Les previsions del temps funcionen bé a pocs dies vista i s'acostumen a degradar passades unes dues setmanes. Entre les dues i les sis setmanes, el tram que serveix per decidir quan fertilitzar, preparar-se per a una sequera o planificar l'emergència energètica, els models han estat sovint pitjors que una simple mitjana històrica. Judah Cohen, investigador del MIT, descriu aquest tram com un «desert de predictibilitat», i recorda que els treballs del meteoròleg Edward Lorenz sobre el caos ja apuntaven a un límit d'unes dues setmanes.
Un equip encapçalat per Hannah Guan, de la Universitat Harvard, i Soukayna Mouatadid, de la Universitat de Toronto, amb participació del MIT, del Centre Europeu de Previsions Meteorològiques a Mitjà Termini (ECMWF) i de Microsoft, publica a «Nature» l'estudi «Advancing Subseasonal Forecasting with Machine Learning». El mètode és una capa de postprocessament que aprèn dels errors històrics d'un sistema de previsió i corregeix les previsions noves. Es pot aplicar a qualsevol model, treballa amb previsions probabilístiques i es va ajustant a mesura que arriben dades. Aplicada al model de l'ECMWF, segons el MIT en va doblar aproximadament la precisió en aquest termini.
Els autors destaquen dos resultats més: segons ells, és la primera vegada que un model supera les mitjanes climàtiques en aquest tram, i la millora és estadísticament significativa en fenòmens extrems, on la correcció clàssica de biaix empitjorava les previsions perquè tendeix cap a la mitjana. L'any passat, tres models de l'equip es van presentar a un concurs de l'ECMWF i el primer, que combinava el model del centre amb un altre i hi aplicava la correcció, va guanyar. Els investigadors diuen que l'eina és de codi obert, barata i no necessita un superordinador per funcionar, i que el servei meteorològic de Kènia els ha contactat per fer-la servir amb la temporada de monsons.
Les xifres de l'article del MIT són generals: no dona mètriques d'error ni puntuacions de referència, i «duplicar la precisió» s'ha d'entendre segons el que mesura l'estudi, que cal consultar en l'original. La millora s'afirma per a la majoria de les regions terrestres, no per a totes, i el cas de Kènia és, de moment, un contacte i no una aplicació ja en marxa. Tot el que es diu aquí prové dels autors i de la nota institucional; la peça no recull cap valoració independent.