¿Qué significa realmente un 70% de lluvia en la previsión del móvil?

Miras la previsión del móvil antes de salir de casa y aparece un 70% de lluvia. La pregunta parece sencilla: ¿significa que va a llover durante el 70% del día? ¿Que lloverá en el 70% de La Rioja? ¿O que caerá mucha agua?

En realidad, ninguna de esas interpretaciones es correcta.

Los porcentajes que aparecen en la predicción por municipios de AEMET y en muchas aplicaciones meteorológicas de nuestros móviles expresan probabilidad, no cantidad ni duración de la lluvia. Sin embargo, detrás de ese «aparentemente» sencillo número, hay bastante más meteorología de lo que parece: modelos numéricos, distintos escenarios posibles y predicción probabilística.

¿Qué significa realmente el porcentaje de lluvia?

Un 70% de probabilidad de lluvia indica una probabilidad alta de que se registre precipitación en ese lugar y durante el periodo señalado, pero no nos dice cuánto va a llover ni durante cuánto tiempo.

Esta es probablemente la confusión más habitual. Si AEMET muestra para Logroño un 70% de probabilidad de precipitación entre las 12 y las 18 horas, significa que existe esa probabilidad de que se produzca alguna precipitación (poca o mucha) durante ese intervalo.

Probabilidad de lluvia (%): AEMET define esta variable como la probabilidad de que se produzca cualquier cantidad de precipitación en el periodo considerado.

Por tanto, no significa:

• que vaya a llover durante el 70% de esas seis horas
• que vaya a llover sobre el 70% del municipio
• ni que vaya a caer el 70% de una determinada cantidad de lluvia.

Y es que la clave es que la probabilidad de lluvia y la cantidad de lluvia son dos cosas diferentes.

Podemos tener un 100% de probabilidad de lluvia y que prácticamente todos los escenarios contemplen apenas 1 o 2 litros. Y también podemos encontrarnos con un 15% en una situación tormentosa en la que la mayoría de escenarios de predicción no dejan precipitación, pero unos pocos desarrollan una tormenta capaz de descargar con intensidad. Y aquí es donde solemos ver que la gente se confunde mucho, pues automáticamente asimilan que con un 15% de probabilidad no va a llover, pero la realidad es que, aunque es poco probable, no es imposible.

Por eso un porcentaje aislado nunca cuenta toda «la historia», pues de la misma manera, es perfectamente posible (aunque muy improbable) que una predicción que apunte al 95% de probabilidad de lluvia, termine por no dejar ni gota.

Además, en el caso de AEMET, hay que recordar que la predicción automática por municipios se genera mediante tratamiento estadístico de los resultados de modelos numéricos. No tiene por qué coincidir exactamente con la predicción elaborada por los meteorólogos de la Agencia.

¿De dónde sale ese porcentaje? Los ensembles (diferentes escenarios)

En lugar de imaginar un único futuro atmosférico, los modelos probabilísticos calculan muchos escenarios ligeramente diferentes con pequeñas variaciones en base al escenario base original. Cuando esos escenarios se parecen entre sí, la predicción gana confianza; cuando comienzan a separarse, aumenta la incertidumbre.

En un diagrama de ensembles, cada línea representa una posible evolución de la atmósfera. Cuanto más juntas aparecen las líneas, mayor es el consenso entre escenarios; cuanto más se dispersan, menos robusta es la predicción. Y, como es lógico, esa dispersión suele aumentar conforme nos alejamos en el tiempo. En este tipo de diagramas siempre hay un escenario que destaca: se denomina el escenario determinista, que en principio es el considerado el más probable de ocurrir por el modelo que lo ejecuta.

El problema aparece cuando una aplicación automática se apoya demasiado en un único escenario determinista (en el diagrama de arriba, la linea verde). Esa simulación puede cambiar de forma importante entre una actualización y la siguiente: hoy sitúa un frente sobre La Rioja y mañana lo desplaza 150 km hacia el norte. El resultado para el usuario es conocido: «ayer me daba sol para el sábado y hoy me pone lluvia y frío».

La mayoría de aplicaciones automáticas se basan precisamente en el escenario que el modelo determina más probable (el escenario determinista), que no tiene por qué ser el que esté más «alineado» con el resto de escenarios, como podemos ver en el ejemplo del diagrama de arriba. Esto favorece que las aplicaciones automáticas cambien enormemente su predicción de un día a otro, sobre todo cuando no hay unanimidad o mayoría entre los escenarios previstos por el modelo y el escenario determinista «va a su bola».

Snowy: la solución «made in La Rioja» a la incertidumbre meteorológica

Para elaborar una predicción automática resulta mucho más útil tener en cuenta el conjunto de escenarios y no depender exclusivamente de una única simulación. Las medias, medianas, probabilidades y dispersión del ensemble permiten identificar qué señal está mejor respaldada (más probable) y cuánto podemos confiar en ella (menor incertidumbre).

Por ello, lo más útil para aproximarse a la realidad es siempre buscar el escenario medio futuro (la media de los escenarios que nos ofrece un modelo), de esa manera conseguiremos que la predicción «automática» se mantenga relativamente estable y cada vez con mayor probabilidad de cumplirse.

Es lo que hacemos en nuestra herramienta de predicción de Snowy, cruzando estadísticamente no sólo la media de escenarios de un sólo modelo, sino de hasta 3 modelos (con más de 100 escenarios), lo que aumenta considerablemente nuestra tasa de acierto.

Sin embargo, basarse en las medias de los modelos siempre conlleva el riesgo de subestimar los extremos de predicción (ola de calor, ola de frio, tromba de agua, nevada excepcional…) y es ahí donde entra el trabajo del predictor meteorológico.

Porque la meteorología no consiste únicamente en decir qué va a ocurrir. Consiste también en saber qué escenarios son posibles, cuáles son más probables y qué consecuencias tendría cada uno de ellos, con el fin de ofrecer la mejor y más fiable información a las personas que confían en ti.