📊 statistics

A lightweight framework for characterising extreme precipitation events in climate ensembles

Este artículo presenta un marco ligero desarrollado por el equipo "Ca' Foscari" para la EVA 2025 Data Challenge que caracteriza eventos de precipitación extrema en ensambles climáticos mediante estadísticas de orden espacial, distribuciones de Pareto generalizadas dentro de un enfoque de picos sobre umbral y modelos aditivos generalizados, abordando tanto la estimación de probabilidades de excedencia como la dependencia temporal entre eventos consecutivos.

Autores originales: Dáire Healy, Isadora Antoniano-Villalobos, Claudia Collarin, Nathan Huet, Ilaria Prosdocimi, Emilia Siviero

Publicado 2026-03-19

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Dáire Healy, Isadora Antoniano-Villalobos, Claudia Collarin, Nathan Huet, Ilaria Prosdocimi, Emilia Siviero

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Claro que sí! Imagina que este artículo es la historia de un equipo de detectives climáticos (de la Universidad Ca' Foscari de Venecia) que tuvo que resolver un misterio muy difícil: predecir cuándo ocurrirán las lluvias más extremas y peligrosas en el futuro, basándose en datos de modelos climáticos.

Aquí tienes la explicación, traducida a un lenguaje sencillo y con algunas analogías divertidas:

1. El Problema: Un Laberinto de Datos

Imagina que tienes 4 mapas gigantes (los modelos climáticos) que muestran cómo llueve en 25 ciudades diferentes. El reto era responder preguntas como: "¿Qué probabilidad hay de que llueva mucho en todas las ciudades a la vez?" o "¿Qué probabilidad hay de que llueva mucho en al menos 6 ciudades?".

Hacer esto con los métodos tradicionales es como intentar resolver un rompecabezas de 10,000 piezas mientras corres una maratón: demasiado lento y complejo. Los modelos espaciales completos son computacionalmente carísimos.

2. La Solución: El "Truco del Orden" (Reducir la complejidad)

En lugar de mirar las 25 ciudades una por una y tratar de entender cómo se relacionan todas entre sí (lo cual es un caos), el equipo decidió usar un truco inteligente:

La analogía del podio: Imagina que en cada día de lluvia, ordenas a las 25 ciudades de la que más llovió a la que menos.
- Para la Pregunta 1, solo miraron a la ciudad que menos llovió (la última del podio). Si esa ciudad tiene mucha lluvia, ¡entonces todas las demás también la tienen!
- Para la Pregunta 2, miraron a la ciudad que ocupó el puesto 20. Si esa ciudad tiene mucha lluvia, significa que al menos 6 ciudades (las del 20 al 25) la tienen.
- Para la Pregunta 3, miraron al puesto 23 (las 3 ciudades más lluviosas).

Al hacer esto, transformaron un problema de 25 dimensiones (muy difícil) en un problema de una sola dimensión (muy fácil), como si redujeran una orquesta sinfónica a una sola nota para analizarla.

3. El Método: La "Red de Pesca" (Peaks over Threshold)

Una vez que tenían su dato simplificado, usaron una técnica llamada "Picos sobre el Umbral".

La analogía de la red: Imagina que tienes una red de pesca. No te interesa cada pequeño pez que pasa (la lluvia normal), solo quieres los tiburones (las lluvias extremas).
Ponen la red a una altura específica (un umbral). Todo lo que está por debajo se ignora. Todo lo que salta la red se estudia.
Usaron matemáticas avanzadas (distribuciones de Pareto Generalizadas) para predecir qué tan grande podría ser un "tiburón" que aún no hemos visto, basándose en los que ya capturamos.

4. El Reto de la "Persistencia" (Pregunta 3)

La tercera pregunta era más complicada: "¿Qué probabilidad hay de que llueva mucho en 3 ciudades durante DOS días seguidos?". Aquí, el tiempo importa. La lluvia de hoy afecta a la de mañana.

La analogía de la cadena: Imagina que la lluvia extrema es como una cadena de dominó. Si cae una ficha (llueve mucho hoy), ¿qué probabilidad hay de que caiga la siguiente mañana?
Usaron un modelo especial (Modelo de Valores Extremos Condicionales) para entender cómo se comportan estas cadenas. Es como predecir si un día de tormenta será un "día de tormenta solitario" o si vendrá acompañado de una "ola de tormentas".

5. El Gran Experimento: Simulación Masiva

Como los datos reales no tenían ejemplos de lluvias tan extremas como las que querían predecir, tuvieron que inventar futuros posibles.

La analogía del videojuego: Imagina que tienes 4 videojuegos (los 4 modelos climáticos). El equipo creó un "generador de mundos" que corrió millones de simulaciones.
En cada simulación, eligen al azar uno de los 4 modelos y generan un futuro de 50 años.
Luego, cuentan cuántas veces ocurren los eventos extremos en todas esas simulaciones.
Al final, toman el promedio de todos esos mundos imaginados para dar una respuesta segura.

6. Los Resultados: ¿Fue un éxito?

Pregunta 1 (Lluvia en todas las ciudades): ¡Excelente! El modelo predijo muy bien lo que realmente ocurrió. Fue como adivinar el resultado de un partido con mucha precisión.
Pregunta 2 (Lluvia en 6 ciudades): El modelo fue un poco conservador y subestimó un poco la probabilidad real. Fue como decir "probablemente ganará el equipo local" cuando en realidad ganaron por goleada.
Pregunta 3 (Lluvia persistente): También subestimó un poco, pero el método fue muy útil para entender la estructura de la dependencia.

En Resumen

Este equipo no intentó construir un superordenador para simular cada gota de lluvia en cada rincón del mundo. En su lugar, usaron inteligencia estadística para simplificar el problema, enfocándose en los "líderes" de la lluvia y usando simulaciones masivas para predecir lo imposible.

Es como si, en lugar de contar cada grano de arena de una playa para saber cuántos hay, decidieras medir la altura de la duna más alta y, con esa medida, calcular el volumen total de la playa. ¡Un atajo brillante para salvar tiempo y recursos!

A continuación presento un resumen técnico detallado del artículo "A lightweight framework for characterising extreme precipitation events in climate ensembles" (Un marco ligero para caracterizar eventos de precipitación extrema en conjuntos climáticos), escrito por D'aire Healy y colaboradores.

1. Planteamiento del Problema

El desafío central abordado en este trabajo es la estimación de las probabilidades de excedencia de eventos de precipitación extrema en múltiples ubicaciones simultáneamente, utilizando datos provenientes de un conjunto de modelos climáticos (CESM2 Large Ensemble). El equipo "Ca' Foscari" participó en el EVA 2025 Data Challenge, donde se les pidió estimar tasas de ocurrencia esperadas para eventos extremos, incluyendo magnitudes que exceden los datos observados en las simulaciones proporcionadas.

Los retos específicos incluyen:

Dependencia espacial: Estimar la probabilidad de que múltiples sitios (ej. 25 ubicaciones) superen umbrales altos simultáneamente.
Dependencia temporal: Estimar la persistencia de eventos extremos en días consecutivos.
Limitaciones computacionales: Los modelos espaciales extremos tradicionales (como procesos max-estables) son computacionalmente prohibitivos para grandes conjuntos de datos y difíciles de implementar.
Extrapolación: Necesidad de inferir eventos más extremos que los presentes en los datos de entrenamiento (4 ejecuciones de modelos).

2. Metodología Propuesta

El equipo propone un marco de trabajo "ligero" que sacrifica una parte de la precisión espacial detallada a cambio de una inferencia rápida, interpretable y asintóticamente justificada, evitando modelar la estructura de dependencia espacial completa.

A. Reducción de Dimensionalidad (Estadísticas de Orden)

En lugar de modelar el campo espacial completo, reducen el problema a series temporales univariadas utilizando estadísticas de orden espaciales:

Para cada día $i$ $i$ y cada ejecución del modelo, definen una variable $X_i$ $X_{i}$ basada en el orden $k$ $k$ de los valores de precipitación en las 25 ubicaciones.
- Pregunta 1: $k=1$ (Mínimo espacial).
- Pregunta 2: $k=20$ (20º valor ordenado, equivalente a que al menos 6 sitios superen el umbral).
- Pregunta 3: $k=23$ (3er valor máximo, equivalente a que al menos 3 sitios superen el umbral).

B. Marco de "Picos sobre Umbral" (POT) y Modelos Aditivos Generalizados (GAM)

Utilizan el enfoque Peaks Over Threshold (POT) con distribuciones de Pareto Generalizadas (GP):

Umbral Variable: Dado el fuerte comportamiento estacional, el umbral $u$ no es fijo. Se estima como el cuantil $\tau=0.95$ de la distribución condicional, modelado mediante regresión cuantílica (usando una distribución Laplace asimétrica) en función del mes.
Parámetros de la GP: Los parámetros de escala ( $\sigma$ $σ$ ) y forma ( $\xi$ $ξ$ ) de la distribución GP se modelan mediante GAMs para permitir que varíen en función de predictores externos (principalmente el mes).
- Para las preguntas 1 y 2, se permiten variaciones mensuales en escala y forma (o solo escala).
- Para la pregunta 3, la forma se mantiene constante.

C. Desagrupamiento (Declustering) y Dependencia Temporal

Para manejar la dependencia temporal en series de precipitación:

Desagrupamiento: Se aplica el método de "run declustering" para aislar eventos extremos independientes dentro de clusters. Se calcula el índice extremal ( $\theta$ ) para corregir las probabilidades estimadas en la escala agrupada.
Modelo de Valores Extremos Condicionales (CEV): Para la Pregunta 3 (persistencia de eventos), se utiliza el marco CEV (Heffernan y Tawn, 2004). Este modelo semi-paramétrico caracteriza la dependencia entre dos días consecutivos ( $X_{i+1}$ dado $X_i$ extremo), asumiendo independencia asintótica. Se transforman los datos a márgenes Laplace y se modela la cola condicional mediante una regresión lineal con residuos estimados no paramétricamente.

D. Inferencia de Conjunto y Simulación

Dado que no se favorece ninguna ejecución de modelo sobre otra, se tratan como intercambiables:

Se ajustan modelos independientes para cada una de las 4 ejecuciones de modelos climáticos.
Se utiliza un procedimiento de simulación Monte Carlo para generar un gran número de conjuntos sintéticos (imitando los 50 runs originales).
Se seleccionan aleatoriamente los modelos ajustados para generar datos sintéticos, calculando las tasas de excedencia empíricas.
Las estimaciones puntuales y los intervalos de confianza se derivan de la distribución empírica de estas simulaciones.

3. Contribuciones Clave

Eficiencia Computacional: Demuestra que es posible realizar inferencias robustas sobre extremos espaciales sin utilizar modelos espaciales complejos y costosos, reduciendo el problema a estadísticas de orden univariadas.
Flexibilidad Estacional: Implementación de umbrales y parámetros de distribución variables en el tiempo (mensuales) mediante GAMs, capturando mejor la variabilidad climática que los modelos estáticos.
Enfoque Generativo: El uso de modelos generativos permite simular escenarios extremos más allá de los datos observados, facilitando la extrapolación necesaria para el desafío.
Manejo de Dependencia Temporal: Integración exitosa del modelo CEV para abordar la persistencia de eventos extremos (Pregunta 3), una tarea difícil con enfoques puramente marginales.

4. Resultados

Los resultados se presentan en la Tabla 1 del artículo (estimaciones puntuales e intervalos de confianza del 95%):

Pregunta 1 (Todos los 25 sitios > 1.7 Leadbetters):
- Estimación: 0.207 (IC: 0.146 - 0.273).
- Desempeño: Alta precisión. El valor verdadero observado fue 0.24, cayendo dentro del intervalo de confianza. El modelo mostró buena capacidad de extrapolación.
Pregunta 2 (Al menos 6 sitios > 5.7 Leadbetters):
- Estimación: 0.072 (IC: 0.040 - 0.108).
- Desempeño: Subestimación significativa de la tasa real. El modelo capturó la tendencia pero no la magnitud extrema suficiente, sugiriendo que la restricción de mantener la forma constante de la GP podría haber sido limitante.
Pregunta 3 (Al menos 3 sitios > 5 Leadbetters por $\ge$ 2 días consecutivos):
- Estimación: 0.067 (IC: 0.035 - 0.105).
- Desempeño: Subestimación de la tasa real. Aunque el modelo CEV es teóricamente adecuado para la dependencia temporal, la modelación marginal subyacente no capturó completamente el comportamiento extremo.

5. Significado y Discusión

El artículo destaca que, aunque el enfoque de estadísticas de orden descarta gran parte de la información espacial disponible (24 de 25 valores diarios), ofrece un compromiso pragmático y eficaz entre rigor estadístico y costo computacional.

Lecciones Aprendidas:
- La asunción de un parámetro de forma constante puede ser demasiado restrictiva para eventos muy extremos (como en la Pregunta 2).
- La corrección por el índice extremal en el contexto de POT es un área de investigación abierta; el equipo aplicó correcciones basadas en la teoría de máximos de bloques, reconociendo que podría no ser óptima para POT.
- Métodos alternativos como el muestreo de importancia (importance sampling) y modelos jerárquicos fueron probados pero descartados debido a inestabilidad en la convergencia o complejidad excesiva.

En conclusión, el marco propuesto demuestra ser una herramienta viable para el análisis de extremos en grandes conjuntos de modelos climáticos, proporcionando inferencias rápidas y explicables, aunque con limitaciones en la precisión de la extrapolación para eventos extremadamente raros cuando la estructura de dependencia es compleja.