Per què fallen els models?

Avui en dia tenim una gran quantitat d’informació meteorològica al nostre abast. Al mòbil, per exemple, podem consultar pronòstics automàtics que ens diuen el temps que farà a qualsevol indret, per cada hora, i fins més enllà d’una setmana vista! Però, és fiable aquesta informació? Per interpretar-la correctament, és bàsic entendre d’on provenen aquests pronòstics.

Hem de tenir present que la base de la predicció del temps es fa amb models numèrics. Aquests models simulen el comportament de l’atmosfera, de manera que coneixent l’estat present (quin temps fa) podem calcular la seva evolució futura (quin temps farà) mitjançant potents ordinadors.

Ara bé, un model és una simplificació de la realitat. Conté aproximacions que el fan menys costós quant a càlcul, però també més imprecís. Com més detalls incorporem al nostre model, més temps caldrà per fer la simulació. Malament si per fer un model més acurat no rebem a temps la seva predicció! Cal doncs un compromís entre qualitat i disponibilitat.

Però és que a més, tampoc tenim una fotografia perfecta del temps que fa, ja que no disposem d’estacions de mesura a cada racó del planeta (a part que tota mesura sempre té un petit error associat). Per tant, el model ja comença la seva simulació amb un marge d’error que anirà creixent a mesura que el fem avançar cap al futur. D’aquí que els pronòstics més llunyans en el temps siguin en general menys acurats.

Abans hem dit que els models són una simplificació de la realitat per fer-los viables pel que fa al càlcul. Potser la simplificació més rellevant és que els models veuen una orografia més suavitzada que la real (resolució més baixa), condicionant així la simulació de determinats fenòmens meteorològics.

Un exemple. Som a l’estiu. El model pronostica vent encalmat a Sort, però en realitat bufa una brisa de vall cap a muntanya prou forta. Podem dir que el model no va bé? Potser en aquest cas simplement és que no té prou resolució per veure amb detall la vall del Noguera Pallaresa. Per tant, és important saber si el model que consultem té una resolució adequada per simular els fenòmens meteorològics que ens interessen.

Seguim amb l’exemple anterior. Imaginem ara que, a més, aquesta brisa ascendent ha afavorit que creixin núvols com el de la imatge (un Cumulonimbus), podent ploure, o i fins i tot, que troni. El model tampoc ho podria haver reproduït. És un exemple de com, un fenomen d’escala petita que el model no pot simular per una resolució insuficient, condiciona el pronòstic d’altres fenòmens que poden ser rellevants pel que fa a la seguretat a muntanya (boira, llamps i precipitació) i afectar a zones més extenses (front de tempestes).

Afortunadament, cada cop disposem de més observacions (estacions meteorològiques, radars, satèl·lits) que ens ajuden a iniciar les simulacions a partir d’una fotografia més fidel a la realitat. Alhora, les màquines de càlcul són cada vegada més potents i això permet treballar amb models més detallats. No obstant això, ens agradi o no, els models no seran mai un retrat exacte de la realitat i sempre hi haurà un marge, per petit que sigui, a l’error. Minimitzar aquest error és la tasca principal dels professionals en modelització numèrica del temps, com els de l’SMC pel cas dels models centrats a Catalunya.

Ara que ja coneixem una mica les limitacions en l’espai i el temps dels models meteorològics, en una altra ocasió us explicarem com podem tractar les seves incerteses a l’hora de treure informació útil de cara a interpretar els seus pronòstics: parlarem de la predicció probabilística.

Article original: Moré J, Esteban P, Serra A. 2020. Per què fallen els models? Vèrtex 288, 16-17.