24.2 C
Málaga
8 octubre, 2024
AlmeríaAndalucía

Investigadores UAL desarrollan un sistema que predice el riesgo de inundaciones

Investigadores UAL desarrollan un sistema que predice el riesgo de inundaciones

Con el fin de predecir el riesgo de inundaciones en las cuencas mediterráneas andaluzas, el equipo formado por los investigadores Rafael Rumí, profesor del área de Estadística y doctor en Matemáticas; Rosa Fernández, contratada post-doctoral y doctora en Ciencias Aplicadas y Medio Ambientales (ambos de la Universidad de Almería); y M. Julia Flores, profesora titular en el Departamento de Sistemas Inteligentes de la Universidad de Castilla La Mancha; está trabajando en el desarrollo de un modelo basado en la Inteligencia Artificial y el Data Mining que permita mejorar las predicciones.

El motivo, como señalan los responsables de esta investigación, es que cada vez es más necesario poder establecer sistemas de alerta que sean capaces de proporcionar información eficaz sobre estos fenómenos tormentosos que se han ido incrementando en frecuencia e intensidad por el cambio climático; con el consiguiente riesgo para la población y las infraestructuras. Un cambio que ha sido más notable en las comarcas costeras, donde la alta densidad de población y la presencia de infraestructuras de sectores económicos clave conllevan que los daños sean cuantiosos.

Cómo predecir el riesgo de inundaciones

El sistema para predecir el riesgo de inundaciones desarrollado por los investigadores de la UAL y de la Universidad de Castilla La Mancha permite actuar con el tiempo suficiente para tomar medidas de protección y mitigación. Sobre todo en estas áreas más afectadas por las consecuencias del cambio climático, siendo en Andalucía su zona costera. Así pues, en un primer trabajo fruto de esta colaboración, se ha modelizado la Cuenca del río Guadalhorce, situada en la provincia de Málaga, obteniendo los datos del Sistema Automático de Información Hidrológica, SAIH Hidrosur.

De este modo, utilizando un modelo basado en las Redes Orientadas a Objetos (OOBN por sus siglas en inglés Object Oriented Bayesian Network), con una componente temporal o dinámica se ha desarrollado un modelo que permite resumir de forma eficiente la información hidrológica de la cuenca. Teniendo en cuenta la información previa del nivel alcanzado en el cauce del río, así como la predicción de lluvia para las siguientes horas, se puede predecir el comportamiento del cauce y, por tanto, evaluar el riesgo de inundaciones para los distintos tramos de la cuenca. :

En este sentido, los resultados publicados en la Revista Stochastic Environmental Research and Risk Assessment (revista en el primer decil de Estadística y Probabilidad) muestran que, si bien el modelo desarrollado entre la institución almeriense y la UCLM es sencillo; su robustez es capaz de aportar predicciones fiables con unos niveles de error muy bajos. Además, la naturaleza estocástica del mismo permite establecer un nivel de probabilidad determinado para las predicciones llevadas a cabo.

Una primera aproximación que fue el impulso para el proyecto SAICMA (‘Sistema de Alerta ante Inundaciones en la Cuenca Mediterránea Andaluza desde la Inteligencia Artificial y el Data Mining’) financiado mediante la convocatoria UAL-FEDER, y con el que se pretende dar un paso más estableciendo un meta-modelo jerárquico capaz de evaluar la probabilidad de que ocurra un evento de estas características en las distintas Cuencas Mediterráneas de Andalucía y minimizar así el riesgo de inundaciones.


Compartir

Otras noticias de interés

La electrónica del futuro se desarrolla en la Universidad de Málaga

Aula Magna

Dos informáticos de la UJA entre los investigadores más citados del mundo

Aula Magna

La necesidad de poner en valor la investigación en las universidades, protagonista de la 2ª jornada del VIII Encuentro de la CREUP

Aula Magna

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información. ACEPTAR

Aviso de cookies