Miércoles, 08 Julio 2020 12:09

La inteligencia artificial mejora los pronósticos de lluvia a un mes vista

Escrito por UCC+i
El desierto de Tabernas, una de las localizaciones incluidas en el estudio El desierto de Tabernas, una de las localizaciones incluidas en el estudio

Un trabajo de la UCO desarrolla, dentro del proyecto SMARITY, modelos de pronósticos de lluvia para el sur de España combinando redes neuronales y descomposición multiescalar de datos termo-pluviométricos

El pronóstico de lluvia es crítico a la hora de gestionar los recursos hídricos, sobre todo en sectores como la agricultura en los que estos datos de lluvia son necesarios a la hora de gestionar riegos, pero también a la hora de decidir qué tipo de cultivo plantar dependiendo de la localización y de esos datos de lluvia. Sin embargo, los métodos tradicionales de pronóstico presentan problemas a la hora de estimar precipitaciones debido a la irregularidad en tiempo y espacio de esta variable.

Para salvar esta problemática, el equipo del Área de Proyectos de Ingeniería del departamento de Ingeniería Rural de la Universidad de Córdoba integrado por Javier Estévez, Amanda Penélope García-Marín y Juan Antonio Bellido han desarrollado y evaluado 10 modelos de pronóstico de lluvia alternativos basados en la combinación de redes neuronales artificiales y descomposición multiescalar (análisis wavelet) en 16 ubicaciones de Andalucía representativas de diferentes condiciones de aridez. 

Con este trabajo se combina, por primera vez en Andalucía,  el uso de Redes Neuronales Artificiales (ANN) que, inspiradas en el funcionamiento del sistema nervioso humano, tienen la capacidad de aprender de la experiencia basándose en datos termo-pluviométricos previos, y análisis wavelet, que es una transformación matemática que realiza una descomposición multiescalar transformando una señal en subseñales que aportan más información sobre la variable y que son muy útiles de cara a la periodicidad que podría tener una variable tan irregular y dinámica como la precipitación. Con esta estrategia, han mejorado los modelos de predicción numéricos, que son los modelos convencionales para estimar la lluvia mensual.

Además, se han incluido en los modelos variables de temperatura como el rango térmico diario y mensual, que son variables sencillas que se miden extensamente en todo tipo de estaciones.

Los enclaves elegidos, 2 por provincia, van desde zonas poco áridas como el oeste de Andalucía a zonas muy áridas como el desierto de Tabernas (Almería). Se ha comprobado cómo en las zonas más áridas es muy útil el valor medio del rango térmico diario (la diferencia térmica entre la máxima y la mínima diaria) a la hora de hacer pronósticos. En las zonas costeras, sin embargo, es más útil el uso del máximo y el mínimo mensual del rango térmico diario. 

Este trabajo avanza en la predicción de la aridez en Andalucía, que es el objetivo principal de SMARITY, un proyecto financiado por el Plan Nacional I+D+i Retos de la Sociedad del Ministerio de Ciencia que busca soluciones contra la aridez climática en el sur de España y se encargará de predecir de forma inteligente la variabilidad espacio-temporal de la aridez y sus efectos en la agricultura y el medioambiente.

Como resultado del proyecto, liderado por los investigadores Javier Estévez y Amanda Penélope García-Marín, se obtendrá un mapeo completo de los pronósticos de aridez en Andalucía que la comunidad agrícola podrá utilizar a como herramienta de toma de decisiones para la implantación o gestión de sus cultivos.

Estévez, J.; Bellido-Jiménez, J.A.; Liu, X.; García-Marín, A.P. Monthly Precipitation Forecasts Using Wavelet Neural Networks Models in a Semiarid Environment. Water 2020, 12, 1909. https://doi.org/10.3390/w12071909  

Información adicional

Visto 3463 veces Modificado por última vez en Miércoles, 08 Julio 2020 12:14