Cuantificación de incertidumbre en modelos climáticos

La calibración de modelos complejos es un reto que presenta diversas áreas de oportunidad. Se puede formular como un problema inverso en el cual los datos satelitales observados se contrastan con simulaciones del modelo en cuestión. Este trabajo considera la interfase entre algoritmos de Kalman por ensamble (EKS), procesos Gausianos (GP) y simulación de cadenas Markovianas para aproximaciones Monte Carlo (MCMC). El propósito es calibrar, y a su vez cuantificar la incertidumbre, de parámetros en sistemas caóticos. En particular, nuestro trabajo en simuación de procesos atmosféricos a nivel global, nos limita a un presupuesto computacional muy limitado. Es por esto que el objetivo es presentar una estrategia de bajo costo computacional con la cual se cuantifique la incertidumbre, producto de la estimación de parámetros, en las predicciones. Esto se logra al combinar de manera cuidadosa métodos bayesianos aproximados (EKS), emulación (GP), y técnicas de simulación (MCMC). La estrategia se ilustrará con modelos relacionados a modelos de clima.