- Inicio keyboard_arrow_right
- Formación keyboard_arrow_right
- Monitoreo Minero Climáticamente Informado: CMIP6 + Observación de la Tierra + Geospatial AI
Monitoreo Minero Climáticamente Informado: CMIP6 + Observación de la Tierra + Geospatial AI
Desarrolla capacidades para integrar proyecciones climáticas, observación satelital e inteligencia artificial geoespacial en sistemas de monitoreo ambiental y gestión de riesgos para la minería.
Descripción del curso
Este curso aborda el uso de proyecciones climáticas en minería desde un enfoque técnico y académico, reconociendo que dichas proyecciones no constituyen representaciones directas de condiciones operacionales futuras.
El objetivo es desarrollar dos competencias complementarias: (i) alfabetización climática aplicada, que incluye la comprensión del marco CMIP6, el significado de los escenarios SSPx-y, las fuentes de incertidumbre y los límites metodológicos de corrección y uso; y (ii) producción geoespacial reproducible, orientada a la integración de datos climáticos (netCDF) y satelitales (raster) para la generación de indicadores operacionales y ambientales consistentes en el tiempo, con criterios de comparabilidad, trazabilidad y reproducibilidad analítica.
Este curso está dirigido a
- Leer y explicar salidas de CMIP6: historical vs escenarios, ensambles, variables, unidades, calendarios, mallas y metadata.
- Entender SSPx-y y por qué no es “una predicción”.
- Evaluar limitaciones típicas: resolución, sesgo en medias y extremos, variabilidad interna, diferencias entre modelos.
- Explorar (y criticar) enfoques de downscaling / corrección de sesgo (delta change, quantile mapping, QDM/CDF-t) sabiendo cuándo degradan la señal de cambio climático.
- Construir un pipeline que combine clima + EO para series temporales, anomalías vs línea base, cambio y recuperación, mapas temáticos (clasificación ML) y tableros.
Después del curso podrás
Al finalizar el curso, los participantes serán capaces de:
- Leer y explicar salidas de CMIP6: historical vs escenarios, ensambles, variables, unidades, calendarios, mallas y metadata.
- Entender SSPx-y y por qué no es “una predicción”.
- Evaluar limitaciones típicas: resolución, sesgo en medias y extremos, variabilidad interna, diferencias entre modelos.
- Explorar (y criticar) enfoques de downscaling / corrección de sesgo (delta change, quantile mapping, QDM/CDF-t) sabiendo cuándo degradan la señal de cambio climático.
- Construir un pipeline que combine clima + EO para series temporales, anomalías vs línea base, cambio y recuperación, mapas temáticos (clasificación ML) y tableros.
Facilitador
Diego Ocampo
Investigador de producción responsable y optimización de los procesos mineros en SMI Chile
Programa
Día 1 – Modelos climáticos sin mitos + datos CMIP
Bloque 1: Qué es un GCM/ESM y qué entrega CMIP6
Cómo se generan simulaciones: historical, experimentos comunes (DECK) y escenarios; qué significa “multi-model ensemble”.
SSPs: interpretación correcta del código SSPx-y (y qué NO dice).
Fuentes de incertidumbre: modelo, escenario, variabilidad interna (y por qué no conviene casarse con un solo modelo).
Bloque 2: Formato y distribución de datos
ESGF como red de distribución CMIP6 (qué hay, cómo se publica, por qué hay “mucho” y está fragmentado). https://www.anl.gov/argonne-scientific-publications/pub/169513
Estructura netCDF/CF (variables, dimensiones, time axis, calendarios) y errores comunes al “promediar”. (Conceptual + demo)
Hands-on
Cargar 1–2 variables (p.ej., tas/pr) de historical y 1 escenario, extraer climatologías mensuales y una serie temporal por AOI.
Salida: dataset limpio + gráficos comparables (línea base vs futuro, sin corrección aún).
Día 2 – Resolución, sesgo, downscaling y corrección: lo que se puede defender
Bloque 1: Resolución y escalas
Qué significa “grid spacing” del GCM: qué procesos no resuelve y por qué la topografía local rompe supuestos.
Downscaling dinámico vs estadístico; qué aporta cada uno y sus trampas.
Bloque 2: Sesgo y corrección
Sesgos típicos (medias, estacionalidad, extremos) y cómo diagnosticarlos con datos de referencia.
Métodos:
Delta change (rápido, transparente, limitado).
Quantile mapping: útil en calibración, pero puede fallar en contexto de cambio climático si no preserva señal. https://www.mdpi.com/2225-1154/13/7/137
QDM (quantile delta mapping): idea y por qué se usa para preservar tendencias por cuantiles. https://gmd.copernicus.org/articles/17/191/2024/
Nota honesta: no existe corrección “mágica”; hay supuestos (estacionaridad, representatividad de la referencia) y hay que documentarlos.
Hands-on
Diagnóstico de sesgo vs referencia (reanálisis o producto observado) y aplicación de un método (QDM o alternativa simple según nivel del grupo). Salida: proyección ajustada + reporte corto de supuestos/limitaciones.
Día 3 – Integración con Observación de la Tierra + ML + dashboard reproducible
Bloque 1: EO para minería
Óptico (Sentinel-2/Landsat): NDVI/EVI, NDWI/MNDWI, disturbio (NBR/dNBR si aplica).
SAR (Sentinel-1): cambios/ humedad superficial (concepto + demo).
DEM: pendiente, TWI/TRMI como contexto físico.
Bloque 2: “Clima + EO” como monitoreo, no como adivinación
Cómo usar proyecciones para contextualizar indicadores EO: líneas base, anomalías, umbrales estacionales, ventanas críticas.
Bloque 3: ML aplicado
Clasificación (RF/GBM) para cobertura/estado superficial; validación mínima seria.
Interpretación de variables (importancias) y control de sobreajuste.
Capstone
1 dashboard (Shiny o Streamlit) que muestre: indicador EO (agua/vegetación/disturbio) en el tiempo, comparación baseline vs “futuro” (con y sin ajuste), mapa temático ML (opcional), exportables (GeoPackage/COG + CSV).
Información del curso
- Precio por participante
-
Certificación de participación
-
Almuerzo y coffe break
-
Materiales de trabajo
- Consulta por precios de pre-venta y descuentos para empresas o grupos
