Nota: Todos los índices aquí expuestos son de mi completa autoría; no he realizado ninguna consulta para su formulación, he ido construyéndolos en base a mi propia metodología, por lo que posiblemente no existirá información externa relativa a este tipo de análisis.
Para la composición de los índices AMPHI he utilizado un indicador que he descrito en anteriores ocasiones denominado TAWRAT (Thermal Amplitude with respect to the Average Temperature). Para quien no conozca este indicador, se obtiene de la siguiente manera, para un margen de tiempo dado (valores diarios en este caso):
Stability-Steps AMPHI Index
El índice de Escalones de Estabilidad (dentro del contexto de que informa de una anomalía climatológica) consiste, para un conjunto dado de días (e.g.: 28 días) en una comparación entre la desviación estándar de las temperaturas con respecto a la TAWRAT media existente.
A continuación muestro un sencillo gráfico donde puede verse visualmente qué tipo de fenómenos nos puede ayudar a detectar este índice (pongo de ejemplo una bajada de temperaturas permanente al estilo de la borrasca Filomena):
Puede observarse cómo el valor del índice es un 25% superior en el caso de la inestabilidad. Probaremos a continuación el índice con los valores registrados durante y después de la borrasca Filomena. Recordemos que después de la bajada récord de temperaturas, que duró varios días, hubo además durante el mismo mes una impresionante subida de temperaturas. Compararemos el valor del S-S AMPHI de Enero de 2021 (mes de la borrasca), con el de Mayo de 2021, por poner un ejemplo. Se muestra a continuación las temperaturas registradas a lo largo de ambos meses.
Obtenemos para Enero un S-S AMPHI de 0.42 y para Mayo un valor de 0.29. El valor de Enero es un 45% superior al de Mayo.
Chaotic Daily Cicle AMPHI Index
El índice de Ciclo Diario Caótico consiste simplemente en la desviación estándar de la TAWRAT, como se muestra a continuación.
Tiene una utilidad muy importante, ya que mide los cambios en la amplitud térmica. Cuanto menos regular sea el ciclo diario de temperaturas, obtendremos un índice mayor.
No se miden los cambios en la tendencia como en el caso anterior, sino cómo de errática es la curva de temperaturas. Se puede decir que el S-S AMPHI mide inestabilidades a grandes rasgos, a escala semanal, mientras que el CDC AMPHI mide inestabilidades más en detalle, a escala diaria.
A
continuación muestro un sencillo gráfico, este correspondiente al índice CDC, donde puede verse visualmente cómo una sucesión errática de temperaturas afecta al índice CDC:
Puede observarse que en una situación muy estable, el valor del índice CDC será cercano a cero, ya que la desviación estándar de la TAWRAT será casi nula.
Si lo aplicamos al caso real expuesto anteriormente, de la borrasca filomena, obtenemos un índice CDC de 0.50 para el mes de Enero (mes de la borrasca) y un índice de 0.31 para el mes de Mayo (más estable). De esta manera, el mes de Enero tiene un índice CDC 61% superior al de Mayo.
Behavioral AMPHI Index
El índice de Comportamiento consiste en una comparación entre los índices CDC y S-S.
Este índice nos indica la inestabilidad climatológica en general, indicando 0 cuando el ciclo diario de temperaturas es exactamente el mismo todos los días, un valor reducido cuando hay Stability-Steps y un valor más elevado cuanta mayor aleatoriedad presenten las variaciones de temperaturas.
De esta manera, podemos considerar a este índice como el más adecuado de los índices AMPHI en cuanto a detección generalizada de irregularidades climatológicas.
Se muestra a continuación el Behavioral Index resultante en cada uno de los gráficos utilizados anteriormente para ilustrar los índices S-S y CDC.
Aplicado al caso real de la borrasca Filomena resultará un valor de 1.19 para Enero (mes de la borrasca) y un 1.07 para Mayo. Esto nos indicaría que Enero tuvo un comportamiento de carácter más caótico que el mes de Mayo, el cual tiene un Behavioral Index un 10% inferior.
En la práctica, para la medición de la Inestabilidad Climatológica calcularemos la diferencia del S-S AMPHI y del CDC AMPHI con respecto de sus correspondientes medias (en porcentaje de error relativo), ponderamos ambos valores como igual de relevantes y obtenemos un valor de Inestabilidad Promedio como resultado. Por ejemplo, si uno de los dos índices es superior a la media y el otro inferior en partes iguales, la Inestabilidad Promedio resultaría nula.
Luego puede utilizarse el Behavioral AMPHI para conocer el carácter caótico de la inestabilidad: si apenas existe inestabilidad, si se trata de una inestabilidad de fases estables o si se trata de una inestabilidad caótica. Si bien nos resultará de mayor interés comparar el Behavioral AMPHI con respecto a la media de este, para conocer si es más caótico o de fases estables que en promedio, ya que cada mes, por su propia naturaleza, se decantará más por uno u otro comportamiento.
La formulación de todos estos nuevos índices resultará de gran utilidad una vez lo aplique al nuevo predictor que estoy realizando basado en inteligencia artificial. Será posible obtener predicciones de estos índices, lo que posibilitaría predecir fenómenos meteorológicos adversos 26 días antes de que estos ocurran (cada imagen con que se entrena la red neuronal incluye información de 28 días).
Índices Climatológicos diseñados por Luis Manuel Muñoz Pérez
2 de Enero de 2022
Contacto -- noticiarioclimatico.blogspot.com
Comentarios
Publicar un comentario