Reconstrucción y predicción estadística de alta resolución de la temperatura superficial del mar en el Pacífico Nororiental

Este estudio desarrolla un marco estadístico espacialmente explícito para la reconstrucción y predicción de alta resolución de la temperatura superficial del mar en el Pacífico Nororiental. El enfoque separa la variabilidad estacional de las series de tiempo y las representa mediante modos espectrales dominantes derivados del forzamiento climático de gran escala y de los procesos locales océano-atmósfera. Se implementan Modelos Aditivos Generalizados de manera local en cada celda de la malla, permitiendo representaciones espacialmente adaptativas de la dinámica de la temperatura superficial del mar sin imponer estacionariedad espacial y manteniendo una baja complejidad en la modelación. Este marco permite extender las series temporales de los predictores mediante reconstrucción armónica, facilitando así la proyección de los pronósticos a varios años sin necesidad de modelar explícitamente cada variable predictora. Los resultados muestran que las predicciones multianuales con una resolución de 1 km alcanzan un desempeño competitivo (RMSE ≈ 0.64 °C; MAE ≈ 0.52 °C; R² ≈ 0.90), a pesar de la mayor dificultad asociada con la alta resolución espacial y los horizontes de pronóstico extendidos. La validación de la reconstrucción frente al ERSST demuestra consistencia temporal en la reproducción de la variabilidad de baja frecuencia a lo largo de períodos multidecadales. Las comparaciones con enfoques estadísticos y de aprendizaje automático existentes indican que el método propuesto alcanza niveles de error comparables o inferiores, apoyándose al mismo tiempo en una formulación más simple. Estos hallazgos sugieren que la representación adecuada de los modos dominantes de variabilidad es fundamental para la predicción a largo plazo de la temperatura superficial del mar, destacando el valor de los enfoques físicamente interpretables y espectralmente consistentes.

El seminario será virtual por Zoom:
https://us02web.zoom.us/j/92564847491?pwd=KhgZUty1gedDDLLUqhlxsfdon87aXc.1

Meeting ID: 925 6484 7491
Passcode: 748950
 

Lugar: https://us02web.zoom.us/j/92564847491?pwd=KhgZUty1gedDDLLUqhlxsfdon87aXc.1

Fecha: 26-06-2026

Hora: 11:30 am