Panorámica
Qué contiene esta sección
La sección Validación compara las concentraciones calculadas por el modelo con las medidas de las estaciones, para cuantificar en qué medida el modelo reproduce la realidad observada. Reúne el panel interactivo de los gráficos de comparación, la documentación de cada función gráfica y la descripción de los índices estadísticos usados, con sus fórmulas.
Herramientas disponibles y cómo usarlas
Validación del modelo
Panel interactivo: se elige el gráfico, el contaminante y la estación (los menús se filtran entre sí: para una estación solo aparecen los contaminantes que mide). Los gráficos que leen datos brutos del servidor (marcados con 🕒) se activan con el botón Cargar los datos. Diagramas de Taylor y target, dispersión, mapas de calor, wavelet, descomposición STL, diagramas de caja, bandas de percentiles, radar y más; un panel de pesos permite combinar los índices en una puntuación sintética.
Funciones gráficas
Galería que documenta cada gráfico disponible: qué muestra, cómo está construido y por qué es útil, con una imagen de ejemplo. Es la referencia para entender cómo leer cada visualización del panel.
Índices de validación
Descripción de los índices estadísticos (correlación, error, sesgo, variabilidad, información mutua…) con las fórmulas compuestas en KaTeX y un ejemplo demostrativo interactivo que muestra su cálculo sobre datos de prueba.
Funciones de escalado
Las funciones que remodelan la «bondad» de cada índice antes de la media ponderada, porque los índices no varían linealmente en significado. Explica la elección de las curvas, la dependencia de los extremos y cuáles son adecuadas para cada índice, con gráficos interactivos.
Nota: la información mutua (MI) se expresa en nats, la unidad natural de información (se usa el logaritmo natural; 1 nat ≈ 1,44 bits). Mide cuánta información comparten el modelo y las observaciones: 0 = independientes, valores más altos = vínculo más fuerte (también no lineal).
Cómo funciona la interfaz
El panel de Validación está organizado en tres áreas.
1. Controles globales
- Estratificación (Global / Estación del año / Hora): elige cómo se agregan las métricas.
- Pesos de las métricas por contaminante: una ficha por contaminante con un radar arrastrable y la lista de las métricas. Para cada métrica se ajusta el peso (%) y se elige la función de escalado (menú desplegable; véase Funciones de escalado) que remodela la bondad del índice. Las funciones propuestas se filtran según el dominio del índice. También están la referencia RMSE/MAE y la justificación de los pesos.
2. Puntuación
- Puntuación por estación y agregada: tablas que combinan los índices (peso × bondad remodelada) en una puntuación de 0 a 100.
3. Gráficos
- Se elige el tipo de gráfico, el contaminante y la estación: los menús se filtran entre sí (para una estación solo aparecen los contaminantes que mide).
- Los gráficos que leen datos brutos del servidor están marcados con 🕒 y se activan con Cargar los datos; los más pesados (animación de la retícula 3D, time-lapse 2D) están marcados con 🕒🕒 (hasta unos 5 minutos de espera).
- Interacciones: zoom con la rueda en los gráficos 3D (Three.js/WebGL), vistas 2D/3D para la wavelet, reproductor con Reproducir/Pausa/velocidad para las animaciones, leyendas e información emergente.
Tecnologías para almacenar, leer y procesar los datos
- Almacenamiento. Los índices de validación se calculan previamente y se guardan en PostgreSQL: una tabla con las métricas por estación×contaminante, el catálogo de las métricas, los percentiles, la descomposición estacional (STL) y los pesos predeterminados de los contaminantes (campo JSONB).
- Lectura. Las páginas leen estos valores mediante puntos de acceso PHP que devuelven JSON; para los gráficos que usan los datos horarios brutos (dispersión, sesgo condicionado, CDF, wavelet, dispersión 3D, animaciones) la carga es asíncrona (AJAX) y por ventanas temporales.
- Procesamiento. Las métricas y las descomposiciones se calculan sin conexión en Python (NumPy para los índices, statsmodels para la descomposición STL) y se escriben en la base de datos; el dibujo del lado del cliente usa ECharts, ECharts-GL y Three.js, mientras que las fórmulas se componen con KaTeX.
Bibliografía científica
- Taylor, K.E. (2001). Summarizing multiple aspects of model performance in a single diagram. Journal of Geophysical Research: Atmospheres, 106(D7), 7183–7192. doi:10.1029/2000JD900719
- Jolliff, J.K. et al. (2009). Summary diagrams for coupled hydrodynamic-ecosystem model skill assessment. Journal of Marine Systems, 76(1–2), 64–82. doi:10.1016/j.jmarsys.2008.05.014
- Willmott, C.J. (1982). Some comments on the evaluation of model performance. Bulletin of the American Meteorological Society, 63(11), 1309–1313. doi:10.1175/1520-0477(1982)063<1309:SCOTEO>2.0.CO;2
- Emery, C. et al. (2017). Recommendations on statistics and benchmarks to assess photochemical model performance. Journal of the Air & Waste Management Association, 67(5), 582–598. doi:10.1080/10962247.2016.1265027
- Harrington, E.C. (1965). The desirability function. Industrial Quality Control, 21(10), 494–498. — fundamento de las funciones que asignan a cada índice una «bondad» en [0,1] (su forma de dos lados es una exp(−|y|n), como las curvas de escalado).
- Derringer, G., & Suich, R. (1980). Simultaneous optimization of several response variables. Journal of Quality Technology, 12(4), 214–219. doi:10.1080/00224065.1980.11980968 — combinación ponderada de funciones de deseabilidad.
Keywords: validación, modelo, índices estadísticos, AirPortal, calidad del aire