mediante la inducción artificial de precipitaciones sobre el océano, utilizando hielo seco dispersado por aeronaves y modelos informáticos mejorados con IA. El proyecto ha sido seleccionado para el Programa Moonshot de Investigación y Desarrollo de la Oficina del Gabinete. El objetivo es disminuir los fenómenos de lluvias extremas para 2050, al tiempo que mejorar la predicción meteorológica mediante el uso extensivo de datos de observación e IA explicable.
Japón
sufre daños cada vez más graves a causa de las lluvias torrenciales, provocadas
por tifones y bandas de lluvia estacionarias. En respuesta, nuestra idea
consiste en general nubes en el océano, e inducirlas artificialmente a
descargar allí, para que la amenaza extrema que se cierne sobre la tierra firme
se dirija al océano. a) Programa Moonshot
Exactamente, el proyecto se
llama AMAGOI, que en japonés significa "generación artificial de lluvias marinas intensas aguas arriba, para
gestionar desastres terrestres inducidos por lluvias intensas". Es más, en
el objetivo 8 de dicho programa se alude a "solventar la amenaza de vientos y lluvias extremas, mediante el control y la
modificación del clima para 2050".
En
Japón, los daños causados por
las inundaciones pueden superar los 1,5 billones de yenes al año, y provocar la pérdida de
vidas humanas. Al mismo tiempo, existen claras limitaciones para
las contramedidas convencionales basadas en infraestructuras, como las presas y
los diques de contención de inundaciones.
Las
lluvias torrenciales que más daños han causado en Japón han sido
las provocadas por importantes entradas de vapor de agua, provenientes
del océano. Partiendo de esta premisa, nuestro enfoque consiste en inducir
artificialmente la formación de cúmulos (cumulonimbos) sobre el mar,
desencadenando así fuertes lluvias, con antelación, sobre el océano. De esta manera, buscamos
reducir la cantidad de vapor de agua que llega a tierra y, en última instancia,
mitigar el riesgo de desastres por lluvias extremas en zonas pobladas. b)
¿Es realmente posible? El clima es inherentemente caótico. Es más, incluso el más mínimo cambio puede alterar drásticamente lo que sucede a continuación. Es más, una vez que comienzan las lluvias torrenciales, es casi imposible intervenir artificialmente.
Por ello, creemos
que una intervención temprana, con acciones pequeñas pero bien dirigidas, puede
producir efectos significativos. Es en lo que consiste la "identificación
de los puntos de control clave", en el sistema meteorológico.
Desde
la perspectiva de datos, determinar dónde se ubican estos puntos
de control (y cómo intervenir eficazmente) es fundamental para el control
del clima, y representa un desafío científico. Las simulaciones numéricas
realizadas hasta el momento sugieren que podría ser posible reducir las lluvias
torrenciales entre un 10% y un 20%.
Basándonos
en los resultados de una 1ª simulación, en 2025 llevamos a cabo un experimento de lluvia
artificial sobre el océano. En este experimento, se dispersó hielo seco desde una aeronave,
y ese hielo seco actuó como núcleo para el
vapor de agua, e indujo la precipitación. El objetivo era, y seguirá siendo, reducir la cantidad
de vapor de agua que finalmente llega a tierra.
Uno
de los desafíos técnicos más importantes reside en reproducir con precisión
las condiciones meteorológicas actuales mediante modelos numéricos. En efecto,
los datos
meteorológicos en tiempo real, recopilados por diversos sistemas de observación,
deben integrarse en simulaciones que representen la evolución de la atmósfera.
A partir de este estado reconstruido, se podrá calcular dónde se espera que se
disperse el hielo seco, antes de determinar los puntos de liberación reales.
Reconstruir
todo el sistema atmosférico, a partir de datos de observación parciales, es un
reto enorme, y esta es un área en la que también esperamos hacer un uso extensivo
de la IA. En estos precisos momentos, estamos explorando el concepto de una estructura de cúpula marina. Esto implicaría la construcción de una estructura triangular de aprox. 600 m. de ancho x 300 m. de alto, diseñada para redirigir el flujo del viento e inducir precipitaciones sobre el océano, reduciendo así las precipitaciones en tierra.
Un socio
fabricante está colaborando con nosotros para evaluar la viabilidad técnica de este concepto, e identificar
las normas de ingeniería necesarias. c)
Papel de la IA
La
predicción meteorológica basada en IA es uno de nuestros
puntos fuertes de investigación. A medida que esta tecnología avance, prevemos
mejoras significativas en la predicción de bandas lineales de precipitación,
fenómenos que actualmente son muy difíciles de predecir con precisión. Los pronósticos meteorológicos actuales se basan en la predicción numérica del tiempo, que utiliza supercomputadoras para simular el comportamiento atmosférico a partir de leyes físicas y datos de observación.
Por ejemplo, se emiten pronósticos
de la trayectoria de tifones cada 3 horas (con 24 horas de anticipación)
y cada 6 horas (con 120 horas de anticipación). Estos pronósticos se
calculan mediante la ejecución de 21 escenarios diferentes y el procesamiento
estadístico de los resultados. Si
bien aumentar el número de escenarios mejora la precisión, también incrementa
drásticamente el coste computacional y el tiempo de procesamiento.
Nuestro
enfoque basado en IA pretende reemplazar gran parte de
estos cálculos complejos. Mediante la IA, esperamos calcular 1.000 escenarios en
poco tiempo y actualizar las previsiones cada 30 minutos.
Otro
gran desafío de los modelos de pronóstico actuales es que no aprovechan al máximo
los datos de observación disponibles. De hecho, solo entre el 5% y el 6% de
los datos meteorológicos disponibles se utilizan actualmente en los pronósticos
meteorológicos operativos. Si logramos incorporar la gran cantidad de información
de observación no utilizada, los pronósticos serán más sofisticados y
significativamente más precisos. d)
Subutilización de los datos La predicción meteorológica consta de dos componentes clave: un método matemático (para estimar el estado actual de la atmósfera) y un modelo predictivo (que pronostica las condiciones futuras a partir de dicho estado).
La tecnología
empleada para el primero se conoce como "asimilación de datos". Esta tecnología
modifica los resultados de las simulaciones (para que se ajusten mejor a los
datos de observación reales), lo que nos permite estimar y pronosticar las
condiciones atmosféricas con mayor precisión. Sin embargo, existe un desafío importante: que la asimilación de datos se vuelve cada vez más compleja, a medida que aumenta el volumen de datos de observación.
En efecto, cuando se dispone de demasiados datos, su incorporación eficiente a las
simulaciones puede resultar computacionalmente compleja, y consumir mucho tiempo.
Creemos que este es un ámbito donde la IA tiene un gran
potencial, a la hora de lograr avances significativos.
Además,
mediante la Inteligencia Artificial Explicable (XAI) podemos identificar en qué
datos se basó la IA para realizar sus predicciones. Esto no sólo mejora la
transparencia, sino que también contribuye a profundizar nuestra comprensión
de los fenómenos meteorológicos. e)
Futuro
de la investigación
En cierta ocasión escuché
decir al dr. Inamori, fundador de Kyocera Corporation, que los resultados
dependen de la
mentalidad, la habilidad y el esfuerzo. Entre esto último, yo creo que la pasión juega
un papel crucial. ¿Por qué? Porque por muy talentosa que sea una persona, si
no tiene pasión, nunca materializará sus ideas
y perspectivas.
En
la investigación, creo que, más importante que la inteligencia, es la capacidad
de perseguir aquello que uno considera importante, y seguir adelante ante los
desafíos. En los últimos años, se ha hecho mucho hincapié en la eficiencia,
la rentabilidad y la rapidez. Sin embargo, yo creo que estamos entrando en una era
en la que debemos tener más fe que ansias de eficiencia. Explorar campos ajenos, o participar en colaboraciones interdisciplinarias, puede parecer laborioso, pero es a través de estas interacciones como surgen las ideas y resultados. Esto es lo que estamos intentando llevar a cabo en el proyecto Moonshot, de forma individual y colectiva. La acumulación de estas experiencias es lo que, en última instancia, nos está conduciendo a la innovación. .
|
