Los índices de cambio climático (CCI) contribuyen profundamente a la comprensión del clima y su cambio. Se utilizan para presentar el cambio climático de una manera fácil de entender y tangible, facilitando así la comunicación sobre el clima. La mayoría de estos índices se calculan a partir de datos diarios, pero también hay muchos conjuntos de datos valiosos que consisten únicamente en una frecuencia temporal mensual. En este artículo, presentamos un método que permite la estimación de CCI específicos a partir de datos mensuales en lugar de datos diarios, lo que permite la expresión y el examen de conjuntos de datos que consisten únicamente en parámetros mensuales a través de índices de cambio climático. Por lo tanto, utilizamos los datos de ERA5 Land complementados por una proyección climática CMIP6 ssp5-8.5 para entrenar modelos de regresión múltiple con diferentes funciones de regresión y seleccionamos la mejor adaptación para cada punto de la cuadrícula. Utilizar una proyección climática como complemento en el entrenamiento de las funciones de regresión tiene en cuenta el cambio climático y potencia la aplicación del método en períodos climáticos futuros. El método incluye un simple ajuste de sesgo (cambio delta). Su salida se regrida a la cuadrícula de ERA5 Land, adaptándola al entorno local y ofreciendo una mejor aplicación en áreas con terreno complejo utilizando datos gruesos. Además, el método presentado y sus coeficientes de regresión pueden crearse a partir de cualquier conjunto de datos, lo que permite una resolución espacial aún mayor que la de ERA5 Land. Si bien el método funciona mejor para los índices relacionados con la temperatura en climas templados cálidos, también funciona uniformemente bien para el índice relacionado con la precipitación de días secos consecutivos máximos a escala global.