Capacidad predictiva de modelos climáticos para la temperatura invernal en Sudamérica: enfoques dinámicos y estadísticos

Abstract

El pronóstico estacional de la temperatura en Sudamérica durante el invierno austral, Junio-Julio-Agosto (JJA) presenta grandes desafíos debido a la alta variabilidad climática en la región, influenciada por fenómenos como El Niño-Oscilación del Sur (ENSO), el Dipolo del Océano Índico (IOD) y la Oscilación Anular del Sur (SAM). Los modelos de circulación general acoplados atmósfera-océano (GCMs) han demostrado ser herramientas poderosas para abordar esta incertidumbre inherente a la predicción climática, al proporcionar simulaciones que integran tanto los forzantes internos como los externos del sistema climático (Osman et al., 2016). En particular, el uso de ensambles de modelos con perturbaciones en las condiciones iniciales ha permitido capturar mejor la variabilidad climática y mejorar la precisión de las predicciones a escala regional (Coelho et al., 2018). Los modelos pronostican parcialmente los patrones climáticos observados, especialmente en zonas de alta complejidad topográfica o donde las interacciones locales son determinantes. En este contexto, las metodologías estadísticas, como la regresión lineal múltiple (MLR, por sus siglas en inglés) y el análisis de correlación canónica (CCA), complementan los modelos dinámicos al capturar relaciones entre variables climáticas y fenómenos como el ENSO o el SAM, los cuales afectan la temperatura y otros parámetros en Sudamérica (Barnston et al., 1992). Este trabajo tiene como objetivo evaluar la predictibilidad del modelo GEM5-NEMO para la temperatura a 2 metros en el trimestre Junio-Julio-Agosto (JJA) en Sudamérica, analizando la capacidad de los pronósticos generados con este modelo y compararlos con otros enfoques estadísticos. También se busca analizar el impacto del fenómeno ENSO y la aplicación de distintas técnicas de calibración.