Luego de cuatro años de investigación, el profesor de la Universidad Surcolombiana y doctor en ingeniería del agua y medio ambiente, Jonathan Romero Cuellar, compartió los resultados de un “Modelo de pronóstico basado en post procesamiento hidroclimático” el cual permitirá predecir inundaciones con un nivel de confiabilidad de 95 a 98 porciento. Dicha investigación fue recientemente publicada en la prestigiosa revista suiza Water.
Por: Redacción Desde La U
Se trata de una metodología cuya principal utilidad, entre muchas otras, es poder predecir inundaciones a través de análisis de incertidumbre predictiva, es decir: determinando el nivel de confiabilidad de un pronóstico; en este caso, dicha confiabilidad cuenta con un promedio de 95%. Para lograr esto se utilizó inteligencia artificial, específicamente el análisis de agrupaciones (clúster), metodología que en este caso permite caracterizar y clasificar tipos de caudales (bajos, medios, altos, etc.). Esto se armoniza con modelos multi gaussianos, los cuales permiten combinar un alto número de respuestas posibles, en relación a un caudal, para entre ellas elegir la mejor predicción.
Esta nueva metodología, resalta el ingeniero Jonathan, permitirá un estudio más óptimo de nuestros ríos, “de tal forma que si conocemos mejor sus características podremos hacer mejores pronósticos, con alto grado de confiabilidad, en relación a posibles inundaciones, determinación de caudales ambientales, niveles de lluvias, entre otros fenómenos climatológicos”, resaltó el académico. De igual forma, agregó que otro factor importante en las predicciones que se hagan bajo esta metodología es que su tiempo de cómputo es muy bajo; esto, en hidrología, es muy importante porque los fenómenos como las inundaciones pueden ocurrir en minutos. Esta nueva metodología es computacionalmente eficiente: los datos diagnósticos se pueden tener en no más de cinco minutos.
Todo este proceso inició en el marco de los estudios doctorales del profesor Jonathan en el año 2017, en la Universidad Politécnica de Valencia, España, los cuales cristalizaron a su llegada a la Universidad Surcolombiana.
La investigación se realizó en 12 ríos de Estados Unidos. Estos 12 ríos son una base de datos estándar para la comunidad hidrológica mundial; por lo tanto, probar en ellos la metodología señalada en esta investigación permitió una evaluación adecuada y un reconocimiento mundial; de igual forma, permite llegar a conclusiones generalizables de manera global.
El origen de la metodología
Hay que resaltar que este nuevo modelo de predicción hidroclimático parte de otro modelo, creado en el año 2008 por el italiano Ezio Todini, en la Universidad de Bolonia. Él propuso una metodología para evaluar el nivel de certeza que se puede tener cuando se predice, por ejemplo, el aumento o disminución en el caudal de un río; de esta manera, en este caso, se esperaría poder definir con eficacia la ronda hídrica de un río y evitar posteriores problemas de inundaciones.
“En el 2011, dicha metodología se modificó y ahora nosotros la estamos modificando en el 2022. Lo novedoso que le estamos proponiendo al método: estamos combinando métodos de machine learning: nuevos algoritmos e inteligencia artificial, específicamente las agrupaciones (clúster), que se están usando hoy en día; esto se combina con los modelos multi-gauassianos”, resaltó el doctor Jonathan quien además, para esta investigación, contó con la colaboración de Cristhian J. Gastulo Tapia, Mario R. Hernández, Cristina Prieto y Félix Francés.
Como lo que ellos querían era demostrar una mejora en la metodología ya existente, trabajaron con esos 12 ríos de USA que ya se han constituido, para la comunidad hidrológica que estudia el agua en el mundo, en afluentes estándar: los ríos Guadalupe, San Marcos y Texas, son algunos de ellos. Cada que se quiera demostrar una teoría, o método nuevo, se debe probar en estos 12 ríos (el testigo) ya estudiados por investigadores de todo el mundo.
La metodología ya se probó, se evaluó y se tienen resultados. Se pudo probar en diferentes condiciones climáticas, lo cual le brinda mayor rigurosidad a las conclusiones del estudio.
Hallazgos
Según el doctor Romero, antes de esta investigación no se sabía que los ríos efímeros, aquellos que no tienen caudal durante todo el año (en parte del año el río desaparece y aparece en otras temporadas), funcionan completamente diferente a los ríos continuos; esto permitió a los investigadores entender que los modelos que se utilizan para los ríos continuos tienen que ser muy diferentes a los modelos para los ríos efímeros.
Un hallazgo importante es que el comportamiento de los modelos de los ríos está asociado a la condición climática. No se puede usar el mismo modelo que se aplica en un río caudaloso como el Magdalena, para un río efímero en la Guajira. Ese era un error en el que se incurría antes de esta investigación.
Otra conclusión importante es que la metodología que se propuso en esta investigación funciona mejor que las precedentes, las del 2008 y 2011. Esas mejoras funcionaron en todas las métricas que se usaron; independientemente de la condición climática de todas las cuencas, este modelo funcionó mejor que los anteriores.
En este sentido, cabe resaltar que una de las aplicaciones más importantes de esta nueva metodología investigativa yace en poder predecir inundaciones con un nivel de confiabilidad en el pronóstico de un 95 a 98%.
“Antes, estos pronósticos se hacían pero no se informaba la incertidumbre del pronóstico. Y es que no se trata solo de decir: va a llover mucho, sino también poder agregar el grado de confiabilidad de dicha predicción. Esto es algo muy nuevo en el país”, recalcó el doctor Romero.
Lo que se viene
La idea es crear un software, a partir de esta nueva metodología, luego liberarlo para que las instituciones públicas en Colombia, tales como el IDEAM, la oficina de Gestión del Riesgo y Prevención de Desastres, las corporaciones autónomas regionales, las universidades, puedan utilizarlo y tener sus pronósticos, los cuales pueden ser útiles para análisis de posibles inundaciones, determinación de caudales ambientales, entre otros. “Ya tenemos toda la estructura matemática, la metodología, falta es convertir esto en un software, con una estructura de acceso a los usuarios: con estándares de calidad, una interface gráfica agradable, que tenga un manual, repositorio de errores, que sea fácil de usar, de entender. Esto, desde luego, puede ser patentable”, señaló el académico Romero.
Hay que recordar que esta nueva metodología es muy rápida. Los tiempos de cómputo son muy cortos. Los resultados se pueden tener en pocos minutos; además, las predicciones pueden hacerse incluso con tres meses de anterioridad, con muy buenos resultados en cuanto a la certeza del diagnóstico.
En esta dirección, una de las apuestas es crear el Centro de Pronóstico para el departamento del Huila. “Existe uno a nivel nacional, pero no genera el nivel de información local que uno quisiera: poder implementar estas tecnologías para toda la región. Este proyecto ya se está gestionando con el IDEAM, con el Ministerio de Ciencia y Tecnología, con la Unidad de Gestión de Riesgos y Desastres, y, con la Gobernación del Huila.
Para mayor información de la investigación realizada, revisar el siguiente link: https://www.mdpi.com/2073-4441/14/8/1261
Referencia: Romero-Cuellar, J.; Gastulo-Tapia, C.J.; Hernández-López, M.R.; Prieto Sierra, C.; Francés, F. Towards an Extension of the Model Conditional Processor: Predictive Uncertainty Quantification of Monthly Streamflow via Gaussian Mixture Models and Clusters. Water 2022, 14, 1261. https://doi.org/10.3390/w14081261
