Al igual que en Kerala, los procesos climáticos locales pueden empeorar los fenómenos climáticos extremos | Análisis

Tragedias como los deslizamientos de tierra de Wayanad se repiten en parte porque sus lecciones no se aplican a nuestra comprensión de los amplificadores locales de los fenómenos extremos. Vista de una montaña de los Ghats occidentales en Wayanad, Kerala, 15 de noviembre de 2022. | Crédito de la foto: Nakkeeran Raveendran/Unsplash

En ningún lugar de la Tierra el riesgo climático es cero, pero cuando Los peligros naturales azotanla pérdida de vidas, medios de subsistencia y bienes resultante duele. La gestión y recuperación de desastres desempeñan un papel crucial para aliviar el dolor. Sin embargo, por desgracia, Puede que siga un juego de culpas se pregunta si las alertas tempranas podrían haber evitado la tragedia.

Cualquier alerta temprana que se haya emitido siempre comenzará con el pronóstico meteorológico para la zona donde se manifestó el peligro. Para mitigar los desastres de manera proactiva en lugar de gestionarlos siempre después de que ocurren, se requieren previsiones de riesgo climático que se extiendan a un decenio o más.

Más, después de los hechos análisis de desastres mortales, como el Deslizamientos de tierra en WayanadKerala, el 30 de julio — a menudo no aprecian el hecho de que las advertencias generales sobre los riesgos difícilmente se puedan traducir en acciones específicas. Por ejemplo, si declaramos que toda la cordillera occidental de los Ghats es vulnerable a los deslizamientos de tierra, los gobiernos pueden desarrollar y aplicar regulaciones para proteger toda la cordillera de la deforestación, el desarrollo, los monocultivos, etc.

Sin embargo, esto mitigará algunos deslizamientos de tierra, pero no eliminará en el corto plazo los fenómenos extremos inducidos por el cambio climático. Algunos deslizamientos de tierra ocurrirán de todos modos, incluso si los Ghats disfrutan de las mayores protecciones contra las perturbaciones humanas, porque el riesgo nunca es cero.

Predicciones para la gestión y mitigación de desastres

De la misma manera, las predicciones de los modelos siempre serán imperfectas. Si queremos mejorar su capacidad de predecir fenómenos extremos con mayor precisión (en términos de su ubicación y amplitud), necesitamos comprender plenamente los efectos de los factores locales que podrían exacerbar los efectos del clima. Después de cada fenómeno extremo, alguien afirma que el calentamiento global es un factor contribuyente, pero la relación entre los fenómenos locales y el calentamiento global complica la veracidad de tales afirmaciones.

Los factores que provocan fenómenos climáticos extremos se originan en lugares lejanos, pero suelen verse exacerbados por algunos factores regionales específicos del lugar.

Por ejemplo, una Estudio de 2015 (que incluía a este autor) indicó que las temperaturas de la superficie del mar costero tienen una fuerte influencia en las fuertes lluvias a lo largo de la costa oeste de la India. El distrito de Wayanad se encuentra a unos 80 km de esta costa. Los vientos monzónicos atraviesan el ecuador y continúan cargando humedad a medida que giran hacia el suroeste y se dirigen hacia los Ghats occidentales. A medida que se acercan a la costa, los vientos sienten que tendrán que escalar los Ghats occidentales y disminuir su velocidad. Los vientos más lentos reducen la evaporación sobre el océano costero y las aguas costeras tienden a calentarse, y las aguas cálidas ejercen un fuerte control sobre la atmósfera y las precipitaciones.

Este calentamiento suele observarse hasta diez días antes de que se produzcan fuertes lluvias en las costas oceánicas. Los modelos globales suelen pasar por alto estos procesos locales de calentamiento o enfriamiento a pequeña escala y tienden a subestimar la cantidad de lluvia en caso de un fenómeno extremo. Se espera que la mejora de las observaciones costeras y su incorporación a los modelos de pronóstico mejore las predicciones.

Por eso también es posible mitigar los desastres adoptando medidas específicas para cada lugar, como las protecciones legales para la biodiversidad. Los gobiernos también pueden reforzar sus estrategias regulatorias utilizando predicciones del clima hasta una década en el futuro y combinando cada predicción con riesgos hiperlocales.

De la misma manera, los gobiernos nacionales y locales tendrán que trabajar juntos y compartir las responsabilidades de monitoreo, reporte y verificación para mitigar el riesgo. Finalmente, todas estas consecuencias de la relación entre el calentamiento global y los eventos locales tendrán que ser tomadas en cuenta en las disposiciones presupuestarias. De otra manera, la mitigación de desastres puede no ser sostenible.

Además, las predicciones con una antelación de unas pocas semanas podrían ayudar al personal de gestión de desastres a movilizarse hacia los lugares con el mayor riesgo inminente y evitar sorpresas. Aquí es donde los factores específicos de la ubicación pueden ayudar a garantizar que la información sobre riesgos hiperlocales sea confiable en tiempos de crisis.

De global grueso a hiperlocal fino

Los modelos globales brindan perspectivas y predicciones estacionales a corto plazo (1-3 días), mediano plazo (3-10 días) y largo plazo (2-4 semanas). Han mejorado en la capacidad de ofrecer perspectivas de los monzones, los fenómenos de El Niño y La Niña y alertas tempranas de fenómenos extremos. Los investigadores de todo el mundo (en el ámbito académico y en laboratorios nacionales) diagnostican constantemente imperfecciones en estos modelos y las eliminan.

Un enfoque particular para mejorar los modelos se denomina reducción de escala, especialmente para mejorar las predicciones de eventos extremos como lluvias intensas a pequeña escala. En la reducción de escala, los investigadores utilizan un modelo global para impulsar predicciones locales en un modelo regional de mayor resolución para capturar el clima en escalas que el modelo global no captará.

Últimamente, se han estado ejecutando estas estrategias de dos niveles utilizando técnicas de inteligencia artificial y aprendizaje automático (IA/AA). Sus costos son menores que los que se incurren al ejecutar un modelo regional de alta resolución. Estos enfoques de IA/AA también son mucho más rápidos que los modelos regionales, lo que los hace más aptos para una gestión de desastres más eficaz.

Detección de amplificadores específicos para cada ubicación

Tragedias como la del 30 de julio en Wayanad tienden a repetirse, en parte porque sus enseñanzas no siempre se aplican a nuestra comprensión de los amplificadores locales de los fenómenos extremos. Cambios simples en los patrones de uso de la tierra (asociados, por ejemplo, con la urbanización o la deforestación de las laderas de las montañas) podrían provocar un aguacero aplastante o una granizada devastadora.

Las resoluciones relativamente más burdas de los modelos globales (que abordan cambios en decenas de kilómetros) tienden a pasar por alto esas características locales y acentúan sus imperfecciones. Para adquirir una mejor idea de los efectos de esas características y, por lo tanto, permitir la reducción de escala dinámica regional o de IA/ML para predicciones hiperlocales, necesitamos más datos locales de variables meteorológicas y climáticas.

Las medidas de mitigación de desastres son fundamentales para proteger al país de las inclemencias del tiempo y hacerlo más resistente al cambio climático en escalas temporales más largas. Para ello, necesitamos urgentemente una red de datos que respalde el mapeo de los amplificadores locales de eventos extremos.

Raghu Murtugudde es profesor del IIT Bombay y profesor emérito de la Universidad de Maryland.