El cambio climático causado por el hombre ha aumentado la frecuencia de las inundaciones en algunas regiones. Los métodos de pronóstico actuales están limitados por su dependencia de medidores de corriente (estaciones de monitoreo a lo largo de los ríos), que no están distribuidos uniformemente en todo el mundo. Por lo tanto, los ríos no aforados son más difíciles de pronosticar, y los efectos negativos de esto los sienten principalmente los países en desarrollo.

Gray Nearing y sus colegas han desarrollado un modelo de inteligencia artificial que se entrenó utilizando 5.680 medidores existentes para predecir el caudal diario en cuencas no medidas durante un período de pronóstico de 7 días. Luego, el modelo de IA se probó con el software líder a nivel mundial para predecir inundaciones en escenarios tanto a corto como a largo plazo, el Sistema Global de Concientización sobre Inundaciones (GloFAS).

El modelo de IA pudo proporcionar predicciones de inundaciones con cinco días de anticipación que eran tan confiables o mejores que las predicciones del sistema actual para el mismo día. Además, la precisión del modelo de IA al predecir eventos climáticos extremos con una ventana de retorno de cinco años fue igual o mejor que las predicciones de GloFAS para eventos con una ventana de retorno de un año.

Estos resultados sugieren que el modelo de IA puede proporcionar advertencias de inundaciones para eventos tanto pequeños como extremos en cuencas no calibradas con un período de aviso más largo que los métodos anteriores y podría mejorar el acceso a pronósticos de inundaciones confiables para las regiones en desarrollo.

Más información: Gray Nearing et al, Predicción global de inundaciones extremas en cuencas no medidas, Naturaleza (2024). DOI:10.1038/s41586-024-07145-1

Información de la revista: Naturaleza

Proporcionado por Springer