Cómo la IA permite predecir sequías con seis meses de antelación y salvar recursos hídricos
Un equipo del Instituto de Ingeniería del Agua y Medio Ambiente de la UPV ha desarrollado un sistema basado en inteligencia artificial capaz de anticipar sequías con hasta seis meses de antelación. El modelo combina datos de cuatro sistemas climáticos de referencia y calcula índices internacionales como el SPI y el SPEI, procesándolos mediante IA para corregir sesgos. En la cuenca del río Júcar, la herramienta ha demostrado una fiabilidad del 90 % para predicciones a corto plazo y mantiene utilidad para horizontes de hasta seis meses. Esta solución operativa, disponible en una plataforma web, promete mejorar la gestión del agua y reforzar la alerta temprana frente al cambio climático.
[dailymotion=x7zxjks]
Cómo funciona el modelo de predicción
El modelo integra las salidas de cuatro sistemas climáticos de referencia —ECMWF‑SEAS5, System8 de Météo‑France, DWD‑GCF2.1 y CMCC‑SPSv3.5— y las alimenta a una red neuronal que aprende a corregir sesgos y a adaptar las proyecciones a escala regional. Se emplean ventanas temporales de 6, 12, 18 y 24 meses para calcular los índices SPI y SPEI, que cuantifican la sequía mediante precipitación y evapotranspiración.
Resultados y fiabilidad del sistema
En la cuenca del río Júcar, una zona semiárida con veranos largos y secos, el sistema alcanzó una fiabilidad del 90 % al predecir la presencia de sequía para el mismo mes de referencia. Cuando la antelación se reduce a tres meses, la precisión se sitúa en torno al 60 %, y aunque no se dispone de porcentajes exactos para horizontes de 12 a 24 meses, los investigadores afirman que la herramienta sigue siendo útil para planificar medidas de mitigación.
Impacto en la gestión del agua y futuro
La disponibilidad de una herramientaweb operativa permite a los gestores del agua incorporar las previsiones de sequía en sus planes con varios meses de antelación, lo que facilita la activación temprana de reservas, la regulación de caudales y la comunicación a la población. Además, el enfoque modular del modelo facilita su adaptación a otras cuencas vulnerables al déficit hídrico, ampliando su potencial para contribuir a la resiliencia frente al cambio climático.