Predecir una inundación con horas o días de anticipación puede marcar la diferencia entre evacuar a tiempo y quedar atrapado por el agua. Google asegura que sus avances en inteligencia artificial ya permiten generar pronósticos en 150 países, donde viven más de 2.000 millones de personas.
La compañía comenzó a probar su sistema en India en 2018, utilizando datos de ríos en tiempo real. Ahora, su plataforma Flood Hub también incorpora Groundsource, una metodología que convierte millones de noticias sobre desastres en datos útiles para estudiar inundaciones urbanas repentinas.
Cómo usa Google la IA para anticipar inundaciones
El sistema combina grandes cantidades de información sobre lluvia, niveles de los ríos y condiciones del terreno. Con esos datos, varios modelos calculan la posibilidad de que ocurra una inundación y estiman qué zonas podrían verse afectadas.
Según Google, el sistema puede predecir inundaciones fluviales con hasta siete días de anticipación. En el caso de las inundaciones repentinas en ciudades, las alertas pueden llegar hasta 24 horas antes.
Los pronósticos aparecen en Flood Hub, una herramienta que muestra alertas en un mapa. También pueden aparecer en Google Search cuando una persona busca información sobre una inundación en su zona. Además, las organizaciones pueden utilizar la Flood Forecasting API para crear sus propios sistemas de alerta y apoyo.
La idea no es reemplazar a las autoridades locales, sino darles información adicional para actuar antes de que el agua suba.
El problema de los datos en las ciudades
Las inundaciones de los ríos son relativamente más fáciles de estudiar porque existen sensores que registran durante años los niveles del agua. Esos instrumentos funcionan como reglas que permiten entender cómo se comporta un río cuando llueve.
En las ciudades, la situación es distinta. Las inundaciones repentinas pueden aparecer en calles, túneles y zonas urbanas donde casi no existen sensores. Sin suficientes registros históricos, entrenar un modelo de IA resulta mucho más difícil.
Google necesitaba construir una base de datos desde cero. Para hacerlo, utilizó Gemini para analizar más de 5 millones de noticias publicadas durante un período de 20 años. El resultado fue un archivo con 2,6 millones de eventos de inundación en más de 150 países.
Ese conjunto de datos, llamado Groundsource, sirve para alimentar un nuevo modelo enfocado en inundaciones urbanas repentinas. Es un ejemplo interesante de cómo la IA puede convertir información que ya existe, pero está dispersa y desordenada, en una herramienta para la prevención.
Por qué importa en regiones con pocos sensores
Los modelos tradicionales suelen necesitar datos históricos locales para funcionar bien. Eso deja en desventaja a muchas comunidades que no cuentan con estaciones de medición, aunque sean precisamente las que más necesitan recibir alertas.
La IA permite aprovechar patrones observados en diferentes lugares del mundo. No significa que todos los territorios sean iguales, pero sí que un modelo puede aprender de más escenarios y ofrecer estimaciones en zonas donde antes no había información suficiente.
De las alertas a la ayuda concreta
Flood Hub no solo se utiliza para visualizar mapas. Investigadores y organizaciones humanitarias también lo emplean para decidir dónde y cuándo enviar asistencia.
Google menciona el caso de Give Directly, una organización que utilizó la Flood Forecasting API en Kogi, Nigeria. Allí entregó dinero a familias antes de que aumentaran los niveles del agua.
De acuerdo con los resultados citados por Google, esa ayuda permitió a las familias evacuar, proteger sus bienes y recuperarse. Los ingresos de los beneficiarios aumentaron más del doble, la inseguridad alimentaria cayó un 90% y el 93% de las personas afirmó sentirse mejor preparada para futuras inundaciones.
Este caso muestra algo importante: una predicción solo es realmente útil cuando se transforma en una decisión. Una alerta puede servir para mover personas, proteger documentos, distribuir alimentos o enviar dinero antes de que una emergencia bloquee las vías de acceso.
Qué viene después para Groundsource
Por ahora, el modelo de inundaciones repentinas está limitado a zonas urbanas, porque allí existe la mayor cantidad de datos recopilados. Google investiga cómo ampliar sus capacidades para incluir inundaciones repentinas en áreas rurales y eventos costeros.
La empresa también estudia si Groundsource puede ayudar a analizar otros desastres, como olas de calor y deslizamientos de tierra. La lógica sería similar: reunir información pública dispersa, organizarla y usarla para encontrar patrones que apoyen la prevención.
Google afirma que ha publicado su marco de hidrología para que los servicios meteorológicos e hidrológicos nacionales puedan combinar sus propios datos con el modelo. También puso a disposición el conjunto de datos de Groundsource y la Flood Forecasting API para impulsar nuevas investigaciones.
La IA no puede detener una inundación, pero sí puede ayudar a reducir sus consecuencias. La diferencia está en convertir una predicción en tiempo para actuar, especialmente en comunidades donde los sistemas tradicionales de medición todavía no existen.
Fuente original
https://blog.google/innovation-and-ai/technology/research/flood-prediction-ai