Por qué se puede predecir El Niño ✛ ✎

Original: "Residual Pseudospectra Reveal a Physics-Informed Koopman Backbone for Tropical Pacific Variability and ENSO Prediction"
arXiv:2606.09369 · 2026-06-08 · arXiv non-exclusive · análisis propio · 3 min
Detrás del ruido de cientos de líneas espectrales de los datos climáticos se esconde una pequeña orquesta de oscilaciones estables, que es la que aporta la capacidad predictiva.

La orquesta toca en una sala oscura y el oyente solo escucha un rumor: cientos de instrumentos se funden en un ruido denso en el que es imposible distinguir la melodía. Así se ven aproximadamente los espectros que se extraen de los datos climáticos con métodos como el operador de Koopman: cientos de componentes, cada una con su frecuencia, y no se sabe cuáles son músicos de verdad y cuáles son el chirrido de las sillas. El operador de Koopman es un director matemático que describe la dinámica no lineal mediante una acción lineal sobre funciones de estado, pero su orquesta es demasiado grande para poder dirigirla.

Los autores del trabajo decidieron encontrar en ese ruido las notas estables. Tomaron las anomalías mensuales de temperatura de la superficie del Pacífico tropical de dos fuentes independientes: el reanálisis ERA5 y la reconstrucción HadISST. Los datos de 1940 a 2010 sirvieron como conjunto de entrenamiento, y los quince años siguientes como conjunto de validación. Para cada par calculado de “autovalor y autovector” evaluaron el residuo mediante el método ResDMD, es decir, cuán bien satisface ese par la ecuación de Koopman. Luego, a lo largo del círculo unitario construyeron la función pseudoespectral del residuo. Los mínimos locales de esta función señalan las frecuencias que no se desvían ante un pequeño empujón, como un diapasón que sigue sonando aunque alguien aplauda cerca.

De las aproximadamente 800 pares propios que el método produce para cada conjunto de datos, bastan solo 19 modos fundamentales para explicar el 92% de la variabilidad del índice principal de El Niño. En cambio, los modos de mayor amplitud, que suelen elegirse, explican apenas el 18% de esa misma variabilidad.

Estas diecinueve frecuencias estables forman el armazón de Koopman. Entre ellas hay una componente con un período de unos 3.6 años, cuya estructura espacial reproduce el El Niño canónico, con anomalías en el Pacífico ecuatorial central y oriental. Los modos más largos, de unos 12.6 años, tienen una estructura amplia de cuenca con una notable asimetría meridional, mientras que los modos cortos, de unos 2.1 a 2.4 años, se concentran más cerca de la parte central del ecuador. La reconstrucción del índice Niño-3.4 basada en estos diecinueve modos explica el 92% de la varianza del período de entrenamiento. Para comparar, los modos de mayor amplitud explican solo el 18% con autofunciones estándar y el 81% con pseudoautofunciones.

Los otros cientos de pares propios no son músicos independientes. Muchos coinciden con potencias enteras de los modos fundamentales, y el residuo crece con el orden de la potencia. Es como si en la orquesta, además de los diecinueve instrumentos principales, sonaran sus armónicos y combinaciones: la flauta y el oboe juntos producen un tercer tono que no es un instrumento aparte, sino solo su sonido conjunto. Los pronósticos basados en el armazón de Koopman mantienen su destreza en plazos de 8 a 18 meses, superando al modelo lineal inverso y a los modelos que usan todo el espectro o solo los modos de amplitud.

En la sala oscura ahora se escucha la melodía. Las diecinueve notas que componen El Niño no son una mera abstracción matemática, sino oscilaciones reales que se pueden seguir y utilizar para pronosticar. La próxima vez que el Pacífico decida reorganizar la circulación atmosférica en todo el globo, tendremos la partitura.

De los aproximadamente 800 pares propios que produce k-EDMD para cada conjunto de datos, bastan solo 19 modos fundamentales para explicar el 92% de la variabilidad del índice principal de El Niño. En cambio, los modos de mayor amplitud, que suelen elegirse en los modelos reducidos, explican apenas el 18% de esa misma variabilidad si se usan autofunciones estándar.

La idea de un armazón oculto de baja dimensión tras un espectro denso recuerda la trama del relato de Ted Chiang «La historia de tu vida», donde una señal no lineal compleja resulta generada por un pequeño conjunto de patrones básicos, y comprenderlos cambia la percepción del tiempo y la predicción del futuro.

\mathcal{K}\phi_j = \lambda_j \phi_j
La autofunción del operador de Koopman evoluciona en el tiempo como una multiplicación por un número complejo que codifica la frecuencia y la amortiguación.
\mathrm{Res}(\mu) = \sqrt{\sigma_{\min}(S_Q M(\mu) S_Q)}
El valor singular mínimo del operador perturbado muestra cuán cerca está la frecuencia μ de un autovalor; los mínimos de esta función marcan los modos estables.
Científicos
David HilbertJohn von NeumannJoseph Fourier
Conceptos
Jin-Timmermann model ENSO Pacific decadal oscillation koopman operator TAO/TRITON moorings spring predictability barrier Niño 4 El Niño-Southern Oscillation sea surface temperature Multivariate ENSO Index equatorial wave propagation zebiak cane model ERSST empirical orthogonal function