El pasado 27 de mayo, una inundación repentina azotó la ciudad de Ellicott, Maryland, dejando a su paso una persona fallecida y transformando la calle principal en rápidos de río de Clase V, con autos arrastrados como patitos de goma. El Servicio Meteorológico Nacional estimó que la probabilidad de una tormenta así era de una vez cada 1,000 años. Sin embargo, “es la segunda vez que ocurre en los últimos tres años”, afirma Jeff Allenby, director de tecnología de conservación de Chesapeake Conservancy, un grupo ambiental. Las inundaciones no son algo nuevo en Ellicott City, ubicada donde dos afluentes se unen al río Patapsco. Pero Allenby asegura que las inundaciones están empeorando a medida que el desarrollo urbano cubre lo que solía ser “una esponja natural de un bosque” con superficies pavimentadas, techos y césped.
Pocos días antes de la inundación del 27 de mayo, el Departamento de Seguridad Nacional de Estados Unidos seleccionó a Ellicott City, en base a su inundación de 2016, para un programa piloto que brinda mejores advertencias de inundaciones a los residentes a través de sensores automatizados. Recientemente, Allenby desarrolló otra herramienta para predecir, planificar y prepararse para futuras inundaciones: un mapa de alta resolución, único en su tipo, que muestra lo que hay en el suelo, como edificios, pavimentos, árboles y césped, en un área de 100,000 millas cuadradas desde el norte de Nueva York hasta el sur de Virginia, que desemboca en la Bahía de Chesapeake. El mapa, generado a partir de imágenes aéreas con la ayuda de la inteligencia artificial, muestra objetos tan pequeños como 3 pies cuadrados, aproximadamente 1,000 veces más preciso que los mapas que utilizaban los planificadores de inundaciones anteriormente.
Para entender la diferencia, imagina tratar de identificar a un conductor de Uber en una calle concurrida de la ciudad utilizando un mapa que solo puede mostrar objetos del tamaño de un Walmart. La creación del mapa llevó un año y costó $3.5 millones, con la ayuda de Microsoft y la Universidad de Vermont. El equipo de Allenby examinó minuciosamente imágenes aéreas, mapas de carreteras y planos de zonificación para establecer reglas, clasificar objetos y corregir errores. “Tan pronto como terminamos el primer conjunto de datos”, dice Allenby, “todos comenzaron a preguntar ‘¿cuándo lo harán de nuevo?'” para mantener el mapa actualizado.
Es aquí donde entra en juego la inteligencia artificial. Microsoft ayudó al equipo de Allenby a entrenar sus algoritmos de AI for Earth para que identifiquen objetos por sí mismos. Incluso con un conjunto de datos sólido, entrenar los algoritmos no fue fácil. El esfuerzo requirió una revisión constante de píxeles, acercándose manualmente a los objetos para verificar y corregir los resultados automatizados. Con cada iteración, el algoritmo mejoró su capacidad para reconocer cursos de agua, árboles, campos, carreteras y edificios. A medida que se disponga de nuevos datos relevantes, Chesapeake Conservancy planea utilizar su inteligencia artificial para actualizar el mapa con mayor frecuencia y facilidad que el esfuerzo inicial de varios millones de dólares y mano de obra intensiva.
Este mapa de alta resolución y la utilización de inteligencia artificial son herramientas valiosas para comprender y abordar el impacto del desarrollo urbano en las inundaciones. Al tener una representación precisa de la infraestructura y el paisaje, los planificadores de inundaciones pueden tomar decisiones más informadas sobre cómo mitigar los riesgos y proteger a las comunidades vulnerables. Además, esta tecnología también puede ayudar a mejorar las advertencias de inundaciones y permitir una respuesta más rápida y efectiva ante eventos extremos.
Es fundamental que sigamos investigando y utilizando tecnologías innovadoras como la inteligencia artificial para abordar los desafíos ambientales que enfrentamos. Solo a través de una comprensión profunda y una acción proactiva podemos proteger nuestras comunidades y preservar nuestro entorno natural para las generaciones futuras.
