Modelos predictivos: ¿cómo prevenir catástrofes naturales?

A nivel global, los desastres naturales (terremotos, huracanes, tsunamis, erupciones volcánicas, tornados e inundaciones) cuestan a la economía aproximadamente 520 mil millones de dólares, desplazan a millones de personas, empujan a muchos de ellos a la pobreza y cobran la vida de miles.

Solo en 2018, ocurrieron 850 catástrofes y este año ya se han registrado centenares. Grave panorama, que a futuro podría ser mucho más calamitosos producto del cambio climático. Por fortuna, las tecnologías Big Data y los modelos predictivos han evolucionado significativamente y pueden ayudar a la prevención y gestión de desastres naturales.

¿Cómo podemos prevenir los desastres naturales con modelos predictivos? 

Antaño, la predicción de desastres naturales se basaba principalmente en análisis de regresión lineal empleando factores climáticos como la velocidad del viento, la intensidad de la lluvia, la presión central del huracán y la precipitación. Sin embargo, estos métodos no eran capaces de pronosticar con precisión la extensión de los daños.

Ahora, con Big Data y los modelos predictivos del clima es posible alcanzar una mayor presión en las proyecciones de los eventos y así estar más preparados.

Para empezar, cada desastre proporciona una enorme cantidad de datos. Esta puede ser recopilada, procesada y analizada para definir qué características (por ejemplo climáticas) pueden contribuir o qué eventos específicos suceden antes de un determinado desastre.

Adicionalmente, es posible combinar ese análisis con los datos actuales captados por sensores e imágenes satelitales de áreas críticas, que permitan desarrollar modelos predictivos basados en algoritmos de última generación y que permitan  tomar medidas de prevención y contingencia adecuadas.

Así es cómo podemos prevenir los desastres naturales. 

Sabiendo, por ejemplo, que determinada zona se inundó  y bajo qué condiciones, se obtienen puntos de referencia muy útiles para mapear áreas propensas a nuevas catástrofes, así como para planificar obras de prevención y el almacenamiento de recursos clave de rescate.

Mediante Inteligencia Artificial y análisis de grandes volúmenes de datos, Google, por ejemplo, predice patrones de inundación en India y, en base a ello, aporta al desarrollo de respuestas más precisas y eficaces en caso de emergencia.

Bee2FireDetection, apoyado en la inteligencia artificial de Watson de IBM, puede recopilar miles de datos meteorológicos y ambientales en terreno, como la humedad relativa, la dirección del viento o la temperatura y, comparándolos con data de incidentes anteriores, pronosticar de forma muy precisa la probabilidad de que ocurra un incendio.

También son ejemplos de aplicación de Big Data y modelos predictivos del clima en predicción, prevención y gestión de desastres naturales, el modelo de computadora que simula la interacción del clima y los incendios, desarrollado por el Centro Nacional de Investigación Atmosférica (NCAS) en respuesta a la creciente prevalencia de incendios forestales graves.

La importancia de la tecnología Big Data y la inteligencia artificial en este campo, radica en la posibilidad de clasificar grandes volúmenes de datos y encontrar de manera rápida correlaciones entre ellos. Tarea imposible de desarrollar por humanos o por los sistemas tradicionales de advertencia de desastres naturales.

También se pueden trabajar en tiempo real los datos de los sobrevivientes

En ese sentido queda claro cómo prevenir catástrofes naturales y hasta predecirlas. Pero como es bien sabido, muchas de ellas son inevitables, y lo único que queda por hacer cuando suceden es enfrentarlas de la manera más eficaz e inteligente posible.

En ello la tecnología Big Data, al permitir el análisis de datos en tiempo real, también permite una excelente gestión de las emergencias.

La información transferida desde aplicaciones de teléfonos móviles, relojes inteligentes, dispositivos médicos conectados y wearables puede ser captada y analizada para priorizar la respuesta y los rescates.

Así, por ejemplo, durante un desastre es posible procesar toda la data de las llamadas de S.O.S para identificar a las personas que llaman y, en base a variables como edad y enfermedades que padecen, tomar decisiones sobre la urgencia de cada caso.

El servicio de geolocalización de estos dispositivos también puede ayudar a los servicios de emergencia a ubicar las víctimas para el rescate, diciéndoles exactamente cuáles son las condiciones de acceso al terreno. Y más allá de eso, es muy útil para advertir a los ciudadanos de los peligros en zonas específicas, así como para informarles qué rutas tomar, puntos de encuentro, hospitales activos y demás información crítica durante una catástrofe natural.

Tal vez falte mucho por aprender sobre cómo prevenir catástrofes naturales, pero los pasos dados hasta el momento son realmente significativos y esperanzadores. Es de esperar que, en un futuro no muy lejano, las consecuencias de estos eventos sean menos nefastas que ahora.