Un experto en modelización del clima global analiza cómo nuevos datos y nuevas técnicas están proporcionando una visión más clara que nunca de nuestro futuro atmosférico.
Aditi Sheshadri, modeladora climática , dice que si bien la previsión meteorológica y la proyección climática se basan en una ciencia similar, son disciplinas muy diferentes.
La previsión consiste en mirar hacia la próxima semana, mientras que la proyección consiste en mirar hacia el próximo siglo. Sheshadri le cuenta al presentador Russ Altman cómo los nuevos datos y técnicas, como los globos aerostáticos de gran altitud de bajo costo y la inteligencia artificial, están cambiando el futuro de la proyección climática en este episodio del podcast The Future of Everything de Stanford Engineering .Código para insertar
Escúchalo en tu plataforma de podcast favorita:
https://engineering.stanford.edu/media/oembed?url=https%3A//youtu.be/__lH62JCb6c&max_width=0&max_height=0&hash=bq3sB7A27wh692Om5K3s-MovzE3HkXPIM-Fik9fNtQc
Relacionado : Aditi Sheshadri , profesora asistente de ciencias del sistema terrestre
Transcripción
[00:00:00] Aditi Sheshadri: Constituyen una parte sustancial del presupuesto de momento de la corriente en chorro, que es un fenómeno a escala planetaria con el que todo el mundo está familiarizado. Si la corriente en chorro, por ejemplo, se desacelerara o acelerara, el tiempo que tardarías en llegar de Nueva York a Londres sería muy, muy diferente, ¿verdad? Así que el presupuesto de momento de la corriente en chorro está determinado en parte por estas ondas de gravedad.
[00:00:28] Russ Altman: Este es El futuro de todo de Stanford Engineering y yo soy su anfitrión, Russ Altman. Si está disfrutando del podcast y si le ha ayudado de alguna manera, considere compartirlo con sus amigos, familiares, vecinos y colegas. Las recomendaciones personales son una excelente manera de difundir noticias sobre el programa.
[00:00:43] Hoy, Aditi Sheshadri nos contará cómo la proyección climática le permite observar grandes áreas de la Tierra durante largos períodos de tiempo para comprender cómo es probable que evolucione el clima. Es el futuro de la proyección climática.
[00:00:58] Antes de comenzar, si estás disfrutando del programa, recuerda compartirlo con tu familia, amigos y colegas. Es una excelente manera de difundir las noticias sobre el programa y de asegurarnos de que todos estén al tanto de El futuro de todo.
[00:01:17] Entonces, cuando pensamos en el clima, pensamos en el tiempo. Pensamos en qué temperatura hará hoy, si habrá viento, si lloverá. Pero en un panorama más amplio, tenemos que pensar en el clima a medida que se desarrolla, en todo el mundo. ¿Cuáles serán las temperaturas promedio? ¿Veremos icebergs derritiéndose o formándose? ¿Cuáles serán las corrientes en chorro que mueven aire en grandes volúmenes de una parte del mundo a otra parte del mundo? Eso cae en el área de la proyección climática. La proyección climática nos dice cosas sobre cuándo tendremos ciclones. ¿Tendremos noventa ciclones este año o cincuenta o ciento cincuenta? Nos habla del vórtice polar y dónde podría estar la corriente en chorro y lo que eso podría significar para las tormentas de invierno. Podría decirnos sobre las interacciones costeras del clima con la tierra y muchos otros fenómenos basados en el clima.
[00:02:11] Bueno, Aditi Sheshadri es profesora de ciencias de los sistemas terrestres y miembro del Instituto Woods para el Medio Ambiente de la Universidad de Stanford. Es experta en proyecciones climáticas y utiliza tanto la física como los datos para modelar cómo cambia el clima a lo largo del tiempo y en grandes distancias. Nos va a contar cómo funciona esto en términos de modelar la física en cajas del clima, donde mide la temperatura, la presión y muchos parámetros. Tiene muchas cajas y observa cómo los elementos climáticos se mueven entre las diferentes cajas. También nos va a contar cómo obtuvo algunos datos gratuitos especiales de un experimento de Google que realmente no tenía nada que ver con la proyección climática y, sin embargo, fue una ganancia inesperada para ella.
[00:02:58] Aditi, eres experta en modelado climático, proyección climática, y eso es diferente de la previsión meteorológica. Por eso, quiero empezar preguntando cuál es la diferencia entre proyección climática y previsión meteorológica.
[00:03:10] Aditi Sheshadri: Correcto. Bueno, la proyección o predicción climática y la predicción numérica del tiempo (NWP, por sus siglas en inglés) son en realidad muy similares, ya que resuelven los mismos conjuntos de ecuaciones. Y las ecuaciones son básicamente ecuaciones de conservación.
[00:03:26] Entonces, si tienes una pequeña caja de la atmósfera, la masa, el momento y la energía en esa pequeña caja deben conservarse y todo lo que entra debe salir o aumentar ese contenido en la caja. Sin embargo, hay algunas diferencias muy importantes en el caso de la proyección climática, eh, no hay datos que entren en ese modelo normalmente. El modelo simplemente funciona libremente, simplemente se integra hacia adelante en el tiempo, a menudo durante cientos de años.
[00:03:52] En el caso de la predicción meteorológica, el modelo utiliza la asimilación de datos, lo que significa que a medida que el modelo avanza en el tiempo, se le proporcionan todas las fuentes de datos posibles. Y, además, se espera que la predicción meteorológica sea algo precisa, al menos en un rango de diez a catorce días. Quiero decir, cuando dice que va a llover, hay un cincuenta por ciento de posibilidades de que llueva en tres días, tendemos a tomarnos ese número bastante en serio.
[00:04:17] Russ Altman: Sí.
[00:04:17] Aditi Sheshadri: Se espera que sea literalmente cierto hasta cierto punto. En el caso de la predicción climática, preguntar qué tan caluroso será el 1 de junio de 2027 es una pregunta sin sentido, porque básicamente está más allá de la ventana del caos.
[00:04:34] Russ Altman: Sí.
[00:04:35] Aditi Sheshadri: Por lo tanto, la predicción climática tiene más que ver con tratar de entender las estadísticas en un clima cambiante. Entonces, una pregunta importante es cómo se verá junio en promedio dentro de cincuenta años. O cuál es el percentil noventa y cinco de lluvia que se espera que sea en promedio en junio, dentro de cincuenta años.
[00:04:55] Russ Altman: Está bien.
[00:04:56] Aditi Sheshadri: Son muy similares, pero tienen diferencias importantes.
[00:04:58] Russ Altman: Está bien. Eso es genial. Muchas gracias. Y hoy estamos hablando de proyecciones climáticas. Y usted dijo, bueno, en primer lugar, dijo ventana de caos, y esa es una gran frase. Tenemos que, solo quiero decir, presionemos enviar en ventana de caos. Pero yo, y, pero supongo que tiene este significado técnico. Bien. Vayamos allí. ¿Qué quiso decir con ventana de caos para su modelado?
[00:05:20] Aditi Sheshadri: Sí, no es un término técnico.
[00:05:22] Russ Altman: Me encanta, deberías patentarlo.
[00:05:25] Aditi Sheshadri: Pero lo que esto significa es que si tienes dos modelos, o si tienes el mismo modelo y lo inicializas con diferencias mínimas en las condiciones iniciales, como pequeños errores de redondeo infinitesimales en las condiciones iniciales, y ejecutas los modelos hacia adelante en el tiempo, comienzan a divergir entre sí, y uno va en una dirección, el otro en la otra.
[00:05:46] Russ Altman: Ya veo.
[00:05:47] Aditi Sheshadri: Y estos errores en las condiciones iniciales en el caso de los fluidos, de las ecuaciones de fluidos de la atmósfera, los errores se duplican cada cinco o seis días. Y al cabo de diez o catorce días, los modelos han perdido completamente de vista el hecho de que comenzaron con condiciones iniciales muy similares.
[00:06:05] Russ Altman: Bien. Es un poco como el efecto mariposa del que habla la gente, donde una pequeña diferencia…
[00:06:11] Aditi Sheshadri: Sí.
[00:06:11] Russ Altman: Eso es todo. Bien. Bien. Gracias. Dijiste varias otras cosas realmente interesantes. Una de las cosas que dijiste es que parte del componente esencial de este modelado es, creo que dijiste algo así como un volumen o un cubo de aire, como un cubo de atmósfera.
[00:06:26] Y entonces, una pregunta es, en tu área, ¿cuál es el tamaño de ese cubo? Por ejemplo, me preocupa el viento en mi patio trasero. Entonces, tal vez quiera que me hagas cubos de un pie, un pie por un pie, o, ya sabes, treinta centímetros por treinta centímetros. Pero, ¿qué tipo de escalas necesitas para obtener un modelo climático preciso?
[00:06:46] Aditi Sheshadri: Correcto. No hay forma de que pueda decirte nada sobre el viento en tu patio trasero. El modelo climático típico, como el de última generación, ahora tenemos una cuadrícula de aproximadamente cien por cien kilómetros.
[00:06:58] Russ Altman: Bien, muy grande, muy grande.
[00:07:00] Aditi Sheshadri: Son muy, muy, muy grandes. Por lo tanto, si hay ciudades muy adyacentes entre sí, el modelo no sabe la diferencia entre ellas.
[00:07:07] Russ Altman: Está bien.
[00:07:07] Aditi Sheshadri: Um, y de hecho has puesto el dedo en la llaga en un tema crucial en el modelado del clima o, de hecho, en el modelado de cualquier fluido. Y es que, obviamente, hay procesos que ocurren en escalas de longitud menores que cien por cien kilómetros. Y también hay procesos que ocurren en escalas de tiempo mucho más pequeñas que el paso de tiempo de un modelo.
[00:07:26] Russ Altman: Sí.
[00:07:27] Aditi Sheshadri: En este momento, mucha gente está dedicando sus pensamientos, esfuerzos y tiempo a esto: ¿cómo podemos incluir una representación significativa de lo que está sucediendo en una escala de longitud inferior a cien por cien kilómetros o inferior al intervalo de tiempo de un modelo climático, que será de unos treinta minutos aproximadamente?
[00:07:47] Russ Altman: Treinta minutos.
[00:07:47] Aditi Sheshadri: Um, entonces, si piensas, por ejemplo, en las nubes de lluvia, estoy mirando las nubes fuera de mi ventana, se forman en escalas de longitud muy, muy, muy pequeñas. Quiero decir, tienes una conexión que aumenta muy rápidamente en una pequeña fracción de cien por cien kilómetros.
[00:08:03] Russ Altman: Sí, sí.
[00:08:04] Aditi Sheshadri: Las nubes son un ejemplo muy, muy bueno de un proceso que involucra todo esto que sucede en escalas de longitud y de tiempo diminutas, que no tenemos esperanza de modelar. O, de hecho, no tenemos esperanza de modelar nunca debido a limitaciones computacionales. Y, sin embargo, nunca, quiero decir, más o menos en mi vida.
[00:08:19] Russ Altman: Correcto. Bien, eso me lleva a mi siguiente pregunta, que iba a ser: ¿estamos haciendo cien kilómetros cúbicos porque esa es la escala de longitud clave que te interesa? ¿O está limitada debido a las capacidades computacionales? Entonces, me parece que si pudieras hacer diez kilómetros o menos, lo harías. Porque obviamente hay muchos cubos de diez kilómetros en un cubo de cien kilómetros. Supongo que se trata de limitaciones computacionales.
[00:08:47] Aditi Sheshadri: Son limitaciones computacionales. El problema con el clima es que necesitamos decir algo sobre el clima dentro de cincuenta años, dentro de cien años, ¿cierto? Necesitamos estadísticas significativas sobre esas cosas y, para obtener ese tipo de estadísticas significativas, necesitamos recorrer cien kilómetros por cien.
[00:09:02] Russ Altman: Entendido.
[00:09:02] Aditi Sheshadri: Eso es lo que es posible. Y no es un cubo de cien por cien kilómetros.
[00:09:06] Russ Altman: Oh, lo siento.
[00:09:07] Aditi Sheshadri: Es un punto pequeño. No hay problema. La atmósfera es en realidad mucho más grande en escalas horizontales que en escalas verticales. Y entonces, el espaciamiento en la vertical no es de cien kilómetros, toda la atmósfera que se modela es de unos cien kilómetros. Entonces, es mucho más pequeña que eso en la,
[00:09:23] Russ Altman: Oh, entonces son pequeños panqueques, pequeños, pequeños panqueques,
[00:09:26] Aditi Sheshadri: Son pequeños panqueques. Sí, me encantan.
[00:09:28] Russ Altman: De acuerdo. Entendido. De acuerdo. Ahora, la otra cosa que dijiste es que el tiempo que utilizas en tus simulaciones, en otras palabras, haces un montón de cálculos y luego vuelves a calcular para el futuro, ese tiempo es de treinta minutos. ¿De dónde viene eso? ¿Cuánto de eso se basa en cálculos, restricciones computacionales y cuánto de eso se debe a que ese es el tipo de preguntas que estás haciendo?
[00:09:48] Aditi Sheshadri: Correcto. Um, entonces con cualquier solucionador numérico de Navier-Stokes, perdón, Navier-Stokes, uh, son las ecuaciones de continuidad, la, uh, conservación de la masa, el momento y la energía. Entonces, con, uh, con cualquier aplicación, no tiene que ser, uh, fluidos en la Tierra, puede ser cualquier aplicación. La longitud inherente y las escalas de tiempo con las que puede lidiar el solucionador de ecuaciones están acopladas a, uh, factores que establecen la estabilidad numérica de su esquema. Y entonces, si especifica su resolución horizontal, también está especificando el paso de tiempo.
[00:10:20] Russ Altman: Ya veo.
[00:10:21] Aditi Sheshadri: Entonces, ambas cosas están determinadas por la cantidad de computación que podamos aplicarles, básicamente.
[00:10:26] Russ Altman: De acuerdo. Entonces, los treinta minutos están relacionados con el hecho de que si lo hicieras, si esperaras una hora, las cosas habrían cambiado demasiado y tus ecuaciones podrían no ser precisas más. Probablemente,
[00:10:37] Aditi Sheshadri: Bueno, explotan.
[00:10:38] Russ Altman: Sí, explotarían. Y podrías hacerlo durante diez minutos, pero no necesitas diez minutos. ¿Eso también es cierto?
[00:10:44] Aditi Sheshadri: Podrías hacerlo durante diez minutos, pero no es necesario, es una especie de optimización.
[00:10:51] Russ Altman: Está bien.
[00:10:51] Aditi Sheshadri: Entre lo que es factible computacionalmente y lo que es estable también.
[00:10:56] Russ Altman: Bien, genial. Mi última pregunta sobre la configuración es que también hiciste referencia a que cuando miras este volumen, hay parámetros dentro de este volumen. Creo que dijiste que el aire entra y sale y que debes asegurarte de no crear aire ni destruirlo. Entonces, dame una idea de los tipos de… Supongo que la temperatura es una de esas cosas, pero no lo sé. Entonces, ¿cuáles son los parámetros en uno de estos pequeños panqueques que realmente estás modelando o midiendo?
[00:11:22] Aditi Sheshadri: Densidad, temperatura, los vientos en tres direcciones, entonces U, V y luego W, uh, viento vertical.
[00:11:30] Russ Altman: Sí.
[00:11:30] Aditi Sheshadri: La presión, la temperatura y la densidad están relacionadas entre sí.
[00:11:33] Russ Altman: Sí.
[00:11:33] Aditi Sheshadri: Por la ecuación de estado. Y luego, esas son las variables dinámicas, y también nos preocupamos mucho por el vapor de agua, ¿verdad? Entonces, ¿cuánto vapor de agua hay en esa caja? ¿Está lloviendo? Si llueve, la cantidad de vapor de agua disminuye, ¿verdad? Y la fracción de nubes es otra cosa. Y luego hay todo tipo de otras cosas que puedes agregar. Quiero decir, puedes rastrear exactamente la cantidad de CO2 en esa caja. Entonces puedes rastrear la cantidad de ozono en esa caja y cosas así.
[00:12:00] Russ Altman: Está bien, está bien.
[00:12:01] Aditi Sheshadri: Pero luego pasamos al ámbito de la química, lo que hace que el modelo sea mucho más bajo.
[00:12:06] Russ Altman: Sí.
[00:12:06] Aditi Sheshadri: Pero, desde una perspectiva dinámica, que es en lo que pienso, soy especialista en dinámica de fluidos, nos interesa la velocidad con la que se mueve el aire. El viento en tres direcciones, y luego nos interesan cosas como la densidad, la presión y la temperatura.
[00:12:18] Russ Altman: Genial. Ahora bien, ya sé, porque he visto sus artículos antes de que charláramos, que una de las cosas que más afecta a las temperaturas son los océanos, y también lo sé por haber leído las noticias. ¿Sus modelos tienen que contener agua o algún tipo de representación de los océanos o no?
[00:12:40] Aditi Sheshadri: Exacto. Si quieres hacer todo bien, tendrás el océano profundo acoplado a la atmósfera, lo que también hace que las cosas sean muy, muy, muy lentas.
[00:12:49] Russ Altman: Correcto.
[00:12:49] Aditi Sheshadri: Hay varias formas de hacer versiones de eso. Quiero decir, hay algo llamado océano de capas mixtas donde solo tienes la parte superior como cincuenta metros o cien metros del océano que está acoplada a la atmósfera. Otro truco es que puedes especificar la temperatura de la superficie del mar para que la temperatura esté en la base de tu modelo. Una buena cosa para hacer es tomar un modelo de océano profundo y lo llamamos «spin it up». Entonces, es como ejecutarlo hacia adelante durante algunos cientos de años y luego usar ese estado de spin up como la base de tu modelo atmosférico. Eso es algo sensato de hacer.
[00:13:24] Pero creo que cualquier pregunta que me hagan va a abrir toda una caja de Pandora, porque con el océano profundo, eh, creemos que las corrientes oceánicas profundas en realidad llegarán a un equilibrio en una escala de tiempo de más o menos mil años. Y por lo tanto, el funcionamiento del océano profundo acoplado a una atmósfera en una escala de tiempo de mil años probablemente no va a suceder en un futuro próximo. Es simplemente, de nuevo, algo complicado. Pero creemos que en las escalas de tiempo de décadas, diez, veinte, treinta años, el océano no debería desempeñar un papel importante en términos de cambios de temperatura atmosférica. Por supuesto, tiene un papel en cosas como El Niño y La Niña, cosas así. Pero en términos de tendencias,
[00:14:06] Russ Altman: Sí.
[00:14:06] Aditi Sheshadri: El océano cambia muy, muy, muy lentamente.
[00:14:09] Russ Altman: De acuerdo. Eso tiene sentido. Por un período de diez o veinte años, puedes fingir que el océano es constante, aunque sabes que cambia, pero lo hace muy lentamente. De acuerdo. Gracias. Eso llevó algo de tiempo, pero creo que ahora tenemos una buena visión de lo que estás haciendo. Y estas son las grandes preguntas. Y esto es lo que te entusiasma. ¿Qué tipo de preguntas puede hacer tu laboratorio ahora con la capacidad de hacer este tipo de modelos?
[00:14:35] Aditi Sheshadri: Sí, la capacidad de hacer este tipo de modelos existe desde hace tiempo. Doy una clase sobre modelado climático y hablamos sobre el primer modelo climático que surgió en los años 70.
[00:14:46] Así que eso ha estado ahí por un tiempo. Creo que ha habido un gran resurgimiento en el interés en el modelado climático últimamente por varias razones. Uh, volviendo a una de las cosas que dijimos antes, pensamos mucho en cómo estos llamados procesos a escala de subcuadrícula. Con lo que me refiero a cosas que suceden en escalas de longitud y escalas de tiempo, más pequeñas que una caja de cuadrícula de modelo climático, pueden resolverse de manera significativa. Hay varios procesos de este tipo, hay convección, lluvia, cierto, nubes, pienso mucho en este proceso llamado ondas de gravedad atmosféricas.
[00:15:17] Russ Altman: Sí, eso es genial. Quería preguntarte sobre las ondas gravitacionales, porque suena genial. Cuéntame sobre las ondas gravitacionales.
[00:15:23] Aditi Sheshadri: Bueno, de vez en cuando suelo hablar un poco con físicos. Las ondas de gravedad no son ondas gravitacionales, que son arrugas en el espacio-tiempo, ¿verdad? No es eso. Las ondas de gravedad atmosféricas son realmente omnipresentes en la atmósfera, se producen cada vez que el aire se mueve sobre algún obstáculo, como una montaña, um, hay toda esta orografía en la superficie de la Tierra, ¿verdad?
[00:15:45] Y luego se ven forzadas cada vez que hay una tormenta, como una gran tormenta convectiva, un ciclón tropical, chorros y frentes, se ven forzadas prácticamente en todas partes de la atmósfera. Y se propagan tanto vertical como horizontalmente. Así que realmente se puede decir que hay todas estas pequeñas islas diminutas en los océanos, justo en el Pacífico. Y se puede decir que esas islas existen a miles de kilómetros de distancia porque las ondas de gravedad son forzadas sobre ellas. Viajan miles de kilómetros. Y luego, en algún punto de la atmósfera, se rompen, como las olas rompen en la playa.
[00:16:17] Russ Altman: Sí.
[00:16:18] Aditi Sheshadri: Se rompen en la atmósfera y depositan pequeñas cantidades de impulso en el lugar donde se rompen. Por lo tanto, ralentizan el flujo en la caja donde se rompen en el modelo.
[00:16:28] Russ Altman: Correcto.
[00:16:28] Aditi Sheshadri: Y son un buen ejemplo de cómo puede ser la dinámica de fluidos geofísicos a múltiples escalas, porque pueden variar en escalas de longitud planetaria, desde un metro hasta diez metros.
[00:16:43] Russ Altman: Eso significa que capturarás algunos de ellos en tus cajas, pero algunos de ellos serán mucho más pequeños que tu caja.
[00:16:50] Aditi Sheshadri: Exactamente. Y también tienen un amplio rango de variabilidad en el tiempo. Por lo tanto, tienen un rango enorme de frecuencias. Por lo tanto, pueden ser muy, muy, muy rápidos o pueden ser un poco lentos.
[00:17:00] Russ Altman: Está bien.
[00:17:01] Aditi Sheshadri: Entonces, sí, y el problema es que, si bien son de nivel inferior, es decir, no lo son, todo el espectro de estas ondas no está bien capturado en un modelo.
[00:17:12] Russ Altman: Sí.
[00:17:12] Aditi Sheshadri: Parecen jugar un papel muy importante en forzar la circulación atmosférica, por lo que constituyen una parte sustancial del presupuesto de momento de la corriente en chorro, que es un fenómeno a escala planetaria con el que todos estamos familiarizados.
[00:17:25] Russ Altman: Sí.
[00:17:25] Aditi Sheshadri: Si la corriente en chorro, por ejemplo, se desacelerara o acelerara, el tiempo que tardarías en llegar de Nueva York a Londres sería muy, muy diferente, ¿verdad? Por lo tanto, el presupuesto de impulso de la corriente en chorro está determinado en parte por estas ondas de gravedad.
[00:17:39] Russ Altman: Ya veo.
[00:17:40] Aditi Sheshadri: Por ejemplo, desempeñan un papel importante en el vórtice polar, que es otra característica del clima que me interesa mucho. Lo he estado estudiando durante diez años, pero hablaremos de eso otro día.
[00:17:50] Russ Altman: Genial.
[00:17:52] Este es El futuro de todo con Russ Altman, más con Aditi Sheshadri a continuación.
[00:18:10] Bienvenidos nuevamente a El futuro de todo. Soy Russ Altman y estoy hablando con Aditi Sheshadri de la Universidad de Stanford.
[00:18:15] En el último segmento, nos hicimos una idea de cómo funciona la proyección climática. Hay unos pequeños cuadros del tamaño de un panqueque a escala de kilómetros donde medimos los fenómenos físicos relacionados con el clima. Tenemos muchos de esos cuadros y podemos actualizar el clima en ellos cada treinta minutos y podemos hacerlo durante meses o años o incluso más tiempo. Como resultado, tenemos una buena imagen de cómo podría evolucionar el clima en el futuro.
[00:18:43] En este segmento, vamos a hablar sobre algunas de las áreas de aplicación. ¿Qué se puede hacer con esto? ¿Qué tipo de cosas se pueden estudiar? Cosas como el vórtice polar.
[00:18:51] En esta sección, quería preguntarle sobre los tipos de fenómenos climáticos que usted y su grupo pueden estudiar utilizando estas herramientas. ¿Qué es lo más interesante en estos días?
[00:19:02] Aditi Sheshadri: Correcto. Obviamente hemos estado trabajando mucho en las ondas de gravedad. He estado pensando en el vórtice polar, como dije, durante diez años. De eso se trataba mi tesis doctoral. Entonces, el vórtice polar es esto, uh, se forma cada invierno sobre ambos polos. Existe en la estratosfera, que es la segunda capa de la atmósfera por encima de donde vivimos. Y aproximadamente cada dos inviernos en el hemisferio norte, hace esta cosa hermosa y emocionante, donde puede romperse.
[00:19:29] En realidad, hay dos tipos de cosas que hace. Una es que puede dividirse en dos pequeños vórtices llamados vórtices hijos. Y la otra cosa que puede hacer es simplemente desplazarse fuera del polo. Vive en la parte superior del polo, pero puede desplazarse fuera del polo, y cuando lo hace, la corriente en chorro en la troposfera donde vivimos tiende a moverse un poco hacia el norte y el sur, cambiando así el lugar donde golpean las tormentas en la costa este, por ejemplo.
[00:19:55] Russ Altman: Está bien.
[00:19:55] Aditi Sheshadri: Entonces, después de uno de estos eventos, se puede tener un clima invernal realmente extremo. Eso es algo que mi grupo estudia bastante. Recientemente, tengo un estudiante que ha estado muy interesado en los ciclones tropicales. Por lo tanto, una gran pregunta abierta desde que tengo memoria ha sido: ¿qué determina la cantidad de ciclones tropicales que la Tierra ve cada año?
[00:20:16] Russ Altman: Oh, sí.
[00:20:17] Aditi Sheshadri: En realidad, es algo fijo. Se fija en unos noventa ciclones tropicales cada año. Y no sabemos realmente por qué podría ser así. Mi estudiante Adam ha estado estudiando eso, probablemente terminará el año que viene, así que esta es una buena publicidad de lo que ha estado haciendo.
[00:20:32] Russ Altman: Sí, bien. Buen trabajo, Adam.
[00:20:34] Aditi Sheshadri: Correcto. Con Adam, hemos estado pensando en qué determina esta cantidad de ciclones tropicales y, eh, recientemente obtuvo este resultado muy interesante en el que relacionó la cantidad de ciclones tropicales que vemos en la Tierra con la latitud de esta gran franja de lluvia en los trópicos. Se llama ZCIT, la Zona de Convergencia Intertropical. Así que hemos estado trabajando con esta idea de que la Zona de Convergencia Intertropical te da estas perturbaciones precursoras, o no sé cómo llamarlas, semillas.
[00:21:01] Russ Altman: Sí, pequeñas, pequeñas semillas ciclónicas.
[00:21:03] Aditi Sheshadri: Little, cierto. Y descubrimos que cuando la latitud de la ZCIT está más al norte, hay más ciclones tropicales. Y cuando la ZCIT está más al sur, hay menos ciclones tropicales. Y es una idea que funcionó extraordinariamente bien en las observaciones.
[00:21:20] Russ Altman: Oh, eso es emocionante porque en realidad podría llevar a que, bien, este año, en función de dónde está nuestra ZCIT, estamos diciendo que va a ser más de noventa. Así que nos atrincheramos en este año que podría ser un poco más ligero. Muy interesante.
[00:21:34] Aditi Sheshadri: Y también, quiero decir, podría ayudar en el contexto de un clima cambiante, porque, eh, si tenemos proyecciones confiables de dónde estará la ZCIT en una cuenca oceánica determinada, se puede pensar en cuántos ciclones tropicales se esperarían con años de anticipación. Si tienes alguna idea de las estadísticas, como dije antes, de dónde estará la ZCIT.
[00:21:53] Russ Altman: Muy bien. Esto es fantástico. ¿Y quién es la recepción? Cuando se hace este tipo de modelado, y especialmente cuando se obtiene un buen resultado, como acaba de describir, ¿hay agencias, como el gobierno u otras, que son los receptores de sus hallazgos? Estoy seguro de que estos modelos podrían tener consecuencias prácticas para los responsables de las políticas. ¿Y la gente está escuchando? ¿Cómo hacen los científicos como usted para difundir sus hallazgos entre las personas pertinentes?
[00:22:23] Aditi Sheshadri: Sí. Hablo bastante con gente que se dedica a la modelización climática. Tengo amigos en GFDL y NCAR y lugares así, que realmente construyen modelos climáticos. Y, recientemente, me he convertido en parte de un programa, no recientemente, han pasado dos o tres años, pero que en realidad está financiado por Schmidt Futures, ahora llamado Schmidt Sciences, o lo que sea, para, eh, conducir a mejoras sistemáticas en los modelos climáticos globales.
[00:22:50] Russ Altman: Sí.
[00:22:50] Aditi Sheshadri: Y todos hablamos entre nosotros y con personas en los centros de modelado. Pero en términos de aplicación de políticas, creo que las personas como yo necesitamos mejorar mucho en términos de cómo nos comunicamos.
[00:23:00] Russ Altman: Quiero decir, este es un tema que comparten muchos de mis invitados, incluido yo mismo, y es que, como bien saben, los científicos no están capacitados para hacer políticas. Estamos capacitados para hacer ciencia. Y, sin embargo, gran parte de lo que hacemos es de interés para los responsables de las políticas. Y es por eso que pregunté. Y parece que están observando.
[00:23:16] Y, por supuesto, en esta etapa de tu carrera, solo estás tratando de hacer que los modelos funcionen y hagan cosas útiles. Y luego, a medida que obtengas estos resultados, como los resultados de Adam, puedo imaginar que te sentirás atraído por estas conversaciones porque la gente dirá, oh, esto podría afectar la forma en que asignamos recursos o algo así.
[00:23:33] Aditi Sheshadri: Absolutamente.
[00:23:33] Russ Altman: Cuéntame acerca de, eh, ¿cuáles son las cosas interesantes de la frontera que te entusiasman cada mañana?
[00:23:41] Aditi Sheshadri: Exacto. Una frontera emocionante es utilizar una combinación de observaciones. Por ejemplo, yo estoy utilizando nuevas observaciones de esta flota de globos en la atmósfera superior. En realidad, surgió de un proyecto que fue creado por Google y no tenía nada que ver con la ciencia atmosférica o el clima. Simplemente estaban colocando globos en la atmósfera superior para proporcionar Internet a todos los que estaban abajo.
[00:24:04] Russ Altman: Sí.
[00:24:04] Aditi Sheshadri: Pero tengo en mis manos estos datos y los estamos usando para proporcionar restricciones sobre las ondas de gravedad atmosféricas. Y es algo mágico porque obtuvimos los datos completamente gratis. Por ejemplo, si pusiéramos una docena de globos en la atmósfera superior en una campaña científica de globos aerostáticos, costaría alrededor de decenas de millones de dólares. Y esto son mil globos y está proporcionando una cobertura prácticamente global, no exactamente, pero prácticamente global, y es completamente gratis.
[00:24:33] Russ Altman: Vaya.
[00:24:34] Aditi Sheshadri: Entonces, si usamos nuevas observaciones como estas en combinación con modelos de muy alta resolución, pero que se ejecuten durante un período breve o en dominios pequeños y limitados, y nuevos métodos, como métodos basados en datos, aprendizaje automático, para inferir algunas de las cosas de las que hablé, ¿cómo afectan estas escalas más pequeñas a las escalas más grandes?
[00:24:54] Russ Altman: Sí, esto suena emocionante porque su conversación inicial fue sobre física. Y parece que ahora están fusionando algunas nuevas fuentes de datos. Y eso es en realidad lo que dijeron que estaban haciendo los meteorólogos, pero parece que ahora ustedes, los expertos en clima, también están haciendo lo mismo.
[00:25:08] Aditi Sheshadri: Exactamente.
[00:25:09] Russ Altman: Muy, muy emocionante. Quería preguntarte también, y me olvidé de preguntarte, así que me alegro de que tengamos un poco de tiempo. Hay mucho en las noticias estos días sobre, eh, geoingeniería del clima, poner cosas, me parece que tus herramientas son relevantes para esas preguntas. Si pongo un montón de cosas en el aire a propósito para tratar de, por ejemplo, remediar el calentamiento global o algo así. Um, dime, eh, ¿tu trabajo interactúa con eso? Y si tienes opiniones o inquietudes, me encantaría escuchar tu opinión sobre esta, eh, disciplina de ingeniería climática que parece estar surgiendo.
[00:25:45] Aditi Sheshadri: Correcto. Por lo tanto, definitivamente se necesitaría hacer una gran cantidad de modelado muy cuidadoso para tratar de comprender los efectos secundarios de hacer algo como esto. Por lo tanto, he dicho que la atmósfera es multiescalar, también es altamente no local, por lo que si hicieras algo, afectaría a quién sabe qué otro lugar.
[00:26:03] Russ Altman: Correcto.
[00:26:04] Aditi Sheshadri: La forma más común de geoingeniería es colocar aerosoles de sulfato en la estratosfera. La estratosfera es un tema de gran interés para mí, y las consecuencias de algo así serían de gran alcance. Y algunos de los efectos secundarios pueden ser completamente imprevistos. Por lo tanto, se debe desarrollar una gran cantidad de modelos y una gran cantidad de comprensión, tanto física como basada en modelos, antes de intentar algo en ese sentido.
[00:26:32] Russ Altman: Bien. No sé si esta es una pregunta demasiado directa, pero ¿sus modelos están listos para funcionar? ¿Podemos agregar un poco de sulfato a sus modelos? Hablamos un poco sobre la química y lo escuché decir alto y claro, que eso hace que muchos modelos se ralenticen porque luego hay que agregarle química.
[00:26:47] Entonces, ¿es esto algo que probablemente estés considerando? ¿Y está dentro del alcance? Y, eh, porque me parece que tienes toda la razón, realmente necesitamos hacer una simulación exhaustiva antes de tomar decisiones tan importantes sobre cómo jugar con estos fenómenos a gran escala.
[00:27:06] Aditi Sheshadri: Correcto. Es algo que se puede hacer ahora con la generación existente de modelos. E incluso si no tienes química interactiva, puedes poner alguna versión de los efectos de hacer algo como esto en la temperatura y ver qué sucede después, ¿cierto? Y también hay gente que está pensando mucho en emuladores de modelos en lugar de ejecutar el modelo en sí. Entrenas un emulador y luego ejecutas el emulador en lugar del modelo.
[00:27:32] Russ Altman: ¿Entonces pasas de la física a enfoques de tipo IA?
[00:27:36] Aditi Sheshadri: Correcto. Y el emulador es tan preciso como el modelo en el que lo entrenas. Funciona bien en el régimen en el que lo has entrenado y la generalización es un problema. Es decir, la generalización es cuando el modelo ve algo que no había visto antes.
[00:27:49] Russ Altman: Sí.
[00:27:50] Aditi Sheshadri: Y sí, estamos en un punto en el que podemos hacer experimentos de geoingeniería con modelos, seguro. No es algo que yo haga. Creo que estudiarlo es algo muy bueno.
[00:28:03] Russ Altman: Y parece que estás contribuyendo a la comprensión de cómo hacer mejor estos modelos. Y, por lo tanto, si fuera un apostador, apostaría a que en los próximos años, podrías sentirte atraído por esto simplemente por la oportunidad convincente. Pero veremos cómo se desarrolla eso.
[00:28:19] Gracias a Aditi Sheshadri. Esa fue la proyección del futuro del clima.
[00:28:23] Gracias también por escuchar este episodio. Ya sabes, nos estamos acercando a los trescientos episodios en nuestros archivos, así que tienes una gran selección de debates sobre una amplia variedad de temas que te ayudarán a estar al tanto de El futuro de todo.
[00:28:38] Además, si disfrutas del programa o si te ha ayudado de alguna manera, considera calificarlo y comentarlo. De hecho, nos gusta obtener un cinco si lo merecemos. Así que considera hacerlo. Ayuda mucho. Puedes conectarte conmigo en X o Twitter @RBAltman, y puedes conectarte con Stanford Engineering @StanfordENG.
Stanford Ingeniería. Traducido al español