Reseña

La meteorología es la ciencia que se encarga del estudio del clima y la atmósfera, constituye ejes fundamentales para comprender la dinámica del planeta y anticipar sus efectos sobre la sociedad, los ecosistemas y la economía. En un contexto global donde el cambio climático se ha convertido en una de las principales preocupaciones científicas, estudiar el comportamiento de variables meteorológicas como temperatura ambiente, precipitación, radiación solar, entre otras, es una herramienta para mitigar las consecuencias, a través de la planificación de uso de los recursos naturales. Con el avance de las tecnologías se han desarrollado instrumentos de medición cada vez más precisos y de monitoreo continuo. Estos registran datos (cada segundo) de variables de interés como temperatura del aire, precipitación, radiación solar, entre otros; generando miles de millones de datos a disposición de los científicos para analizarlos o estudiarlos. Sin embargo, ni la mente más poderosa es capaz de analizar con rapidez grandes cantidades de datos para extraer conocimiento importante. Bajo este sentido, ciencia de datos es un aliado estratégico que ayuda a climatólogos, investigadores y científicos a analizar de manera eficiente información masiva.
El presente libro tiene como propósito integrar el campo de la meteorología y ciencia de datos. Por un lado, se abordan los conceptos esenciales de la atmósfera, las variables climáticas y los sistemas de observación; por otro, se introducen herramientas modernas de análisis de datos, procesamiento y aprendizaje automático utilizando Python. La estructura del libro parte desde conceptualizaciones básicas hasta un enfoque práctico para analizar el clima y la atmósfera; sin explicar a profundidad conceptos complejos computacionales.
Este libro se divide en ocho capítulos, iniciando desde una explicación de las bases de la meteorología y fundamentos epistemológicos, complementando los conceptos de clima y las técnicas modernas de aprendizaje automático. Muestra cómo el Big Data y las técnicas de análisis computacionales modernas abren nuevas posibilidades para estudiar fenómenos atmosféricos. Cada capítulo enfocado en su aplicación como herramienta central para el procesamiento de información climática.
El Capítulo 1: Introducción a la meteorología y ciencia de datos introduce los conceptos básicos de meteorología y ciencia de datos, explorando una reseña histórica de la evolución en la observación climática desde métodos básicos a utilizar herramientas modernas.
El Capítulo 2: Variables meteorológicas, presenta las variables fundamentales que describen el clima: temperatura del aire, presión atmosférica, humedad relativa, precipitación, radiación solar global y difusa, finalmente velocidad y dirección de viento. No solo se describen sus definiciones, sino también los procesos físicos que las generan y cómo se relacionan entre sí. Además, se describe la formación de nubes, qué significa la radiación global y por qué el viento cambia de dirección. Todo esto se conecta con la importancia de medirlas para entender su naturaleza.
El Capítulo 3. Sistemas de observación, medición y registro en meteorología, describe cómo se obtienen los datos meteorológicos y el tipo de herramientas utilizadas para medirlos y registrarlos. Se habla de las escalas de tiempo y espacio, de las unidades de medida y de la precisión de los instrumentos.
El Capítulo 4. Fuentes y formatos de datos meteorológicos, describe las principales fuentes de datos disponibles: estaciones meteorológicas locales y redes internacionales como CMIP6, CHIRTS y CHIRPS. Se describe la red ESPOCH-INAMHI. Además, se introduce conceptos de los formatos de datos y estándares comunes para compartir, comparar y analizar la información.
El Capítulo 5. Introducción a Python, inicia el camino hacia la programación aplicada a la meteorología. Describe qué es Python, por qué se ha convertido en el lenguaje predominante en ciencia de datos y cómo instalarlo de manera práctica. Se enseña a dar los primeros pasos en el entorno de trabajo Spyder y a entender la lógica básica de la programación. En este punto, el libro invita a perder el miedo a conceptos más avanzados de programación.
En el Capítulo 6. Python para ciencia de datos, se introduce las librerías esenciales para trabajar con datos: IPython, NumPy, Pandas y Matplotlib. Cada una se describe con ejemplos sencillos que muestran cómo crear arreglos, manipular bases de datos o graficar resultados. De esta manera el lector aprende como Python a realiza el trabajo de forma rápida y eficiente.
En el Capítulo 7. Introducción al aprendizaje automático (Machine Learning), se describe qué es el aprendizaje automático y cómo se diferencia de la estadística tradicional; algoritmos supervisados y no supervisados, de manera visual y didáctica. Además, se presentan los algoritmos más utilizados, y cómo usarlos con la librería Scikit-Learn. Por último, el Capítulo 8. Análisis de datos climáticos con Python presenta el formato NetCDF como estándar de almacenamiento de datos climáticos y la librería xarray como la herramienta ideal para manipularlo. Se explica cómo acceder a datos remotos mediante Intake, OPeNDAP y Dask, y cómo procesar bases de datos provenientes de estaciones meteorológicas locales. Finalmente, integra todo lo aprendido en casos prácticos, los cuales forman parte de los resultados del proyecto de investigación “Predecir patrones de comportamiento climático mediante técnicas de aprendizaje automático en la provincia de Chimborazo – IDIPI306” de la Escuela Superior Politécnica de Chimborazo, ejecutado durante el año 2022 hasta el 2025.