La climatología como baseline no es “un número promedio”: es el mecanismo que te permite medir valor añadido. Sin baseline, las métricas pueden sonar científicas (RMSE, FAR, skill…) pero en realidad no sabes si tu sistema mejora algo o solo describe lo que ya era fácil. Aquí explicamos los mecanismos clave: qué se mide realmente cuando comparas contra climatología, por qué cambian las métricas cuando el evento es raro, cómo afectan el operador espacial/temporal (neighborhood, object-based) y por qué en nowcasting y verificación con radar/satélite el baseline es todavía más importante.

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

Cuando verificas, comparas “predicho vs observado”. Pero para saber si eso es bueno o malo necesitas una referencia. La climatología baseline te dice qué pasaría si, en vez de pronosticar, simplemente usaras lo típico de esa época y lugar. Así mides si tu sistema realmente aporta información nueva.

2. Idea clave en 30 segundos

• En una frase: el baseline convierte una métrica en “valor” (skill) y no solo en “número”
• Señal típica: buen RMSE en promedio pero sin mejora frente a climatología
• Confusión común: culpar al modelo cuando el base rate hace la métrica “imposible” sin operador espacial

3. Qué se mide realmente cuando comparas contra climatología

• Se mide información nueva: cuánto mejor anticipas desviaciones respecto a lo típico.
• Se mide valor operativo: si mejoras decisiones (alertar/no alertar) frente a una regla simple.
• No se mide “bonito”: una métrica baja puede ser solo porque el fenómeno casi nunca ocurre.

4. El papel del base rate (frecuencia) y por qué cambia todo

En eventos raros (lluvia intensa, tormenta severa, niebla densa), la mayoría de horas son “no evento”. Eso hace que algunas métricas sean tramposas si no se comparan con baseline.

• Base rate bajo: puedes tener muchos aciertos “no evento” sin aportar nada.
• FAR: puede parecer alto con muy pocas falsas alarmas absolutas si el evento es raro.
• Conclusión: siempre mira la frecuencia climatológica del evento y compárala con tu tasa de alertas.

5. Mecanismo 1: RMSE y MAE (continuo) frente a baseline

RMSE/MAE miden error promedio. El mecanismo clave es: si tu error no baja respecto al baseline, tu sistema no aporta valor en esa variable/escala.

• Ejemplo simple: temperatura diaria: una climatología mensual puede dar RMSE decente; tu modelo debe mejorarla claramente para decir “hay skill”.
• Trampa: RMSE puede empeorar en extremos aunque mejores el promedio; por eso se estratifica por percentiles.

6. Mecanismo 2: FAR, POD y el intercambio inevitable

En eventos binarios, FAR (falsas alarmas) y POD (detección) se empujan entre sí: si alertas más, sube POD pero también FAR. La climatología te da el “punto cero” (qué pasa si no alertas o si alertas a tasa climatológica).

• Si nunca alertas: FAR = 0 pero POD = 0 (baseline trivial).
• Si alertas según frecuencia climatológica: ya no vale “parece bien”, hay que ver si discriminaste mejor dónde/cuándo.
• Lectura sana: reporta FAR/POD junto a base rate y comparado con baseline.

7. Mecanismo 3: el operador espacial/temporal (neighborhood) cambia el score

En precipitación convectiva, el problema típico no es “si llovió” sino “dónde exactamente”. Por eso existen operadores como neighborhood (tolerancia espacial) y métodos object-based (comparar objetos/estructuras).

• Sin neighborhood: doble castigo (miss + falsa alarma) por un desplazamiento de 10–30 km.
• Con neighborhood: mides “cercanía útil” para decisión operativa.
• Object-based: compara tamaño, orientación, intensidad y desplazamiento de la estructura; útil en nowcasting.

8. Mecanismo 4: baseline en nowcasting (por qué es aún más crítico)

En nowcasting (0–2 h), a veces el baseline más fuerte es persistencia (lo que veo ahora seguirá un rato). La climatología sigue siendo importante para poner contexto, pero la comparación “real” suele ser: tu técnica vs persistencia, y además contra climatología para saber si el episodio era “típico” o excepcional.

• Radar/satélite: el dato de referencia puede tener sesgos (bloqueo, atenuación, bright band); si el baseline está mal, el score también.
• Operador temporal: verificar a 5 min vs 60 min cambia la dificultad; comparar con baseline ayuda a no sacar conclusiones falsas.

9. Errores comunes

• Usar métricas sin reportar baseline (climatología/persistencia).
• Ignorar base rate y celebrar “accuracy”.
• No usar neighborhood/object-based en convectiva y concluir “no hay skill”.
• Comparar con climatología mal definida (ventana anual para fenómeno estacional).
• Dar por bueno el observado radar/satélite sin QC (sesgos).

10. Plantilla de verificación semanal (baseline + gráfico simple)

Una rutina mínima (30–45 min a la semana) para no perderte:

• 1) Define objetivos: 1 variable continua (p. ej., viento), 1 evento (p. ej., lluvia>X), 1 producto nowcasting.
• 2) Baselines: climatología estacional + persistencia (si aplica).
• 3) QC del observado: missing, sensores clavados, cambios instrumentales; en radar, sesgos por sector.
• 4) Calcula métricas: continuo (MAE/RMSE + bias), evento (POD/FAR/CSI), si hay probabilístico añade CRPS/ROC.
• 5) Estratifica: por intensidad (percentiles) y por régimen (si aplica).
• 6) Gráfico simple: una serie semanal con “error del sistema” y “error del baseline” (dos curvas) y marca cambios de configuración.
• 7) Conclusión en 5 líneas: qué mejoró, qué empeoró, por qué, y qué harás la próxima semana.

11. Resumen y claves finales

• Climatología baseline convierte métricas en “skill” (valor añadido)
• Base rate manda en eventos raros; FAR/POD sin contexto engañan
• En convectiva, el operador espacial (neighborhood/object-based) es parte del diagnóstico
• En nowcasting, persistencia compite como baseline duro
• Una rutina semanal con baseline + gráfico simple evita autoengaños

12. Mini-glosario

• Base rate: frecuencia climatológica del evento
• FAR: proporción de falsas alarmas sobre lo pronosticado
• Neighborhood: operador de tolerancia espacial (radio/ventana)
• Object-based: verificación comparando estructuras/objetos, no punto a punto
• RMSE: error cuadrático medio (castiga extremos)

12. Referencias y lecturas recomendadas

• Met Office: material de verificación, ROC y baselines
• NOAA: guías de verificación y lectura de scores
• WMO: glosarios y recomendaciones de verificación