Científicos recrean lo ocurrido en la dana y muestran modelos predictivos para responder ante catástrofes en una jornada de ValgrAI
VALÈNCIA, 10 Dic. (EUROPA PRESS) -
La inteligencia artificial abre la puerta a nuevas oportunidades en los modelos para predecir y responder ante las catástrofes naturales como la dana que el pasado 29 de octubre asoló la provincia de Valencia, pero su aplicación no está exenta de desafíos. Varios modelos predictivos combinan esta tecnología con otras para intentar dar con un sistema eficaz y fiable que pueda salvar vidas.
Este ha sido el eje central de la jornada 'IA ante catástrofes naturales: prevención y reconstrucción', organizada en València por ValgrAI, que ha reunido a expertos de varias disciplinas bajo una premisa: "Es responsabilidad de todos, y sobre todo de los científicos, explicar todo lo que sabemos y se puede hacer en estos casos".
El profesor Félix Francés (IIAMA-Universitat Politècnica de València) ha presentado el modelo Tetis, con el que se analizan recursos hídricos, crecidas y procesos relacionados con la erosión y vegetación.
Francés ha destacado que uno de los problemas que más preocupan en los procesos predictivos con inteligencia artificial --que debe ser entrenada-- es la "sobreparametrización", y que se debe "encontrar el equilibrio entre sencillez y complejidad". El punto fuerte del modelo Tetis es "la facilidad de calibración al reducir variables a optimizar".
Francés ha señalado que "la fuente de incertidumbre más importante es la precipitación, tanto en cantidad como en el lugar". El 29 de octubre, ha recordado, la tormenta se quedó estabilizada en la cuenca vertiendo en los barrancos de Pozalet y Poyo. "Al quedar estabilizada, cosa no prevista por los modelos de predicción meteorológica, es difícil que se pueda acertar, o tener una baja incertidumbre en la predicción", ha detallado.
"La inteligencia artificial es perfectamente útil en modelación hidrológica", aunque se debe reducir su número de predictores, y Francés ha abogado por emplear "modelos híbridos", de tal forma que "aprovechemos la capacidad predictiva del modelo físicamente basado".
Francés ha criticado que "lo lamentable es que la Confederación Hidrográfica del Júcar no tenga un sistema de predicción de crecidas", sino que "se basa exclusivamente en la predicción meteorológica y en la observación de unos cuantos puntos en tiempo real, los SAIH". "Otras confederaciones sí tienen modelos hidrológicos o más o menos resueltos los hidrogramas predichos", ha apostillado.
SISTEMAS DE ALERTA TEMPRANA
El investigador Gustau Camps-Valls (Universitat de València) ha explicado los Sistemas de Alerta Temprana (EWS) potenciados por IA, que integran datos de satélites, sensores hidrográficos y estaciones meteorológicas. Son sistemas integrados que hacen no solo predicciones sino también evaluación de riesgos y del desastre.
El experto ha analizado el uso de IA en todas las fases del proceso de decisión: la observación meteorológica, la predicción meteorológica, la predicción de riesgo, el impacto previsto, el aviso y la decisión.
En la primera y segunda fase, la IA y los modelos predictivos "están avanzando muchísimo" y se mejora la precisión, pero ya en la evaluación de riesgo no hay suficiente representatividad de casos anteriores y no se puede aplicar la IA con modelos eficaces. La incertidumbre acumulada también en las fases anteriores se va heredando en los siguientes eslabones del proceso, ha explicado, antes de indicar que la IA aún no puede tratar de forma "robusta" los riesgos "en cascada".
En el proyecto de Early Warning Systems for All de Naciones Unidas se está trabajando en implantar un programa que incluya el uso de IA en 30 países que concentran el 70% de los desastres naturales del mundo en cuanto a vidas humanas y materiales.
La vía para avanzar en la alerta temprana es la de los "sistemas totalmente integrados" e híbridos, que es la que trabaja el programa de Naciones Unidas. "Ya sabemos cómo la IA está revolucionando las predicciones meteorológicas, pero hace falta avanzar mucho más en la multimodalidad integrativa de distintas fuentes de información y constreñir las producciones de distintas maneras físicas, pero también que se incorpore el conocimiento del dominio", ha señalado.
"Estamos desarrollando modelos híbridos que fusionan el conocimiento de la física, modelos paramétricos bien conocidos, bien parametrizados, con otros modelos basados en datos, inteligencia artificial. Hay muchos retos en esa fusión, no es inmediato, pero es bastante prometedor porque al final acabas teniendo tus modelos que combinan lo mejor de los dos mundos y son más fáciles de entrenar", ha destacado.
RECONSTRUCCIÓN DEL DÍA DE LA DANA
Por su parte, Adrián López-Ballesteros (UCAM y UPV) ha obtenido simulaciones para reconstruir lo ocurrido el día de la dana, utilizando modelos hidrológicos e hidráulicos.
A partir de los datos pluviométricos, ha obtenido simulaciones de los picos de caudal en la rambla del Poyo, el barranco Gallego y Horteta. Al combinar este modelo hidrológico con el hidráulico (cómo se distribuye el agua en el terreno), el resultado de este trabajo es una simulación sobre el mapa de lo ocurrido a lo largo de las horas, desde que a las 18 horas se observa el desbordamiento en la rambla del Poyo, del barranco del Gallego, y comienza a desbordar su desembocadura en Massanassa y Catarroja, hasta que a las 02.00 horas ya se alcanza la máxima inundación.
Los cerca de mil tuits en redes sociales proporcionados por Sensing Tools reflejan que la cronología simulada coincide con las denuncias de la ciudadanía en redes sociales sobre lo que iba sucediendo a cada hora. El mapa de estimación de la superficie total inundada del modelo de simulación coincide en un 87% con el mapa de afectación observado por el Instituto Geográfico Nacional y las imágenes satelitales.
Sin embargo, esta simulación está realizada a posteriori y tardó 25 horas en obtenerse en su ordenador. El científico cree que con las supercomputadoras disponibles hoy en día "tardaría cuestión de horas y seríamos capaces, si tenemos la precipitación, de predecir la cantidad de agua y su distribución".
Adriana Giret (UPV) ha presentado el proyecto AI4DTE, una plataforma de gemelos digitales para anticipar desastres naturales y optimizar la planificación estratégica.
Esta herramienta, basada en inteligencia artificial, permite predecir fenómenos como deslizamientos de tierra y degradación del suelo, adaptándose a una amplia variedad de aplicaciones en sostenibilidad e infraestructura.