La Estrategia del CEPMPM-ECMWF para 2021-2030 se presenta hoy

Hoy tendrá lugar el lanzamiento de la estrategia del CEPMPM por la que se regirán nuestras actividades durante los próximos diez años y que hace especial énfasis en ofrecer previsiones aún más precisas tanto a los estados como a los estados cooperantes, además de s de todo el mundo.

La estrategia aborda fundamentalmente los siguientes aspectos:

• Superar las dificultades informáticas y científicas para lograr resoluciones de 3 a 4 kilómetros en las predicciones por conjuntos.
• Extraer el máximo valor de las observaciones para realizar un análisis preciso de la Tierra, coherente en todos sus componentes.
• Desarrollar modelos de última generación para producir gemelos digitales (‘digital twins’) de la Tierra en alta resolución.
• Usar en mayor medida las tecnologías ‘cloud’ o basadas en la nube para promover un uso más eficiente de los datos.
• Producir reanálisis global y retroanálisis/previsión retrospectiva o repronóstico (‘reforecast’) de los riesgos meteorológicos y medioambientales de 1950 en adelante.
• Estimar y monitorizar las emisiones de CO2.
• Contribuir a la optimización del sistema de observación global.
• Progresar hacia el ‘open data’ o datos abiertos).

El documento se actualizará cada cinco años a través de un proceso de consulta y la aprobación final del Consejo de Estados del CEPMPM.

Las colaboraciones con la EMI (Infraestructura Meteorológica Europea) -que incluye socios clave como los Estados , EUMETSAT y EUMETNET-, la Organización Meteorológica Mundial, la Unión Europea y la Agencia Espacial Europea, entre otros, continuarán siendo de vital importancia para nuestro éxito.

Hoja de ruta de ’machine learning’

En cuanto a los futuros desafíos informáticos, la inteligencia artificial juega un papel muy importante, sobre todo el ‘machine learning’ o aprendizaje automático, que formará parte de la predicción numérica del tiempo y el flujo de trabajo de los servicios climatológicos. El lanzamiento conjunto de ambos documentos ilustra cómo el segundo facilitará la primera, la estrategia. La hoja de ruta de las actividades de ’machine learning’ del Centro Europeo de Previsiones viene a ofrecer un marco de acción que ayudará a canalizar las diversas actividades de aprendizaje automático para un esfuerzo coordinado de las predicciones meteorológicas y climáticas .

El ’machine learning’ es el desarrollo de algoritmos informáticos que mejoran de forma automática aprendiendo de los datos. Es especialmente relevante para las ciencias de la Tierra y avanza a una velocidad sin precedentes, junto con los crecientes volúmenes de datos que ahora están disponibles.

El autor principal de este documento, Peter Dueben, comentó:

"Con esta hoja de ruta queremos mostrar cómo el ’machine learning’ se integra, beneficia o sustituye los desarrollos existentes para mejorar la predicción numérica del tiempo y los servicios climáticos. Asimismo, nos permitirá colaborar con los Estados y cooperantes del Centro Europeo de Previsiones y la comunidad europea para la modelización del tiempo y el clima con el objetivo de sacar el máximo provecho del aprendizaje automático. Nuestra visión es que para el 2031 el aprendizaje automático esté completamente integrado en la predicción numérica del tiempo y los servicios climáticos y que haya mejorado las predicciones y su uso en muchas áreas del flujo de trabajo.”

El CEPMPM ya hace uso del ’machine learning’ en muchas áreas de su trabajo, entre otras, en la asimilación de datos. Aquí, las observaciones y el modelo de previsión (‘forecast model’) se comparan para deducir las condiciones iniciales de la siguiente predicción meteorológica. Si se diagnostican diferencias entre el modelo y las observaciones, se pueden utilizar herramientas de aprendizaje automático para aprender a estimar los errores del modelo en situaciones meteorológicas específicas. Esta representación de errores se puede utilizar para analizar el comportamiento del error, o bien para corregir el error dentro de la asimilación de datos para mejorar las condiciones iniciales y, por tanto, las predicciones.

En los últimos años, esta ciencia también se ha integrado en el desarrollo de los componentes de Cambio Climático (C3S) y de Vigilancia Atmosférica (CAMS) del Programa de Observación de la Tierra Copernicus de la UE, que implementa el CEPMPM en su nombre. Un ejemplo reciente del valor aportado por el aprendizaje automático en los procesos del Centro Europeo de Previsiones procede precisamente de los científicos del CAMS y sus contratistas, que estudian el impacto de las medidas tomadas para la Covid-19 en la calidad del aire en Europa, simulando las emisiones que se habrían producido de no haberse aplicado las medidas de confinamiento y haciendo uso de la inteligencia artificial.

La Directora General del CEPMPM, Florence Rabier, afirmó:

"Con la publicación de la hoja de ruta de ’machine learning’ y el objetivo claramente definido en nuestra estrategia para los próximos 10 años, el Centro Europeo de Previsiones Meteorológicas a Plazo Medio demuestra por qué sigue siendo un actor clave a la hora de trabajar con los modelos y datos de observación de la Tierra.
Los volúmenes de datos sin precedentes que proceden de sensores y satélites y que procesa el CEPMPM, además de la precisión de los modelos del sistema Tierra, contribuyen a la protección de la vida y de nuestro planeta frente a los cambios climáticos y medioambientales. El uso de la inteligencia artificial (IA) y el aprendizaje automático por parte del CEPMPM será clave para seguir poniendo grandes cantidades de datos e información a disposición de cualquier de forma gratuita, ahora y en el futuro. "

o para la prensa:

Gonzalo Sánchez
Executive at Hopscotch Europe
Email: [email protected]
Phone: +353 (0) 1556 97 12

Emma Pujadas
PR and Digital Coordinator at Hopscotch Europe
Email: [email protected]
Phone: +353 (0) 1556 97 28

Nota de prensa del CEPMPM

26 de enero de 2021

CEPMPM-ECMWF