Comparación de resultados de redes causales climáticas entre variables de superficie (mslp vs ght) y variables a un nivel de 925 hPa (tpw vs omega). Mean sea level pressure Geopotential height Total precipitation water NCEP DOE Reanalysis 2 Everything presented resulted in the following scientific article: Vázquez‐Patiño, A., Campozano, L., Mendoza, D., Samaniego, E., 2020. A causal flow approach for the evaluation of global climate models. Int J Climatol 1–21. https://doi.org/10.1002/joc.6470

1. Redes climáticas causales
Angel Vázquez-Patiño
Lenin Campozano
Esteban Samaniego
Universidad de Cuenca
1 de febrero de 2018

2. MSLP vs GHT
Mean Sea Level Pressure
Geopotential Height 925 hPa

3. MSLP vs GHT
●
Topología de la red parecida y de la latitud
~15°S hacia abajo casi exactamente la misma

4. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
4
MSLP Causal links

5. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
5
GHT Causal links

6. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
6
MSLP vs GHT
●
“Mapa de intensidad de causalidad” casi
idéntico (intervalo de valores diferente) en
cuanto al cambio de patrón entre estaciones
●
El intervalo de valores de intensidad cambia
entre MSLP (~[0, 8.1]) y GHT (~[0, -7.3])

7. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
7
MSLP, �, strength of max�
GC�→�

8. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
8
GHT, �, strength of max�
GC�→�

9. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
9
MSLP vs GHT
●
Diferencia en cuanto a la distancia entre nodos
enlazados

10. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
10
MSLP, �, distance of maxj
GC�→j

11. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
11
GHT, �, distance of maxj
GC�→j

12. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
12
MSLP vs GHT
●
Las siguientes son las divergencias calculadas
numéricamente del “campo vectorial” de
causalidad
●
El ángulo de cada vector es dado por el enlace
que une un punto que causa a otro
●
La magnitud del vector es la fuerza de causalidad
del enlace
●
Los intervalos de valores en las siguientes gráficas
son diferentes

13. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
13
MSLP, divergence of maxj
GC�→j

14. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
14
GHT, divergence of maxj
GC�→j

15. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
15
MSLP vs GHT
●
Como era de esperarse, por topologías de red y
mapas de intensidad parecidos, la divergencia es
parecida, calculada con un enfoque parecido al de
Boers et al. (2014) y Marwan et al. (2015) (ellos
construyen la red con sincronización de eventos).
●
Los intervalos de valores son diferentes
Boers, N., Bookhagen, B., Barbosa, H.M.J., Marwan, N., Kurths, J., Marengo, J.A., 2014.
Prediction of extreme floods in the eastern Central Andes based on a complex networks approach.
Nature Communications 5, 5199. https://doi.org/10.1038/ncomms6199
Marwan, N., Kurths, J., 2015. Complex network based techniques to identify extreme events and
(sudden) transitions in spatio-temporal systems. Chaos: An Interdisciplinary Journal of Nonlinear
Science 25, 097609. https://doi.org/10.1063/1.4916924

16. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
16
MSLP, Divergence GCout
− GCin

17. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
17
GHT, Divergence GCout
− GCin

18. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
18
TPW vs Omega
Total Precipitable Water

19. TPW vs Omega
●
En sudamérica difiere la topología (con Omega
no hay un patrón fácil de distinguir)

20. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
20
TPW, maxj
GCi→j
, 100% of links

21. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
21
Omega, max�
GC�→�
, 100% of links

22. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
22
TPW vs Omega
●
El intervalo de valores en el mapa de
intensidad de causalidad es muy diferente

23. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
23
TPW, �, strength of max�
GC�→�

24. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
24
Omega, �, strength of max�
GC�→�

25. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
25
TPW vs Omega
●
La velocidad de “flujo de la información” es
diferente

26. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
26
TPW, i, distance of maxj
GCi→j

27. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
27
Omega, �, distance of max�
GC�→�

28. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
28
TPW vs Omega
●
Divergencia calculada numéricamente
●
Del ecuador hacia el norte el patrón es similar

29. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
29
TPW, divergence of maxj
GCi→j

30. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
30
Omega, divergence of max�
GC�→�

31. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
31
TPW vs Omega
●
Divergencia utilizando un enfoque similar al de
Boers et al. (2014) y Marwan et al. (2015)

32. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
32
TPW, divergence GCout
− GCin

33. Climate informatics A. Vázquez-Patiño, L. Campozano, E. Sama
niego
33
Omega, divergence GCout
− GCin