¿CUÁNTO DEL CAMBIO CLIMÁTICO RECIENTE ES UN VAIVÉN PROPIO DE LA NATURALEZA?

Cada tendencia climática que observamos es la suma de dos cosas. Una es la respuesta forzada: el cambio impulsado por los gases de efecto invernadero, los aerosoles, el uso del suelo y las erupciones volcánicas. La otra es la variabilidad interna: los vaivenes propios del clima, como El Niño o las lentas oscilaciones de los océanos Pacífico y Atlántico. Distinguirlas importa, tanto para entender el cambio climático como para juzgar si los modelos climáticos aciertan.

El problema es que la realidad solo ocurre una vez. Los modelos climáticos pueden ejecutarse decenas de veces con el mismo forzamiento, y el promedio de esas ejecuciones revela la parte forzada. Pero los modelos tienen sesgos, y los trucos estadísticos más sencillos suelen suponer que el patrón forzado nunca cambia. Una comparación internacional reciente de estos métodos encontró que los errores seguían siendo grandes, y que los métodos de aprendizaje automático no lo hacían mejor que la estadística clásica.

El artículo ofrece un ejemplo aleccionador: la desaceleración del calentamiento global entre 1998 y 2012 se interpretó primero como señal de que el calentamiento causado por el ser humano se frenaba y de que los modelos se equivocaban, antes de reconocerse como variabilidad interna.

Una red que aprende el ruido

Parvathi Kooloth, Wenyu Zhou y sus colegas, del Pacific Northwest National Laboratory y de las universidades de California en San Diego y de Washington, construyeron una ConvLSTM, una red neuronal que combina la percepción de patrones espaciales con una memoria de cómo evolucionan. La entrenaron con grandes conjuntos de simulaciones de 15 modelos climáticos, usando mapas de temperatura en superficie, lluvia y presión a nivel del mar. Su tarea era reconocer los vaivenes naturales; lo que queda es la parte forzada.

Puesta a prueba en modelos que nunca había visto, superó a seis métodos existentes en temperatura, lluvia y presión durante la mayor parte del periodo histórico, con una excepción: una simulación que los autores consideran un caso atípico poco realista. Para el mundo real, se aplicaron diez versiones de la red, cada una entrenada con un conjunto distinto de diez modelos, al clima observado desde 1940.

Lo que encuentra en el registro real

• La desaceleración del calentamiento de 1998–2012 aparece como variabilidad natural, tal como concluyeron estudios posteriores. La parte natural de la temperatura global sigue de cerca la lenta oscilación del Pacífico.
• El Ártico. El calentamiento ártico observado ha alcanzado recientemente unas cuatro veces el ritmo global. Según la red, la parte forzada se mantiene casi constante en torno a tres veces. Los vaivenes naturales hicieron el resto: el Pacífico frenó el calentamiento global mientras que un vaivén regional propio, un modo de variabilidad ártico, potenciaba el calentamiento allí, sobre todo en 2005–2020.
• El Atlántico. El contraste de temperatura entre el Atlántico norte y el sur ha seguido una forma de V desde 1950. La parte forzada también baja y sube, en consonancia con el aumento y posterior descenso de la contaminación por aerosoles en el hemisferio norte. La variabilidad natural amplificó la oscilación y creó el profundo mínimo de las décadas de 1970 y 1980.
• El Pacífico y el suroeste de Estados Unidos. Desde 1980, el Pacífico ecuatorial oriental se ha calentado menos que el occidental, un patrón «tipo La Niña» que los modelos rara vez reproducen. La red indica que la respuesta forzada por sí sola habría producido un débil patrón opuesto, «tipo El Niño»; la variabilidad natural lo invirtió. Lo mismo vale para el refuerzo de las altas presiones sobre el noreste del Pacífico y la sequía del suroeste de Norteamérica: sobre todo naturales, con solo una modesta parte forzada.

Para varios de estos rasgos, la tendencia observada en 1980–2022 queda fuera del rango de la respuesta forzada estimada, un recordatorio de que una sola tendencia histórica puede ser una mala guía de lo que causaron los seres humanos.

Una prueba para los modelos

Como la red da una estimación explícita de la parte forzada, puede compararse directamente con lo que simulan los modelos. Los patrones generales coinciden: más calentamiento sobre la tierra y en latitudes altas, menos sobre el Atlántico norte subpolar y el océano Austral, trópicos y latitudes altas más húmedos, subtrópicos más secos. Pero los modelos calientan más el hemisferio norte, refuerzan menos las altas presiones subtropicales y secan menos la tierra. Los autores sugieren que los modelos actuales podrían subestimar cuánto secarán los continentes los cambios en los vientos.

Ellos mismos enumeran los límites. La red aprende de los modelos, así que un sesgo compartido por todos ellos podría engañarla. Es difícil ver desde dentro por qué funciona tan bien. Y supone que el promedio de un conjunto finito de simulaciones es la verdadera respuesta forzada. Dentro de esos límites, concluyen los autores, el aprendizaje automático puede hacer más sólida la atribución del cambio climático pasado y más exigente la evaluación de los modelos.