La herramienta de advertencia de inundaciones de última generación desarrollada por investigadores de la DTU muestra promesas en la detección temprana
- DTU y Jammerbugt desarrollaron una IA de alerta de inundaciones para los locales con 48 horas de antelación.
- Utilizando un "índice húmedo" e inteligencia artificial, la herramienta predice inundaciones pero necesita ser refinada.
- Mediante aprendizaje automático científico, las predicciones del movimiento del agua se aceleran para una mejor preparación ante inundaciones.
Investigadores de la Universidad Técnica de Dinamarca (DTU) han colaborado con el municipio de Jammerbugt para crear un sistema pionero de alerta temprana para inundaciones locales.
Solución innovadora para abordar los desafíos de las inundaciones locales
Susanne Nielsen, residente de Aalborg, Dinamarca, ha expresado su preocupación por posibles inundaciones que afecten a la casa de verano de sus padres en Slettestrand, Jutlandia del Norte. La proximidad de la casa a la bahía de Jammerbugt plantea un riesgo de intrusión de agua, especialmente con los niveles crecientes de agua subterránea.
Para mitigar este riesgo y proporcionar advertencias oportunas a los residentes y tomadores de decisiones, los investigadores de la DTU han desarrollado una herramienta avanzada de alerta temprana. A diferencia de los sistemas tradicionales de advertencia de inundaciones, esta herramienta ofrece predicciones localizadas, dando a las partes interesadas hasta 48 horas de antelación sobre la inminencia de inundaciones a lo largo de ríos, arroyos y áreas costeras dentro del municipio de Jammerbugt.
El núcleo del sistema es el "índice de humedad", un modelo basado en inteligencia artificial (IA) entrenado con diversos conjuntos de datos, incluidas imágenes satelitales, pronósticos meteorológicos, niveles de agua terrestre y marina, y la topografía del paisaje. Este enfoque multidimensional permite una comprensión matizada de la dinámica del agua y sus interacciones con el entorno circundante.
Roland Löwe, profesor asociado en la DTU especializado en hidrología, subraya la complejidad del movimiento del agua en paisajes abiertos. Al aprovechar la IA y conjuntos de datos cuidadosamente seleccionados, los investigadores han desarrollado una herramienta capaz de predecir con precisión los eventos de inundaciones locales.
Prueba piloto y perspectivas
En 2023, el municipio de Jammerbugt probó la herramienta de alerta temprana, obteniendo resultados prometedores durante los meses húmedos de primavera. Sin embargo, surgieron desafíos durante el verano más seco, lo que destacó la necesidad de un mayor perfeccionamiento.
Heidi Egeberg Johansen, gerente de proyectos en el municipio de Jammerbugt, reconoce el potencial de la herramienta, pero enfatiza la importancia de la precisión y la fiabilidad. Los planes para volver a entrenar y ajustar el modelo están en marcha, con la búsqueda de financiación para apoyar los esfuerzos de desarrollo continuo.
En paralelo con los avances en la advertencia de inundaciones, los investigadores de la DTU han creado técnicas pioneras de aprendizaje automático científico para mejorar las estrategias de gestión del agua. La combinación del aprendizaje automático con el cálculo científico ha reducido significativamente el tiempo de computación sin sacrificar la precisión.
Allan Peter Engsig-Karup, profesor asociado en la DTU, subraya los beneficios de este enfoque para predecir el movimiento del agua a través de los sistemas de drenaje. Al aprovechar el poder del aprendizaje automático científico, los cálculos se realizan hasta 100 veces más rápido que los métodos tradicionales, empoderando a los tomadores de decisiones con información en tiempo real.
Transformando las prácticas de gestión de inundaciones
La integración de soluciones impulsadas por IA en la gestión de inundaciones representa un cambio de paradigma en la planificación de la resiliencia. Con predicciones más rápidas y precisas, los municipios pueden asignar recursos de manera proactiva, implementar medidas preventivas y adaptar eficazmente la infraestructura para mitigar los riesgos de inundación.
Roland Löwe enfatiza las implicaciones prácticas de este avance tecnológico, permitiendo a los tomadores de decisiones reunirse y explorar varios escenarios en tiempo real. Al agilizar el proceso de toma de decisiones, las comunidades pueden optimizar sus estrategias de respuesta y mejorar la resiliencia general ante eventos de inundación.
Las mentes más inteligentes del mundo cripto ya leen nuestro boletín. ¿Quieres unirte? Únete a ellos.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Brian Koome
Brian Koome cuenta con más de siete años de experiencia en la cobertura de blockchain y criptomonedas, habiendo estado activo en el sector desde 2017. Ha colaborado con publicaciones líderes, entre ellas BlockToday.com. Además, desarrolló el curso Ethereum 101 para BitDegree.org antes de unirse a Cryptopolitan como escritor a tiempo completo. Brian cubre guías perennes (EGs), análisis profundos, entrevistas y análisis de precios. Su enfoque en DeFi, innovación en blockchain y proyectos emergentes de criptomonedas deleita a los lectores.
