Análisis reproducible de 33.096 registros diarios de radiosondeo entre 1980 y 2025 para estudiar cómo cambia la estabilidad de la atmósfera tropical durante las ocho fases de la MJO en Palau y Chuuk.
Resultado principal: las dos estaciones muestran una transición desde anomalías negativas de estabilidad en las fases iniciales hacia anomalías positivas durante las fases 4–6, aunque el momento del máximo cambia según la ubicación.
Tecnologías: Python, pandas, NumPy, Matplotlib, Plotly, Cartopy, Jupyter, procesamiento incremental, series de tiempo y validación reproducible.
Ver el proyecto, metodología y resultados · Explorar la visualización interactiva
Hidrología computacional · modelación lluvia–escorrentía · calibración multi-algoritmo · validación temporal
Implementación reproducible de un modelo hidrológico conceptual de dos tanques para la cuenca del río Sopchoppy, Florida. El proyecto compara los forzamientos meteorológicos Daymet y NLDAS, y calibra sus parámetros mediante Differential Evolution y Dual Annealing.
Resultado principal: la combinación Daymet + Differential Evolution obtuvo el mejor desempeño en el periodo de validación independiente 2000–2009, con un NSE de 0.603. El análisis de crecientes también mostró el compromiso entre mejorar la representación de caudales extremos y conservar el desempeño global del modelo.
Tecnologías y habilidades aplicadas: Python 3.12, pandas, NumPy, SciPy, Matplotlib, Plotly, CAMELS-US, análisis de series de tiempo, modelación hidrológica, optimización global, métricas NSE y KGE, balance hídrico, pruebas unitarias, GitHub Actions e investigación reproducible.
Ver el proyecto, metodología y resultados · Explorar el reporte interactivo
Análisis climatológico · CMIP6 · corrección de sesgo · escenarios futuros
Proyecto desarrollado para evaluar si el cambio climático puede afectar el potencial de generación del clúster eólico Jemeiwaa Ka'I.
Comparamos ERA5-Land con 12 modelos CMIP6, corregimos sesgos históricos y analizamos los escenarios SSP1-2.6, SSP2-4.5 y SSP5-8.5. Los resultados no muestran una reducción sistemática del recurso eólico; la principal señal de riesgo es la incertidumbre entre modelos climáticos.
Habilidades aplicadas: análisis climatológico, evaluación de modelos, Quantile Mapping, percentiles P10–P50–P90, interpretación de ensembles y comunicación de riesgo climático.
Explorar metodología, resultados y código reproducible →
Análisis reproducible de 167,3 millones de gotas registradas por el disdrómetro SIATA 417 en Santa Elena, integrado con OMEGA y CHI del NCEP/NCAR Reanalysis 1.
Tecnologías: Python, pandas, NumPy, xarray, Cartopy, Matplotlib, procesamiento incremental y GitHub Actions.