¿Cuántas veces has oído a tu cuñado (o cuñada) decir en una comida familiar frases tipo:
“¡Antes llovía más, se está desertificando todo!”
o peor aún:
“¡Yo ya lo noto, desde que era niño no ha vuelto a llover igual!”
Frases como estas suenan bien, tienen tono de verdad empírica… pero en realidad son pura intuición, sin ninguna evidencia científica detrás. Afortunadamente, vivimos en una época donde podemos rebatir con datos, mapas y gráficos, sin despeinarnos ni tener que abrir Excel.
📡 ¿La clave? Computación en la nube + datos abiertos
En lugar de entrar en debates circulares, te propongo usar Google Earth Engine (GEE), una plataforma gratuita (si demuestras que no vas a usarlo comercialmente, claro) de computación geoespacial en la nube, y una fuente de datos de primer nivel: CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data).
CHIRPS ofrece datos de precipitación diarios desde 1981 hasta la actualidad, a resolución global (~5 km). Es decir: puedes consultar con precisión cuánta lluvia ha caído en cualquier país durante los últimos 40 años, sin bajarte ni un solo archivo.
🔍 ¿Qué hace el script?
Te dejo un código en GEE que compara la precipitación media anual entre dos periodos (por defecto: 1981–2004 y 2005–2023), y genera:
- 🗺️ Un mapa en rojo y verde:
- Rojo: zonas donde llueve menos ahora
- Verde: zonas donde llueve más
- 📈 Un gráfico temporal con la evolución año a año y su tendencia lineal
- 📄 Un archivo CSV con la precipitación media anual de cada año
- 🗂️ Un archivo GeoTIFF binario que puedes abrir en QGIS, ArcGIS o cualquier visor de datos raster
🧪 ¿Cómo lo uso?
Solo tienes que cambiar una línea:
javascriptCopiarEditarvar countryName = 'Spain';
Y listo. Puedes poner 'France', 'Peru', 'Morocco' o el país que quieras.
Todo se actualiza automáticamente: el código (3) el mapa binario (1), el diagrama (4), los nombres de los archivos exportados, el título del gráfico… incluso la leyenda (2).
💻 ¿Y qué necesito instalar?
Nada. Cero.
Solo una cuenta de Google Earth Engine y copiar el script en tu entorno.
No necesitas tener experiencia previa con programación: el código está comentado y documentado para que sea lo más sencillo posible.
🧠 Bonus: más allá de tu cuñado
Además de ganar discusiones familiares, este tipo de análisis sirve para mucho más:
- Validar percepciones locales con datos reales
- Comunicar visualmente fenómenos complejos (como la variabilidad climática)
- Enseñar geografía y ciencia de forma amena
- Y sobre todo… para divertirte aprendiendo
¿Tienes un cuñado pesado? Reviéntalo con datos (esto es metafórico, claro).
Y si no tienes uno… seguro que en Navidad aparece alguien con ganas de opinar. 😄
Alberto C.
🎓 Soy Geógrafo y me encantan las tecnologías geoespaciales. Creo firmemente que el conocimiento se democratiza cuando lo hacemos visual, accesible y directo.
Analista GIS y feliz cuñado de Carlos y Koldo
Fuentes:
https://www.chc.ucsb.edu/data/chirps
https://earthengine.google.com/
https://code.earthengine.google.com/f1a19fe1ebef0a5fdfd6fb404ca8c8cd?hideCode=true
https://developers.google.com/earth-engine/datasets/catalog/UCSB-CHG_CHIRPS_DAILY
Geovisualization.net 