El modelo de pronóstico Kalynda
Kalynda no es otro modelo numérico. Toma los seis que ya existen y se queda con lo mejor de cada uno — la precisión de medio plazo del ECMWF, el detalle de escala fina de ICON sobre Europa, la actualización rápida del GFS, el comportamiento del GEM en latitudes altas, el anidamiento de mesoescala de Météo-France, la habilidad del Met Office en capa límite y costa — y calibra el resultado con el METAR en vivo más cercano. El pronóstico único resultante busca superar a cualquiera de ellos por separado.
Por qué combinar
Cada modelo global resuelve la misma física con rejillas, análisis iniciales y parametrizaciones distintas. En un día tranquilo coinciden dentro de un nudo. En un día cambiante pueden diferir 90° de dirección y 10 nudos de velocidad. Elegir un modelo es heredar sus malos días. Promediarlos todos es mejor, pero un promedio simple deja que una única pasada mal situada arrastre el resultado.
Paso uno — ponderación robusta
Para cada hora tomamos los seis vectores de viento y hallamos su mediana. Luego cada modelo se pondera según su distancia a esa mediana mediante un biweight de Tukey: los cercanos conservan todo su peso, los alejados lo pierden rápido y un atípico extremo baja a un 5% simbólico en lugar de eliminarse. Nada se descarta —un modelo solitario también puede acertar— pero ninguna pasada puede secuestrar la mezcla.
Paso dos — calibración en vivo
La robustez por sí sola trata a todos los modelos como igual de creíbles. No lo son. En un día concreto, sobre un terreno concreto, algunos simplemente aciertan más. Por eso comparamos el pronóstico de cada modelo para la hora actual con la estación METAR más cercana y puntuamos su error. Los que coinciden ganan peso; los que fallan lo pierden hasta un suelo del 35%. Es la lógica del clásico Model Output Statistics aplicada a una sola observación en vivo en vez de a un archivo largo, y por eso es utilizable de inmediato.
Dónde se detiene
La calibración solo se aplica si la estación está a unos 55 km y el viento supera los 4 nudos. Más lejos domina el terreno local y la observación deja de ser evidencia sobre los modelos. Por debajo de esa velocidad la dirección es inestable por naturaleza y puntuar con ella añade ruido, no destreza. En ambos casos queda solo la ponderación robusta.
Las demás variables
Temperatura, punto de rocío, nubosidad, precipitación, visibilidad y presión se mezclan igual, pero como escalares: mediana, pesos biweight, media ponderada. El viento se trata como vector porque la dirección es circular: promediar 350° y 10° aritméticamente da 180°, justo el sentido contrario.
Qué significa la confianza
El porcentaje combina dos cosas: cuánto coinciden los modelos en dirección y cuánto se separan en velocidad. Confianza alta significa que cuentan la misma historia y se puede planificar sobre el pronóstico. Confianza baja no significa que el pronóstico sea erróneo, sino que la atmósfera está en un punto de decisión y conviene revisar cerca de la salida.
Qué tomamos de cada modelo
Cada centro hace algo mejor de forma medible, y la ponderación usa exactamente eso. El ECMWF lidera el medio plazo y tiene un sesgo neto de viento casi nulo: por eso pesa más a partir del día 3 y en presión y punto de rocío. ICON del DWD tiene los menores errores a corto plazo frente a observaciones de superficie y asimila radar en cada ciclo dentro del dominio europeo: allí lidera los dos primeros días, sobre todo en precipitación y rachas. AROME (1,3 km) y UKV (1,5 km) generan campos propios de niebla y nubosidad baja, así que llevan visibilidad y nubes sobre Francia y las Islas Británicas. El HRRR de la NOAA ingiere radar cada 15 minutos sobre EE. UU. y lidera allí en las primeras horas. El GEM canadiense pasó en mayo de 2026 a ser el primer sistema global híbrido de física y aprendizaje automático, con ganancias máximas hacia el día 5 y sostenidas al día 10: su peso sube justo en esa ventana. Los pesos también cambian según la variable.
Dónde nos contenemos a propósito
La verificación publicada también dice dónde no fiarse. El propio ECMWF señala que las expectativas sobre su visibilidad deben ser bajas y que subestima las rachas convectivas, a veces por un factor de dos: ambos pesan poco. El GFS tiene un sesgo seco documentado en el punto de rocío sobre EE. UU. y sobrepronostica la lluvia débil mientras infravalora la intensa. La malla de ARPEGE pasa de 5 km sobre Francia a unos 24 km en las antípodas, así que su peso cae al alejarse de Europa. Los datos del UKV llegan más tarde y reciben un descuento de frescura en las primeras horas. El GEM tiene sesgo positivo de presión en superficie e infravalora la nubosidad. Ningún modelo se descarta: a cada uno se le pregunta lo que responde bien.
Límites honestos
Kalynda hereda todos los errores de sus entradas. Si los seis modelos pierden una brisa marina o una onda de montaña, la mezcla también. No hay asimilación de radar, ni nowcasting, ni modelo local de terreno. Es un mejor punto de partida que cualquier modelo aislado, no un sustituto de mirar el cielo, leer el TAF y decidir por uno mismo.
Fuentes de los modelos
ECMWF IFS · ECMWF AIFS · NOAA GFS · DWD ICON · CMC GEM · Météo-France ARPEGE · UK Met Office, todos vía Open-Meteo. Observaciones del NOAA Aviation Weather Center. Las ponderaciones se apoyan en verificación publicada: ECMWF TM931/TM928 y su guía de usuario, documentación del DWD sobre asimilación de radar, Met Office RAL1/RAL3 (GMD), CNRM ARPEGE/AROME, notas técnicas de ECCC GDPS/RDPS/HRDPS y documentación NOAA NCEP GFS/HRRR.