Cuadernos Jupyter

Open In Colab

Cuadernos Jupyter en quarto

Los cuadernos Jupyter pueden renderizarse en un entorno de Quarto utilizando en VS Code la extensión “Colab”, además desde Colab en la web o el entorno Jupyter lab localmente.

Una descripción del uso de cuadernos Jupyter en Quarto se encuentra en la siguiente página.

A continuación se muestra un ejemplo de un cuaderno Jupyter embebido en este documento Quarto con una gráfica de la intensidad del fenómeno de El Niño.

Visualización del Fenómeno de El Niño

El Índice Oceánico Niño (ONI, por sus siglas en inglés) es el indicador estándar utilizado por NOAA para identificar eventos de El Niño (calentamiento) y La Niña (enfriamiento) en el Océano Pacífico tropical.

Definición: - El Niño: Cuando el ONI es ≥ +0.5°C por al menos 5 períodos consecutivos de 3 meses - La Niña: Cuando el ONI es ≤ -0.5°C por al menos 5 períodos consecutivos de 3 meses

Los datos se obtienen directamente de la página del Climate Prediction Center de NOAA.

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from io import StringIO
import requests

# Descargar datos del ONI de NOAA
url = "https://www.cpc.ncep.noaa.gov/data/indices/oni.ascii.txt"
response = requests.get(url)
data_text = response.text

# Procesar los datos
lines = data_text.strip().split('\n')
# Saltar la primera línea (encabezado)
data_lines = [line.split() for line in lines[1:]]

# Crear DataFrame
df = pd.DataFrame(data_lines, columns=['Season', 'Year', 'Total', 'ANOM'])
df['Year'] = df['Year'].astype(int)
df['ANOM'] = df['ANOM'].astype(float)

# Crear una columna de fecha combinando año y estación
season_to_month = {
    'DJF': 1, 'JFM': 2, 'FMA': 3, 'MAM': 4, 'AMJ': 5, 'MJJ': 6,
    'JJA': 7, 'JAS': 8, 'ASO': 9, 'SON': 10, 'OND': 11, 'NDJ': 12
}
df['Month'] = df['Season'].map(season_to_month)
df['Date'] = pd.to_datetime(df['Year'].astype(str) + '-' + df['Month'].astype(str) + '-01')

# Filtrar últimos 40 años
current_year = 2024
start_year = current_year - 40
df_filtered = df[df['Year'] >= start_year].copy()

# Crear la gráfica
fig, ax = plt.subplots(figsize=(14, 6))

# Colorear las áreas según El Niño (positivo) y La Niña (negativo)
ax.fill_between(df_filtered['Date'], df_filtered['ANOM'], 0, 
                where=(df_filtered['ANOM'] > 0), 
                color='red', alpha=0.5, label='El Niño (cálido)')
ax.fill_between(df_filtered['Date'], df_filtered['ANOM'], 0, 
                where=(df_filtered['ANOM'] < 0), 
                color='blue', alpha=0.5, label='La Niña (frío)')

# Línea de tendencia
ax.plot(df_filtered['Date'], df_filtered['ANOM'], color='black', linewidth=1, alpha=0.7)

# Líneas de referencia para umbrales de El Niño/La Niña
ax.axhline(y=0.5, color='red', linestyle='--', linewidth=0.8, alpha=0.5, label='Umbral El Niño (+0.5°C)')
ax.axhline(y=-0.5, color='blue', linestyle='--', linewidth=0.8, alpha=0.5, label='Umbral La Niña (-0.5°C)')
ax.axhline(y=0, color='gray', linestyle='-', linewidth=0.5)

# Etiquetas y título
ax.set_xlabel('Año', fontsize=12)
ax.set_ylabel('Anomalía de temperatura (°C)', fontsize=12)
ax.set_title('Índice Oceánico Niño (ONI) - Últimos 40 años\nFuente: NOAA Climate Prediction Center', 
             fontsize=14, fontweight='bold')
ax.legend(loc='upper left', fontsize=10)
ax.grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

# Mostrar estadísticas
print(f"\n📊 Estadísticas del ONI ({start_year}-{current_year}):")
print(f"Anomalía máxima (El Niño más fuerte): {df_filtered['ANOM'].max():.2f}°C en {df_filtered[df_filtered['ANOM'] == df_filtered['ANOM'].max()]['Date'].dt.strftime('%Y-%m').values[0]}")
print(f"Anomalía mínima (La Niña más fuerte): {df_filtered['ANOM'].min():.2f}°C en {df_filtered[df_filtered['ANOM'] == df_filtered['ANOM'].min()]['Date'].dt.strftime('%Y-%m').values[0]}")
print(f"Promedio: {df_filtered['ANOM'].mean():.2f}°C")
print(f"Desviación estándar: {df_filtered['ANOM'].std():.2f}°C")

📊 Estadísticas del ONI (1984-2024):
Anomalía máxima (El Niño más fuerte): 2.75°C en 2015-12
Anomalía mínima (La Niña más fuerte): -1.85°C en 1988-12
Promedio: 0.01°C
Desviación estándar: 0.86°C