AEMET incorpora a su plataforma climática predicciones estacionales con más detalle gracias al aprendizaje automático

La Agencia Estatal de Meteorología (AEMET) ha anunciado el 30 de octubre que su Plataforma Estatal de Servicios Climáticos (PESC) incorpora predicciones estacionales con mayor detalle espacial. La novedad no es un modelo meteorológico nuevo, sino una técnica de regionalización aplicada a predicciones que ya existían. Conviene entender qué hace exactamente y qué límites conserva.

Qué ha cambiado

Según la nota de AEMET, la plataforma aplica una nueva metodología de regionalización (en inglés, downscaling) a las predicciones estacionales del sistema multimodelo del Servicio de Cambio Climático de Copernicus (C3S). La técnica se basa, según la agencia, en métodos de superresolución con redes neuronales convolucionales. El resultado son predicciones con mayor resolución espacial que los productos de origen, que permiten ver con más precisión la variabilidad climática regional dentro de España.

La agencia no da en su nota el tamaño de la malla ni una fecha de entrada en servicio más allá del propio anuncio. Sí explica que las predicciones regionalizadas están disponibles en el Visor de Predicción Estacional, junto a otros productos de este tipo y a información sobre su validación y comportamiento, y que se irán incorporando de forma progresiva a varios servicios de la plataforma, en especial los de sequía y de peligro meteorológico de incendios.

El trabajo forma parte del proyecto «Enhancing drought and fire weather climate services in Spain with regionalized seasonal predictions based on C3S products», financiado por C3S a través de su Programa de Colaboración Nacional y desarrollado por el CSIC y AEMET.

De dónde parte la predicción

Las predicciones estacionales de Copernicus son productos publicados con regularidad a partir de varios sistemas de predicción de distintos centros. Según su página oficial, aportan datos actualmente ECMWF, el Met Office británico, Météo-France, el DWD alemán, el CMCC italiano, los servicios de Estados Unidos (NCEP), Japón (JMA), Canadá (ECCC) y Australia (BOM). Los productos gráficos se actualizan el día 10 de cada mes, cubren un periodo de seis meses y son probabilísticos.

Esa naturaleza probabilística es la clave para leerlas. C3S señala, por ejemplo, que los sistemas individuales no coinciden del todo en la magnitud del máximo de El Niño y que las señales son más débiles en algunas regiones, como el sur de Europa en el caso de la precipitación. Un sistema multimodelo ayuda a medir la incertidumbre, pero no la elimina.

Cómo se lee una predicción estacional

AEMET elabora su propia predicción estacional por consenso, combinando varios modelos. Se actualiza cada mes, cubre los tres meses siguientes y se publica entre los días 25 y 30. Está expresada en terciles: compara las condiciones esperadas con el periodo de referencia 1991-2020 y dice qué probabilidad hay de que el trimestre sea cálido, normal o frío (o húmedo, normal o seco). Cuando ninguna categoría destaca, las probabilidades son simplemente las climatológicas, es decir, no hay señal clara.

Para noviembre-diciembre-enero de 2026-2027, la página de AEMET indica una probabilidad muy alta de que la temperatura media quede en el tercil cálido en toda España, y una probabilidad alta de tercil húmedo en la vertiente atlántica, más marcada en el noroeste peninsular. En el resto del país, las probabilidades son climatológicas.

Nada de esto equivale a decir qué tiempo hará un día concreto: es una tendencia para tres meses. La regionalización puede mostrar esa tendencia con más detalle geográfico, pero la nota de AEMET no cuantifica cuánto mejora la precisión de la predicción, así que ese punto queda abierto hasta que se consulte la validación que acompaña al visor.

Por qué importa para sequía e incendios

El contexto explica el interés por estos servicios. AEMET informó el 16 de octubre de que septiembre de 2026 fue el más cálido de la serie desde 1961 en la España peninsular, con 22,5 °C de media, 3,4 °C por encima del periodo de referencia, y también el séptimo más seco, con 15,9 mm, alrededor del 36 % de lo normal. A juicio de TodoWeb, quien gestiona agua o riesgo de incendios querrá saber con meses de antelación si el trimestre será más seco o más cálido de lo habitual, y a una escala más fina que la de los grandes modelos globales.

Lectura de TodoWeb

Lo anunciado es, por ahora, una mejora de herramienta, no un cambio en lo que se puede prometer. Las técnicas de aprendizaje automático generan detalle a partir de patrones aprendidos, y ese detalle debe validarse; AEMET dice que el visor incluye información sobre validación, y ahí estará la medida real de su utilidad. Hasta entonces, la forma prudente de usar estos mapas es la de siempre: como probabilidades para un trimestre, no como pronóstico local. Para ver cómo se traduce el tiempo de corto plazo en avisos, sirve de contraste la cobertura de la borrasca Austen, basada en la predicción de los próximos días. Más temas de inteligencia artificial y ciencia aplicada, en la sección de IA.