Tres décadas de simulación de los patrones de temperatura global con modelos climáticos acoplados

Por qué importan mejores mapas climáticos

Cuando escuchamos sobre el cambio climático, a menudo se menciona un único número global: cuánto se ha calentado el planeta. Pero en la vida cotidiana lo que realmente importa es dónde y cómo cambian las temperaturas en distintas regiones del mundo. Este estudio examina cuán bien los modelos climáticos reproducen el patrón global detallado de la temperatura superficial a lo largo de las últimas tres décadas de desarrollo de modelos, desde los primeros experimentos en los años 1990 hasta las simulaciones de vanguardia a escala de kilómetros de hoy. Comprender este progreso nos dice cuánta confianza podemos depositar en los mapas del clima futuro que guían la planificación, la adaptación y las políticas.

De bocetos toscos a imágenes más nítidas

Los modelos climáticos modernos simulan la atmósfera, los océanos, la tierra y el hielo marino sobre una malla que envuelve el globo. En los años 1990 esas mallas eran relativamente gruesas, por lo que las características a pequeña escala como remolinos oceánicos o valles montañosos debían simplificarse mucho. Desde entonces, la capacidad informática y el entendimiento científico han crecido de forma notable, lo que permite ejecutar modelos con un espaciado mucho más fino y una física más detallada. Los autores se centran en una pregunta simple pero reveladora: ¿qué tan fielmente reproducen distintas generaciones de modelos el patrón promedio a 20 años de la temperatura del aire cerca de la superficie en comparación con conjuntos de datos basados en observaciones?

Juzgar los modelos con muchos criterios

Para evaluar el rendimiento, el estudio compara 176 ejecuciones de modelos climáticos frente a 10 conjuntos de datos independientes basados en observaciones que combinan mediciones meteorológicas, satélites y otras fuentes. En lugar de mirar solo promedios globales, los autores examinan cuán similar es el patrón de temperatura en cada ubicación de la Tierra. Un modelo obtiene buena puntuación cuando su temperatura local cae dentro de la dispersión de los conjuntos de referencia. Con el tiempo, la fracción de la superficie terrestre donde los modelos coinciden con ese rango de referencia ha aumentado desde aproximadamente una cuarta parte en los modelos iniciales hasta más de un tercio en la generación más reciente del Coupled Model Intercomparison Project (CMIP6). Algunos modelos nuevos a escala de kilómetros —especialmente el sistema IFS‑FESOM— igualan o incluso superan a los mejores modelos antiguos, acercándose al grado de acuerdo que existe entre los propios conjuntos de datos basados en observaciones.

Puntos problemáticos persistentes en el planeta

Aun cuando los modelos mejoran, ciertas regiones siguen siendo obstinadamente difíciles de simular. El norte del Atlántico Norte, el Océano Austral y las zonas con bajas nubes marinas a lo largo de los bordes orientales de las principales cuencas oceánicas muestran sesgos de temperatura grandes y duraderos a través de muchas generaciones de modelos. Por ejemplo, varias simulaciones a escala de kilómetros siguen estando demasiado frías en partes del Atlántico Norte, probablemente vinculadas a cómo el hielo marino interactúa con el océano. Estos puntos calientes y fríos persistentes apuntan a procesos físicos subyacentes que aún no se capturan por completo y representan áreas donde el progreso futuro podría dar ganancias particularmente grandes en realismo.

Por qué la elección de la referencia cambia la puntuación

Un hallazgo clave es que, a medida que los modelos mejoran, las diferencias entre conjuntos de observaciones comienzan a importar más. Trabajos anteriores a menudo evaluaban los modelos frente a un único producto de referencia, asumiendo en silencio que la mayor parte de la discrepancia procedía del error del modelo. Al comparar cada modelo con las 10 referencias por separado, los autores muestran que para las simulaciones más nuevas y de mayor rendimiento, hasta el 40% del error aparente puede deberse a la elección de la referencia en lugar del propio modelo. Incluso alternar entre dos reanálisis muy utilizados —ERA‑Interim y su sucesor ERA5— puede favorecer sistemáticamente a generaciones de modelos más antiguas o más nuevas. Esto significa que confiar en un solo conjunto de datos puede ofrecer una imagen engañosa de cuáles modelos son “los mejores”.

Cuadrículas más finas ayudan, pero no son suficientes

Una mayor resolución espacial —usar una malla más fina— generalmente conduce a patrones de temperatura mejores cuando los modelos se ajustan cuidadosamente para esa resolución. En todo el amplio archivo CMIP, los autores encuentran una tendencia clara: los modelos con mallas más finas tienden a producir errores de temperatura menores. Sin embargo, cuando el mismo modelo se ejecuta simplemente a mayor resolución sin volver a ajustarlo, el rendimiento puede estancarse o incluso empeorar. Esto se evidencia en un conjunto especial de experimentos de alta resolución donde se evitó intencionadamente el ajuste adicional: cinco de seis pares de modelos empeoraron con la resolución más fina. En contraste, algunos prototipos a escala de kilómetros ya compiten o baten a los mejores modelos tradicionales a pesar de un ajuste limitado, lo que subraya tanto su potencial como el trabajo que aún falta para explotarlo plenamente.

Qué significa esto para nuestro futuro climático

En términos sencillos, el estudio muestra que los modelos climáticos han ido mejorando de forma sostenida en la cartografía del patrón de temperatura del planeta, pero los mejores modelos no siempre han dado saltos claros de una generación a otra. Las nuevas simulaciones a escala de kilómetros demuestran que es posible superar los estándares actuales, sin embargo, el simple hecho de afinar la malla no es una solución mágica. El diseño cuidadoso del modelo, su ajuste y sus pruebas siguen siendo esenciales. Al mismo tiempo, la creciente influencia de la incertidumbre observacional implica que las evaluaciones de modelos deben tener en cuenta las diferencias entre conjuntos de referencia en lugar de fiarse de uno solo. En conjunto, estos conocimientos ayudan a los científicos a construir “gemelos digitales” de la Tierra más fiables: laboratorios virtuales que pueden explorar con mayor fidelidad los climas que podríamos afrontar en las próximas décadas.

Cita: Brunner, L., Ghosh, R., Haimberger, L. et al. Three decades of simulating global temperature patterns with coupled global climate models. Commun Earth Environ 7, 400 (2026). https://doi.org/10.1038/s43247-026-03497-w

Palabras clave: modelos climáticos, patrones de temperatura global, modelado a escala de kilómetros, evaluación de modelos, simulación del sistema terrestre