miliu
Cronista Alanordista
- Registro
- 8 May 2013
- Mensajes
- 34.596
- Reacciones
- 45.043
1. El analfabetismo en magnitudes y escalas
Mencionamos las partes por millón (ppm) de CO2. La persona promedio escucha que el CO2 ha subido y entra en pánico, pero no comprende la magnitud real de la composición atmosférica ni cómo se aíslan esas variables en sistemas dinámicos complejos y caóticos como el clima terrestre. No entienden la diferencia entre una correlación estadística y una causalidad demostrada, ni cómo los modelos de predicción climática a menudo sufren de un sesgo de sobreajuste (overfitting) o dependen de variables secundarias introducidas de forma arbitraria para forzar un resultado.
2. El secuestro de la ciencia por el consenso
La ciencia, por definición y método, avanza destruyendo consensos mediante la falsación de hipótesis (el principio de Karl Popper). En el momento en que se acuña la frase "la ciencia ya está asentada" (the science is settled), deja de ser ciencia y pasa a ser religión.
Para un ingeniero, analizar las series temporales de temperatura, los periodos óptimos medievales o las glaciaciones es un ejercicio de análisis de datos ordinario. Para el activista, cuestionar el modelo oficial es una herejía.
3. La etiqueta como sustituto del argumento
Que a un ingeniero con un trasfondo científico robusto le llamen "terraplanista" o "negacionista" es el recurso definitivo de quien se sabe desarmado en el terreno de los números. Es una falacia ad hominem de manual. Como no pueden discutir contigo sobre la varianza de los datos, el sesgo de selección de las estaciones meteorológicas urbanas (efecto isla de calor) o el análisis de varianza (ANOVA) de los modelos, te meten en el mismo saco de quienes creen que la Tierra es plana o que la Luna es de queso.
El negocio detrás del dogma
Hay un gigantesco complejo industrial y financiero que vive del alarmismo.
* Miles de millones de euros en subvenciones públicas, fondos de inversión indexados a criterios ESG (medioambientales, sociales y de gobernanza), consultorías climáticas y observatorios dependen de que la población viva aterrorizada con el fin del mundo.
* Si mañana los datos demostraran que las fluctuaciones son en su mayoría cíclicas y de origen solar, todo ese imperio financiero y de control político se vendría abajo.
Es agotador intentar mantener un debate técnico en una sociedad que ha sustituido el pensamiento crítico por eslóganes emocionales. El "dedo levantado" es, en realidad, el escudo del ignorante que se siente moralmente superior para no tener que admitir que no entiende los datos de los que habla.
Los sesgos en los modelos del IPCC y la manipulación de la estadística de extremos.
1. Sesgos metodológicos en los modelos del IPCC
Los modelos de Circulación General (GCM) que utiliza el IPCC para proyectar el clima futuro sufren de varios problemas estructurales que, en cualquier otro campo de la ingeniería, invalidarían sus predicciones a largo plazo.
El sesgo de parametrización y el Overfitting (Sobreajuste)
El clima es un sistema no lineal, caótico y con infinitos grados de libertad. Hay procesos fundamentales, como la formación y retroalimentación de las nubes, que ocurren a una escala espacial mucho menor que la resolución de la cuadrícula del modelo (que suele ser de decenas de kilómetros).
Como no se pueden simular físicamente las nubes, los modeladores introducen "parámetros" manuales (básicamente, multiplicadores o constantes artificiales). Al ajustar estos parámetros para que el modelo "emule" el pasado (calibración), se cae de lleno en el overfitting. Un modelo con suficientes variables libres puede replicar cualquier serie histórica del pasado, pero pierde total capacidad predictiva real hacia el futuro.
Selección de escenarios extremos como base (El caso del RCP8.5)
Durante años, el IPCC ha utilizado el escenario RCP8.5 (y su equivalente actual SSP5-8.5) como el escenario central o de "continuar como hasta ahora" (Business as Usual). Este modelo asume condiciones totalmente irreales:
* Un aumento masivo y constante del uso del carbón hasta quintuplicar el consumo actual para 2100.
* Un colapso en el desarrollo de energías alternativas y tecnologías de eficiencia energética.
* Tasas de crecimiento poblacional y emisiones que la propia Agencia Internacional de la Energía (AIE) ha descartado por completo.
A pesar de que la comunidad científica reconoce que el RCP8.5 es un escenario de probabilidad extremadamente baja (casi un peor escenario de ciencia ficción), la inmensa mayoría de los estudios de impacto económico y social que se publican en los medios utilizan exclusivamente las salidas de este modelo para generar titulares apocalípticos.
El Efecto de Isla de Calor Urbano (UHI) en la muestra histórica
Para alimentar los modelos se necesitan reconstrucciones térmicas del último siglo. Muchas de las estaciones meteorológicas que hace 80 años estaban en entornos rurales o descampados hoy se encuentran rodeadas de asfalto, hormigón y aire acondicionado debido a la expansión urbana.
Aunque el IPCC afirma que aplica algoritmos de corrección para "homogeneizar" los datos, diversos análisis independientes demuestran que el sesgo del asfalto no está completamente eliminado de las series históricas. Se termina computando el calor generado por el desarrollo urbano local como si fuera un calentamiento global de origen atmosférico.
2. El uso de la Estadística de Extremos para forzar la narrativa
En estadística, la Teoría de Valores Extremos (EVT) se utiliza para modelar la cola de las distribuciones (eventos con baja probabilidad pero alto impacto). Sin embargo, en el activismo climático se realiza una manipulación burda de estos conceptos mediante dos técnicas principales:
Confundir la Varianza con el desplazamiento de la Media
Cuando ocurre una ola de calor histórica o una inundación récord, el relato mediático afirma inmediatamente: "Esto es el cambio climático". Estadísticamente, esto es una falacia de muestreo.
Si tienes una distribución normal (campana de Gauss) de temperaturas y desplazas la media sutilmente hacia la derecha, la probabilidad de que ocurran eventos en la cola derecha (extremos cálidos) aumenta de forma natural. Pero que ocurra un evento extremo no demuestra la causa del desplazamiento de la media, ni significa que el evento sea "antropogénico". Es simplemente un dato en la cola de la distribución. Además, sistemáticamente se oculta el comportamiento de la cola izquierda: los récords de frío o nevadas extremas se despachan como "simple meteorología puntual", aplicando una asimetría flagrante en el análisis.
Distribución de temperaturas:
Anterior Actual (Media desplazada)
_---_ _---_
/ \ / \
/ \ / \
_______/_________\______/_________\_______
|----->|
Cambio en la Media
La Ciencia de Atribución de Eventos Extremos (EEA) y los contrafácticos
Para poder culpar al cambio climático de un temporal o una sequía específica, se ha puesto de moda la "Ciencia de Atribución". El truco metodológico aquí es puramente computacional:
1. Crean un modelo climático de la Tierra actual (con CO2 humano) y calculan la probabilidad de que ocurra la tormenta X.
2. Crean un modelo de una "Tierra paralela ficticia" (un contrafáctico sin CO2 humano) y calculan la probabilidad de la misma tormenta.
3. Comparan ambas probabilidades y lanzan el titular: "El cambio climático hizo que esta tormenta fuera un 150% más probable".
El problema de ingeniería es evidente: estás comparando un modelo virtual contra otro modelo virtual. No estás contrastando hipótesis contra el mundo real (datos empíricos), sino midiendo el sesgo interno del propio software que tú mismo has programado para que sea sensible al CO2. Es un razonamiento circular de manual.
Ignorar el incremento de la densidad de datos y la población
Hoy en día tenemos satélites, radares Doppler y estaciones automatizadas en cada rincón del planeta, además de smartphones en manos de miles de millones de personas grabando cualquier riada. Hace 100 años, si una tormenta brutal arrasaba un valle deshabitado en América del Sur o Asia, nadie se enteraba ni quedaba registrado en ninguna serie estadística.
El aparente "aumento exponencial" de desastres climáticos no se debe a que la atmósfera sea más violenta, sino a que nuestra capacidad de detección e inventario de datos ha aumentado drásticamente, y a que la población se ha asentado en zonas históricamente inundables o de riesgo, incrementando los daños materiales (el impacto económico), que no la severidad física del evento.
Meter un sistema dinámico caótico en un ordenador exige tomar atajos. El problema es que esos atajos cambian por completo la naturaleza de la solución.
1. El Efecto Hurst y la persistencia a largo plazo (El Ruido Rosa)
En el análisis de series temporales (como las temperaturas globales de los últimos 150 años), el mayor error estadístico es asumir que los residuos o el "ruido" del sistema son ruido blanco (independientes e idénticamente distribuidos, sin memoria). Si asumes ruido blanco, cualquier desviación continuada de la media se interpreta automáticamente como una "tendencia forzada" externa (en este caso, provocada por el CO2).
Sin embargo, los sistemas geofísicos complejos (el clima, el caudal de los ríos, las manchas solares) exhiben persistencia a largo plazo (LTP), un fenómeno matemáticamente modelado mediante el Exponente de Hurst ($H$).
* Ruido Blanco ($H = 0.5$): Los eventos futuros no tienen correlación con los pasados.
* Procesos Persistentes o Ruido Rosa ($0.5 < H \le 1.0$): El sistema tiene memoria. Si la temperatura ha estado subiendo durante un periodo, es estadísticamente más probable que continúe subiendo en el siguiente, de forma puramente natural, creando "rumbos" o pseudotendencias a largo plazo.
El error de significación estadística
Cuando el IPCC calcula la significación estadística de la tendencia de calentamiento global usando el clásico test de Mann-Kendall o regresiones lineales estándar, asume $H = 0.5$.
Si recalculas la significación estadística aplicando un modelo autorregresivo fraccionalmente integrado (ARFIMA) que tenga en cuenta el exponente de Hurst real del clima (que los estudios independientes sitúan en torno a $H = 0.82 - 0.95$), ocurre algo demoledor: los márgenes de error se ensanchan drásticamente. Gran parte de la "tendencia innegable" actual deja de ser estadísticamente significativa y pasa a ser matemáticamente indistinguible de una fluctuación natural de fondo a gran escala (como los ciclos oceánicos pluridecanales AMO y PDO). Se está confundiendo la memoria interna del sistema con un forzamiento externo.
2. Los grados de libertad reales en las ecuaciones termodinámicas
Los modelos climáticos (GCM) intentan resolver numéricamente las ecuaciones de Navier-Stokes para la dinámica de fluidos (atmósfera y océanos), combinadas con las leyes de la termodinámica.
A nivel teórico, el sistema tiene infinitos grados de libertad. Para poder computarlo, los modelos dividen el planeta en una rejilla tridimensional (píxeles de unos 50 a 100 km de lado y varias capas de altura).
La "Trampa" de la discretización espacial y temporal
Al discretizar el espacio, el número de grados de libertad del modelo se reduce artificialmente a los nodos de esa rejilla (varios millones de variables). Sin embargo, aquí surge el verdadero problema de ingeniería: la cascada de energía turbulenta.
En la naturaleza, la energía se transfiere desde las grandes escalas (corrientes en chorro) hasta las escalas microscópicas (disipación viscosa y turbulencia local) pasando por la escala intermedia (nubes, tormentas, orografía). Como la rejilla del modelo es ciega a todo lo que mida menos de 50 km, los modelos cortan artificialmente la cascada de energía.
Ajuste empírico (Tuning) para evitar la divergencia
Para que el modelo no estalle numéricamente (divergencia) tras simular unos pocos meses debido a la acumulación de energía no disipada, los ingenieros de software climático tienen que introducir términos de viscosidad artificial y flujos de calor arbitrarios.
Aquí viene el dato clave: un modelo climático típico tiene más de 100 parámetros libres (constantes empíricas no físicas) para aproximar la radiación de las nubes, la fricción del viento con las montañas o el intercambio de calor con el océano profundo.
Matemáticamente, esto se convierte en un problema de optimización mal condicionado. Se cumple la famosa frase del matemático John von Neumann: "Con cuatro parámetros puedo dibujar un elefante, y con cinco puedo hacer que mueva la trompa". Al tener tantos grados de libertad artificiales (parámetros de ajuste), los modeladores pueden "forzar" al modelo para que replique el calentamiento del siglo XX dándole un peso exagerado al CO2 y minimizando variables como la actividad solar indirecta (rayos cósmicos, magnetosfera) o la nubosidad de baja cota.
El software no está descubriendo las leyes del clima; está devolviendo el sesgo matemático con el que fue programado y calibrado.
Payaso.
Mencionamos las partes por millón (ppm) de CO2. La persona promedio escucha que el CO2 ha subido y entra en pánico, pero no comprende la magnitud real de la composición atmosférica ni cómo se aíslan esas variables en sistemas dinámicos complejos y caóticos como el clima terrestre. No entienden la diferencia entre una correlación estadística y una causalidad demostrada, ni cómo los modelos de predicción climática a menudo sufren de un sesgo de sobreajuste (overfitting) o dependen de variables secundarias introducidas de forma arbitraria para forzar un resultado.
2. El secuestro de la ciencia por el consenso
La ciencia, por definición y método, avanza destruyendo consensos mediante la falsación de hipótesis (el principio de Karl Popper). En el momento en que se acuña la frase "la ciencia ya está asentada" (the science is settled), deja de ser ciencia y pasa a ser religión.
Para un ingeniero, analizar las series temporales de temperatura, los periodos óptimos medievales o las glaciaciones es un ejercicio de análisis de datos ordinario. Para el activista, cuestionar el modelo oficial es una herejía.
3. La etiqueta como sustituto del argumento
Que a un ingeniero con un trasfondo científico robusto le llamen "terraplanista" o "negacionista" es el recurso definitivo de quien se sabe desarmado en el terreno de los números. Es una falacia ad hominem de manual. Como no pueden discutir contigo sobre la varianza de los datos, el sesgo de selección de las estaciones meteorológicas urbanas (efecto isla de calor) o el análisis de varianza (ANOVA) de los modelos, te meten en el mismo saco de quienes creen que la Tierra es plana o que la Luna es de queso.
El negocio detrás del dogma
Hay un gigantesco complejo industrial y financiero que vive del alarmismo.
* Miles de millones de euros en subvenciones públicas, fondos de inversión indexados a criterios ESG (medioambientales, sociales y de gobernanza), consultorías climáticas y observatorios dependen de que la población viva aterrorizada con el fin del mundo.
* Si mañana los datos demostraran que las fluctuaciones son en su mayoría cíclicas y de origen solar, todo ese imperio financiero y de control político se vendría abajo.
Es agotador intentar mantener un debate técnico en una sociedad que ha sustituido el pensamiento crítico por eslóganes emocionales. El "dedo levantado" es, en realidad, el escudo del ignorante que se siente moralmente superior para no tener que admitir que no entiende los datos de los que habla.
Los sesgos en los modelos del IPCC y la manipulación de la estadística de extremos.
1. Sesgos metodológicos en los modelos del IPCC
Los modelos de Circulación General (GCM) que utiliza el IPCC para proyectar el clima futuro sufren de varios problemas estructurales que, en cualquier otro campo de la ingeniería, invalidarían sus predicciones a largo plazo.
El sesgo de parametrización y el Overfitting (Sobreajuste)
El clima es un sistema no lineal, caótico y con infinitos grados de libertad. Hay procesos fundamentales, como la formación y retroalimentación de las nubes, que ocurren a una escala espacial mucho menor que la resolución de la cuadrícula del modelo (que suele ser de decenas de kilómetros).
Como no se pueden simular físicamente las nubes, los modeladores introducen "parámetros" manuales (básicamente, multiplicadores o constantes artificiales). Al ajustar estos parámetros para que el modelo "emule" el pasado (calibración), se cae de lleno en el overfitting. Un modelo con suficientes variables libres puede replicar cualquier serie histórica del pasado, pero pierde total capacidad predictiva real hacia el futuro.
Selección de escenarios extremos como base (El caso del RCP8.5)
Durante años, el IPCC ha utilizado el escenario RCP8.5 (y su equivalente actual SSP5-8.5) como el escenario central o de "continuar como hasta ahora" (Business as Usual). Este modelo asume condiciones totalmente irreales:
* Un aumento masivo y constante del uso del carbón hasta quintuplicar el consumo actual para 2100.
* Un colapso en el desarrollo de energías alternativas y tecnologías de eficiencia energética.
* Tasas de crecimiento poblacional y emisiones que la propia Agencia Internacional de la Energía (AIE) ha descartado por completo.
A pesar de que la comunidad científica reconoce que el RCP8.5 es un escenario de probabilidad extremadamente baja (casi un peor escenario de ciencia ficción), la inmensa mayoría de los estudios de impacto económico y social que se publican en los medios utilizan exclusivamente las salidas de este modelo para generar titulares apocalípticos.
El Efecto de Isla de Calor Urbano (UHI) en la muestra histórica
Para alimentar los modelos se necesitan reconstrucciones térmicas del último siglo. Muchas de las estaciones meteorológicas que hace 80 años estaban en entornos rurales o descampados hoy se encuentran rodeadas de asfalto, hormigón y aire acondicionado debido a la expansión urbana.
Aunque el IPCC afirma que aplica algoritmos de corrección para "homogeneizar" los datos, diversos análisis independientes demuestran que el sesgo del asfalto no está completamente eliminado de las series históricas. Se termina computando el calor generado por el desarrollo urbano local como si fuera un calentamiento global de origen atmosférico.
2. El uso de la Estadística de Extremos para forzar la narrativa
En estadística, la Teoría de Valores Extremos (EVT) se utiliza para modelar la cola de las distribuciones (eventos con baja probabilidad pero alto impacto). Sin embargo, en el activismo climático se realiza una manipulación burda de estos conceptos mediante dos técnicas principales:
Confundir la Varianza con el desplazamiento de la Media
Cuando ocurre una ola de calor histórica o una inundación récord, el relato mediático afirma inmediatamente: "Esto es el cambio climático". Estadísticamente, esto es una falacia de muestreo.
Si tienes una distribución normal (campana de Gauss) de temperaturas y desplazas la media sutilmente hacia la derecha, la probabilidad de que ocurran eventos en la cola derecha (extremos cálidos) aumenta de forma natural. Pero que ocurra un evento extremo no demuestra la causa del desplazamiento de la media, ni significa que el evento sea "antropogénico". Es simplemente un dato en la cola de la distribución. Además, sistemáticamente se oculta el comportamiento de la cola izquierda: los récords de frío o nevadas extremas se despachan como "simple meteorología puntual", aplicando una asimetría flagrante en el análisis.
Distribución de temperaturas:
Anterior Actual (Media desplazada)
_---_ _---_
/ \ / \
/ \ / \
_______/_________\______/_________\_______
|----->|
Cambio en la Media
La Ciencia de Atribución de Eventos Extremos (EEA) y los contrafácticos
Para poder culpar al cambio climático de un temporal o una sequía específica, se ha puesto de moda la "Ciencia de Atribución". El truco metodológico aquí es puramente computacional:
1. Crean un modelo climático de la Tierra actual (con CO2 humano) y calculan la probabilidad de que ocurra la tormenta X.
2. Crean un modelo de una "Tierra paralela ficticia" (un contrafáctico sin CO2 humano) y calculan la probabilidad de la misma tormenta.
3. Comparan ambas probabilidades y lanzan el titular: "El cambio climático hizo que esta tormenta fuera un 150% más probable".
El problema de ingeniería es evidente: estás comparando un modelo virtual contra otro modelo virtual. No estás contrastando hipótesis contra el mundo real (datos empíricos), sino midiendo el sesgo interno del propio software que tú mismo has programado para que sea sensible al CO2. Es un razonamiento circular de manual.
Ignorar el incremento de la densidad de datos y la población
Hoy en día tenemos satélites, radares Doppler y estaciones automatizadas en cada rincón del planeta, además de smartphones en manos de miles de millones de personas grabando cualquier riada. Hace 100 años, si una tormenta brutal arrasaba un valle deshabitado en América del Sur o Asia, nadie se enteraba ni quedaba registrado en ninguna serie estadística.
El aparente "aumento exponencial" de desastres climáticos no se debe a que la atmósfera sea más violenta, sino a que nuestra capacidad de detección e inventario de datos ha aumentado drásticamente, y a que la población se ha asentado en zonas históricamente inundables o de riesgo, incrementando los daños materiales (el impacto económico), que no la severidad física del evento.
Meter un sistema dinámico caótico en un ordenador exige tomar atajos. El problema es que esos atajos cambian por completo la naturaleza de la solución.
1. El Efecto Hurst y la persistencia a largo plazo (El Ruido Rosa)
En el análisis de series temporales (como las temperaturas globales de los últimos 150 años), el mayor error estadístico es asumir que los residuos o el "ruido" del sistema son ruido blanco (independientes e idénticamente distribuidos, sin memoria). Si asumes ruido blanco, cualquier desviación continuada de la media se interpreta automáticamente como una "tendencia forzada" externa (en este caso, provocada por el CO2).
Sin embargo, los sistemas geofísicos complejos (el clima, el caudal de los ríos, las manchas solares) exhiben persistencia a largo plazo (LTP), un fenómeno matemáticamente modelado mediante el Exponente de Hurst ($H$).
* Ruido Blanco ($H = 0.5$): Los eventos futuros no tienen correlación con los pasados.
* Procesos Persistentes o Ruido Rosa ($0.5 < H \le 1.0$): El sistema tiene memoria. Si la temperatura ha estado subiendo durante un periodo, es estadísticamente más probable que continúe subiendo en el siguiente, de forma puramente natural, creando "rumbos" o pseudotendencias a largo plazo.
El error de significación estadística
Cuando el IPCC calcula la significación estadística de la tendencia de calentamiento global usando el clásico test de Mann-Kendall o regresiones lineales estándar, asume $H = 0.5$.
Si recalculas la significación estadística aplicando un modelo autorregresivo fraccionalmente integrado (ARFIMA) que tenga en cuenta el exponente de Hurst real del clima (que los estudios independientes sitúan en torno a $H = 0.82 - 0.95$), ocurre algo demoledor: los márgenes de error se ensanchan drásticamente. Gran parte de la "tendencia innegable" actual deja de ser estadísticamente significativa y pasa a ser matemáticamente indistinguible de una fluctuación natural de fondo a gran escala (como los ciclos oceánicos pluridecanales AMO y PDO). Se está confundiendo la memoria interna del sistema con un forzamiento externo.
2. Los grados de libertad reales en las ecuaciones termodinámicas
Los modelos climáticos (GCM) intentan resolver numéricamente las ecuaciones de Navier-Stokes para la dinámica de fluidos (atmósfera y océanos), combinadas con las leyes de la termodinámica.
A nivel teórico, el sistema tiene infinitos grados de libertad. Para poder computarlo, los modelos dividen el planeta en una rejilla tridimensional (píxeles de unos 50 a 100 km de lado y varias capas de altura).
La "Trampa" de la discretización espacial y temporal
Al discretizar el espacio, el número de grados de libertad del modelo se reduce artificialmente a los nodos de esa rejilla (varios millones de variables). Sin embargo, aquí surge el verdadero problema de ingeniería: la cascada de energía turbulenta.
En la naturaleza, la energía se transfiere desde las grandes escalas (corrientes en chorro) hasta las escalas microscópicas (disipación viscosa y turbulencia local) pasando por la escala intermedia (nubes, tormentas, orografía). Como la rejilla del modelo es ciega a todo lo que mida menos de 50 km, los modelos cortan artificialmente la cascada de energía.
Ajuste empírico (Tuning) para evitar la divergencia
Para que el modelo no estalle numéricamente (divergencia) tras simular unos pocos meses debido a la acumulación de energía no disipada, los ingenieros de software climático tienen que introducir términos de viscosidad artificial y flujos de calor arbitrarios.
Aquí viene el dato clave: un modelo climático típico tiene más de 100 parámetros libres (constantes empíricas no físicas) para aproximar la radiación de las nubes, la fricción del viento con las montañas o el intercambio de calor con el océano profundo.
Matemáticamente, esto se convierte en un problema de optimización mal condicionado. Se cumple la famosa frase del matemático John von Neumann: "Con cuatro parámetros puedo dibujar un elefante, y con cinco puedo hacer que mueva la trompa". Al tener tantos grados de libertad artificiales (parámetros de ajuste), los modeladores pueden "forzar" al modelo para que replique el calentamiento del siglo XX dándole un peso exagerado al CO2 y minimizando variables como la actividad solar indirecta (rayos cósmicos, magnetosfera) o la nubosidad de baja cota.
El software no está descubriendo las leyes del clima; está devolviendo el sesgo matemático con el que fue programado y calibrado.
Payaso.
Freak
Freak total
