Mejora de la predicción estacional de la temperatura media superficial global incorporando pronósticos dinámicos realistas de ENSO

Por qué importan mejores previsiones estacionales

Agricultores, planificadores energéticos y gestores de desastres necesitan cada vez más saber qué temperatura aproximada tendrá el planeta en las próximas estaciones. Este estudio explora por qué las previsiones a corto plazo de la temperatura media de la superficie terrestre a veces fallan y muestra cómo el seguimiento de patrones climáticos tropicales conocidos puede hacer que esas previsiones sean más tempranas y fiables.

Un termómetro global con consecuencias reales

La temperatura media superficial global, o la calidez media cercana a la superficie del planeta, es un número simple que oculta una física compleja. Sin embargo, tiene consecuencias directas para el momento de las cosechas, la demanda de combustible, el estrés por calor y los riesgos asociados al tiempo. Las previsiones estacionales de esta temperatura global pueden ayudar a la sociedad a prepararse con algunos meses de antelación. Sin embargo, los modelos climáticos existentes e incluso los sistemas modernos de aprendizaje automático luchan por predecir las oscilaciones interanuales, especialmente durante los cruciales meses de otoño e invierno del hemisferio norte, cuando se producen muchos extremos climáticos.

El enigma de los errores en las previsiones de otoño

Los autores examinaron por qué su sistema de predicción anterior, desarrollado en el Instituto de Física Atmosférica de Pekín, comenzaba a perder precisión cuando las previsiones se iniciaban en otoño. Al comparar predicciones con observaciones de 1980 a 2024, encontraron que los errores estaban estrechamente ligados a lo que ocurría en los océanos tropicales. Durante eventos de El Niño, cuando el Pacífico central y oriental se calienta, su modelo tendía a subestimar la temperatura global. Durante La Niña, con aguas más frías en el Pacífico, a menudo la sobreestimaba. El patrón de errores no se limitaba al Pacífico, sino que se extendía también por los océanos Índico y Atlántico, revelando una cadena pantropical de interacciones que el modelo original no capturaba completamente.

Los océanos tropicales funcionando en conjunto

Físicamente, el estudio muestra cómo una fase cálida de El Niño debilita y desplaza una circulación atmosférica clave sobre el Pacífico. Este desplazamiento altera los vientos y las corrientes en el océano Índico, favoreciendo una mancha cálida en sus regiones occidental y central, y también cambia los vientos sobre el Atlántico tropical norte, provocando calentamiento allí. Estas cuencas oceánicas vinculadas actúan en conjunto para influir en la temperatura superficial global en las estaciones siguientes. Cuando estas respuestas a escala de cuenca son más fuertes de lo que el modelo espera, la previsión de temperatura global resulta demasiado fría, y cuando son más débiles, sale demasiado cálida. Lo contrario ocurre durante La Niña, cuando es común un enfriamiento generalizado de las cuencas. Reconocer esta cadena ayuda a explicar por qué los errores se agrupan en años con condiciones de El Niño o La Niña fuertes.

Combinando intuición física con estadística

Para convertir este conocimiento en una herramienta práctica, los autores diseñaron un marco de predicción híbrido. Mantuvieron su sistema estadístico existente, que ya separaba las oscilaciones climáticas más lentas de las más rápidas, pero añadieron información de un modelo independiente que predice la intensidad de El Niño y La Niña con meses de antelación. Usando datos pasados, aprendieron cómo variaban los errores de predicción con la señal prevista en el Pacífico y luego emplearon esa relación para corregir nuevas previsiones en tiempo real. También probaron incluir índices adicionales del Índico y el Atlántico. Aunque estos ayudaron a eliminar parte del sesgo medio, no mejoraron tanto la habilidad interanual como centrarse únicamente en el Pacífico, probablemente porque su comportamiento ya está fuertemente ligado a El Niño y La Niña.

Lo que ofrece el nuevo sistema

Con este enfoque combinado, las previsiones mejoradas redujeron los errores medios en torno a dos quintas partes para predicciones iniciadas en septiembre y octubre y devolvieron muchos años con grandes El Niño y La Niña dentro de la incertidumbre observacional. En aproximadamente dos tercios de los años estudiados, las previsiones corregidas estuvieron más cerca de la realidad, con ganancias especialmente grandes durante episodios de El Niño. Lo más notable es que el horizonte temporal para una predicción fiable de la temperatura global se alargó de dos a cuatro meses. Para los usuarios de información climática, esto significa avisos más tempranos sobre estaciones inusualmente cálidas o frías a escala planetaria, logrados con un método que es más simple y menos exigente computacionalmente que muchos modelos climáticos a gran escala.

Cita: Li, KX., Zheng, F. Improving seasonal prediction of global mean surface temperature by incorporating dynamic ENSO realistic forecasts. npj Clim Atmos Sci 9, 114 (2026). https://doi.org/10.1038/s41612-026-01386-9

Palabras clave: predicción climática estacional, temperatura media superficial global, ENSO, El Niño, océanos pantropicales