Este artículo es una guía paso a paso para entender cómo se monta un análisis de atribución de eventos (event attribution) sin perderse. La idea es que, aunque no hagas un estudio académico, sepas qué preguntas son válidas, qué datos suelen usarse (reanálisis, observaciones, ensembles) y cómo leer resultados sin caer en conclusiones exageradas.

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 este “paso a paso” (y qué NO es)

Esto no es una receta mágica para publicar un paper, sino una guía clara para hacer bien lo básico: definir el evento, elegir un mundo de referencia, comparar probabilidades o intensidades y, sobre todo, comunicar con incertidumbre sin mezclar “fenómeno” con “daños”.

2. Idea clave en 30 segundos

• En una frase: la atribución compara estadísticamente un evento definido en el clima actual frente a un clima de referencia, para estimar cambios de probabilidad o intensidad.
• Señal típica: “X veces más probable” o “Y °C/mm más intenso”, siempre con rango.
• Confusión común: convertir ese resultado en “el cambio climático causó el 100% del desastre”.

3. Antes de empezar: define la pregunta correcta

En atribución, una buena pregunta suele tener esta forma:

• “¿Ha cambiado la probabilidad de una ola de calor como esta en la región X?”
• “¿Ha cambiado la intensidad típica de eventos como este?”

Una mala pregunta (por demasiado absoluta) sería: “¿El cambio climático causó este evento?”. La atribución trabaja mejor con “cambió el riesgo” que con “creó el evento”.

4. Paso 1: define el evento (sin esto, todo se desmorona)

Define exactamente qué vas a medir:

• Variable: Tmax, precipitación 24h, índice de calor, SPI/SPEI, etc.
• Región: punto/estación, provincia, cuenca, rejilla o región climática.
• Ventana temporal: 1 día, 3 días, una semana, un mes…
• Umbral: absoluto (p.ej., >40 °C) o percentil (p.ej., p95) o retorno (p.ej., 1-in-50 años).

Truco útil: si el evento es muy local (tormenta convectiva puntual), quizá convenga definirlo a escala algo más amplia (área/tiempo) para que sea analizable con menos ruido.

5. Paso 2: reúne datos (qué usar y para qué)

• Observaciones: estaciones, pluviómetros, redes oficiales. Sirven para definir el evento y validar.
• Reanálisis: (p.ej., ERA5) útiles para contexto atmosférico coherente y series espaciales, con limitaciones (especialmente lluvia convectiva).
• Modelos/ensembles: conjuntos de simulaciones para estimar probabilidades. Aquí está la “máquina” del cálculo de riesgo.

En la práctica, se combina: observación para anclar la realidad + reanálisis para contexto + ensembles para estimar probabilidades.

6. Paso 3: elige el mundo de referencia

Necesitas comparar el clima actual con un clima “de referencia”. Ejemplos:

• Preindustrial: útil si quieres una comparación “sin gran parte del calentamiento moderno”.
• Mediados del siglo XX: a veces se usa por disponibilidad/consistencia de datos.

Lo importante es ser transparente: “estoy comparando contra X”. Si cambias el baseline, el resultado puede cambiar.

7. Paso 4: decide qué vas a atribuir (probabilidad, intensidad o ambas)

• Probabilidad: ¿con qué frecuencia se supera el umbral en cada mundo?
• Intensidad: dado que ocurre el evento, ¿cuánto más fuerte tiende a ser?

En calor suele ser más directo. En lluvia local muy convectiva, hay más incertidumbre y dependencia de resolución.

8. Paso 5: calcula (idea conceptual)

Sin entrar en fórmulas, el esquema es:

• Estimas P(evento) en el clima actual (con ensembles).
• Estimas P(evento) en el clima de referencia (con ensembles/contrafactual).
• Comparas: RR = P(actual)/P(ref).

Luego, en lugar de dar un único número, se calcula un rango (intervalo) porque hay incertidumbre.

9. Paso 6: pon incertidumbre sobre la mesa (sin miedo)

La incertidumbre viene de varios sitios: variabilidad natural, modelo, datos, definición del evento… Por eso, una salida responsable es:

• “RR entre 2 y 5” (ejemplo)
• “Aumento de intensidad de 1 a 3 °C” (ejemplo)

Y a veces: “la señal es baja/no concluyente” (esto también es un resultado).

10. Paso 7: conecta con riesgo, impacto y vulnerabilidad (sin confundir)

Evento (hazard) no es lo mismo que impacto. Un mismo evento puede causar daños muy distintos según:

• Exposición: cuánta gente/infraestructura está en zona de riesgo.
• Vulnerabilidad: calidad de drenajes, planes de emergencia, construcción, alertas, pobreza, etc.

Así que el mensaje correcto suele ser: “cambió el riesgo del fenómeno” + “los daños dependen también de vulnerabilidad”.

11. Frases seguras para comunicar (sin pasarse)

• “Este análisis sugiere que eventos como este son más probables hoy que en el clima de referencia, dentro de un rango de incertidumbre.”
• “El patrón meteorológico explica el disparo; el calentamiento puede desplazar la probabilidad o la intensidad.”
• “Los impactos dependen también de exposición y vulnerabilidad, no solo del evento meteorológico.”

12. Errores comunes

• Dar un número sin rango: mala práctica; siempre pide intervalo.
• Cambiar el evento a mitad: si cambias región/umbral, ya no comparas lo mismo.
• Confundir reanálisis con verdad absoluta: es muy útil, pero tiene sesgos (sobre todo en precipitación convectiva).
• Convertir RR en “% de culpa”: no es así de simple.

13. Buenas prácticas

• Documentar tu definición del evento (variable, umbral, región, ventana).
• Explicar el baseline de referencia.
• Reportar resultados con rango e incertidumbre.
• Separar fenómeno vs impacto (vulnerabilidad).
• Si hay dudas fuertes, decirlo: “no concluyente” es mejor que “seguro”.

14. Resumen y claves finales

• El paso a paso empieza por definir el evento: sin eso no hay atribución seria.
• Luego eliges referencia y comparas probabilidad/intensidad entre mundos.
• La incertidumbre es parte del resultado (rango, no un número único).
• Fenómeno ≠ daño: impactos dependen de exposición y vulnerabilidad.
• Comunicar bien es tan importante como calcular: frases seguras y matices.

15. Mini-glosario

• Ensemble: conjunto de simulaciones para estimar probabilidades.
• Reanálisis: reconstrucción consistente del estado atmosférico usando modelos + datos.
• Intervalo de confianza: rango plausible del resultado (según método).
• Significancia: indicador estadístico de si una señal es distinguible del ruido (con matices).
• Vulnerabilidad: susceptibilidad de una sociedad/infraestructura a sufrir daños ante un evento.

16. Referencias y lecturas recomendadas

• IPCC (AR6): extremos, atribución y niveles de confianza
• ECMWF / Copernicus: documentación y contexto de reanálisis (ERA5) y variables
• WMO: guías de comunicación de riesgos e incertidumbre (si se necesita marco de comunicación)