Una celda con P = 0.70 significa que 14 de los 20 escenarios colocan sargazo ahí. No significa que haya un 70 % de sargazo, ni que la mancha sea más densa: densidad y probabilidad son cosas distintas y se muestran por separado.

Los escenarios se generan variando los parámetros que gobiernan la deriva dentro de los rangos que la literatura considera defendibles. Es una medida de nuestra ignorancia sobre el arrastre del viento y la resistencia de las balsas al flujo, no de la variabilidad del océano.

Para saber si un pronóstico sirve no basta con preguntar si acierta. Hay que compararlo con la alternativa más simple: suponer que mañana el sargazo estará donde está hoy. Si no le gana a eso, no aporta nada.

Se comprobó mirando hacia atrás: se hicieron pronósticos de días ya pasados y se compararon con lo que el satélite vio después. Se midieron cinco plazos —uno, dos, tres, cinco y siete días—. El modelo ganó en cuatro de los cinco.

En qué acierta y en qué no: de cada diez manchas de sargazo que había, el modelo encuentra alrededor de ocho. A cambio, señala más superficie de la que realmente se llena. Conviene leerlo como dónde mirar, no como dónde exactamente: si una zona está señalada, es probable que haya sargazo dentro, pero no en toda ella.

Y lo que esta comprobación no cubre, que conviene tener presente: llega hasta el séptimo día. Los días ocho, nueve y diez nunca se han verificado. Y en el plazo más largo que sí se midió, el séptimo, el modelo ya no le ganaba a suponer que nada se mueve. Cuanto más lejos en el tiempo, menos fiable: los primeros días son los que sostienen una decisión.

No incluye crecimiento ni mortalidad del sargazo: a diez días eso cambia la biomasa menos de un 4 %, muy por debajo del error de la propia observación satelital. Tampoco resuelve el hundimiento de las balsas con viento fuerte, ni la marea, ni el efecto del arrecife en la aproximación final a la playa.

Las probabilidades mostradas son un límite inferior de la incertidumbre real: el ensamble representa la incertidumbre del modelo de deriva, pero todavía no la del pronóstico oceánico y atmosférico que lo alimenta.

SATsum‑Drift utiliza una formulación lagrangiana de deriva respaldada por la literatura científica, con coeficientes obtenidos de las mediciones publicadas por Podlejski et al. (2023, 2024), el término de deriva de Stokes documentado como necesario por Jouanno et al. (2021), la detección satelital mediante el índice AFAI de Wang y Hu (2016) y la conversión a biomasa propuesta por Wang et al. (2018).

• Podlejski, W., Berline, L., Nerini, D., Doglioli, A., Lett, C. (2023). A new Sargassum drift model derived from features tracking in MODIS images. Marine Pollution Bulletin 188:114629. doi.org/10.1016/j.marpolbul.2023.114629
• Podlejski, W., et al. (2024). Drivers of growth and decay of Sargassum in the Tropical Atlantic: a Lagrangian approach. Progress in Oceanography 229:103364. doi.org/10.1016/j.pocean.2024.103364
• Jouanno, J., et al. (2021). A NEMO‑based model of Sargassum distribution in the tropical Atlantic (NEMO‑Sarg1.0). Geoscientific Model Development 14:4069–4086. doi.org/10.5194/gmd-14-4069-2021
• Wang, M., Hu, C. (2016). Mapping and quantifying Sargassum distribution and coverage in the Central West Atlantic using MODIS observations. Remote Sensing of Environment 183:350–367. doi.org/10.1016/j.rse.2016.04.019
• Wang, M., et al. (2018). Remote sensing of Sargassum biomass, nutrients and pigments. Geophysical Research Letters 45:12359–12367. doi.org/10.1029/2018GL078858

El código fue desarrollado íntegramente por el equipo del SIMAR y no deriva de adaptaciones de Ichthyop, OpenDrift o NEMO‑Sarg. Su formulación científica se sustenta en ecuaciones y parámetros publicados, cada uno de los cuales está vinculado con su correspondiente fuente bibliográfica.