La IA y los problemas difíciles del mundo · Ciencias de la Tierra y del clima · arXiv · 2026-10-20
AirMPA: un adaptador de meteorología a contaminación para el pronóstico global de la calidad del aire
Título original: AirMPA: A Meteorology-to-Pollution Adapter for Global Air Quality Forecasting
Los pronósticos precisos en tiempo real de los contaminantes atmosféricos ayudan a reducir los riesgos para la salud, pero los sistemas numéricos tradicionales tienen un alto coste computacional y los modelos de aprendizaje profundo existentes suelen mezclar variables meteorológicas y de contaminantes. Los autores proponen AirMPA, un modelo autorregresivo desacoplado que predice 13 contaminantes a 0.4° y con resolución de 12 horas a partir de campos meteorológicos, información previa de emisiones y concentraciones pasadas. En un horizonte de 5 días, supera de forma constante a Aurora y mejora a CAMS en aproximadamente el 90% de los casos de contaminante y plazo de predicción.