Si verificas un pronóstico sin compararlo contra una climatología (baseline), puedes engañarte muy fácil: un sistema puede parecer “bueno” solo porque el evento es raro, o “malo” porque el caso es difícil, cuando en realidad no sabes si aporta valor. Este artículo te da una guía rápida y práctica para usar climatología como baseline: qué significa, cómo se construye sin complicarte, cómo elegir la ventana adecuada (estacionalidad), cómo evitar trampas típicas (p. ej., comparar con una climatología mal definida), y cómo leer métricas (RMSE, bias, ROC/AUC, CRPS) en presencia de un baseline. Incluye ejemplos concretos con lluvia intensa, viento y niebla, porque ahí es donde más se nota si una métrica “sirve” o no.

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

1. Qué es y por qué importa

Una climatología como baseline es una predicción “tonta pero honesta” basada en lo que suele pasar en ese lugar y época. Sirve para responder: “¿mi sistema aporta valor real o solo suena bien?”. Sin baseline, los números pueden impresionar pero no significan nada operativo.

2. Idea clave en 30 segundos

• En una frase: si no ganas a la climatología, no estás mejorando nada
• Señal típica: métrica buena en promedio pero sin skill en eventos raros
• Confusión común: comparar contra “clima anual” cuando el fenómeno es estacional (niebla, temporales)

3. Qué NO es una climatología baseline

• No es “el promedio del año” usado para todo.
• No es una lista de récords.
• No es un truco para que tus números queden mejor.
• No es lo mismo que persistencia (aunque a veces compiten).

4. Cómo construir una climatología baseline sin complicarte

• Define el objetivo: variable continua (T, viento) vs evento (lluvia>X, niebla sí/no) vs probabilidad.
• Elige ventana estacional: por ejemplo, mismo mes, o ±15 días alrededor (según el fenómeno).
• Elige periodo histórico: idealmente 10–30 años si se puede; si no, usa lo disponible pero documenta límites.
• Usa percentiles: mediana (P50) y bandas (P10–P90) suelen ser más útiles que solo la media.
• Para eventos: calcula frecuencia (base rate) del evento en esa ventana.
• Para probabilístico: la climatología puede ser “probabilidad climatológica” del evento.

5. Qué baseline reportar siempre (mínimo operativo)

• Climatología: referencia estacional (frecuencia o percentiles).
• Persistencia: muy potente en corto plazo (sobre todo niebla y viento local).
• Regla: tu sistema debe compararse al menos con 1 de estos, idealmente con ambos.

6. Cómo encaja con métricas (y cuáles “sirven”)

• RMSE / MAE: compara el error del sistema vs el error del baseline; si no mejoras, tu sistema no aporta valor.
• Bias: útil para ver sesgos sistemáticos, pero no te dice si hay skill (puedes tener bias 0 y ser malo).
• ROC/AUC: mide discriminación (separar evento/no evento) pero no calibra probabilidades; úsalo con baseline y, si puedes, con fiabilidad.
• CRPS: muy útil en probabilístico (continua): compara distribución predicha con observado; reporta mejora vs climatología (skill).

7. Ejemplos rápidos (lluvia intensa, viento, niebla)

7.1 Lluvia intensa (evento raro)

• Evento: lluvia > 20 mm/1h (ejemplo) en otoño mediterráneo.
• Climatología: frecuencia en ±15 días (base rate bajo).
• Trampa: accuracy alta aunque nunca pronostiques el evento (porque casi nunca ocurre).
• Qué mirar: POD/FAR/CSI y comparar contra “pronóstico climatológico” (probabilidad base) y contra persistencia si aplica.

7.2 Viento fuerte (régimen y estacionalidad)

• Variable: racha máxima diaria (km/h).
• Climatología: percentiles por mes; mejor P50 y P90.
• Qué sirve: MAE/RMSE de racha + bias; y para eventos (racha>80 km/h) usa matriz/CSI.
• Trampa: usar media anual cuando hay temporales estacionales; te “mueve” el baseline y distorsiona el skill.

7.3 Niebla (persistencia fuerte)

• Evento: niebla sí/no por hora o por mañana.
• Climatología: frecuencia por mes y por franja horaria.
• Persistencia: si hay niebla ahora, a corto plazo suele continuar; baseline durísimo.
• Qué sirve: comparar POD/FAR/CSI vs persistencia y vs climatología; AUC puede subir pero si FAR se dispara, operativamente no compensa.

8. Errores comunes

• Usar climatología anual para fenómenos estacionales (niebla, temporales).
• Comparar series con cambios (estación movida, sensores) sin segmentar.
• Olvidar base rate en eventos raros (te engaña el “accuracy”).
• Usar AUC como “todo bien” sin mirar calibración/fiabilidad.
• No reportar persistencia cuando es baseline dominante (niebla, viento local).

9. Buenas prácticas

• Define baseline antes de mirar métricas (así evitas autoengaño).
• Usa ventana estacional coherente con el fenómeno.
• Reporta siempre base rate y el baseline usado.
• En probabilístico, reporta mejora vs climatología (skill) y no solo el score bruto.
• Si calibras o ajustas, valida fuera de muestra (bloques temporales).

10. Resumen y claves finales

• Climatología baseline = referencia honesta de “lo que suele pasar”
• Si no mejoras a la climatología (o persistencia), no hay valor
• Eventos raros: base rate manda; accuracy engaña
• AUC discrimina, no calibra; CRPS es muy útil en probabilístico
• Ventana estacional correcta evita comparaciones falsas

11. Mini-glosario

• Baseline: referencia mínima para medir skill
• Climatología: comportamiento típico (frecuencias/percentiles) por época y lugar
• Base rate: frecuencia del evento en la climatología
• Persistencia: asumir que lo siguiente se parece a lo actual
• AUC: discriminación ROC
• CRPS: score probabilístico continuo (mejor cuanto menor)

12. Referencias y lecturas recomendadas

• WMO: guías y glosario de verificación
• ECMWF: verificación y ensembles (incl. CRPS/skill)
• NOAA: recursos de verificación (ROC, base rate, prácticas)