Qué pasó
- Cuatro investigadores, Smith, Morr, Schötz y Boers, publicaron el 6 de noviembre de 2026 en Nature Communications un método para estimar la resiliencia de sistemas que no son estacionarios.
- Un cuerpo amplio de trabajo ha aplicado el concepto de ralentización crítica para estimar la estabilidad de distintos componentes del sistema terrestre, como la vegetación global.
- La mayoría de esos componentes cambia con el tiempo, por ejemplo por un forzamiento estacional fuerte, y eso complica estimar su resiliencia frente a perturbaciones externas.
- Los autores proponen una formulación basada en regresión de la ecuación de Langevin que tiene en cuenta esa falta de estacionariedad.
Por qué importa
- La resiliencia indica cuánto tarda un sistema en volver a su estado normal tras una perturbación. Si se hace más lenta, puede ser una señal de que el sistema se acerca a un punto de inflexión.
- Las estimaciones habituales, basadas en la autocorrelación, funcionan mal cuando hay estacionalidad marcada.
- Un método más robusto permite vigilar componentes del clima con datos reales, que casi nunca son perfectos.
El dato
Un reemplazo directo. Según los autores, el método puede sustituir a las estimaciones de resiliencia basadas en autocorrelación, ampliamente usadas, sin requerir un preprocesamiento extenso de los datos.
Contexto
El método tolera huecos en el registro de datos y no exige un muestreo regular en el tiempo. También puede incorporar incertidumbres de los datos que varían en el tiempo, entregar márgenes de incertidumbre para las estimaciones de estabilidad y extenderse de forma natural a sistemas espaciales.
Lo probaron en sistemas sintéticos y en sistemas del mundo real. El resumen no entrega cuáles ni los resultados numéricos, por lo que cuánto mejora frente al método habitual debe comprobarse en el artículo completo.
La ecuación de Langevin describe cómo evoluciona una variable bajo una fuerza de recuperación más ruido aleatorio. Al ajustarla por regresión, el método estima cuán fuerte es esa fuerza de recuperación sin necesidad de suponer que el sistema es estacionario, y esa es su idea central.
En Mamífero seguimos el clima y sus modelos. Contamos que datos climáticos nuevos cambian el balance de radiación regional, pero no el global y que un método de aprendizaje automático mejoró el pronóstico subestacional. También que los glaciares que terminan en agua son 3,2% del total y que el cambio climático amplificó las crecidas de la tormenta Boris.
Qué viene
- Aplicarlo a vegetación, hielo y otros componentes permitiría vigilar su estabilidad con registros imperfectos.
- Los autores lo presentan como una alternativa lista para usar por quienes ya trabajan con autocorrelación.
- Falta ver cómo se comporta frente a perturbaciones muy fuertes o cambios abruptos.
Cierre
Medir qué tan rápido se recupera un sistema es una forma de ver si está en riesgo. Con este método, esa medida se puede tomar también donde los datos son irregulares y las estaciones mandan.
Fuentes
- Smith, Morr, Schötz, Boers y otros, “Estimating the resilience of non-stationary systems”, Nature Communications, 6 de noviembre de 2026, DOI 10.1038/s41467-026-78489-7. La nota se basa en el resumen del artículo.
- Imagen de portada: EgorovaSvetlana, CC BY-SA 4.0, vía Wikimedia Commons
Editado por Rodrigo Cornejo. Quiénes escriben las notas
