X. MODELOS FUTURISTAS

Junto con él se precipitan las lluvias, que son suyas. Es el amigo de las Aguas, el que nació antes que nadie, cumplidor del orden. Es el aliento de los dioses, la progenie del Universo. Al dios Viento rindamos homenaje.

Rig Veda, X, 168. India, siglo XII a.C.

AHÍ ESTÁ EL DETALLE

EN GENERAL, los modelos del clima se resuelven por computadora en puntos uniformemente distribuidos; sin embargo, este tipo de retícula no es la idónea en aplicaciones reales. Se antoja que haya mayor densidad de puntos en las regiones más pobladas, que es donde más observaciones se hacen y también donde más interesa explicar y predecir el clima. Las mallas no homogéneas tratan de satisfacer esta necesidad, pero su uso complica el método numérico.

Una alternativa, también computacionalmente compleja, consiste en resolver el modelo primero en una rejilla gruesa sobre un ámbito amplio; con el resultado se calcula el clima en una región interior más restringida, cubierta por una rejilla más fina, y así sucesivamente, hasta alcanzar el detalle requerido en el contorno deseado. Esta técnica se llama de mallas anidadas. Tanto las mallas no homogéneas como las anidadas ya empiezan a usarse, y se espera un futuro desarrollo generalizado.

Recordando algo dicho en el capítulo VII, el problema de diagnosticar y pronosticar el clima abarca tres fases: entrada, proceso y salida; o disponibilidad de datos, formulación del modelo y solución numérica del mismo, respectivamente.

En estos términos, las mallas no homogéneas y anidadas apuntan al futuro de la tercera fase, en la cual también incide el desarrollo de computadoras poderosas para correr ágilmente los modelos cada vez más complejos.

LA UNIÓN HACE LA FUERZA

Otra línea en la que habrá de progresar el pronóstico del clima es la automatización de sus tres fases. Esto significa que la supercomputadora en la cual corre el modelo esté conectada a las redes mundiales que suministran los datos necesarios; alimentando así el programa resuelve el modelo y sus resultados se trasmiten a las terminales o estaciones de trabajo de usuario diversos, los cuales despliegan los campos climáticos que necesiten, en el formato y dispositivo deseados.

Aunque la cooperación internacional para concentrar y distribuir datos está muy avanzada, su disponibilidad, con la generalidad, completez y oportunidad requeridas, todavía es deficiente. Esto se debe a que en amplias áreas del globo los datos escasean o se interrumpen, el instrumental de medición no es homogéneo, etc.; por todo ello los datos provenientes de los observatorios deben ser tratados con diversas técnicas para conformar campos climáticos manejables.

Cuando estas deficiencias sean solventadas, y contando con el equipo adecuado de comunicación y cómputo, los modelos serán operativos; es decir, con mínima intervención humana se alimentarán, pondrán en marcha y enviarán resultados a los usuarios.

Naturalmente, el dispositivo científico y tecnológico descrito no es estático, evoluciona; conforme pasa el tiempo, la formulación fisicomatemática del modelo mejora, los datos aumentan en cantidad y calidad, surgen nuevas generaciones de computadoras, etc.; por estas razones, el modelo operativo se actualizará periódicamente, digamos cada año.

Hemos hablado de redes como interconexión mundial de bases de datos, pero hay otro tipo de redes, cuyo uso se generalizará en los próximos lustros. Se trata de las redes de cómputo y proceso distribuido, que consisten en interconectar computadoras lejanas, para correr programas de una institución en la máquina de otra (incluso extranjera), correr simultáneamente partes de un programa en computadoras distintas, acoplar modelos diferentes corriendo cada uno en su propia institución, etc. Estas redes permitirán usar modelos del clima a investigadores que no tienen uno o no disponen de supercomputadora, suplementar deficiencias de un modelo con otro, etc. Habrá, en fin, una colaboración más efectiva entre investigadores alrededor del mundo, facilidades para entender por dentro los modelos ajenos, y seguramente también surgirán modelos más hábiles para explicar el clima pasado y predecir el futuro.

BICHOS, YERBAS Y RAYOS

Hasta aquí hemos entendido el clima como un conjunto de propiedades físicas (principalmente térmicas y dinámicas) de atmósfera, océano y continente. Por lo mismo, los modelos sólo incorporan procesos físicos como factores internos (o retroalimentadores) del sistema. Sin embargo, el clima tiene mecanismos no físicos que interactúan con él; a saber, fenómenos químicos y biológicos. Unos modelos incluyen a algunos de éstos, pero como factores externos al sistema, es decir prescritos, no generados.

Ejemplo de proceso biológico interactuante con el clima es la relación humedad-vegetación-albedo: el suelo húmedo favorece el crecimiento de plantas, la cubierta vegetal reduce el albedo de la superficie, esto calienta el clima, etcétera.

Para ejemplificar mecanismos bioquímicos internos al clima diremos que las plantas fijan C0₂ de la atmósfera y liberan oxígeno (0₂), los animales aspiran 0₂ y espiran C0₂, este gas —de invernadero— es absorbido por el océano y reacciona con sustancias disueltas en él. Además, plantas y animales transpiran, aparte de respirar. La evapotranspiración inyecta vapor de agua —otro gas de invernadero— a la atmósfera. Y todos estos procesos dependen de la temperatura, principal variable del clima.

El párrafo anterior describe una parte del ciclo del carbono (C) en la naturaleza. Este elemento es la base química de la vida y da lugar al gas de invernadero más importante. Otros elementos con similares funciones son el nitrógeno y el azufre; los tres fluyen entre suelo (u océano), plantas y animales, y atmósfera. Por lo tanto, hace falta entender científicamente los ciclos biogeoquímicos de carbono, nitrógeno y azufre, y en el futuro modelarlos como parte del clima.

Cuando la biota (conjunto de seres vivos) se integre orgánicamente en los modelos climáticos, entenderemos, entre otras cosas, si la deforestación causa sequía o al revés.

Dejemos la biosfera y ascendamos a la estratosfera. En esta capa atmosférica los procesos más relevantes son los fotoquímicos: allí abundan los rayos cósmicos, que son partículas muy energéticas, algunas procedentes del Sol, pero mayormente de fuentes más lejanas. Estos rayos rompen moléculas, átomos y núcleos, dando lugar a numerosas reacciones químicas y nucleares. O sea que en esos niveles los componentes del aire están en continua transformación química. La reacción fotoquímica más conocida es la disociación del oxígeno molecular (O₂) en dos átomos (2O), causada por un rayo ultravioleta y el posterior enlace de un O con un O₂, dando lugar al ozono (O₃); esta molécula es disociada a su vez por otro rayo ultravioleta; el resultado de ambos mecanismos es un equilibrio que da lugar a una capa estable de O₃ en la estratosfera e impide que esa radiación llegue a la biosfera, donde dañaría a los seres vivos. Aunque la estratosfera queda fuera del escenario del clima, ella interactúa con la capa inferior —la troposfera—.

EL BUEN HOMBRE

En la sección anterior hablamos de la interacción entre los organismos biológicos y el clima, sin mencionar al hombre. Naturalmente, el ser humano es la especie viva más importante y también lo es para el clima.

Pese a todo —y como fue dicho desde el capítulo I y analizado en el V— la acción antropógena sobre el clima sólo es notable a escala local; su influencia global aún no es significativa, pero se espera que lo sea en el siglo XXI.

En sentido inverso, la relación de causalidad es mucho más fuerte: evidentemente, el clima afecta al hombre, modela a la sociedad y determina sus actividades. Al contrario de la influencia humana sobre el clima, la de éste sobre el hombre ha sido mayor en el pasado; actualmente —y lo será más en el futuro— su hábitat se adapta artificialmente según las necesidades, con dispositivos tecnológicos el hombre climatiza hogar, vehículos, centros de trabajo, estudio, compras, diversión, etcétera.

Al cubrirse con ropa y moradas el hombre se protege de las inclemencias de la intemperie, tanto en el frío como en el calor, la sequía y la lluvia. Motivado inicialmente por sobrevivencia y salud, con dispositivos pasivos (sombra, abrigo, etc.), buscó luego el confort y lo ha exagerado con dispositivos activos (calefacción, aire acondicionado, humidificación, etc.). Esta exageración produce aberraciones: al entrar a algunas oficinas o tiendas en tiempo de calor hay que cuidarse de un resfriado, porque refrigeran el edificio a una temperatura más baja de la que uno está acostumbrado en tiempo de frío.

La climatización antropógena se concentra en ámbitos minúsculos, de modo que está lejos de ser considerada como modificación artificial del clima, aunque el abuso concomitante del consumo de combustible es causa importante del calentamiento global por el efecto invernadero.

Por lo tanto, a escala global el hombre aún no modifica apreciablemente el clima, pero la influencia del clima en el hombre sigue siendo fundamental. Los factores naturales afectan al clima mucho más que los artificiales, con una sola excepción la guerra nuclear generalizada.

Sin embargo, a escala local (urbanización, deforestación, cultivos, embalses, etc.) la acción antropógena sobre el clima sí es apreciable; por eso, y porque se espera una expansión de este alcance, la humanidad es, estrictamente, un componente del sistema climático: se afectan mutuamente. Reitero como ejemplo el caso de los pastores nómadas y la sequía del Sahel (capítulo VI): ¿Ellos —con sus rebaños— deforestan y ahuyentan la lluvia o la falta de ésta los obliga a emigrar al sur en busca de pastos?

Es deseable incluir al hombre como retroalimentador del clima, modelar su comportamiento con ecuaciones, sobre todo en ciertas regiones y actividades; pero esto es casi imposible. La modelación matemática ha dado pobres resultados en las ciencias sociales, ejemplos son el fracaso de los modelos econométricos, la imprevisión de cambios políticos, de crisis sociales, económicas, etc. Tal vez esto pasa porque los especialistas de estas disciplinas han estado tradicionalmente lejos de las matemáticas, o porque éstas son —actualmente— insuficientes para modelar a la humanidad. La teoría de catástrofes es ejemplo de disciplina que apunta a cubrir estas deficiencias.

Consecuentemente, antes de incorporar en los modelos a las actividades humanas interactuantes con el clima, debe cerrarse la brecha que separa a las matemáticas de las ciencias sociales. Tal vez la deficiencia se remonta más lejos: hay que medir primero ciertas variables sociales, psicológicas, etc., para luego cuantificar el comportamiento colectivo de la sociedad, el individual de los dirigentes, etc. Quién sabe si esto sea técnicamente posible y si los derechos humanos lo permitan; de cualquier modo, van a pasar décadas antes de tener resultados concretos en esta línea.

ECHANDO A PERDER SE APRENDE

La gente —sobre todo la del campo— puede desarrollar habilidades para predecir la temperie, incluso algunas de estas habilidades se sintetizan en refranes; sin embargo, estas técnicas de predicción meteorológica tienen, por lo general, solamente validez local.

De paso diremos que los refranes que anticipan la temperie según el comportamiento de algunos animales tienen poco valor; las condiciones atmosféricas determinan algunas conductas animales, pero éstas no las anticipan o predicen.

Por otro lado, los proverbios que subordinan la temperie a la Luna y los planetas son inútiles; la apariencia de la Luna depende del estado de la atmósfera, pero las fases de la Luna no influyen en él.

Por último, el folklore relativo a la predicción climática es infundado; o sea, el saber popular fracasa cuando trata de prever el clima de un mes o una estación, sobre todo cuando ve en las condiciones de un día particular los indicios de una temporada futura; el ejemplo más pertinente son las cabañuelas.

Si bien los pronósticos vulgares son de escaso valor, otra cosa son los hechos por expertos. Vamos. Anteriores, simultáneos y complementarios a la predicción por modelos existen las estimaciones de meteorólogos y climatólogos prácticos. Su pericia se basa en estadística tácita, apreciación subjetiva e intuición inducida. Tras décadas de observar y revisar sistemáticamente el estado y evolución de la naturaleza, guiado por un preceptor que le trasmite sus conocimientos por ensayo y error, repetición y contagio, el aprendiz se convierte en experto de respetable habilidad.

Esta destreza tiene mucho de arte y no es del todo científica, dado que no es completamente objetiva, cuantitativa, ni comunicable. Es decir, se muere el experto y junto con él su saber; éste no puede trasmitirse por escrito, sino que se adquiere sólo por contacto directo con el maestro.

Las predicciones del empírico no emanan de correlaciones de causa-efecto, no se fundamentan en leyes físicas; en todo caso el empírico transcurre por la vertiente de la estadística como alternativa al modelo fisicomatemático: aprende que ciertas condiciones meteorológicas son preámbulo de tal o cual temperie o clima; así, es capaz de extrapolar hacia delante en el tiempo, por tendencia estadística intuitiva. Puede ser que recurra a explicaciones físicas para cimentar su predicción; pero ya hemos visto que platicando (argumentos cualitativos), por cada aseveración se pueden encontrar otras que también vienen al caso y la contradicen.

MODELOS QUE APRENDEN

Aparentemente, la sección anterior desentona en este capítulo; pero realmente sirve para introducir lo siguiente.

La disyuntiva entre modelación y experiencia limita la predicción de la temperie y el clima. Los mejores resultados se obtienen cuando ambas vertientes se complementan y esto puede hacerse de dos maneras: integrando un solo pronóstico con el resultado del modelo y la estimación del experto, o retroalimentando el modelo para que "aprenda" de sus propios errores como lo hace el experto, para que "no tropiece dos veces con la misma piedra".

En la alternativa entre modelo y experto hay una fase intermedia: la estadística, que trata de formalizar lo que el experto hace subjetivamente. Este método hace a un lado las leyes físicas que regulan el proceso y, con estadística recursiva y auto-regresión de un promedio móvil, incorpora continuamente por retroalimentación los datos disponibles, autocorrigiendo el predictor. En palabras llanas: la situación futura se predice según la tendencia que muestre el registro previo, siempre actualizado por los nuevos datos, que a su vez sirven para verificar las predicciones anteriores y corregir continuamente la técnica estadística que se usa para predecir.

El método estadístico del párrafo anterior da la pauta para incorporar al modelo el entrenamiento del experto. Es decir, el párrafo anterior describe el "modelo experto o que aprende" si le cambiamos unas cuantas frases: al principio sustituimos "método hace a un lado las leyes físicas" por "modelo basado en las leyes físicas", luego según la tendencia que muestra" por "según el modelo que regula" y al final "técnica estadística" por "modelo fisicomatemático".

Esta metodología constituye un área madura de la teoría de sistemas, cercana a la teoría del control, con diversas aplicaciones científicas e ingenieriles; en meteorología y teoría del clima es incipiente. A continuación va una lista de expresiones que la caracterizan e incluso la identifican alternativamente: El modelo de evolución determinista deviene proceso estocástico que calcula la densidad de probabilidad de que algo ocurra. Estimadores estocásticos recursivos y adaptativos. Estimación secuencial con asimilación de datos. Esta asimilación absorbe errores de modelación e integración manteniendo la precisión. Inicialización o covariancia dinámica.

AL FIN EL CAOS

Para terminar el capítulo... y el libro, mencionaremos un tema fascinante (¿alucinante?), el último grito (¿alarido?) de la ciencia; toda una revolución científica y tal vez el surgimiento de una nueva ciencia... la teoría del caos, el descubrimiento más importante del siglo XX luego de la relatividad y la mecánica cuántica.

Esto no significa —para nada— que la ciencia, el mundo o la naturaleza vayan a terminar en un caos; aunque eso fuera cierto, no tiene nada de fascinante. No. Me refiero a otra cosa: el descubrimiento de un orden insospechado en entes azarosos y la producción del caos a partir de reglas deterministas simples.

En años recientes ha aparecido abundante bibliografía sobre el tema, a nivel de investigación, docencia y divulgación; en este último nivel destaca el libro Caos de James Gleick, que reúne características comúnmente incompatibles: clásico y bestseller.

La teoría del caos sería tema para un libro completo, por lo tanto es casi herejía tratar de reseñarlo en una sección de un capítulo. Espero que este reduccionismo no vaya a confundir al lector en vez de aclararle el panorama; me restringiré a ideas generales y la relación del caos con la atmósfera y el clima. Ojalá que no resulte caótico.

La ciencia del caos fue iniciada por Edward Lorenz, meteorólogo del Instituto Tecnológico de Massachusetts (MIT), a principios de los sesenta, cuando trabajaba con un modelo (sistema de ecuaciones). En seguida transcribo (casi textual-mente) un párrafo de Edmundo Flores (suplemento "El Búho", Excelsior, 15 de julio de 1990):

La idea básica de la ciencia occidental es que los errores mínimos pueden ignorarse y que éstos no estallan ni producen grandes efectos arbitrarios. En el sistema de ecuaciones de Lorenz, sin embargo, los errores insignificantes resultan catastróficos; y de ahí dedujo y demostró que jamás seremos capaces de predecir el tiempo más de 2 ó 3 días; después de ese plazo las mejores predicciones del mundo son especulativas y después de 6 ó 7 días no valen nada. Esto se debe a que es imposible conocer y anticipar todas las fuerzas y circunstancias que afectan su curso, por ser demasiado numerosas para contarlas, analizarlas o descifrarlas. Por ejemplo, afirma Lorenz, el aleteo de una mariposa hoy en Hawai puede provocar una tormenta el mes próximo en los Alpes. Esta desquiciante afirmación es conocida como el efecto mariposa; su nombre técnico es: dependencia critica de las condiciones iniciales. Además, y aquí radica su genio, Lorenz percibió en el conjunto de resultados de su modelo del tiempo la presencia de una fina estructura geométrica oculta a simple vista; es decir, la existencia de un insospechado orden disfrazado de una distribución al azar que hasta entonces nos había pasado inadvertida; igual que el fabuloso mundo de los microbios antes de la invención del microscopio.

ATRACTORES Y FRACTALES

Lorenz dejó la meteorología y buscó maneras más sencillas de producir un comportamiento complejo; así inició la teoría de sistemas dinámicos o dinámica no lineal (nombres alternativos del caos). Encontró que el diagrama de soluciones de tal sistema, las cuales también se conocen como atractores extraños, permanece acotado, no se sale del papel pero no se repite nunca. Es desorden en tanto que ningún punto o trayectoria se reproduce, es impredecible localmente, pero estable globalmente. Se trata de un orden aperiódico o con periodo infinito.

Las relaciones lineales cumplen la proporcionalidad y son modulares: se pueden desarmar y volver a armar. Son solubles matemáticamente y con ellas uno construye modelos de la realidad, pero la dinámica no lineal es el comportamiento más común en la naturaleza; no es determinista, sino estocástico, fortuito, azaroso.

Ahora copio unos párrafos de A. A. Tsonis y J. B. Elsner (Bulletin of the American Meteorological Society, enero de 1989, la traducción es mía):

Simplicidad y regularidad se asocian con predictabilidad. P. ej., debido a que la órbita de la Tierra es regular y simple podemos siempre predecir cuándo llegará el invierno astronómico. Por otro lado, complejidad e irregularidad son casi sinónimos de impronosticable: la atmósfera, tan compleja e irregular, es más bien impredecible.

Quienes tratan de explicar el mundo en que vivimos siempre esperan que, dentro de la complejidad e irregularidad observadas en la naturaleza, sea posible encontrar la simplicidad detrás de cada cosa y, finalmente, los eventos impredecibles se vuelvan predecibIes. Que la complejidad y la irregularidad existen en la naturaleza es obvio. Sólo necesitamos mirar alrededor para darnos cuenta de que prácticamente todo es azaroso en apariencia. ¿O no? Las nubes, como muchas otras estructuras de la naturaleza, se dan en un número infinito de formas. Cada nube es diferente, pero cualquiera reconoce una nube. Las nubes, aunque complejas e irregulares, deben poseer, en conjunto, una unicidad que las distingue de otras estructuras naturales. Surge la pregunta: ¿es completamente fortuita su irregularidad o hay algún orden detrás de ella?

La teoría del caos define matemáticamente el azar generado por sistemas dinámicos deterministas simples y nos permite ver orden en procesos considerados completamente estocásticos.

Muchos sistemas de la naturaleza son caóticos. Los avances en el estudio de los sistemas dinámicos caóticos sugieren que la naturaleza impone límites a la predicción. Sin embargo y al mismo tiempo, se ha demostrado que la pura existencia de los atractores implica que el azar está restringido a ellos.

La teoría de los sistemas dinámicos caóticos nos ha permitido comprender mejor la atmósfera. Simultáneamente, aunque nos da una excusa para la impredictabilidad meteorológica, la teoría de los sistemas dinámicos está modulando nuestra manera de investigar y predecir la temperie.

Junto con cierto pesimismo, el estudio de los sistemas dinámicos caóticos proporciona cierto optimismo. Nunca seremos capaces de predecir exactamente la temperie, pero es factible mejorar el pronóstico meteorológico si mejoramos la completez y precisión con que medimos la condición inicial de la atmósfera, y si entendernos la predictabilidad en diferentes escalas de tiempo.

Lo dicho para la temperie se aplica también al clima, aunque éste ha sido menos estudiado como sistema dinámico.

Debido a la dependencia crítica de las condiciones iniciales, los modelos devienen caóticos porque carecemos del conocimiento perfecto sobre el estado inicial del sistema. Nuestros instrumentos sólo pueden medir aproximadamente, jamás con exactitud absoluta. Pero aun sin esta carencia, nuestros modelos detonan a la larga por causa de otras imperfecciones, a saber: idealizaciones conceptuales en su formulación, errores matemáticos de truncamiento, aproximaciones numéricas en la solución de las ecuaciones, etcétera.

Estructuras complejas tangibles como nubes, cavernas, litorales, pulmones, etc., tienen infinita cantidad de recovecos y ramificaciones de todos tamaños, que siguen apareciendo cuando se observan con más y más detalle. Esta complejidad también se da en estructuras abstractas, p. ej. los atractores extraños, o sea el conjunto de soluciones de un modelo estocástico.

Otro ejemplo muy importante es la turbulencia. Cuando uno observa un flujo (viento, río, etc.) nota en él remolinos, laberintos, etc.; si uno amplifica —con lupa, microscopio, etc.— la observación, encuentra nuevos remolinos y laberintos dentro de los originales, y así sucesivamente. Es decir, al cambiar de escala, la estructura conserva sus características.

Estas estructuras se llaman fractales, y son no topológicas, autosemejantes y recurrentes, que se desarrollan por bifurcación. V. gr., el ADN es incapaz de especificar el inmenso número de bronquios y alveolos, o la estructura de árbol resultante; pero sí puede especificar un proceso repetido de bifurcación y crecimiento.

Esto dio lugar a la geometría y la dimensión fractal, que resultó ser la herramienta adecuada para medir la irregularidad y la complejidad. El grado de irregularidad es la eficiencia de la estructura para ocupar espacio.

Los objetos topológicos tienen dimensión entera: los puntos tienen dimensión 0, las curvas 1, las superficies 2, etc.; pero los fractales tienen dimensiones fraccionales. P. ej., el atractor climático tiene dimensión 3.1 y el meteorológico entre 6 y 7.

Aunque la teoría del caos nació de la meteorología y es en esta disciplina donde tiene tal vez mayores avances concretos, sus resultados prácticos son aún escasos. Se espera un enorme desarrollo de esta nueva ciencia. Además de que incide en casi cualquier área del conocimiento y —como ha sucedido repetidamente en el pasado— lenguajes, enfoques, técnicas y teorías que surgen de las matemáticas y la física permean después otras ciencias, humanidades y artes, llegando hasta la vida cotidiana. P. ej., en febrero de 1992 Vavlac Havel, último presidente de Checoslovaquia, mencionó, en un gran discurso, el efecto mariposa en la política.

La nueva ciencia del caos está en pañales, el bebé está creciendo rápido y todo indica que va a ser una celebridad. Ojalá que jóvenes brillantes se entusiasmen por participar en esta revolución científica y sus aplicaciones a la naturaleza, para que la podamos entender, predecir y aprovechar mejor en beneficio de todos.