Vamos a montarlo como una receta de cocina, pero de las que salen bien 😄: un paso a paso para no confundir correlación con causalidad cuando analizamos un evento. El objetivo no es “probar” una causa absoluta (en meteo/clima casi nunca es así), sino llegar a una conclusión honesta del tipo: qué factores son consistentes con el evento y cómo cambia el riesgo bajo un marco definido, con rangos y límites.

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 vas a conseguir con este paso a paso

Al final tendrás:

• Una definición clara del evento (qué/dónde/cuándo).
• Un contrafactual (con qué comparas y por qué).
• Una lista de confusores (lo que puede engañarte).
• Una explicación física (mecanismo) consistente.
• Un cierre con incertidumbre y comunicación segura.

2. Idea clave en 30 segundos

• En una frase: causalidad en clima se construye con contrafactual + mecanismo + datos + sensibilidad, no con una coincidencia.
• Señal típica: puedes decir “esto depende de…” y dar 3 supuestos clave.
• Confusión común: “si coincide en el tiempo, es por eso”.

3. Checklist en 10 pasos (modo práctico)

1. Define el evento: variable, región, ventana temporal, umbral (o percentil).
2. Clasifica el evento: ¿simple (una variable) o compuesto (varias condiciones)?
3. Describe el guion: qué pasó en términos meteorológicos (sin conclusiones aún).
4. Elige el baseline: con qué comparas (clima de referencia) y por qué.
5. Escribe el contrafactual: “¿qué habría pasado si X no estuviera?” (aunque sea probabilístico).
6. Lista confusores: circulación/patrones, humedad previa, suelo, usos del suelo, etc.
7. Busca el mecanismo: cadena causa-efecto físicamente plausible.
8. Elige datos correctos: estaciones vs reanálisis vs ensembles (cada uno con su papel).
9. Haz sensibilidad: cambia umbral/región/ventana razonablemente y mira estabilidad.
10. Comunica con límites: rango, incertidumbre, y separa hazard de impacto/vulnerabilidad.

4. Mini guía de datos (sin liarnos)

• Estaciones: magnitud local (picos, acumulados, rachas). Vigilar calidad, huecos y cambios de emplazamiento.
• Reanálisis: guion y coherencia regional; ojo con extremos puntuales y orografía fina.
• Ensembles/modelos: probabilidades y rangos; recuerdan que hay incertidumbre estructural.

5. Ejemplo 1: sequía (por qué se confunde tanto)

La sequía es el paraíso de la confusión porque es multi-causa y tiene memoria (suelo, embalses, gestión). Paso a paso:

• Evento: ¿sequía meteorológica (precipitación), agrícola (humedad de suelo) o hidrológica (caudales/embalses)?
• Guion: ¿falta de borrascas? ¿bloqueo? ¿NAO persistente? ¿olas de calor que disparan evapotranspiración?
• Confusores: gestión del agua, cambios de uso de suelo, demanda, riego, embalses.
• Mecanismo: menos precipitación + más demanda evaporativa = estrés hídrico mayor.
• Comunicación: el hazard (déficit) no explica por sí solo el impacto (restricciones), porque entra vulnerabilidad/exposición.

6. Ejemplo 2: evento compuesto

Ejemplo típico: calor + sequedad + viento (riesgo de incendios) o lluvia intensa + marea + suelo saturado (inundación). Aquí es clave:

• Definir claramente el “AND” (se cumplen varias condiciones) vs “OR”.
• Evitar asumir independencia entre condiciones.
• Separar fenómeno físico de consecuencias.

7. Errores comunes

• Definir el evento después de ver los datos (“a medida”).
• No separar tipo de sequía (meteorológica vs hidrológica).
• Confundir reanálisis con “verdad del pico” a escala local.
• Publicar sin sensibilidad ni rangos.
• Hablar de daños sin vulnerabilidad/exposición.

8. Buenas prácticas

• Definiciones operativas claras (y si puedes, preregistradas).
• Datos con papel asignado (estación = pico; reanálisis = guion; ensembles = rango).
• Sensibilidad mínima obligatoria.
• Lenguaje calibrado: “consistente con”, “aumenta/disminuye riesgo”, “rango”.

9. Resumen y claves finales

• Si no puedes escribir el contrafactual, aún no estás en causalidad.
• Los confusores son la trampa #1: listarlos te ahorra disgustos.
• La sensibilidad es la prueba de honestidad.
• Vulnerabilidad importa: hazard ≠ impacto.

10. Mini-glosario

• Contrafactual: comparación “sin X” (o con baseline distinto).
• Confusor: factor que afecta a varias variables y engaña.
• Evento compuesto: combinación de condiciones (no independientes).
• Vulnerabilidad: facilidad de sufrir daño (infraestructura, gestión, exposición).
• Significancia: señal estadística bajo un criterio; no es “verdad absoluta”.

11. Referencias y lecturas recomendadas

• IPCC (AR6): atribución, confianza e incertidumbre
• WMO: guías y glosarios sobre extremos y comunicación
• AEMET: material divulgativo y documentación técnica (contexto regional)