Claudia es una borrasca más, al menos en apariencia. La AEMET le ha puesto nombre porque es de «alto impacto», pero detrás de esa denominación hay algo fascinante: tecnología que la mayoría de españoles no ve ni comprende. Satélites en órbita, algoritmos de inteligencia artificial calculando probabilidades de lluvia cada 15 minutos, sensores midiendo presión atmosférica mientras escribes esto. Mientras Claudia descarga 350 litros por metro cuadrado en Galicia, hay máquinas trabajando sin parar para que tengamos horas —no minutos— de aviso.
¿Cómo funciona la predicción moderna de tormentas?
Hace 50 años, los meteorólogos miraban el cielo y hacían conjeturas. Hoy, tres satélites Meteosat capturan imágenes de España cada 15 minutos. Esas imágenes llegan a los servidores de la AEMET en Madrid a través de antenas parabólicas, donde algoritmos analizan pixel por pixel para detectar cambios en la estructura de las nubes.
Cada punto de esa imagen codifica información: temperatura de la nube (medida mediante radiación infrarroja), contenido de agua, velocidad de rotación. Un cambio de apenas 0,5 grados Celsius en la parte superior de una nube puede significar que una tormenta se está intensificando. La IA lo detecta antes de que el ojo humano vea nada.
Según el portavoz de la AEMET, Rubén del Campo, reportado por Tribune de León, «la borrasca Claudia ha sido detectada con precisión días antes de su impacto porque nuestros modelos de predicción pueden triangular datos de múltiples satélites y estaciones terrestres simultáneamente».
Los números detrás de Claudia: 350 milímetros en Galicia
No es una cifra aleatoria.
350 litros de lluvia por metro cuadrado en una semana significa inundaciones locales, crecidas de barrancos, carreteras cortadas, cortes de suministro eléctrico. Pero ¿cómo sabe la AEMET que serán exactamente 350 milímetros y no 280 o 420? El Tiempo ha documentado que «los modelos europeos de predicción numérica integran más de 50 millones de variables atmosféricas cada seis horas».
Esas variables incluyen temperatura, presión, humedad, viento, concentración de sal marina, polvo en suspensión. Un ordenador potente (y hablamos de máquinas con más potencia que 10.000 PC domésticos juntos) ejecuta ecuaciones diferenciales de la física de fluidos durante horas para predecir dónde estará Claudia en los próximos 7 días.
El modelo falla a veces. Pero falla predeciblemente. Sabe cuándo su margen de error es de ±20 kilómetros y cuándo crece a ±100 kilómetros. Eso es información valiosa también.
Canarias primero: por qué antes allí que a la península
Claudia llega a Canarias el miércoles. A la península llega el jueves. No es casualidad, es física.
Un anticiclón de altas presiones está bloqueando el paso de Claudia desde el este, obligándola a rodear la península por el noroeste. El Diario cita que «la borrasca seguirá la trayectoria de menor resistencia según los flujos de aire de la atmósfera superior». Los satélites ven ese flujo en tiempo real mediante imágenes de vapor de agua capturadas en longitudes de onda específicas.
Esa imagen de vapor de agua revela circulación de aire a 10 kilómetros de altura que es invisible al ojo humano. La IA la interpreta, predice cómo esos flujos modificarán la trayectoria de Claudia, y por eso los meteorólogos dicen con casi certeza que llegará a Canarias antes que a Galicia.
Avisos naranja: la diferencia entre preparación y caos
Un aviso naranja en la AEMET significa: algo grave va a ocurrir, y tenemos tiempo de prepararnos. Tanques de agua desconectados en pueblos rurales. Inversores privados recogiendo enseres del sótano. Rescatistas preposicionados en zonas de riesgo.
Sin esa predicción, sin esos avisos automatizados que llegan a móviles mediante protocolos de alertas tempranas integrados con Protección Civil, Claudia sería un desastre de magnitud desconocida. Con ella, será un fin de semana difícil, con daños controlados. Es la diferencia entre modernidad y vulnerabilidad.
La AEMET, reportada por Marca, ha indicado que «la combinación de satélites, modelos numéricos y sensores de tierra permite anticipar eventos extremos con 5-7 días de margen temporal».
La paradoja: la IA predice, pero no decide
Aquí viene lo interesante. La IA es herramienta, no decisor. Un meteorólogo en la AEMET mira la predicción de modelos y dice: «Esto parece correcto, confío en este resultado». Otro meteorólogo dice: «No, este modelo está subestimando la humedad ambiental, debemos ajustarlo». Discuten, usan experiencia acumulada durante 20 años viendo patrones.
Un algoritmo no tiene esa intuición derivada de la experiencia. Puede procesar datos más rápido que cualquier humano, pero no entiende «esto parece raro» de la manera en que lo hace una persona que ha visto 10.000 borrascas.
Esa simbiosis entre máquina e inteligencia humana es lo que hace que las predicciones de hoy sean exponencialmente mejores que hace una década.
Jorge Rey vs. la AEMET: tradición vs. algoritmo
Jorge Rey es un fenómeno en redes sociales porque sus predicciones a menudo aciertan en detalles que los modelos oficiales no capturan. ¿Cómo? No es brujería. Es que Rey ha desarrollado intuición sobre patrones locales que los algoritmos no reconocen.
Rey ve la saturación del suelo en el noroeste, la temperatura del agua en el Atlántico, la fase de la luna, el patrón de comportamiento de depredadores marinos. Eso son señales débiles que ningún modelo oficial captura porque no están codificadas como variables. Su «acierto» es el equivalente humano a lo que hace la IA, pero por caminos completamente diferentes.
Con la borrasca Claudia, lo probable es que Rey y la AEMET estén básicamente de acuerdo: lluvia abundante, viento fuerte, especialmente en el oeste. Las diferencias serán en detalles de intensidad.
Satélites estadounidenses vs. satélites europeos
España no tiene satélites meteorológicos propios. Depende de:
- Meteosat (europeo, gestionado por EUMETSAT). Visto desde 36.000 kilómetros capturando imágenes cada 15 minutos de toda Europa, norte de África y Atlántico.
- GOES-R (norteamericano, de la NOAA). Satélites con capacidad de detectar rayos en tiempo real, midiendo la electrificación de tormentas.
- Constelación TROPICS (NASA). Pequeños satélites CubeSat que miden microondas para estimar intensidad de precipitación.
Cada uno ve cosas diferentes. Meteosat ve estructura general. GOES-R ve rayos. TROPICS ve contenido de agua. La AEMET fusiona esos datos mediante un proceso llamado «asimilación de datos» donde el modelo meteorológico absorbe cada observación satelital como una corrección.
Es lo opuesto al método de Jorge Rey: Rey mira un satélite, espera intuición. La AEMET mira cinco satélites, extrae 100 millones de datapoints, y deja que las matemáticas resuelvan.
El papel de los sensores terrestres: el triángulo de la predicción
Los satélites no lo ven todo. No pueden medir lluvia mientras llueve (la lluvia bloquea sus sensores). No pueden medir temperaturas bajo nubes muy gruesas.
Por eso existen 2.000+ estaciones meteorológicas en España que envían datos cada hora a la AEMET. Pluviómetros que cuentan gotas. Anemómetros que miden viento. Termómetros de radiación que saben la temperatura del terreno aunque esté nublado.
La borrasca Claudia entrará por Galicia. Las estaciones de Galicia enviarán datos en tiempo real: «lluvia de 12 mm/hora en Córdoba, viento de 67 km/h en Vigo, humedad del 98 %». Esos datos corrigen el modelo. Si la realidad difiere de la predicción, el modelo aprende.
Machine Learning aplicado a la borrasca Claudia en vivo
Algunos centros meteorológicos están usando redes neuronales para predecir cambios rápidos en tormentas. Google DeepMind entrenó un modelo llamado GraphCast que puede predecir la evolución de sistemas de presión con más precisión que modelos tradicionales en algunos casos.
Pero aquí está lo importante: GraphCast aún no se usa operacionalmente en España porque requiere validación intensiva. ¿Quién se responsabiliza si falla? ¿El algoritmo? ¿El programador? ¿La AEMET?
Por eso la AEMET sigue usando modelos clásicos (ECMWF europeo, GFS americano) que son matemáticamente explicables. Si un modelo falla, puedes auditarlo. Si un algoritmo de deep learning falla, a veces nadie sabe exactamente por qué.
Impacto económico de una predicción correcta
Esto no es académico. Una industria de 10 mil millones de euros depende de precisión meteorológica: logística, energía, pesca, turismo, agricultura.
Si la predicción de Claudia fuese errada por 24 horas, el transporte aéreo habría vendido pasajes que no podrá cumplir. Las navieras habrían programado rutas costeras que se volverían suicidas. Los pescadores habrían salido a una mar que es impredecible.
Que Claudia sea predecible con 4 días de anticipación es garantía de que eso no ocurra. El aviso naranja que ves en el móvil es resultado de millones de euros en infraestructura, investigación y talento.
Conclusión: la tormenta que ves, la tecnología que no ves
Claudia es real. Los 350 milímetros de lluvia son reales. Las olas de 5-6 metros en Galicia son reales. El viento de 100 km/h es real.
Pero también es real que, mientras la borrasca Claudia descarga su energía, hay satélites en órbita viendo exactamente qué está ocurriendo, algoritmos procesando esa información, meteorólogos interpretando lo que los algoritmos encontraron y sistemas de alerta automáticos enviando notificaciones a millones de españoles.
Eso es tecnología invisible que salva vidas. No es glamuroso como un smartphone o un coche eléctrico. Pero es más importante. Porque cuando Claudia pase, muchas personas estarán vivas porque supieron dónde estar horas antes de que la tormenta llegara.
Jorge Rey habrá adivinado bien. La AEMET habrá acertado con precisión. Ambos son correctos. Lo interesante es que ahora tenemos ambos: la intuición humana amplificada por máquinas que procesan datos a velocidad de la luz.
