Producto propio · Meteorología · Datos satelitales
Miranubes
Una aplicación meteorológica para ayudar a las familias de O’Higgins a entender qué está pasando en el cielo y prepararse con más anticipación.
- Rol
- Product Owner, diseño de producto y orquestación técnica
- Periodo
- Octubre de 2026 — actualidad
- Estado
- Público · notificaciones en piloto
- Next.js
- React
- TypeScript
- MapLibre GL
- Python
- Supabase
- Tailwind CSS
Por qué existe
Miranubes nació tres días después del tornado que afectó a Requínoa el 26 de octubre de 2026.
La preocupación por mis padres, por los niños que permanecen en el colegio y por la falta de información meteorológica local me llevó a investigar si existían señales disponibles antes de este tipo de fenómenos.
Chile no cuenta con una red operativa de radares meteorológicos terrestres, pero sí existen datos satelitales públicos. A partir de esa oportunidad concebí y dirigí el desarrollo de una aplicación que transforma información compleja sobre nubes, rayos y lluvia en mensajes comprensibles para cualquier persona.
El problema
Las aplicaciones meteorológicas tradicionales muestran pronósticos generales, pero no permiten entender qué está pasando en ese momento alrededor de un lugar específico. Para una familia, la pregunta no es solo si va a llover. Necesita saber:
- Si existe actividad de tormenta cerca.
- A qué distancia y en qué dirección se encuentra.
- Si se está acercando o alejando.
- Qué nivel de confianza merece el aviso.
- Qué precauciones debería tomar.
El desafío era entregar una señal útil sin generar una falsa sensación de precisión ni sustituir los avisos oficiales.
Mi rol
Concebí y orquesté el producto de extremo a extremo.
- Identifiqué el problema y definí la propuesta de valor.
- Investigué las fuentes de datos disponibles.
- Diseñé las vistas y la experiencia de uso.
- Definí qué información debía mostrarse y cómo comunicarla.
- Dirigí la arquitectura, el procesamiento y la validación.
- Usé un sistema de desarrollo asistido por IA bajo mi dirección, aplicando mi experiencia para tomar decisiones, evaluar resultados y controlar la calidad.
La IA funcionó como herramienta de ejecución. La definición del problema, las decisiones de producto, los criterios de validación y la responsabilidad sobre el resultado quedaron bajo mi dirección.
La solución
Una aplicación web instalable y gratuita que procesa información meteorológica de la Región de O’Higgins. Hoy permite:
- Detectar nubes frías asociadas con actividad de tormenta.
- Ver su desplazamiento durante los últimos 30 minutos.
- Detectar rayos observados desde el satélite.
- Configurar radios de monitoreo de 25, 50 o 75 kilómetros.
- Conocer la distancia y dirección de la actividad más cercana.
- Consultar temperatura, viento y posibilidad de lluvia para la próxima hora.
- Recibir mensajes simples con distintos niveles de confianza.
- Consultar recomendaciones básicas cuando hay rayos cerca.
Las notificaciones para monitorear hasta tres lugares importantes, como el hogar, el colegio o la casa de los padres, están en un piloto por invitación.
La decisión más difícil
El mayor desafío no fue detectar nubes frías, sino decidir cuándo decirle a una persona que hay una tormenta.
La primera regla marcaba actividad cuando aparecía una nube con una temperatura inferior a −38 °C. Esa señal estaba presente en el análisis retrospectivo del tornado de Requínoa, pero en el uso cotidiano también producía avisos frente a nubes altas que finalmente no generaban lluvia.
En un producto relacionado con seguridad, una alerta que se equivoca seguido termina perdiendo credibilidad.
Cómo lo resolví
-
01
Comparé las reglas, cada 30 minutos, contra 572 días de lluvia estimada por NASA IMERG.
-
02
Definí las reglas antes de ver los resultados y reservé datos para una evaluación final.
-
03
Incorporé los rayos como una segunda señal de confianza.
-
04
Reemplacé las afirmaciones absolutas por mensajes calibrados según la evidencia.
Cuando hay nubes frías y rayos, la aplicación comunica una probabilidad alta. Cuando solo hay nubes frías, advierte que podría llover o no, con un tono más prudente.
La solución no fue ocultar la incertidumbre, sino convertirla en una parte explícita del producto.
Validación
La evidencia disponible es histórica y experimental, no de adopción masiva.
- En el análisis retrospectivo del tornado de Requínoa, la regla habría marcado actividad intensa unos 50 minutos antes del evento. El sistema todavía no existía, así que nadie recibió ese aviso.
- Durante octubre de 2026, la regla marcó siete días de actividad. Además del día del tornado, los otros seis coincidieron con avisos oficiales de tormenta.
- La validación usó 572 días de datos, entre abril de 2025 y octubre de 2026.
- Miranubes identificó nubes de tormenta en el 84 % de los casos en que después se observó lluvia.
- Cuando había nubes frías y rayos, llovió en aproximadamente ocho de cada diez avisos.
- Las observaciones en terreno permitieron detectar falsas alarmas y mejorar la comunicación de los casos sin rayos.
Estos resultados tienen límites. NASA IMERG es una estimación satelital, todavía falta validar con pluviómetros terrestres y el periodo medido de tormentas de verano sigue siendo reducido.
Arquitectura
El sistema procesa automáticamente nuevas observaciones del satélite cada diez minutos, usando datos abiertos y servicios con planes gratuitos.
Datos
NOAA GOES-19 ABI y GLM, NASA GPM IMERG, Open-Meteo, NOAA GFS y AWS Terrain Tiles.
Aplicación
Next.js, React, TypeScript, Tailwind CSS y MapLibre GL.
Procesamiento
Python, xarray, s3fs, MetPy, Cartopy y pandas.
Operación
GitHub Actions, GitHub Pages, Supabase y Vercel.
Calidad
Vitest y métricas de validación meteorológica.
Producto
PWA, funcionamiento sin conexión y Web Push en piloto.
Estado y próximos pasos
Miranubes está público, operativo y disponible gratis. Lo que sigue:
- Validar resultados con pluviómetros terrestres.
- Medir una temporada completa de tormentas de verano.
- Ampliar el piloto de notificaciones.
- Recopilar métricas de uso y de las decisiones que toman usuarios reales.
- Seguir comparando observaciones históricas y actuales para mejorar la precisión.
De una pregunta personal a un producto público
En pocas semanas pasé de una pregunta personal a un producto público, medido y útil para otras personas. La IA fue una herramienta dirigida por criterio y experiencia; el problema, las decisiones y la responsabilidad sobre el resultado fueron míos.
Observación experimental. Miranubes no reemplaza los avisos de SENAPRED ni de la Dirección Meteorológica de Chile.