MAPEO PREDICTIVO DE TORMENTAS CONVECTIVAS EN LA REGIÓN OCCIDENTE DE MÉXICO UTILIZANDO REDES NEURONALES ARTIFICIALES
Las tormentas convectivas son fenómenos de gran intensidad que se originan localmente y pueden generar fuertes lluvias, cambios abruptos de temperatura, inundaciones, actividad eléctrica, vientos intensos y granizo. Estos eventos, asociados a movimientos verticales y a la inestabilidad atmosférica, pueden clasificarse según su estructura interna, duración y entorno atmosférico. En el occidente de México y su región oceánica adyacente, su desarrollo está condicionado por factores atmosféricos, oceánicos y fisiográficos, con un máximo de actividad entre junio y septiembre. Mejorar su pronóstico, especialmente en la etapa inicial, es clave para la reducción de riesgos y la toma de decisiones oportunas.
Este trabajo propone la elaboración de mapas de probabilidad de formación de tormentas convectivas en la región occidental de México y el Pacífico adyacente, mediante un modelo predictivo basado en redes neuronales artificiales con arquitectura CNN+LSTM. El modelo integrará variables observacionales (sensores remotos y radiosondeos), fisiográficas (orografía y uso del suelo) y oceánico-atmosféricas (temperatura superficial del mar y vientos). La metodología está compuesta por: (1) recopilación y estandarización de datos multifuente con distintas resoluciones espaciales y temporales; (2) entrenamiento de la red neuronal para capturar patrones espaciales y temporales; (3) validación con métricas de desempeño y exactitud; y (4) generación de mapas de probabilidad de formación convectiva.
Los resultados preliminares obtenidos a partir de un prototipo inicial entrenado con radiosondeos de Guadalajara para el 2019 donde se consideraron 54 eventos con tormenta y 55 eventos sin tormenta y predictores termodinámicos (CAPE, CIN, LI LFC, RH a 700 y 50 hPa, Temperatura a 500 hPa y contenido de agua precipitable), muestran un modelo con desempeño alto capaz de estimar la probabilidad de convección. En una prueba externa del modelo con 4 radiosondeos de 2022 (dos días con tormenta documentada y dos días sin tormenta), la red asigno probabilidades altas a los dos casos con evento y probabilidades bajas a los días sin evento, mostrando coherencia con mapas de precipitación e imágenes infrarrojas GOES de dichas fechas. Estos resultados confirman la capacidad del enfoque probabilístico para anticipar zonas con condiciones favorables a la convección.