EVALUACIÓN Y CORRECCIÓN DEL SESGO PREDICTIVO DE FRACCIÓN DE FASE EN NUBES TROPICALES
Las nubes tropicales son uno de los mayores factores de incertidumbre en la sensibilidad climática, debido a la dificultad de representar correctamente su fase termodinámica (líquida, hielo o mixta) en modelos climáticos. La fase de nube determina en gran medida el signo y magnitud de la retroalimentación radiativa: nubes bajas predominantemente líquidas tienden a enfriar el sistema, mientras que nubes altas con fracción significativa de hielo pueden favorecer un calentamiento neto. Cuantificar qué variables atmosféricas controlan la fase de nube dominante en regiones tropicales es, por tanto, relevante tanto para la física de nubes como para la evaluación de modelos climáticos.
Este proyecto tiene como objetivo explorar, mediante aprendizaje automático supervisado, la relación entre variables atmosféricas del reanálisis ERA5 (temperatura, humedad relativa, velocidad vertical, geopotencial) y la fase de nube observada por los satélites CloudSat y CALIPSO en una región tropical de estudio (Pacífico oriental tropical). Las preguntas centrales son: (1) ¿cómo varía la fase de nube y la fracción de hielo según las variables disponibles en ERA5?; (2) ¿qué variables predicen mejor la fase de nube dominante?; (3) ¿es posible construir un clasificador supervisado, entrenado con ERA5 y validado contra observaciones satelitales históricas (CloudSat/CALIPSO, 2006–2023), que estime razonablemente la fase de nube?; y (4) ¿qué restricciones físicas simples (por ejemplo, límites válidos de fracción de hielo entre 0 y 1, o consistencia con la temperatura) mejoran la plausibilidad física del modelo?
La metodología emplea Python para el procesamiento de ERA5 y la construcción de un conjunto de datos colocados espacio-temporalmente con las trayectorias satelitales de CloudSat/CALIPSO. Se explorarán modelos de clasificación supervisada (p. ej. bosques aleatorios, regresión logística) como línea base, evaluando su desempeño con métricas estándar y su consistencia física mediante restricciones simples sobre las salidas del modelo.
En el cartel se presentará el planteamiento del problema, la construcción del conjunto de datos colocados ERA5–CloudSat/CALIPSO para el periodo histórico, el análisis exploratorio de la relación entre variables termodinámicas y fase de nube observada, y el diseño metodológico del clasificador y su esquema de validación cruzada con EarthCARE. Esta fase inicial del trabajo sienta una base metodológica reproducible para el estudio de microfísica de nubes tropicales mediante herramientas de ciencia de datos aplicadas a observaciones satelitales y reanálisis climáticos.