| Summary: | El clima está conformado por muchos componentes, por ejemplo, atmósfera,
hidrósfera, criósfera y biósfera. Todos los componentes actúan bajo
mecanismos que los relacionan de manera altamente no lineal lo que hace del
clima un sistema complejo. Esta complejidad es un reto para estudiar el clima y
sus implicaciones a varias escalas espacio temporales. No obstante, la
dependencia de las actividades antropogénicas al clima, ha fomentado su
estudio con el fin de, por ejemplo, anticiparse a sus cambios periódicos y, en lo
sumo de lo posible, a eventos atípicos que puedan tener efectos negativos. Al
ser el estudio del clima una tarea complicada, varios enfoques han sido
utilizados con el fin de desentrañar los procesos subyacentes que dominan su
comportamiento. Esos enfoques van desde el análisis de correlaciones lineales
hasta complejos análisis de descubrimiento de conocimiento basados en
aprendizaje automático. Este último enfoque ha tomado mayor relevancia luego
de la introducción de sofisticados modelos de simulación climática y equipos de
alta tecnología (e.g., satelitales) que permiten un registro climático de mayor
cobertura y que, en conjunto, han generado la presencia ubicua de grandes
bases de datos. Una de las aproximaciones de descubrimiento de conocimiento
en base a estos grandes datos es la que se basa en redes climáticas. Pero
últimamente se han aprovechado también métodos de razonamiento causal
para la inferencia y caracterización de dichas redes, lo que se llama aquí como
redes climáticas causales. Varios estudios se han llevado a cabo con redes
climáticas, sin embargo, la reciente introducción de métodos de causalidad,
hace del estudio del clima con redes climáticas causales una oportunidad para
explorarlas y explotarlas de manera más amplia. Además, las particularidades
del clima hacen que sea necesario entender cuestiones operativas puntuales
que hay que tomar en cuenta al momento de aplicar redes. El objetivo entonces
de esta tesis es proponer nuevas metodologías y aplicaciones de redes
causales climáticas siguiendo como hilo conductor la caracterización de
fenómenos físicos que se manifiestan a diferentes escalas espaciales. Para
esto se tomaron como casos de estudio el clima en Sudamérica y gran parte de
los océanos Pacífico y Atlántico, luego, reduciendo la escala, se analizaron
factores circundantes que influyen en la lluvia del Ecuador y, finalmente, se
estudió la selección de predictores para modelos de downscaling en una
cuenca hidrográfica andina. Entre los principales resultados están los
siguientes tres. Primero, una metodología de evaluación de modelos climáticos
globales basada en lo que se denomina aquí como flujos causales. Segundo,
un enfoque que estudia flujos causales y ayuda en el trazo de caminos de influencia en campos de flujos. Tercero, la presentación de evidencia que
muestra la efectividad de métodos basados en causalidad en la selección de
predictores para modelos de downscaling. La tesis contribuye a los esfuerzos
para disminuir la brecha entre la comunidad climatológica y la que estudia el
razonamiento causal mediante su aplicación y tomando ventaja de las masivas
cantidades de datos climáticos disponibles hoy en día.
|
|---|