En respuesta a la amenaza del Fenómeno El Niño en Perú, estudiantes de la Universidad Nacional de IngenierÃa (UNI) han diseñado un software innovador que utiliza inteligencia artificial para predecir lluvias, especialmente relevantes en el contexto del próximo evento climático previsto para el 2024.
Presentación en la UNICTEC
Durante la UNICTEC celebrada el 16 y 17 de noviembre, estos estudiantes presentaron un prototipo que se diferencia de las tecnologÃas existentes en el Servicio Nacional de MeteorologÃa e HidrologÃa del Perú (Senamhi). A diferencia de las alertas generales, su sistema se enfoca en predecir áreas especÃficas donde se espera lluvia, proporcionando alertas exclusivas para Perú.
Datos del satélite geoestacionario y modelos de IA
El software utiliza datos del satélite geoestacionario Geostationary Operational Environmental Satellite (GOES) para recopilar información sobre nubes, temperatura superficial y otros elementos cruciales actualizados cada 15 minutos. La inteligencia artificial se implementa a través de dos modelos: uno de series temporales para pronosticar la dinámica de la lluvia, y otro para correlacionar datos y determinar las áreas afectadas.
El enfoque del equipo implica pronosticar la dinámica de la lluvia en una ventana de dos dÃas con el primer modelo de inteligencia artificial y, luego, utilizar el segundo modelo para correlacionar datos y prever con precisión las zonas afectadas. Esto permitirá un pronóstico de lluvias con una ventana de anticipación de dos a tres dÃas.
Colaboración potencial con Senamhi
Sergio Sosa, estudiante de ingenierÃa fÃsica, sugiere que una alianza con el Senamhi serÃa beneficiosa, ya que el proyecto podrÃa ayudar al Senamhi a extraer y procesar datos del GOES y comprender cómo entrenar modelos de inteligencia artificial. El equipo enfrenta desafÃos en el desarrollo, como la necesidad de más espacio en la base de datos para almacenar las numerosas imágenes obtenidas del GOES. A pesar de los desafÃos, este proyecto demuestra el potencial de la inteligencia artificial para mejorar la predicción y mitigación de fenómenos climáticos.