El mecanismo de la predictabilidad empieza con una estimación del estado inicial, sigue con su evolución bajo reglas y termina en una comparación con la pregunta que queremos responder. La incertidumbre puede cambiar de tamaño, orientación y forma. El resultado depende también de aproximaciones del modelo y de la evidencia con que se comprueba la previsión.

La analogía de un grupo de rutas

Imagina varias rutas que parten muy próximas. En algunos tramos permanecen juntas y en otros se separan, giran o se dividen hacia destinos diferentes. La atmósfera no tiene carreteras fijas; la analogía ayuda a entender que el estado influye en cómo evoluciona una diferencia.

Una ruta única oculta parte de esa información. Un conjunto puede mostrar alternativas, pero no garantiza que cubra todas. Las diferencias representadas y los errores compartidos son cuestiones distintas. El acuerdo requiere contraste posterior, además de una lectura del conjunto.

Paso 1. Estimar el estado sin exactitud infinita

Observaciones de temperatura, viento y humedad cubren lugares y alturas con límites de precisión y muestreo. Un análisis combina datos y modelo para construir una estimación inicial. Las zonas peor observadas y los procesos representados con aproximaciones pueden dejar incertidumbre.

Las condiciones iniciales no son una fotografía perfecta de cada detalle del aire. Más información puede ayudar, siempre que su calidad y forma de incorporarla sean adecuadas. El propio modelo participa en el análisis, por lo que error inicial y de modelo pueden estar relacionados.

Paso 2. Propagar diferencias

Al evolucionar el sistema, pequeñas diferencias pueden crecer en unas direcciones y reducirse en otras. Algunas influyen especialmente en trayectoria de una baja o posición de un frente. El crecimiento depende de situación y escala; no se usa un reloj idéntico para todos los días.

En un sistema determinista bien definido, estado y reglas idénticos dan igual evolución. Caos significa que estados próximos pueden separarse, sin equivaler a puro azar. Tampoco cada ecuación no lineal es caótica por el hecho de serlo.

Paso 3. Cambiar de forma y añadir errores

Al principio puede ser útil imaginar una pequeña nube de estados cercanos que se estira. Más adelante puede curvarse o repartirse en alternativas. La media puede quedar entre escenarios que individualmente mantienen estructuras distintas.

El modelo añade aproximaciones de resolución y procesos físicos. Una incertidumbre inicial pequeña no elimina esa fuente. Los ensembles intentan representar parte de ambas, sin proporcionar una cobertura perfecta de todos los estados posibles.

Paso 4. Comparar con una tolerancia útil

La separación importa según la pregunta. Una trayectoria de borrasca ligeramente desplazada puede cambiar mucho la lluvia de una cuenca y afectar menos una conclusión regional sobre entrada húmeda. Se fija región, periodo y detalle antes de valorar el límite.

La incertidumbre no crece indefinidamente con una regla simple: cambian dinámica y escalas, y los errores pueden alcanzar tamaños comparables con diferencias habituales entre estados. Eso no significa que todas las variables pierdan información al mismo instante.

Paso 5. Leer un ejemplo 500/850/300

Escenario didáctico: dos previsiones parten con una vaguada de 500 hPa algo desplazada. Se examina después la evolución del flujo superior de 300 y del viento y humedad bajos de 850, donde ese nivel sea válido sobre el suelo. Las diferencias pueden acompañarse de entradas y lluvia distintas.

El error típico es atribuir todo el resultado a una flecha aislada de 300 o llamar causa demostrada a una mera diferencia entre mapas. La comparación muestra escenarios; para atribuir sensibilidad causal hacen falta experimentos y controles. No describe una previsión actual.

Ocho aplicaciones del mecanismo

• Una baja toma otra trayectoria: la posición puede ser relevante aunque ambas previsiones tengan intensidad parecida.
• Un frente llega seis horas después: la diferencia afecta a una ventana concreta; se conserva hora válida.
• Una tormenta local: ambiente favorable no determina el punto exacto de cada célula.
• Flujo húmedo hacia otra cuenca: incertidumbre de eje y duración puede cambiar suministro local.
• Miembros próximos: puede existir error compartido de relieve o humedad. El acuerdo no verifica el resultado.
• Media suave: puede mezclar estructuras intensas desplazadas. No es necesariamente una estructura que vaya a ocurrir.
• Más datos: pueden reducir incertidumbre inicial, sin eliminar aproximaciones de todos los procesos futuros.
• Otra pregunta: un promedio regional y una hora puntual tienen tolerancias y límites distintos.

Un ejemplo ibérico documentado

Ramos et al. comparan pronósticos de AR en Iberia occidental y muestran el caso 4-01-2016 sobre norte de Portugal. La evaluación separa intensidad, ángulo y lugar de entrada. La variación enseña por qué un máximo importante no valida por sí solo el suministro local.

La referencia IVT es análisis del sistema y la lluvia de estaciones tiene otro soporte. El estudio histórico no identifica todo error como caos ni establece horizonte fijo actual. Es una evidencia de diferencias entre objetivos de previsión.

Paso 6. Verificar el conjunto

Se define evento, región y periodo antes de contar miembros. La frecuencia es una descripción del conjunto válido. Su relación con probabilidad útil se comprueba mediante calibración y referencias. Si faltan miembros, se documenta cobertura y no se cuentan como ausencia.

La documentación actual de ECMWF describe muestreo de incertidumbre y límites de pequeñas colecciones de estados. Su esquema de crecimiento ayuda a comprender fases, sin asignar una duración universal a cada una. Rango del producto y habilidad demostrada son preguntas diferentes.

Errores, prácticas, glosario y conclusión

Errores: diferencia como causa probada, crecimiento siempre igual, promedio como escenario real y pocos miembros próximos como certeza. Buenas prácticas: cronología, objetivo, tolerancia, alternativas y contraste separados.

Checklist: estado inicial, fuentes de error, evolución, mapas compatibles, pregunta, ensemble y verificación. Perturbación: pequeña diferencia de estado. Análisis: estimación inicial. Dispersión: variación entre escenarios. Calibración: correspondencia de probabilidades y resultados.

El mecanismo conecta incertidumbre inicial, dinámica y evaluación. La utilidad depende de la pregunta que esas evidencias puedan responder.

Fuentes y lecturas recomendadas

• Lorenz (1963): modelo idealizado, linealización y sensibilidad de trayectorias.
• Lorenz (1969): crecimiento de error entre escalas, tolerancia y límites de supuestos.
• ECMWF IFS CY50R1 parte V: fases de crecimiento, métricas, EDA, vectores singulares y SPP.
• ECMWF, Ensemble Verification I (2019): verificación de distribuciones y probabilidad.
• Ramos et al. (2020): errores de entrada, ángulo e intensidad en el caso ibérico 4-01-2016.