Las previsiones meteorológicas que estamos acostumbrados a ver cotidianamente se basan en las complejas ecuaciones matemáticas que rigen el comportamiento de la atmósfera. Esto es lo que se denomina predicción numérica del tiempo, y los programas informáticos que los ejecutan en potentes ordenadores se denominan modelos meteorológicos. La naturaleza caótica de la atmósfera limita la capacidad de estos modelos para proporcionar predicciones de utilidad con alcances superiores a 10-14 días.
Para elaborar las predicciones a más largo alcance, como las estacionales, es necesario recurrir a modelos climáticos que son mucho más complejos que los meteorológicos porque, además de la atmósfera, simulan otros componentes del sistema climático como, por ejemplo, los océanos y sus interacciones. También es imprescindible cambiar del enfoque determinista de las previsiones meteorológicas del día a día a un enfoque probabilístico.
Los pronósticos estacionales son, por tanto, de naturaleza probabilística y siempre referidos al estado promedio del tiempo, es decir, al clima (valores medios y las desviaciones de la media) de las próximas estaciones o trimestres. Una previsión probabilística describe la «probabilidad» de que ocurra algo, como el lanzamiento de una moneda que tiene un 50 % de probabilidades de salir cara y un 50 % de salir cruz. Esto es diferente de una predicción determinista, que predice solo un número o resultado específico (elegir solo cara o cruz en el lanzamiento de una moneda).
Ahora que tenemos una idea de qué son y cómo se elaboran las predicciones estacionales podemos responder a la cuestión que plantea el título del artículo. Y la respuesta es doble:
1. Porque aportan valor. Todos los estudios publicados coinciden en que son mejores que las predicciones basadas únicamente en la climatología y, por supuesto, mucho mejores que las predicciones aleatorias y, por tanto, aportan valor.
2. Porque son demandadas por la sociedad y por sectores socioeconómicos estratégicos. La predicción estacional tiene especial interés en determinados sectores en los que puede condicionar la estrategia y la toma de decisiones. Incluso pronósticos poco definidos pueden tener valor económico si la relación entre el coste de prevención y el de pérdida es razonable. Por tanto, el verdadero valor está en las aplicaciones. Sectores como el energético, agrícola, hidrológico trabajan en escalas de tiempo donde las informaciones respecto a probabilidades de determinados eventos influyen notablemente en el proceso de toma de decisiones. Un ejemplo de esto es el servicio climático S-ClimWaRe, desarrollado por AEMET, de apoyo a la gestión de los embalses basado en pronósticos estacionales probabilísticos de variables meteorológicas e hidrológicas.
A medida que aumenta nuestra comprensión del sistema climático se ve más cerca el objetivo de elaborar predicciones cada vez más fiables a escalas temporales de meses, e incluso años.
Francisco Infante es delegado de la Agencia Estatal de Meteorología en Galicia