Necesidad de previsiones a medio plazo en los sistemas de alerta temprana para mejorar los resultados en materia de riesgos
Los fenómenos meteorológicos de alto impacto -inundaciones, tormentas, ciclones- amenazan la vida humana y los bienes materiales, además de afectar a la economía e infligir importantes riesgos sociales. La capacidad de predecir estos fenómenos con exactitud y suficiente antelación permite a las personas prepararse para ellos. También es más rentable: un dólar invertido en la preparación ante catástrofes -que reduce la vulnerabilidad de las personas a sus efectos- puede evitar pérdidas económicas relacionadas con catástrofes por valor de seis dólares.
Con la actual trayectoria del cambio climático mundial, los países se enfrentan a un aumento continuo de la frecuencia e intensidad de los fenómenos meteorológicos extremos. Cada vez se presta más atención a la evaluación de los riesgos climáticos y de catástrofes, al refuerzo de los sistemas de alerta temprana y actuación precoz, y a la identificación de opciones de adaptación, mitigación y reducción de riesgos.
La resiliencia ante los fenómenos meteorológicos de alto impacto requiere un enfoque integrado de la gestión de riesgos. Esto debe incluir la identificación inicial de un peligro, la creación de un registro de riesgos, el desarrollo de alertas de peligro y la comunicación de riesgos, así como la preparación y la respuesta ante un suceso cuando se produzca.
Cómo medimos el tiempo
Los modelos de predicción meteorológica a corto y medio plazo (hasta 10 días), como los que están disponibles en los teléfonos inteligentes, combinan modelos de la atmósfera y los océanos con observaciones meteorológicas actuales para hacer predicciones.
En cambio, las previsiones estacionales a medio y largo plazo intentan predecir la diferencia del clima con respecto a la normalidad en los próximos tres meses (es decir, si hará más calor o más frío). Se basan en cambios más lentos de los patrones planetarios, que pueden influir en el tiempo durante varios meses. Algunos ejemplos son los patrones intermitentes de calentamiento oceánico (por ejemplo, El Niño) y la extensión de la cobertura de hielo marino en el Océano Ártico.
Las previsiones a medio plazo son especialmente difíciles, ya que la información inicial de los modelos a corto plazo ya no es tan útil, mientras que los factores climáticos a largo plazo asociados a las previsiones a largo plazo aún no son evidentes(OMM, 2012). Sin embargo, los avances tecnológicos hacen que este campo esté mejorando, a medida que surgen mejores modelos informáticos y nuevos conocimientos sobre los patrones atmosféricos y oceánicos que impulsan el clima a largo plazo(Witze, 2020).
Predicción por conjuntos y actuación temprana
Cada vez es mayor la demanda de predicciones con mayor antelación, ya que una previsión eficaz de peligros como inundaciones, sequías y ciclones tiene el potencial de permitir acciones tempranas que salven vidas y reduzcan el impacto económico de un suceso. Por ejemplo, el enfoque de financiación basado en la previsión anticipa las catástrofes y reduce su impacto permitiendo a las comunidades acceder a financiación humanitaria para acciones tempranas, basándose en información de previsión y análisis de riesgos en profundidad. Este enfoque ha sido implementado por 30 Sociedades Nacionales de la Cruz Roja y de la Media Luna Roja (hasta 2020), y ha inspirado enfoques de anticipación similares por parte de otros actores humanitarios, incluidas agencias de la ONU y ONG. El Anticipation Hub dispone de un mapa mundial de iniciativas de Acción Anticipatoria.
Las predicciones basadas en conjuntos son una forma de mejorar las previsiones a medio plazo y aumentar los plazos de entrega, dos factores que contribuyen a posibilitar la acción anticipatoria. En lugar de utilizar un único modelo meteorológico, se basan en un conjunto (grupo) de modelos meteorológicos, que ofrecen una gama de posibles resultados meteorológicos futuros. También ofrecen la posibilidad de medir el tiempo en plazos que suelen oscilar entre una semana y un mes. Estos sistemas probabilísticos de previsión meteorológica son cada vez más frecuentes.
Este tipo de modelización se utiliza habitualmente para seguir los resultados de los ciclones tropicales. Por ejemplo, el 15% de los miembros del conjunto pueden seguir la trayectoria de un ciclón tropical formado en el suroeste del Pacífico hacia el norte de Nueva Zelanda, mientras que el 85% de los miembros del conjunto muestran que permanecerá en los trópicos. Esta división de los resultados ayuda a los responsables de la toma de decisiones, ya que los percentiles pueden utilizarse para evaluar el riesgo, algo que no sería posible si se utilizara un único modelo meteorológico.
Los agentes humanitarios y de desarrollo ya están utilizando las previsiones de conjunto para generar umbrales de inundación y desencadenar acciones tempranas (véase el estudio de caso 1). De hecho, muchos servicios nacionales de predicción están evolucionando hacia servicios de predicción y alerta basados en el impacto de peligros múltiples que traducen los peligros en impactos y respuestas específicos para cada sector y lugar(OMM, 2018).
Para ser eficaz, la predicción basada en el impacto requiere la colaboración con otros responsables de la toma de decisiones, incluidos los gestores de desastres y emergencias, los organismos humanitarios, las partes interesadas y las comunidades(The Future of Forecasts, 2021). Cada día adicional de alerta proporciona a los gestores de emergencias y a los organismos humanitarios más tiempo para preparar a las comunidades ante los riesgos y reducir el impacto de las catástrofes. Esto se traduce en la adopción de medidas tempranas, como la evacuación de las comunidades vulnerables, las personas y su ganado, el despliegue previo de barreras contra inundaciones y el cierre de carreteras y puentes(OMM, 2020). Para las agencias humanitarias, estas acciones tempranas pueden incluir la distribución de ayudas en efectivo, la evacuación de personas y ganado, y la distribución de kits de higiene. Puede encontrar una base de datos de acciones tempranas en el Anticipation Hub aquí, junto con el plazo necesario para ponerlas en práctica eficazmente.
Caso práctico 1: Previsión de inundaciones en Bangladesh
En Bangladesh, los sistemas probabilísticos de previsión de inundaciones y alerta temprana de conjuntos de 1 a 10 días han demostrado su utilidad y han ayudado a las comunidades a reducir los riesgos de catástrofe y aumentar su resiliencia. Las previsiones a 10 días proporcionaron a los agricultores una serie de opciones de respuesta, como cambiar los patrones de cultivo o las épocas de siembra.
Por ejemplo, una comunidad de Gibandha exploró los beneficios económicos compartidos de un sistema de alerta temprana. El beneficio económico medio por evento de peligro natural por hogar en las zonas piloto fue de 270 dólares en activos domésticos ahorrados, 485 dólares para los que tenían ganado, 180 dólares para los que trabajaban en la agricultura y 120 dólares para los que se dedicaban a la pesca(Fakhruddin et al., 2015).
La Sociedad de la Media Luna Roja de Bangladesh (BDRCS, por sus siglas en inglés) activa su Protocolo de Acción Temprana contra Inundaciones si el pronóstico probabilístico a 10 días indica una probabilidad superior al 50% de una inundación de 10 años que dure más de tres días, mientras que la activación completa se activa con un pronóstico determinista a 5 días. Antes del monzón de 2020, el pronóstico GLOFAS a 10 días activó la financiación del CERF de la OCHA de la ONU (5,2 millones de dólares), permitiendo actividades de preparación coordinadas por múltiples actores humanitarios, incluyendo la OCHA, la BDRCS, el PMA, la FAO y el UNFPA.
Límites de las previsiones
La utilidad de las previsiones depende tanto de su precisión como de su relación con las necesidades de los usuarios. Esto puede aumentarse mediante esfuerzos sistemáticos por aunar los resultados científicos y las necesidades de los usuarios. Sigue existiendo un desequilibrio entre las expectativas de los usuarios y lo que los meteorólogos pueden ofrecer a una comunidad. Cuando estas expectativas no se cumplen, los usuarios están menos dispuestos a utilizar la información y actuar en consecuencia.
Es fundamental encontrar un equilibrio entre las expectativas de los usuarios y la información que pueden proporcionar los meteorólogos. Gestionar estas expectativas y explicar plenamente las limitaciones técnicas de las previsiones puede ayudar a los usuarios a comprender por qué no pueden obtener toda la información que desean y por qué esa información puede ser incierta.
Las previsiones a medio plazo siguen siendo inherentemente inciertas, debido al caos del sistema atmosférico. La capacidad de previsión también varía geográfica y temporalmente, así como en función de los parámetros climáticos. Prever con antelación fenómenos meteorológicos de gran impacto es especialmente difícil por varias razones:
- puede faltar claridad para simular dinámicamente los escenarios de peligro en un modelo de previsión
- los sesgos de los modelos en la representación de las tormentas pueden ser cada vez más pronunciados en escenarios extremos
- puede resultar difícil definir y verificar un fenómeno de gran impacto
- algunos patrones meteorológicos no son predecibles, pero pueden influir en el tiempo a escala subestacional.
Las nuevas tecnologías, como el aprendizaje automático y la inteligencia artificial, combinadas con la colaboración internacional en torno a la investigación, pueden ayudar a mejorar las previsiones a medio plazo. Por ejemplo, la Oscilación Madden-Julian, una perturbación tropical de nubes, precipitaciones, vientos y presión que se desplaza hacia el este y cruza el planeta cada 30 a 60 días de media, ha sido investigada para mejorar las predicciones de riesgos.
Otro patrón meteorológico que hay que comprender para mejorar las previsiones subestacionales es un "calentamiento estratosférico repentino" sobre el Ártico o el Antártico. Esto ocurre cada dos años en el hemisferio norte, y algo menos a menudo en el hemisferio sur. Cuando ocurre, puede afectar al tiempo en todo el mundo. Un gran calentamiento de la estratosfera sur desencadenó los fenómenos meteorológicos que condujeron a las condiciones de sequía en Australia que provocaron grandes incendios forestales a finales de 2019 y principios de 2020.
Caso práctico 2: Previsiones climáticas en Filipinas e Indonesia
La aplicación de las previsiones climáticas en Filipinas e Indonesia demostró el uso práctico de las previsiones de ENSO (El Niño/Oscilación Austral) en el diseño de estrategias de gestión del riesgo de sequía para actividades sensibles al clima, en particular la agricultura y los recursos hídricos. El programa se aplicó para que las sociedades pudieran hacer frente a la variabilidad climática y ofreció la oportunidad de educar al público y a los responsables políticos sobre el cambio climático a largo plazo, el riesgo de sequía y las opciones de mitigación. Un sistema personalizado de alerta temprana de sequías ofreció una plataforma para defender que la mejor manera de hacer frente al riesgo de sequía dada la variabilidad climática actual.
Un logro clave en ambos países ha sido el establecimiento de mecanismos institucionales que conectan a las comunidades hidrometeorológicas, las instituciones de gestión de riesgos y las sociedades. Por ejemplo, se ha formado y capacitado a un grupo de meteorólogos para que proporcionen información climática adaptada a la gestión del riesgo de sequía.
Otro logro es el desarrollo de canales de difusión institucionales y comunitarios en lugares de demostración, que se han construido principalmente a través de escuelas de campo sobre el clima, foros sobre el clima y talleres comunitarios. Las aplicaciones de previsión de sequías para la mitigación de desastres fueron interiorizadas y asumidas como propias por los gobiernos locales que participan en el programa, lo que puede salvar vidas y producir beneficios económicos tangibles(Fakhruddin, 2017).
Estamos conectados directamente con el BMKG para acceder a las previsiones meteorológicas y de inundaciones de medio alcance y enviarlas al equipo CBAT (Community-Based Disaster Preparedness), a la red de la Cruz Roja Indonesia a nivel provincial y de ciudad de distrito, a las comunidades y a las redes de voluntarios para llevar a cabo alertas de emergencia para la planificación inicial y los primeros esfuerzos de respuesta, la protección de los medios de subsistencia y otras planificaciones. Basándonos en las previsiones, también hemos reactivado los planes de contingencia en los planes de preparación de operaciones en caso de catástrofe y movilizado los esfuerzos de la comunidad para poder minimizar el impacto de las catástrofes.
El camino a seguir
El clima nunca se detiene: está en constante evolución y nunca es el mismo dos veces. Afecta de algún modo a casi todos los aspectos de la sociedad, desde la vida cotidiana hasta la economía. Sin embargo, no son las condiciones meteorológicas ordinarias las que producen los mayores impactos sociales, sino los fenómenos meteorológicos intensos o poco frecuentes. Es crucial que las comunidades, regiones, países, empresas y otros sectores dispongan de previsiones precisas de los riesgos, y con suficiente antelación para prepararse.
Las previsiones a medio plazo pueden proporcionar a los agentes humanitarios y de desarrollo plazos adicionales para poner en marcha un conjunto más diverso de acciones tempranas y permitirles llegar a más personas. A medida que el cambio climático provoque un aumento de la temperatura mundial y de los fenómenos meteorológicos extremos, los investigadores tendrán que seguir mejorando las previsiones y los modelos, no sólo para que sean más precisos, sino también para que ofrezcan la mayor antelación posible.
Este blog ha sido escrito por Bapon Fakhruddin, Director Técnico, Tonkin + Taylor, Nueva Zelanda, Presidente, Interpretación y Acción del Riesgo (RIA)-IRDR, Consejo Científico Internacional. Es un resumen del artículo "Creating resilient communities with medium-range hazard warning systems", que aparecerá en Progress in Disaster Science Volumen 12, diciembre de 2021.
Principales referencias
Fakhruddin, B.S.H.M. y Eslamian, S. (2017) "Analysis of drought factors affecting the economy", en Handbook of drought and water scarcity, S. Eslamian y F. Eslamian (eds) Boca Ratón: CRC Press, Routledge Handbooks Online, consultado el 27 de octubre de 2021.
Fakhruddin B.S.H.M., Kawasaki, A. y Babel, M.S. (2015) "Community responses to flood early warning system: Case study in Kaijuri Union, Bangladesh', International Journal of Disaster Risk Reduction, 14(4): 323-331, ISSN 2212-4209, aquí.
Fakhruddin, B.S.H.M. y Schick, L. (2019) 'Beneficios de la evaluación económica de los sistemas de alerta temprana de ciclones - Un estudio de caso sobre el ciclón Evan en Samoa', Progress in Disaster Science 2(100034). Obtenido de aquí.
IFRC (2021) Financiación basada en previsiones. Obtenido de aquí.
OMM (2018) Sistemas de alerta temprana de peligros múltiples: A Checklist. World Meteorological Organisation Extraído de aquí.