Summary: | El clima es un sistema global cuyos subsistemas interactúan de manera compleja. Los
modelos deterministas son capaces de describir los fenómenos climáticos de manera
detallada en todo el mundo. No obstante, los diversos patrones climáticos globales
concurrentes hacen que la tarea de modelado numérico sea un desafío para las regiones
tropicales. Esto se debe a parametrizaciones inadecuadas y errores sistemáticos, típicos
de los modelos físicos deterministas. Además, la morfología de las montañas de los Andes
tropicales genera flujos con patrones espaciales complejos. Una estrategia para eludir la
complejidad de los modelos climáticos en los sistemas montañosos tropicales se basa en
las siguientes consideraciones. 1) Aunque complejo, el clima en los Andes tropicales es
fuertemente estacional. 2) El clima es un sistema de conexiones en el que los patrones
globales influyen en gran medida en esa estacionalidad. Ambas consideraciones parecen
ser criterios racionales para el diseño de un modelo más sencillo y a la vez significado
conceptual. Esta tesis trata sobre la modelación de señales de lluvia mensuales utilizando
patrones climáticos globales. Se asume que las señales climáticas globales son
controladores cruciales sobre las características estacionales de las señales climáticas
locales. La descomposición de señales mediante la conocida Regresión-ArmónicaDinámica (RAD) ayuda a determinar qué patrones climáticos globales influyen sobre el
clima local. La técnica RAD permite separar la lluvia en tendencias no estacionarias y
señales cuasi-periódicas. Por un lado, las tendencias se utilizan para descubrir conexiones
inter-anuales con patrones globales. Por otro lado, las amplitudes no estacionarias de los
componentes periódicos permiten encontrar conexiones intra-anuales. En una segunda
etapa, los patrones de clima globales identificados se incluyen como variables exógenas
en un modelo armónico para simular la precipitación local a escala mensual. Los patrones
globales determinan las propiedades no estacionarias de las tendencias y los componentes
periódicos a través de funciones no lineales. La no linealidad se logra mediante la técnica
de Parámetro-Dependiente de estado (PDE), que infiere funciones no paramétricas entre
los parámetros armónicos y los estados climáticos globales. Una evaluación preliminar
revela un modelo con capacidad para predecir con precisión las señales de lluvia mensual,
conteniendo posibles mecanismos climáticos fundamentales y vínculos conceptuales
entre el comportamiento estacional local y los estados climáticos globales. Finalmente,
aunque la técnica está basada en datos principalmente, sintetiza características
estacionales controladas por patrones climáticos globales, lo cual le otorga cierto carácter
de modelación basado en procesos. Debido a esto, la evaluación del modelo requiere una
perspectiva más integral, respondiendo tanto a la naturaleza basada en datos como a su
carácter de modelo basado en procesos. En ese sentido, se realiza una evaluación de la
predictibilidad del modelo propuesto en contraste con otras alternativas empíricas. Esta
evaluación basada en predicciones es típica de las técnicas basadas en datos. Además,
este trabajo considera una evaluación orientada a procesos, enfocándose en su capacidad
para simular características estacionales y temporales intrínsecas. La evaluación revela
un modelo con mejor precisión predictiva en términos estadísticos respecto a sus
alternativas de comparación, además de ciertas ventajas en cuanto a otros atributos. Se
argumenta que la habilidad predictiva del modelo propuesto se atribuye a su capacidad
para imitar las características de las precipitaciones locales controladas por los patrones
climáticos globales
|