El clima como una orquesta sin director: ritmos en lugar de tendencias ✛

Original: "Detection of Temporal Variability in U.S. Climate Using Harmonic and Wavelet Decomposition"
· Thomas Xiao
arXiv:2511.08627 · 2025-11-09 · CC0 1.0 · 2 min
Los datos centenarios de la NOAA muestran que el clima de EE. UU. no lo marcan líneas rectas, sino la superposición de ciclos que predicen mejor que cualquier tendencia.

El clima de EE. UU. no es una línea recta que se arrastra hacia arriba. Es una orquesta sin director, donde cada violín y cada tambor toca su propia parte, y juntos crean un patrón complejo de años cálidos y fríos, húmedos y secos. Thomas Xiao tomó la grabación de 130 años de esta orquesta (los datos mensuales de la NOAA sobre temperatura, precipitaciones y sequías) y la descompuso en notas individuales.

El análisis armónico es una forma de escuchar qué notas suenan con más frecuencia y más fuerte. La transformada de Fourier descompone la señal en tonos puros, y las wavelets muestran cómo ha cambiado el volumen de cada nota a lo largo del tiempo.

Resulta que en la partitura hay dos motivos principales. El primero es el ciclo anual: el verano siempre es más cálido que el invierno. El segundo es la respiración lenta del océano, con un período de dos a siete años, que conocemos como El Niño. Estos ritmos explican la variabilidad del clima mejor que una tendencia monótona. Un modelo que escucha estas notas predice el futuro con menor error que uno que simplemente dibuja una línea recta.

Pero la orquesta no siempre toca según una sola partitura. El método PELT, que busca cambios bruscos de régimen, encontró dos momentos en los que la música cambió. En la década de 1930 llegó la tormenta de polvo, y en 1976–1977 ocurrió el cambio del Pacífico, como si un director hubiera cambiado repentinamente el tempo.

El resultado más inesperado: las fluctuaciones más fuertes de precipitación en EE. UU. no ocurren una vez al año, sino cada cuatro meses. Ya se eliminó el ciclo estacional de los datos y quedaron modos más rápidos, asociados a procesos intraestacionales.

Hacia 2026–2035, el pronóstico se centra en torno a cero con una ligera desviación positiva. Esto implica un posible aumento de la variabilidad de las precipitaciones: la costa del Golfo de México y el noroeste del Pacífico se volverán más húmedos, mientras que las Grandes Llanuras del norte se secarán ligeramente. Pero la conclusión principal no está en cifras concretas, sino en que el clima no es solo una tendencia, sino una superposición de ritmos. Y si queremos entender el futuro, debemos escuchar no solo el volumen, sino también la melodía.

El pico del espectro de precipitación en la frecuencia de 3 ciclos por año significa que las fluctuaciones más fuertes de precipitación en EE. UU. ocurren con un período de aproximadamente 4 meses, no una vez al año como cabría esperar. Esto se debe a que el ciclo estacional ya se eliminó al calcular las anomalías, y quedan modos más rápidos, por ejemplo, asociados a procesos intraestacionales.

La idea de predecir el clima a través de ritmos ocultos resuena con la "Fundación" de Isaac Asimov, donde la psicohistoria de Hari Seldon revela patrones cíclicos en la historia humana. En ambos casos, el futuro no es lineal, sino que está sujeto a la superposición de ondas de diferentes longitudes, y la tarea consiste en extraer esas ondas del ruido.

A_t = \sum_{k=1}^{N/2} [a_k \cos(2\pi f_k t) + b_k \sin(2\pi f_k t)]
Representa la serie temporal como una suma de oscilaciones con diferentes frecuencias, lo que permite identificar los períodos dominantes.
W(s, \tau) = \frac{1}{\sqrt{s}} \int A(t) \psi^*\left(\frac{t-\tau}{s}\right) dt
Proporciona un mapa tiempo-frecuencia, mostrando cómo la fuerza de cada periodicidad cambia con el tiempo.
RMSE = \sqrt{\frac{1}{N} \sum_{t=1}^{N} (A_t - \hat{A}_t)^2}
Cuantifica la precisión del pronóstico: cuanto menor es el RMSE, mejor reproduce el modelo los datos.
Conceptos
natural variability decadal variability seasonal cycle North Atlantic Oscillation ENSO Atlantic multidecadal oscillation clima NOAA CPC seasonal forcing spring predictability barrier análisis de ondículas El Niño TAO/TRITON moorings climate network Jin-Timmermann model UAH satellite record La Niña ocean-atmosphere coupling drought mixed mode oscillations