{"id":1058,"date":"2019-08-06T17:00:56","date_gmt":"2019-08-06T20:00:56","guid":{"rendered":"http:\/\/datamining.dc.uba.ar\/predictivos\/?p=1058"},"modified":"2019-08-08T10:38:28","modified_gmt":"2019-08-08T13:38:28","slug":"ciencia-de-datos-en-beneficio-de-pronosticos-meteorologicos","status":"publish","type":"post","link":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=1058","title":{"rendered":"Ciencia de datos en beneficio de pron\u00f3sticos meteorol\u00f3gicos"},"content":{"rendered":"
Alfredo Rolla es Profesional Principal del CONICET en el Centro de Investigaciones del Mar y la Atm\u00f3sfera (CIMA). Se especializa en el desarrollo de aplicaciones usando modelos de crecimiento de cultivos, modelos clim\u00e1ticos y programaci\u00f3n paralela y en el an\u00e1lisis y desarrollo de aplicaciones de tecnolog\u00edas web para la visualizaci\u00f3n georreferenciada de datos. Colabor\u00f3 en la segunda y tercera Comunicaci\u00f3n Nacional de la Rep\u00fablica Argentina a la Convenci\u00f3n Marco de las Naciones Unidas sobre Cambio Clim\u00e1tico.<\/strong><\/h5>\n
Es Calculista Cient\u00edfico (CAECE) y Especialista en Explotaci\u00f3n de Datos y Descubrimiento del Conocimiento (UBA). Actualmente est\u00e1 desarrollando su Tesis de Maestr\u00eda centrada en m\u00e9todos de\u00a0aprendizaje autom\u00e1tico de\u00a0calibraci\u00f3n supervisados para eliminar los errores sistem\u00e1ticos de los modelos de pron\u00f3stico din\u00e1micos semanales.<\/strong><\/h5>\n
En esta entrevista con el Blog Predictivos<\/a>, Rolla profundiza sobre sus temas de investigaci\u00f3n en el CIMA y nos explica cu\u00e1l es el valor agregado que aporta la ciencia de datos a los modelos de clima.<\/strong><\/h5>\n

\u00bfQu\u00e9 importancia tiene el CIMA en nuestro pa\u00eds?<\/strong><\/p>\n

El Centro de Investigaciones del Mar y la Atm\u00f3sfera (CIMA) es un instituto CONICET-UBA cuya actividad est\u00e1 focalizada en la\u00a0variabilidad y cambio clim\u00e1tico, predicci\u00f3n del tiempo y del clima, estudio de los procesos f\u00edsicos en el Atl\u00e1ntico Sur y el Mar Argentino y estudio de los procesos f\u00edsicos e interacciones en los distintos Sistemas (Atm\u00f3sfera, Oc\u00e9ano, Tierra). Para alcanzar estos objetivos, la herramienta distintiva que usan los investigadores es el Modelado Num\u00e9rico. Adem\u00e1s de expandir el conocimiento de los procesos f\u00edsicos que inciden sobre el comportamiento de la atm\u00f3sfera y el oc\u00e9ano, busca contribuir a la formaci\u00f3n de futuros investigadores y t\u00e9cnicos y promover la transferencia de conocimientos y tecnolog\u00eda para beneficio de la sociedad.<\/p>\n

Al mismo tiempo, el CIMA es sede del Instituto Franco-Argentino \u00a0sobre Estudios \u00a0de \u00a0Clima\u00a0 y sus\u00a0 Impactos (IFAECI), por lo que pertenece tambi\u00e9n al CNRS (Centre national de la recherche scientifique<\/em>), el equivalente al CONICET en Francia.<\/p>\n

Hemos participado de las comunicaciones de cambio clim\u00e1tico de Argentina para las Naciones Unidas. Particularmente\u00a0 estuve involucrado en la 2\u00ba y 3\u00ba comunicaci\u00f3n<\/a> y trabaj\u00e9 en el grupo que desarroll\u00f3 los escenarios de cambio clim\u00e1tico para que despu\u00e9s otros grupos hagan los estudios de impacto.<\/p>\n

Siendo uno de los especialistas en bases de datos, \u00bfen qu\u00e9 consisten tus investigaciones y c\u00f3mo han avanzado estos proyectos orientados a cambio clim\u00e1tico?<\/strong><\/p>\n

Llegu\u00e9 al CIMA en el a\u00f1o 2000, soy calculista cient\u00edfico y ven\u00eda del \u00e1rea de la oceanograf\u00eda. Al no ser meteor\u00f3logo, a lo largo de los a\u00f1os fui cursando materias de ciencias de la atm\u00f3sfera y trabajando con meteor\u00f3logos, con el objetivo de comprender mejor el \u00e1rea. Pude detectar inicialmente uno de los problemas a enfrentar con los meteor\u00f3logos era el manejo de grandes vol\u00famenes de datos porque, entre otras cosas, aparte de observaciones utilizan modelos din\u00e1micos entendidos como sistemas de ecuaciones f\u00edsico-matem\u00e1ticas para estudiar la evoluci\u00f3n del clima, que son generadores de \u201cterabytes de datos\u201d.<\/p>\n

Todo esto me llev\u00f3 a involucrarme en el manejo de Big Data para la elaboraci\u00f3n de escenarios de cambio clim\u00e1tico. Generalmente cruzamos informaci\u00f3n con diversos institutos de todo el mundo que generan escenarios de clima, esos escenarios hay que calibrarlos para Argentina y esas calibraciones, que solemos hacer con t\u00e9cnicas muy precisas, distribuirlas de alg\u00fan modo en una base de datos. Los escenarios contienen variables de temperatura y precipitaci\u00f3n de aqu\u00ed al a\u00f1o 2100, en pasos diarios y en pasos mensuales.<\/p>\n

Y a partir de all\u00ed surgi\u00f3 la plataforma CASANDRA para aplicaciones de impacto en agricultura\u2026<\/strong><\/p>\n

Claramente, uno de los ejes de este trabajo es la plataforma CASANDRA<\/a>, nuestra plataforma web dise\u00f1ada para evaluar impactos y definir estrategias de adaptaci\u00f3n al cambio clim\u00e1tico.\u00a0Destaco dos trabajos aplicados de temas que venimos estudiando hace tres a\u00f1os y sobre los que pudimos avanzar a partir de la plataforma; un primer trabajo<\/a> en agricultura orientado a proyecciones de siembra de ma\u00edz, soja y trigo a partir de comparaciones de fechas de siembra actuales y a \u00a0futuro y rendimientos del cultivo en cada una de las regiones. Uno de los problemas que vimos es que haciendo una proyecci\u00f3n a 2099, con emisi\u00f3n de di\u00f3xido de carbono muy altas, se puede observar que habr\u00e1 reducciones de rendimiento de ma\u00edz en la zona n\u00facleo, con reducciones porcentuales que llegan incluso a cero.<\/p>\n

\"\"<\/a>

Agricultural Systems 160 (2018) 44-59 https:\/\/dx.doi.org\/10.1016\/j.agsy.2017.08.007<\/p><\/div>\n

\"\"<\/a>

Agricultural Systems 160 (2018) 44-59 https:\/\/dx.doi.org\/10.1016\/j.agsy.2017.08.007<\/p><\/div>\n

\"\"<\/a>

Agricultural Systems 160 (2018) 44-59 https:\/\/dx.doi.org\/10.1016\/j.agsy.2017.08.007<\/p><\/div>\n

\"\"<\/a>

Revista Climatic Change
DOI 10.1007\/s10584-019-02399-5<\/p><\/div>\n

En tanto que el segundo trabajo<\/a>, publicado en Climatic Change, estuvo enfocado a la producci\u00f3n de ganado bovino de Argentina.<\/p>\n

Durante el estudio se observ\u00f3 tanto el ganado de regiones \u00e1ridas como el de la Pampa h\u00fameda, donde hay m\u00e1s vacas para consumo humano. Y se observ\u00f3 que en las regiones donde m\u00e1s se podr\u00eda producir el ganado de Argentina, y que ser\u00edan aptas porque los animales viven en ciertos est\u00e1ndares de temperatura y humedad, se est\u00e1n comprimiendo y se mover\u00edan hacia el sur del pa\u00eds. Esto har\u00e1 que a futuro el ganado deba modificar sus condiciones gen\u00e9ticas para sobrevivir, volvi\u00e9ndose m\u00e1s resistente a las altas temperaturas.<\/p>\n

Creo que el valor de CASANDRA es que funciona como una plataforma de visualizaci\u00f3n de corridas de cambio clim\u00e1tico para un futuro cercano y futuro lejano. A diferencia de los an\u00e1lisis que se sol\u00edan hacer en agricultura y ganader\u00eda (que no integraban los datos de diversas regiones y ve\u00edan cada punto por separado), puede integrar as\u00ed como tambi\u00e9n procesar comparativamente todos los datos geogr\u00e1ficos por regi\u00f3n del pa\u00eds con un alto poder de c\u00f3mputo y simulaci\u00f3n de escenarios.<\/p>\n

\u00bfQu\u00e9 dificultades encontr\u00e1s habitualmente para atacar estos problemas y c\u00f3mo ayuda la ciencia de datos a resolverlos?<\/strong><\/p>\n

Una de las cosas que aprend\u00ed en meteorolog\u00eda es que la atm\u00f3sfera no es muy predecible. Tal como anticip\u00f3 Edward Lorenz, la atm\u00f3sfera es ca\u00f3tica y es muy dif\u00edcil predecirla con precisi\u00f3n. Por ende tenemos una incertidumbre propia del trabajo con los pron\u00f3sticos. Cuando uno se basa en modelos din\u00e1micos, la manera de luchar con la incertidumbre es usando la probabilidad: se hacen muchas corridas usando t\u00e9cnicas probabil\u00edsticas, que generan una media y una variabilidad. No es posible estimar la temperatura de la semana pr\u00f3xima a partir de pocas corridas, por eso se realizan varias a partir de diferentes condiciones iniciales. En general estamos trabajando con 16 corridas de pron\u00f3sticos.<\/p>\n

El tema fundamental es c\u00f3mo se comunica el clima a la poblaci\u00f3n: debe quedar claro que siempre se comunica una probabilidad, que se entienda que la atm\u00f3sfera es ca\u00f3tica y que este an\u00e1lisis est\u00e1 sujeto a errores e incertidumbre propia de los modelos, lo cual no suele ser comprendido por el ciudadano com\u00fan. Hay un uso experimental por parte del Servicio Meteorol\u00f3gico Nacional y est\u00e1 plasmado en el portal CLIMAR<\/a>, proyecto que es principalmente utilizado por pronosticadores y que est\u00e1 liderado por la Dra. Carolina Vera, quien es uno de mis directores de tesis de Maestr\u00eda.<\/p>\n

Esto est\u00e1 relacionado de alguna manera con tu Tesis de la Maestr\u00eda en Explotaci\u00f3n de Datos\u2026<\/strong><\/p>\n

En cierta medida s\u00ed, porque la tesis est\u00e1 orientada a calibrar los modelos probabil\u00edsticos de los pron\u00f3sticos semanales, para que individuos y organizaciones puedan tomar decisiones m\u00e1s confiables e ir eliminando los errores. Usualmente sucede que la predictibilidad es buena en la primera semana, los pron\u00f3sticos responden muy bien desde el d\u00eda 1 al d\u00eda 5, pero despu\u00e9s ya empieza a caer la precisi\u00f3n. Tenemos un desaf\u00edo a nivel global que es mejorar la precisi\u00f3n de la semana 2, 3 y 4 usando pron\u00f3sticos din\u00e1micos de frecuencia semanal. Por ahora te puedo decir que vendr\u00e1 una semana sin lluvias, pero si me pregunt\u00e1s m\u00e1s all\u00e1 en la escala temporal el asunto se complejiza. Incluso en los modelos globales, las semanas 3 y 4 se estudian juntas, lo cual es un problema. A diferencia de la semana 1 donde la precisi\u00f3n es de 0,8 AUC, y de la semana 2 con 0,65 AUC, la precisi\u00f3n de la semana 3 suele ser 0,5 AUC, casi como tirar una moneda y ver qu\u00e9 sale.<\/p>\n

El desarrollo propuesto en mi tesis utilizar\u00e1 modelos de pron\u00f3sticos din\u00e1micos como CFSv2 (NCEP Climate Forecast System<\/em> versi\u00f3n 2) y GEFS (NOAA Global Ensemble Forecast System<\/em>) y aplicar\u00e1 m\u00e9todos de\u00a0aprendizaje autom\u00e1tico de\u00a0calibraci\u00f3n supervisados para eliminar los errores sistem\u00e1ticos de los modelos din\u00e1micos. El car\u00e1cter probabil\u00edstico y calibrado del producto, sumado a una verificaci\u00f3n del desempe\u00f1o en la regi\u00f3n de inter\u00e9s, contribuir\u00e1 a elevar el valor socio-econ\u00f3mico de los mismos para la toma de decisiones.<\/p>\n

Estoy convencido de que si logramos resultados con visualizaciones de mapas de probabilidad, que filtren informaci\u00f3n cruda e indiquen en qu\u00e9 lugares geogr\u00e1ficos hay m\u00e1s certeza en los modelos de pron\u00f3stico y en qu\u00e9 lugares hay menos, \u00a0se podr\u00eda ayudar sustancialmente a los pronosticadores y a los servicios clim\u00e1ticos en general. Asociado a este tema de toma de decisiones, desde 2016 participamos en el proyecto internacional CLIMAX<\/a> cuya metodolog\u00eda innovadora apunta a lograr un trabajo conjunto entre los investigadores y los diversos actores interesados para producir las herramientas y conocimiento clim\u00e1tico regional. Ya hemos realizado un valioso aporte cient\u00edfico en Chaco, para ayudar a la comunidad a monitorear y predecir el comportamiento del clima en el Departamento Bermejo. La aplicaci\u00f3n est\u00e1 disponible en la web<\/a> pero pr\u00f3ximamente funcionar\u00e1 en el celular. En particular, \u201cDi\u00e1logo Bermejo\u201d tuvo una menci\u00f3n en NATURE<\/a>.<\/p>\n

 <\/p>\n

\n
Experiencia de Alfredo Rolla en la Maestr\u00eda en Explotaci\u00f3n de Datos<\/strong><\/h6>\n
\u00abCursando la Maestr\u00eda tuve profesores de excelencia con mucha experiencia, que me transmitieron su conocimiento pr\u00e1ctico. Mi prop\u00f3sito fue buscar nueva informaci\u00f3n y conocimientos para poder aplicarlos aqu\u00ed en el CIMA. Y realmente me dio resultado: con lo aprendido en la Maestr\u00eda, escrib\u00ed un Framework que lo usaron luego en el instituto, fui codirector de dos tesis de licenciatura en Meteorolog\u00eda y dos estudiantes usaron ese Framework para hacer modelos de pron\u00f3stico estacional. Pude generar un modelo estacional de lluvia para el verano, aplicado en la regi\u00f3n pampeana. Adem\u00e1s utilic\u00e9 metodolog\u00edas de clusterizaci\u00f3n que sirvieron para enriquecer estas investigaciones.<\/h6>\n
De este modo, aprovech\u00e9 las t\u00e9cnicas y conocimientos obtenidos en ciencia de datos para trabajar en temas de ciencia de la atm\u00f3sfera y de esta manera potenciar el uso de metodolog\u00edas alternativas.<\/h6>\n
Al mismo tiempo, entre mis compa\u00f1eros surgi\u00f3 un grupo humano excepcional, ya que con varios de ellos nos seguimos comunicando, intercambiando inquietudes de an\u00e1lisis de datos y encontrando en reuniones sociales.\u00bb<\/h6>\n<\/blockquote>\n","protected":false},"excerpt":{"rendered":"

Alfredo Rolla es Profesional Principal del CONICET en el Centro de Investigaciones del Mar y la Atm\u00f3sfera (CIMA). Se especializa en el desarrollo de aplicaciones usando modelos de crecimiento de cultivos, modelos clim\u00e1ticos y programaci\u00f3n paralela y en el an\u00e1lisis y desarrollo de aplicaciones de tecnolog\u00edas web para la visualizaci\u00f3n georreferenciada de datos. Colabor\u00f3 en la segunda y tercera Comunicaci\u00f3n Nacional de la Rep\u00fablica Argentina […]<\/p>\n","protected":false},"author":4,"featured_media":1060,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false},"categories":[24,36,22,25],"tags":[21,37,19,31],"_links":{"self":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1058"}],"collection":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1058"}],"version-history":[{"count":7,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1058\/revisions"}],"predecessor-version":[{"id":1072,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1058\/revisions\/1072"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/media\/1060"}],"wp:attachment":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1058"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1058"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1058"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}