La atribución no es una bola de cristal ni una sentencia: es una forma de medir cómo cambia el riesgo de eventos como este en un clima diferente. Y como hablamos de probabilidades y extremos, la palabra clave siempre es la misma: incertidumbre. Aquí vas a entender qué no sabemos, por qué, y cómo leer rangos sin que te la cuelen (ni tú mismo te la cueles 😅).

Este artículo forma parte del tema Atribución en WikiMeteo.es, donde reunimos conceptos y guías prácticas para entender mejor el tiempo y el clima.

1. Qué es la incertidumbre (y por qué es normal aquí)

En atribución preguntamos por extremos: cosas raras, poco frecuentes y, a veces, muy locales. Eso implica tres realidades:

• Hay pocos casos (no tienes miles de olas de calor idénticas).
• Los datos no son perfectos (cambios de estación, islas de calor, huecos).
• Los modelos también fallan (sobre todo en lluvia convectiva y detalles locales).

Por eso un resultado serio casi nunca es “RR = 2 y ya”. Es “RR alrededor de 2, con un rango”.

2. Idea clave en 30 segundos

• En una frase: en atribución, la incertidumbre no es un defecto: es la forma honesta de decir “hasta aquí llega lo que podemos sostener”.
• Señal típica: un rango estrecho sugiere resultado robusto; un rango ancho pide prudencia.
• Confusión común: leer el número central como certeza, ignorando el rango y el contexto.

3. De dónde sale la incertidumbre (las 6 fuentes típicas)

• 1) Muestreo: pocos años/eventos extremos.
• 2) Definición del evento (framing): cambia si usas 1 día vs 3 días, región pequeña vs grande, umbral fijo vs percentil.
• 3) Datos observados: calidad, homogeneidad, cambios de entorno (urbanización).
• 4) Representatividad espacial: una estación no representa toda una comarca, y una rejilla no representa un punto.
• 5) Sesgos de modelos/reanálisis: especialmente en colas (p95/p99) y en precipitación convectiva.
• 6) Variabilidad natural: patrones (NAO, bloqueos, ENSO) que modulan el riesgo en escalas de años.

4. Cómo leer un rango sin caer en trampas

Cuando veas algo como RR = 2.0 (1.2–3.5), piensa así:

• El número central es una estimación, no una certeza.
• El rango es “lo compatible” con datos y método.
• Si el rango cruza 1 (p.ej. 0.8–2.5), el resultado puede ser “no concluyente” para aumento/disminución del riesgo.

Y ojo: “no concluyente” no significa “no pasa nada”; significa “no podemos afirmarlo con confianza con este framing/datos”.

5. Ejemplos de lectura correcta (sin números mágicos)

• Ola de calor: “Más probable bajo clima actual” suele venir con rangos relativamente más estrechos (si datos y definición son claros).
• Lluvia extrema local: rangos suelen ser más anchos; si además el evento es muy puntual, es fácil que el resultado sea prudente o no concluyente.
• Viento: puede tener rangos grandes porque depende mucho de dinámica y trayectorias; a veces el mensaje es más cualitativo que numérico.

6. Mini guía de datos (lo básico para no equivocarse)

6.1 Estaciones (observación)

• Ventaja: miden lo real en el punto; ideales para máximos/mínimos locales.
• Riesgos: cambios de ubicación, instrumentos, entorno (isla de calor), huecos.
• Buena práctica: verificar homogeneidad o, al menos, declarar posibles rupturas.

6.2 Reanálisis (p.ej. ERA5 como contexto)

• Ventaja: consistencia espacial/temporal; útil para patrones y anomalías.
• Riesgos: suaviza extremos locales; precipitación convectiva puede ser problemática; depende del sistema de asimilación.
• Buena práctica: usarlo para “guion meteorológico” y coherencia regional, no para vender el máximo puntual.

6.3 Modelos/ensembles (para probabilidades)

• Ventaja: permiten comparar mundos (actual vs referencia) y estimar P(E).
• Riesgos: sesgos en colas, resolución insuficiente, parametrizaciones; downscaling no es magia.
• Buena práctica: evaluar si el modelo reproduce percentiles y extremos antes de atribuir cuantitativamente.

7. Errores comunes

• Ignorar el rango y citar solo el valor central.
• Comparar estudios con framing distinto como si fueran lo mismo.
• Llamar “incertidumbre” a cualquier cosa para evitar concluir (y también al revés: ocultarla para titular).
• Convertir hazard en impacto sin hablar de vulnerabilidad.

8. Buenas prácticas

• Mostrar rangos y explicar qué significan en lenguaje normal.
• Declarar definición del evento y sensibilidad (alternativas razonables).
• Triangular datos: estaciones (magnitud), reanálisis (contexto), ensembles (riesgo), cuando se pueda.
• Separar fenómeno (hazard) de daños (impacto) y nombrar vulnerabilidad.

9. Resumen y claves finales

• La incertidumbre es parte central de la atribución: sin ella, el resultado es incompleto.
• Rangos anchos = prudencia; rangos que cruzan 1 pueden ser no concluyentes.
• El framing (definición del evento) cambia el resultado: hay que declararlo.
• Estaciones, reanálisis y modelos sirven para cosas distintas: no intercambiarlos sin cuidado.
• Impacto depende de vulnerabilidad: no mezclar.

10. Mini-glosario

• Intervalo de confianza: rango compatible con datos/método (según la técnica usada).
• Bootstrap: remuestreo para estimar rangos cuando no hay fórmulas simples.
• Framing: definición operativa del evento (variable, región, ventana, umbral).
• No concluyente: no se puede afirmar aumento/disminución con confianza con ese diseño/datos.

11. Referencias y lecturas recomendadas

• IPCC (AR6): atribución de extremos, evidencia e incertidumbre
• Met Office: materiales y explicaciones sobre atribución y comunicación de confianza
• NOAA: recursos educativos sobre probabilidades, extremos y lectura de rangos