NUBES SIN MECÁNICA DE FLUIDOS

Nadie modelaría el agua de una tubería siguiendo cada molécula: las leyes de la mecánica de fluidos hacen el mismo trabajo «en un portátil en lugar de en un centro de datos». Pero la atmósfera terrestre es un fluido tan complejo que incluso esas leyes vuelven a necesitar un centro de datos. Ese es el punto de partida de la tesis doctoral de Thomas DeWitt, presentada en el Departamento de Ciencias Atmosféricas de la Universidad de Utah bajo la dirección de Timothy Garrett.

Las cifras son abrumadoras. Para que un modelo meteorológico fuera numéricamente exacto, su malla tendría que llegar a escalas de alrededor de un milímetro, donde los movimientos turbulentos acaban por extinguirse. Los modelos más avanzados de hoy, con escala kilométrica, resuelven menos de la mitad del rango de escalas en juego. Un modelo climático de nueva generación aún debe aproximar unas 10¹⁸ circulaciones de escala milimétrica dentro de cada celda de la malla. Almacenar el campo de temperatura de la baja atmósfera en un solo instante ocuparía unos 10²⁹ bytes. Y pese a modelos cada vez más finos, la dispersión entre ellos en cuanto a la sensibilidad climática no se ha reducido en 40 años, señala la tesis.

En busca de leyes un nivel más arriba

La pregunta de DeWitt: ¿existen leyes emergentes del tiempo y del clima, igual que la mecánica de fluidos emerge de innumerables moléculas? Su respuesta parte de una simetría, la invariancia de escala: dentro de un amplio rango, la atmósfera a una escala se parece a una versión estirada de sí misma a otra escala.

Los primeros capítulos, dos de ellos ya publicados en la revista Atmospheric Chemistry and Physics, sostienen que esta simetría a menudo ha quedado oculta por artefactos de medida. Las nubes cortadas por el borde de una imagen de satélite pueden crear un límite de tamaño ficticio y sesgar las medidas entre un 20 y un 30 %. Los huecos en las nubes distorsionan la manera habitual de medir su forma fractal. Y las medidas de viento de los globos sonda y las sondas lanzadas desde aviones (dropsondes) no muestran los cambios de régimen esperados con la escala: encajan con una única turbulencia estirada, «anisótropa», propuesta por Shaun Lovejoy y Daniel Schertzer.

El turbulón

El quinto capítulo convierte esto en un modelo. Su pieza básica es el turbulón (turbulon): una versión matemática precisa del «remolino» de la teoría clásica de la turbulencia. Un turbulón es un haz de protuberancias localizadas de la misma forma en todos los campos atmosféricos (temperatura, humedad, energía), cada una con su propia intensidad. Cuanto mayor es un turbulón, más aplanado es, siguiendo la ley de la turbulencia estirada. Un campo de nubes no es entonces más que un montón de innumerables turbulones de todos los tamaños.

El Superposition of Turbulons and Eddies Atmospheric Model, STEAM (modelo atmosférico por superposición de turbulones y remolinos), trabaja desde los turbulones más grandes hasta los más pequeños, añadiendo perturbaciones a cada tamaño. Después calcula dónde se condensa el agua en nube. Nunca resuelve las ecuaciones de Navier-Stokes y no tiene pasos de tiempo. Como datos de entrada, solo necesita perfiles verticales medios de humedad y energía, más unas pocas constantes.

Un campo de cúmulos simulado por STEAM y representado mediante trazado de rayos por pasos (ray-marching). — Figura 5.1, DeWitt (2026), arXiv:2609.30589.

¿Hasta qué punto se parece a la realidad?

DeWitt comparó 330 simulaciones de STEAM con simulaciones de muy alta resolución de dos campañas de campo tropicales, cada una con más de mil millones de puntos de malla, y con nueve modelos de un proyecto internacional de comparación. A menudo, las diferencias entre STEAM y un modelo de referencia eran más o menos tan grandes como las diferencias entre dos modelos de referencia. Sin embargo, los defectos son claros: entre dos y cinco veces demasiada nubosidad baja, demasiada variabilidad de temperatura cerca del suelo y un pico espurio de variabilidad cerca de la tropopausa, donde STEAM detecta el cambio brusco del perfil medio pero no su sentido. Sin lluvia en el modelo, el agua de las nubes también se acumula demasiado alto en núcleos densos.

La sorpresa llega desde el espacio. Comparada con 72 imágenes de satélite, la geometría de las nubes de STEAM (lo irregulares que son sus bordes, cómo se distribuyen sus tamaños) coincidió con las observaciones tan bien o mejor que las simulaciones de referencia, para un ajuste del modelo. Algunos de los desacuerdos de STEAM, sugiere el autor, podrían revelar debilidades de los modelos de referencia.

La misma simulación con la escala a la que los turbulones son redondos fijada en 10, 30 y 100 metros: de cúmulos finos y dispersos a cúmulos congestus de gran desarrollo. — Figura 5.12, DeWitt (2026), arXiv:2609.30589.

Un millón de veces más barato, con condiciones

En un ordenador de sobremesa, el modelo de referencia CM1 necesita unos 29 días de cálculo para una simulación de 100 días. Un campo de STEAM equivalente tarda 1,7 segundos. Como STEAM produce cada instantánea independiente directamente, sin periodo de arranque (spin-up), DeWitt estima que es entre 100.000 y un millón de veces más barato por instantánea.

La contrapartida está explicada en la propia tesis. STEAM no predice su propio estado medio: lo toma prestado de otro modelo. Su escala de «redondez» es fija para toda una simulación, de modo que las tormentas profundas y las nubes altas y finas nunca comparten un mismo volumen. Y como no tiene tiempo, no puede predecir el tiempo de mañana: su fuerte es la estadística. La tesis concluye que las ecuaciones de Navier-Stokes «quizá no sean, de hecho, necesarias» para simular el tiempo y el clima; por ahora, eso sigue siendo una propuesta a la espera de que alguien construya sobre ella.