En mayo de 2018, Ed Hawkins lanzó una visualización de datos climáticos que dio la vuelta al mundo. Las Climate Stripes o líneas climáticas. Una visualización increíblemente sencilla, que transmite un mensaje potente: el aumento de las temperaturas debido al cambio climático. Sin ejes, sin números. Sólo colores. La intención era, tal y como explica Hawkins, "iniciar conversaciones en torno al cambio climático"1, especialmente entre aquellas personas que nunca hablan del clima. En Predictia, nos encontramos en una situación similar. También desarrollamos visualizaciones de clima, pero nuestro público es muy diferente al de Hawkins. Nuestros visores de datos están dirigidos normalmente a responsables de la toma de decisiones en diferentes ámbitos.
Por ello, tenemos una preocupación constante: cómo comunicar los niveles de certeza de las proyecciones de cambio climático. Hacerlo de manera visual no es sencillo. Para afrontar este reto, pasamos de las líneas a los hexágonos y desarrollamos Climate Hexembles: una nueva visualización de los mismos datos climáticos que representan las climate stripes.
No estamos solos en esta preocupación por comunicar la incertidumbre. Hay muchos artículos revisados por pares al respecto2,3,4, y constantemente vemos cómo surge la discusión en diferentes foros. Como hace dos semanas en el último webstival de Climateurope, donde la incertidumbre fue la principal barrera identificada a la hora de hablar con usuarios ajenos a la comunidad de investigación en clima. Para escribir sobre la incertidumbre, el IPCC ha ideado una solución muy elegante5: abordar el nivel de confianza y la probabilidad de los eventos en el texto. "Es probable que el calentamiento global alcance 1,5°C entre 2030 y 2052 si sigue aumentando al ritmo actual. (alta confianza)". Sin embargo, visualizar la certeza es otra cuestión. Los climate hexembles lo consiguen de forma sencilla—o al menos eso pensamos.. El eje horizontal representa el tiempo, y el vertical el aumento de la temperatura (en comparación con los niveles anteriores). El color de los hexágonos representa el acuerdo entre modelos: cuantos más modelos coincidan en ese aumento de temperatura para ese periodo de tiempo, más rojo será el hexágono.
Para visualizar los niveles de certeza de las proyecciones climáticas, los hexágonos climáticos siguen las pautas de las buenas prácticas en la comunicación climática:
- Mostrar los datos del conjunto: en lugar de trazar los resultados de los modelos climáticos individuales, o mostrar sólo la media, mostramos los resultados de un conjunto de modelos. Esto permite al espectador explorar diferentes escenarios. Al ofrecer una imagen completa, también resulta más difícil seleccionar modelos individuales para hacer afirmaciones malintencionadas.
- Destacar el consenso entre los modelos: al pasar el cursor por encima de un hexágono, se verá cuántos modelos coinciden en ese resultado. Esto resalta la probabilidad de un escenario específico de forma visual.
- Enfocar la incertidumbre: en la comunicación sobre el clima, enfocar de forma positiva la incertidumbre importa. Mucho 6, 7, 8, 9, 10, 11. Las frases "La temperatura subiría al menos 1,3 ºC en algún momento entre 2050 y 2060. El 75% de modelos coinciden (8 de 12)" y "Para 2055, la temperatura subirá entre 1,3º C y 1,5 ºC, según 8 modelos" contienen la misma información. Sin embargo, hay una diferencia en la forma en que son recibidas por la audiencia. Al poner el resultado específico en primer lugar en el texto, estamos enfocando el problema de manera diferente: la pregunta que abordamos es cuándo la temperatura subirá a ese nivel, no si lo hará. Y este contexto se proporciona mientras se pasa por encima de los hexágonos con el cursor.
El proceso
El desarrollo de esta nueva visualización no ha sido algo que hayamos hecho espontáneamente, ni una inspiración súbita. Ha sido el resultado de un proceso de experimentación, con algunas iteraciones y cambios de enfoque, aprovechando la experiencia de proyectos anteriores. En el camino hemos ido probando diversas variantes. Nuestro reto era abordar la incertidumbre. Quizá algunos de estos enfoques sean útiles para otros fines.
Si seguimos en la línea de las climate stripes, una forma de introducir la incertidumbre sería dibujar varias de forma paralela, conteniendo la información de los modelos individuales. Sin embargo, esta visualización proporciona demasiada información a la vez, y aumenta la carga cognitiva del espectador. Además, visualmente, es demasiado parecida a una visualización de mapa de calor, por lo que puede llevar a la confusión.
Así que cambiamos el enfoque, para abordar visualizaciones más tradicionales, como las series temporales de abajo. Estas se utilizan, por ejemplo, en nuestro visor de escenarios de cambio climático AdapteCCa, para mostrar predicciones en conjunto. Aunque transmiten el mensaje de forma mucho más clara, la concordancia entre modelos es más difícil de detectar a primera vista. La sombra azul proporciona un rango visual, pero resaltar el consenso entre modelos dentro de ese rango es difícil.
Uniendo la sensación de mapa de calor que proporcionan las franjas climáticas apiladas con el concepto de series temporales, hemos dado con los Hexembles climáticos. Estamos muy orgullosos de ellos. ¡Dinos lo que piensas en los comentarios!
Lecturas adicionales
Si te ha gustado este artículo y quieres más material sobre el tema, échale un ojo a estos recursos externos:
[1] Data Stories #147: Iconic Climate Visuals with Ed Hawkins Link
[2] Ho, E.H., Budescu, D.V. Climate uncertainty communication. Nat. Clim. Chang. 9, 802–803 (2019). Link
[3] Howe, L.C., MacInnis, B., Krosnick, J.A. et al. Acknowledging uncertainty impacts public acceptance of climate scientists’ predictions. Nat. Clim. Chang. 9, 863–867 (2019). Link
[4] Stanford research shows how uncertainty in scientific predictions can help and harm credibility. Link
[5] Guidance Note for Lead Authors of the IPCC Fifth Assessment Report on Consistent Treatment of Uncertainties Link
[6] Ballard, T., Lewandowsky, S. When, not if: the inescapability of an uncertain climate future. Phil. Trans. of the RoySoc A. Link
[7] The Uncertainty Handbook. A practical guide for science communicators. Link
[8] Markowitz, E.M., and Shariff, A.F. (2012). Climate change and moral judgement. Nature Climate Change 2, 243–247. Link
[9] Lench, H.C., Smallman, R., Darbor, K. and Bench, S. (2014). Motivated perception of probabilistic information. Cognition 133, 429–442. 21. Link
[10] Harris, A., Corner, A. and Hahn, U. (2009). Estimating the probability of negative events. Cognition 110, 51–64. 22. Link
[11] Epper, T., Fehr-Duda, H.and Bruhin, A. (2011). Viewing the future through a warped lens: Why uncertainty generates hyperbolic discounting. Journal of Risk & Uncertainty 43, 169-203. Link