Nuestro compañero en Predictia, Rodrigo Manzanas, ha presentado su Tesis Doctoral titulada Statistical downscaling of precipitation in seasonal forecasting: Advantages and limitations of different approaches.
Las predicciones estacionales climáticas, cuyo objetivo es estimar con varias meses de antelación las condiciones promedio para la próximas estaciones, tienen un gran número de aplicaciones y pueden ayudar a la toma de decisiones en diversos sectores socio-económicos importantes tales como la agricultura, la energía, la salud o el turismo, entre otros. Entre las variables de mayor interés para los usuarios finales, temperatura y precipitación, esta Tesis se centra exclusivamente en esta última. Actualmente, las predicciones estacionales son producidas a nivel operativo mediante complejos modelos numéricos que simulan la evolución del sistema climático con un horizonte temporal de hasta un año. Sin embargo, como consecuencia de la naturaleza caótica de dicho sistema, estas predicciones sólo presentan una calidad aceptable para determinadas regiones del mundo y ciertas estaciones del año.
Además, como consecuencia de las actuales limitaciones de cómputo, la baja resolución espacial (del orden de los cientos de km) de los modelos utilizados resulta insuficiente para la mayoría de estudios de impacto, por lo que se requiere algún tipo de postproceso que permita llevar sus predicciones a una escala local más útil. Una de las alternativas existentes para tal fin es el downscaling estadístico (SD, por sus siglas en inglés), que se basa en técnicas estadísticas que relacionan las salidas de baja resolución de los modelos con las observaciones meteorológicas disponibles en los puntos de interés. Sin embargo, mientras que estas técnicas han sido ampliamente utilizadas para la modelización del cambio climático, la experiencia hasta la fecha es muy limitada para la predicción estacional.
Por tanto, además de proporcionar una validación exhaustiva de la calidad de las predicciones estacionales de precipitación a nivel mundial, permitiendo así identificar cuáles son las regiones con un mayor potencial para un uso eficaz de las mismas, esta Tesis se centra en adaptar las distintas metodologías y técnicas de SD para su correcta aplicación en el contexto de la predicción estacional, analizando para ello una serie de aspectos que raramente han sido tenidos en cuenta hasta la fecha, como por ejemplo la incertidumbre al reanálisis. Asimismo, las ventajas y limitaciones de las distintas metodologías disponibles para SD se analizan en detalle una región de estudio particularmente interesante que ofrece un gran reto a nivel científico: Filipinas.
Como resultado de esta Tesis se establece un marco metodológico de referencia para futuros estudios de SD en el ámbito de la predicción estacional.