Avances en el pronóstico urbano para drones y taxis aéreos

El futuro de la entrega de paquetes, taxis e incluso la comida que pedimos en las grandes ciudades está en el aire, por encima de las calles cada vez más atascadas con autos. Pero antes de que un dron repartidor de comida pueda aterrizar de forma segura en la puerta de nuestro hogar, los operadores de estos aviones urbanos necesitarán pronósticos de resolución extremadamente alta que puedan predecir cómo las condiciones meteorológicas generales y las edificaciones interactúan para crear turbulencias que puedan afectar el normal vuelo.

Si bien los científicos han podido ejecutar simulaciones que logran reproducir el flujo de aire asombrosamente complejo alrededor de los edificios en el paisaje urbano, este proceso puede llevar días o incluso semanas en un sistema computacional de avanzada, lo cual termina siendo inútil para los meteorólogos pronosticadores.

Ahora, científicos del Centro Nacional de Investigación Atmosférica (NCAR) han demostrado que un nuevo tipo de modelo construido completamente para ejecutarse en unidades de procesamiento gráfico (GPUs) tiene el potencial de producir pronósticos del flujo atmosférico en áreas urbanas útiles a nivel de calle, utilizando muchos menos recursos informáticos y en una línea de tiempo que hace plausible la previsión meteorológica en tiempo real para drones y otras aeronaves urbanas.

“Las GPU realmente han evolucionado en los últimos años y tienen un gran potencial para acelerar el modelado”, dijo el científico de NCAR Domingo Muñoz-Esparza, autor principal del estudio y uno de los principales desarrolladores de modelos.

Grandes diferencias

Los pronósticos meteorológicos tradicionales a menudo se ejecutan con una resolución de aproximadamente 10 a 15 kilómetros, lo que significa que cualquier cosa más pequeña que eso (edificios, calles y cualquier otra complejidad del paisaje urbano) no se captura directamente. Incluso los modelos meteorológicos de alta resolución se ejecutan con un espacio de 3-4 kilómetros entre los puntos de la cuadrícula, lo que puede reducir ciudades enteras a un puñado de píxeles.

El nuevo modelo denominado FastEddy, por el contrario, se puede ejecutar de manera eficiente a una resolución de sólo 5 metros, lo suficientemente fino como para simular con precisión remolinos y otras características de flujo turbulento que se presentan en las ciudades.

FastEddy fue escrito desde cero, principalmente por los científicos de NCAR Jeremy Sauer y Domingo Muñoz-Esparza. El resultado es un modelo que tiene una tasa de predicción seis veces más rápida con un consumo de energía similar, o un consumo de energía ocho veces menor con la misma tasa de predicción, que un modelo de CPU equivalente.

Los avances

Los nuevos pronósticos finos podrían ayudar a los operadores de aeronaves a determinar si pueden lograr sus objetivos de manera segura, así como cuánta carga de batería se necesitará. Las turbulencias urbanas pueden hacer que las baterías se agoten hasta tres veces más rápido de lo que lo harían de otra manera, según Muñoz-Esparza.

Más allá de modelar la turbulencia y la dirección del viento, el equipo está trabajando en otras aplicaciones posibles para el modelo, incluyendo un nuevo proyecto para modelar cómo el sonido producido por los taxis aéreos podría propagarse a través de una ciudad.

También, se está trabajando para ampliar la capacidad del modelo agregando dinámica húmeda y nubes, lo que hará que estas predicciones meteorológicas a microescala sean aún más realistas. Además, la extraordinaria eficacia del nuevo modelo hace que sea posible ejecutarlo varias veces para el mismo período, una técnica conocida como predicción de conjuntos. Esto permite a los científicos comprender mejor qué tan cierto (o incierto) es un pronóstico y, en general, proporcionar una guía más sólida y confiable a los operadores de aeronaves.