Consultas la app del tiempo. Dice que no va a llover. Sales a la calle y te empapas. Esto ocurre porque la estación meteorológica oficial más cercana puede estar a 15 kilómetros, al otro lado de una colina, en un microclima completamente distinto. La meteorología tradicional tiene un problema de resolución, y las redes mesh comunitarias son la solución más prometedora.
El Met Office del Reino Unido gestiona unas 200 estaciones meteorológicas oficiales en todo el país. El Servicio Meteorológico Nacional de EE. UU. cuenta con aproximadamente 900 sistemas automáticos de observación de superficie. Parece mucho hasta que se tienen en cuenta las extensiones de territorio involucradas. En la práctica, la distancia media entre estaciones es de 25-40 km en la mayoría de los países desarrollados, y mucho mayor en regiones rurales o en vías de desarrollo.
Sin embargo, el tiempo es intensamente local. Las precipitaciones pueden variar un 50% entre dos puntos situados a solo 5 km. Las diferencias de temperatura de 3-5 °C entre el centro de una ciudad y sus suburbs circundantes son habituales — es el bien documentado efecto de isla de calor urbana. Una sola estación meteorológica sencillamente no puede representar las condiciones de toda su área de cobertura.
Los datos de radar y satélite ayudan a cubrir algunas lagunas, pero miden desde arriba. Pueden indicar que una nube de lluvia está sobre tu zona, pero no si en realidad está lloviendo a pie de calle (la virga — lluvia que se evapora antes de llegar al suelo — es una fuente habitual de falsos positivos).
Una red meteorológica mesh es un sistema que agrega lecturas atmosféricas de un gran número de sensores distribuidos — estaciones meteorológicas personales, smartphones, dispositivos IoT e incluso vehículos conectados — para crear una cuadrícula de observación de alta densidad. En lugar de depender de unos pocos cientos de estaciones profesionales, una red mesh puede nutrirse de decenas de miles o incluso millones de puntos de datos.
El término "mesh" hace referencia a la topología de red: cada nodo (sensor) aporta datos, y la red gana precisión a medida que se incorporan más nodos. No existe un punto único de fallo, y la cobertura se concentra de forma natural donde hay personas — que es exactamente donde más importa contar con información meteorológica precisa.
He aquí un dato que sorprende a la mayoría: casi todos los smartphones fabricados desde 2012 incluyen un sensor de presión barométrica. Se añadió originalmente para ayudar en los cálculos de altitud del GPS, pero también proporciona una lectura continua y precisa de la presión atmosférica.
La presión barométrica es una de las mediciones meteorológicas más valiosas. Las caídas rápidas de presión indican tormentas que se aproximan. Los gradientes de presión entre lugares cercanos revelan patrones de viento. Y como los barómetros de los teléfonos son precisos hasta aproximadamente 0,1 hPa, son genuinamente útiles para la observación meteorológica — no una simple curiosidad.
El proyecto PressureNet, dirigido por investigadores de la Universidad de Washington, lo demostró a principios de la década de 2010. Recopilaron lecturas barométricas de teléfonos Android y demostraron que los datos de presión de los smartphones podían mejorar la precisión de los modelos meteorológicos, en particular para predecir tormentas convectivas. La investigación fue publicada en el Bulletin of the American Meteorological Society y evidenció una señal clara incluso con un control de calidad básico.
Mientras que los teléfonos proporcionan datos de presión, las estaciones meteorológicas personales (EMP) ofrecen el paquete completo: temperatura, humedad, velocidad del viento, dirección del viento, precipitaciones, índice UV y, en algunos casos, calidad del aire. Las estaciones de empresas como Davis Instruments, Ecowitt y Ambient Weather oscilan entre unos 100 y 500 dólares.
Weather Underground fue pionera en la agregación de datos de EMP, construyendo una red que hoy supera las 250.000 estaciones en todo el mundo. Su mapa interactivo permite ver las lecturas meteorológicas de estaciones individuales en tu barrio, actualizadas a menudo cada pocos segundos.
La calidad de los datos varía — una estación instalada en una pared orientada al sur dará lecturas de temperatura elevadas; una protegida por un edificio subestimará el viento — pero las técnicas estadísticas pueden identificar y filtrar lecturas atípicas cuando hay suficientes estaciones que contribuyen. La densidad compensa la imprecisión individual.
Las estaciones meteorológicas profesionales cuestan entre 10.000 y 50.000 dólares, las mantienen técnicos cualificados y siguen las directrices de emplazamiento de la OMM (Organización Meteorológica Mundial). Una estación doméstica de 150 dólares clavada en un poste de valla no puede igualar esa precisión individual.
Pero he aquí el hallazgo contraintuitivo: un conjunto de 20 estaciones económicas en un radio de 5 km ofrece a menudo una imagen más precisa de las condiciones locales que una sola estación profesional a 25 km. Los errores de las estaciones baratas individuales son en gran medida aleatorios — algunas leen por encima, otras por debajo — y se anulan al promediarlos. La lectura de la estación profesional es precisa, pero sencillamente no está midiendo tu ubicación.
Cualquier sistema que recopile datos vinculados a una ubicación plantea cuestiones de privacidad. Si una app meteorológica conoce tus coordenadas exactas y la presión barométrica (que se correlaciona con la altitud y, por tanto, con la planta en la que te encuentras en un edificio), esa información puede resultar sensible.
Las redes mesh bien diseñadas abordan esto mediante varias técnicas:
Cloudmesh Weather implementa este tipo de enfoque mesh centrado en la privacidad — las lecturas se aportan sin identificadores de usuario y con coordenadas aproximadas, de modo que la red gana datos sin que la ubicación de nadie sea rastreada.
Los datos meteorológicos hiperlocales tienen aplicaciones que las previsiones tradicionales sencillamente no pueden cubrir:
Los smartphones contienen otro sensor relevante para la monitorización medioambiental: un acelerómetro. El proyecto MyShake de UC Berkeley demostró que los acelerómetros de los teléfonos pueden detectar las ondas P de los terremotos — las ondas de movimiento rápido y menor poder destructivo que llegan antes que las dañinas ondas S. Con suficientes teléfonos en una red, es posible emitir alertas segundos antes de que las sacudidas alcancen una ubicación determinada.
El sistema nacional de alerta temprana de terremotos de Japón funciona con este principio usando sensores dedicados. Una red densa basada en teléfonos podría, en teoría, proporcionar una cobertura similar a una fracción del coste en infraestructura. El reto está en filtrar los falsos positivos — pasos, puertas que se cierran, teléfonos que caen — lo que requiere tanto algoritmos inteligentes como una alta densidad de sensores.
Hay aproximadamente 6.800 millones de smartphones en uso a nivel mundial. Cada uno contiene un barómetro, un acelerómetro, un sensor de luz, un micrófono y GPS. Eso es una red de sensores de densidad inimaginable que ya está desplegada, ya está alimentada y ya está conectada a internet.
Los retos técnicos son reales: impacto en la batería, calidad de los datos, privacidad y el enorme volumen de datos que generarían millones de dispositivos. Pero la trayectoria es clara. Apple, Google y varios grupos de investigación trabajan activamente en marcos que permiten a las apps contribuir con datos de sensores con un impacto mínimo en la batería y sólidas garantías de privacidad.
La meteorología tradicional nos da el panorama general — patrones sinópticos, previsiones a varios días, modelos climáticos. Eso seguirá siendo esencial. Pero para la pregunta que la mayoría de la gente hace realmente — "¿lloverá sobre mí, justo aquí, en la próxima hora?" — la respuesta vendrá cada vez más de los teléfonos a tu alrededor, no de una estación meteorológica al otro lado de la ciudad.