Nueva metodología para identificar patrones de cambio climático mediante Análisis Clúster de series temporales con reducción de la dimensionalidad
- Autores: Arnobio Palacios Gutierrez
- Directores de la Tesis: José Luis Valencia Delfa (dir. tes.)
, María del Carmen Villeta López (dir. tes.) - Lectura: En la Universidad Complutense de Madrid ( España ) en 2025
- Idioma: español
- Tribunal Calificador de la Tesis: Rosario Susi García (presid.) , Javier Portela García-Miguel (secret.) , Antonio Saa Requejo (voc.) , Manuel Zarzo Castelló (voc.) , Ana María Tarquis Alfonso (voc.)
- Programa de doctorado: Programa de Doctorado en Análisis de Datos (Data Science) por la Universidad Complutense de Madrid
- Calificación: Sobresaliente Cum Laude
- Enlaces
- Tesis en acceso abierto en: Docta Complutense
- Resumen
El clima y sus transformaciones constituyen un sistema dinámico de alta complejidad, en el que los niveles y variaciones de sus variables pueden presentar comportamientos significativamente heterogéneos a escala regional, incluso dentro de un mismo dominio geográfico. A pesar de la abundancia de estudios orientados al análisis del sistema climático, la mayoría han adoptado enfoques agregados que, al no considerar explícitamente la similitud de los patrones temporales, limitan la identificación de dinámicas climáticas regionales específicas.
Esta tesis se orienta a la caracterización e identificación de patrones climáticos regionales mediante la integración conceptual y metodológica de tres ejes fundamentales: cambio climático, regionalización y agrupamiento de series temporales. Este enfoque permite revelar estructuras latentes que permanecen ocultas en los análisis convencionales de tipo agregado.
La tesis se estructura a partir de tres artículos publicados en revistas indexadas en el Journal Citation Reports (JCR), en los cuales se proponen distintos procedimientos para el agrupamiento de series temporales climáticas, fundamentados en técnicas de reducción de dimensionalidad.
En una primera etapa de investigación, se diseñó un procedimiento para el agrupamiento de series temporales univariantes, que incorpora el uso del Análisis de Espectro Singular (SSA, por sus siglas en inglés) como técnica de preprocesamiento, permitiendo la extracción de componentes relevantes y la atenuación del ruido estructural.
Posteriormente, se desarrolló un método para el agrupamiento de series temporales multivariantes, basado en un enfoque de análisis multiescala que incorpora tanto la estructura secuencial temporal en la construcción de los vectores de características como la selección de atributos pertinentes desde una perspectiva informativa.
En una tercera fase, se propuso una metodología de regionalización climática que incorpora estimaciones proyectadas de cambio climático como variables exógenas en el proceso de agrupamiento, permitiendo además cuantificar la contribución relativa de variables geográficas a las dinámicas del cambio climático. Esta metodología emplea un modelo de Análisis Discriminante de Mínimos Cuadrados Parciales (PLS-DA, por sus siglas en inglés) de forma recursiva, integrando variables no climáticas con el objetivo de optimizar las agrupaciones mediante un índice sintético que equilibra métricas clave del desempeño del modelo.
En términos generales, los resultados obtenidos a lo largo de esta investigación evidencian la relevancia de considerar la interacción entre cambio climático, regionalización y análisis de series temporales para una comprensión más precisa de los sistemas climáticos. Los procedimientos metodológicos desarrollados constituyen un aporte significativo tanto al cuerpo teórico como al aplicado, y proporcionan un marco analítico robusto para el diseño de estrategias de adaptación y mitigación frente al cambio climático.
