Susanne Nielsen se da cuenta de que probablemente sea sólo cuestión de tiempo que la casa de verano de sus padres en Slettestrand, en el norte de Jutlandia, se vea afectada por una inundación. Porque debajo de la casa, situada a sólo 400 metros de la bahía de Jammerbugt en el municipio del mismo nombre, el nivel del agua subterránea es a menudo tan alto que existe el riesgo de que grandes cantidades de lluvia no puedan filtrarse, pero mejor entra a la casa.
"Es una preocupación que tenemos si llueve mucho", admite.
Para brindar a los residentes y a los tomadores de decisiones la mejor oportunidad de protegerse contra las inundaciones en el área, los investigadores de DTU han ayudado al municipio de Jammerbugt a desarrollar una herramienta de alerta temprana. Puede proporcionar un aviso con 48 horas de antelación sobre inundaciones locales a lo largo de ríos, arroyos y zonas costeras del municipio. Es el primero de su tipo en proporcionar advertencias de inundaciones locales.
"Nos dará tiempo para reaccionar si es necesario, por lo que será de gran ayuda", afirma Susanne Nielsen desde su casa en Aalborg, a unos 40 kilómetros de la casa de verano que cuida de sus padres, que viven en Noruega.
La herramienta, el llamado "índice húmedo", se basa en inteligencia artificial entrenada con datos disponibles gratuitamente sobre la dinámica que influye en el riesgo de inundaciones. Los datos provienen de imágenes satelitales y pronósticos meteorológicos, así como de información sobre los niveles del suelo y del agua del mar y la topografía del paisaje.
Sin embargo, el movimiento y la acumulación de agua en paisajes abiertos son difíciles de calcular porque muchos parámetros afectan la forma en que el agua se mueve y se acumula. Para manejar esta complejidad, se utilizó inteligencia artificial en el desarrollo del modelo detrás del índice húmedo.
Según Roland Löwe, al utilizar principios de diseño específicos en la construcción del modelo y alimentarlo con datos cuidadosamente seleccionados, los investigadores han incorporado una comprensión del movimiento, la distribución y la interacción del agua con el entorno. Es uno de los desarrolladores del índice de humedad y profesor asociado en DTU especializado en cómo se comporta el agua.
El municipio de Jammerbugt probó la herramienta en 2023. Los resultados muestran predicciones mejores de lo esperado para los meses húmedos de primavera. Sin embargo, durante el período de verano, cuando Dinamarca estaba casi afectada por la sequía, la herramienta predijo incorrectamente inundaciones en las mismas áreas que se habían inundado durante la primavera lluviosa.
Las predicciones incorrectas se debieron a que la herramienta se entrenó con muy pocos datos de los meses de verano. Esto se debe a que los satélites no pueden registrar el agua debajo de la vegetación y, dado que los campos están cubiertos de plantas durante el verano, los datos establecidos en esa época del año son menores.
"Una alerta temprana debe ser relativamente precisa para que los ciudadanos confíen en el sistema. Es por eso que elegimos hacer una prueba, donde solo ciudadanos seleccionados la verificaron regularmente, y donde nosotros, como municipio, teníamos drones en el aire para validar las predicciones. ", explica la directora de proyecto Heidi Egeberg Johansen del municipio de Jammerbugt.
Sin embargo, destaca que la experiencia general es que los socios del proyecto han creado una herramienta con un gran potencial. Por lo tanto, el municipio está buscando financiación para volver a capacitar y posiblemente ajustar el modelo, que estará fuera de servicio hasta que se realicen los trabajos, afirma Heidi Egeberg Johansen.
Los cálculos precisos son cruciales, no sólo cuando los ciudadanos y los servicios de emergencia necesitan preparar tuberías de agua y sacos de arena, sino también cuando, por ejemplo, los municipios necesitan decidir cuál es la mejor manera de ampliar sus sistemas de drenaje para hacer frente al clima más húmedo del futuro. Las simulaciones tradicionales pueden producir fácilmente cálculos sólidos sobre la capacidad de los sistemas para desviar agua en diferentes escenarios, pero según Roland Löwe, tardan una eternidad en completarse.
"En la práctica, esto significa que cada vez que los planificadores necesitan analizar algo, tienen que contratar consultores que desaparecen en una caja durante dos meses antes de poder regresar con resultados. Y eso es demasiado inconveniente", explica.
Para acortar el tiempo de cálculo manteniendo la precisión física, los investigadores confían en el aprendizaje automático científico, una rama de la inteligencia artificial que combina dos enfoques diferentes.
Uno es el aprendizaje automático, en el que una computadora descubre cómo analizar una gran cantidad de datos y hace predicciones sin tener una comprensión teórica de los fenómenos que está analizando. El filtro de spam de tu correo electrónico o la función de reconocimiento facial de tu teléfono son ejemplos de aprendizaje automático.
El otro enfoque es la informática científica, que puede, por ejemplo, simular procesos físicos, que en este caso es cómo el agua se mueve a través de un espacio determinado bajo la influencia de varios factores.
"La ventaja de combinar los dos enfoques es que se obtienen modelos de aprendizaje automático que tienen una comprensión incorporada de cómo se espera que se comporte el sistema. Esto ayuda a garantizar que los modelos generen predicciones rápidas que tengan sentido físicamente y no sean todas falsas. por todos lados, lo que puede ser un problema con los modelos de aprendizaje automático", afirma Roland Löwe.
En un proyecto en el que el profesor, junto con la startup WaterZerv y el profesor asociado de DTU Allan Peter Engsig-Karup, utilizaron el aprendizaje automático científico para predecir el movimiento del agua a través de los sistemas de drenaje, lograron realizar cálculos 100 veces más rápido que con los modelos tradicionales. /P>
"Entonces, en lugar de subcontratar un proyecto, puedes reunir a los tomadores de decisiones relevantes en una sala para ejecutar los modelos en vivo y obtener los resultados más o menos inmediatamente. Luego puedes sentarte y probar diferentes opciones para encontrar la mejor solución para un proyecto. situación dada", explica.
Proporcionado por la Universidad Técnica de Dinamarca
