Blueprint · Monitoreo FAN Patagonia
Cómo convertir la Ruta de análisis —hoy forense, post-evento— en un lazo predictivo continuo: un gemelo digital por centro que ingiere sus datos y los de sus vecinos, computa índices físicos y fisiológicos, los proyecta 0→+10 días (fino de fiordo hasta +3 d con MOSA; global hasta +10 d con Copernicus) y valida el dato local contra los modelos.
La idea es simple: cada índice que en el análisis forense calculamos a mano y después del evento —margen de O₂, edad del agua, N:P, anomalía térmica, estado FAN— pasa a computarse solo, cada día, para los ~400 centros, con su historia y su pronóstico. La señal de alarma no es un umbral aislado sino la coincidencia de precursores, y la validación clave es la divergencia entre el sensor in-situ y el modelo: ahí vive la firma del fiordo que los modelos gruesos no ven.
En una línea · para gerencia y jefatura
Hoy el análisis FAN es forense —se entiende el evento después de que ocurre—. Este blueprint lo convierte en predictivo: un score de riesgo diario por centro, con días de anticipación y cada decisión trazable. El salto de valor no exige tecnología nueva, sino ensamblar el método y los datos que ya existen, y restaurar dos fuentes internas (la serie histórica del sensor y el log de mortalidades). Se despliega por fases, con valor desde la primera (§7).
Siete etapas que corren en cada tick (diario, o sub-diario donde Innovex lo permite), por centro y realimentándose. La etapa 7 tiene una rama de escalación: si aparece una especie ictiotóxica (que daña branquias — Pseudochattonella, Heterosigma, Karenia), dispara una simulación de partículas (§5).
Ejemplo ilustrativo · no es un centro real
Necesarias para las climatologías, los umbrales, el grafo de conectividad y el backtest del sistema. Marcamos el estado real en el proyecto.
✓ operativo◐ parcial⚙ a desarrollar⚠ bloqueante
| Fuente | Qué aporta | Resolución | Cobertura | Estado |
|---|---|---|---|---|
| Innovex in-situ | O₂, sat, T, salinidad, corrientes y meteo por profundidad — la verdad-terreno | ~5 min | por centro · multi-año | ⚠ restaurar BD |
| Registro FAN i-FAN/SUBPESCA | Especie · conteo por profundidad · nivel de alerta | muestreo (días) | nacional · acumulando | ✓ historia_fan.json |
| Bioceanor | Clorofila / fitoplancton por sitio (timing fino del bloom) | casi diaria | por centro | ◐ integrar API |
| Copernicus reanálisis | SST, salinidad, O₂, clorofila, nutrientes, estratificación | diaria · 0.083° | 2010–2026 | ✓ series_centros.parquet |
| ATLAS/CHONOS (MIKE-3) | Edad del agua, T, S, corrientes por celda de fiordo | horaria · ~1 km | 2016–2022 | ✓ atlas_centros.parquet |
| CAMELS-CL / DGA | Caudal, precipitación, temperatura por cuenca (agua dulce) | diaria | 2010–2020 | ✓ cuencas_patagonia.parquet |
| NOAA CPC | ONI · Niño 3.4 · SAM (modulación interanual) | mensual | 2009–2026 | ✓ indices_clima.parquet |
| Boyas IFOP · ACS/SOTRacs | Boyas públicas en tiempo real: nutrientes, clorofila, O₂, T/S en barrios salmoneros | tiempo real | ◐ público, integrar | |
| Log mortalidad / cosecha | Eventos, biomasa, fecha — las etiquetas para entrenar y validar | por evento | operador | ⚠ falta consolidar |
Cuello de botella
Casi todo lo ambiental ya está en data/monitor. Los dos faltantes son los que dan el salto de calidad: restaurar la serie histórica Innovex (la verdad-terreno para entrenar y validar) y consolidar el log de mortalidades/cosechas (las etiquetas que convierten el problema en aprendizaje supervisado).
Para proyectar los índices hacia adelante. De lo fino-local (fiordo) a lo grueso-global, más el forzamiento atmosférico y ENOS.
| Fuente | Qué pronostica | Horizonte | Resolución | Estado |
|---|---|---|---|---|
| MOSA (IFOP/CHONOS) | T, S, corrientes, nivel, viento, precip de fiordo | 0 → +3 d | horaria · 1–3 km | ✓ archivador (chiloe/magallanes) |
| PARTIMOS (IFOP/CHONOS) | Trayectorias de partículas (Lagrangiano) sobre las corrientes de MOSA: a dónde deriva una siembra | 0 → +72 h | se invoca con coordenadas | ✓ invocable (función) |
| Copernicus Global Analysis Forecast | Físico (PHY_001_024) + biogeoquímico global | 0 → +10 d | diaria · 1/12° | ✓ ecmwf.py / chl_forecast.py |
| Stormglass / ECMWF | Viento, radiación, precipitación, oleaje (multi-modelo) | 0 → +7/10 d | horaria | ◐ parcial (ECMWF ya) |
| NOAA / IRI ENSO | Pronóstico ONI / El Niño-La Niña | 0 → +6 m | estacional | ◐ integrar |
| Nowcast Innovex (propio) | O₂, T, S, corriente en el sensor, corregido | 0 → +72 h | por centro | ⚙ a desarrollar (§6) |
No inventamos features: son los mismos del corpus, ahora automáticos. Cada uno tiene fuente, fórmula y respaldo bibliográfico.
La alarma es la coincidencia, no un índice suelto: ENOS cálido + bloom previo con N cayendo + lull de viento en cuadratura + retención en el filo. Ese cruce marca a un centro como candidato ~1 semana antes del pico. El score de riesgo pondera los índices y su tendencia forecast.
Un centro no es una isla: hereda agua, nutrientes y —a veces— la propia floración de sus vecinos de aguas arriba. Dos niveles: un grafo de base, siempre encendido, y una simulación de partículas que se dispara cuando aparece una especie crítica.
Nivel 1 · grafo de base. Un grafo dirigido de centros con tres tipos de arista: (a) mismo barrio sanitario / ACS; (b) misma masa de agua (el Agua Subantártica que entra por el Guafo); y (c) conectividad advectiva —tiempo de tránsito entre celdas derivado de las corrientes y la edad del agua de ATLAS/MOSA—. La señal se propaga aguas abajo ponderada por el tiempo de tránsito.
Nivel 2 · partículas bajo demanda (PARTIMOS). Cuando el estado FAN de un centro cruza a especie crítica —una ictiotóxica como Pseudochattonella, Heterosigma o Karenia—, el lazo invoca PARTIMOS con las coordenadas del centro y siembra partículas ahí. El modelo Lagrangiano las arrastra sobre las corrientes de MOSA 72 h hacia adelante y devuelve la nube de deriva. Los centros que caen en la trayectoria reciben una alerta dirigida, con horas de anticipación reales —no una vecindad supuesta, sino la advección física del propio pronóstico de fiordo—.
Escalación inteligente
La simulación de partículas es cara; por eso no se corre siempre, sino como rama de escalación del lazo (etapa 7): se dispara solo cuando el mapa especie→daño marca una ictiotóxica sobre umbral. Barato en régimen normal, potente cuando importa.
Ya demostrado
ATLAS separa centros de un mismo clúster que el modelo global de 9 km daba idénticos (p. ej. ~21.7 d de edad de agua en un centro vs ~10.6 d en sus vecinos). Esa resolución de fiordo es exactamente lo que hace creíble tanto el grafo como la deriva de partículas: distingue quién está aguas abajo de quién.
La opción de más valor a mediano plazo: pronosticar las variables del propio sensor y usar los modelos IFOP/globales como física de referencia y control de sesgo.
Pronosticar O₂/T/S/corriente 0→+72 h en el sensor. Entrada: historia Innovex + forzamiento (Stormglass) + marea + MOSA como covariable.
GBM (LightGBM) → temporal DL (TCN / N-HiTS) → cuantilesAprender el offset sistemático MOSA/Copernicus → Innovex (la firma del fiordo). Corrige el modelo grueso al sensor; es literalmente el "validar contra IFOP/global" del método.
residual learning · por centro con embeddingsSobre los eventos históricos (etiqueta = cruce de umbral / mortalidad) con los índices §4. Empieza logístico/GBM (regla de coincidencia), evoluciona a tiempo-a-evento (hazard).
P(FAN, 0→+N d) con intervaloDifunde el riesgo por el grafo §5 ponderado por tiempo de tránsito. Desde advección simple sobre corrientes ATLAS/MOSA hasta un GNN.
advección → graph neural netBacktest sobre 2016–2026 con los datos que ya tenemos —cada fuente en su ventana real: ATLAS 2016–2022, Copernicus e índices climáticos 2010–2026, Innovex desde que se restaure la serie—: se re-corre el lazo en el pasado y se mide la habilidad contra dos líneas base (persistencia + climatología). Métricas: tiempo de anticipación (lead time), POD/FAR/CSI por evento, Brier score para la probabilidad. Y una vuelta de tuerca propia del método: la divergencia in-situ↔modelo es a la vez feature y métrica —cuando el sensor se aparta del modelo global, ahí está la señal del fiordo, y ahí el bias-correction gana su sustento—.
Priorizada por lo que ya está construido. La Fase 0 es casi ensamblaje; el valor sube rápido.
Principio de diseño
El sistema no reemplaza el criterio: ordena la evidencia y compra tiempo. Cada alerta es trazable a sus índices, sus fuentes y su bibliografía (el corpus de 28 fuentes de la Ruta), y cada índice se puede auditar contra el dato in-situ. Empezar simple, medir la habilidad honestamente, y sofisticar solo donde el backtest lo justifique.
Blueprint · reutiliza el método de 8 pasos y el corpus revisado de la Ruta de análisis FAN · datasets en data/monitor, data/mosa, data/fan · pipelines descargar_mosa · fan_ingest · atlas_remalla · etl_fan_pg. Aysén / Magallanes, Chile.