Diseño de un modelo heurístico para la reducción de escala climática de 2° a 0.5° mediante Statistical Downscaling Model

Abstract

La resolución espacial limitada de los modelos climáticos globales representa una barrera significativa para la generación de proyecciones locales precisas, particularmente en regiones con alta variabilidad geográfica y climática. Este estudio tuvo como objetivo diseñar e implementar un modelo heurístico basado en Statistical Downscaling Model (SDSM) para optimizar la reducción de escala climática de 2° a 0.5°, fortaleciendo la precisión espacial en la estimación de temperatura y precipitación. Metodológicamente, se desarrolló una investigación aplicada de carácter exploratorio con enfoque computacional, estructurada en fases de análisis teórico, diseño algorítmico, implementación en Matlab R2015b y evaluación funcional. El modelo integró relaciones estadísticas entre predictores atmosféricos globales y variables locales mediante procedimientos heurísticos orientados a mejorar la eficiencia del procesamiento y la delimitación espacial. Los resultados evidenciaron que el diseño propuesto favorece una representación climática más detallada, reduce limitaciones operativas asociadas a escalas gruesas y constituye una alternativa metodológica viable para contextos con restricciones de información local. Se concluye que la incorporación de heurísticas en procesos de downscaling amplía las posibilidades de modelación matemática aplicada al análisis climático regional y fortalece futuras investigaciones sobre escenarios climáticos de alta resolución.