El equipo formado por dos investigadores de la Universidad de Almería, Rafael Rumí (profesor del área de Estadística, doctor en Matemáticas) y Rosa Fernández (contratada post-doctoral, doctora en Ciencias Aplicadas y Medio Ambientales) , junto con la investigadora de la Universidad de Castilla La Mancha, M. Julia Flores (profesora titular en el Departamento de Sistemas Inteligentes), está trabajando en el desarrollo de un modelo que permita mejorar las predicciones de riesgo de inundación en las Cuencas Mediterráneas Andaluzas, basado en la Inteligencia Artificial y el Data Mining.

Pese a ser un modelo sencillo, es capaz de aportar predicciones fiables con unos niveles de error muy bajos.

Cada vez es más necesario poder establecer sistemas de alerta que sean capaces de proporcionar información eficaz sobre estos fenómenos tormentosos, que se han ido incrementando en frecuencia e intensidad por el cambio climático, con el consiguiente riesgo para la población y las infraestructuras. Este cambio ha sido más notable en las comarcas costeras, donde la alta densidad de población y la presencia de infraestructuras de sectores económicos clave conllevan que los daños sean cuantiosos.

El sistema desarrollado por la UAL y la Universidad de Castilla La Mancha permite actuar con el tiempo suficiente para tomar medidas de protección y mitigación, sobre todo en estas áreas más afectadas por las consecuencias del cambio climático, siendo en Andalucía su zona costera.

En un primer trabajo fruto de esta colaboración, se ha modelizado la Cuenca del río Guadalhorce, situada en la provincia de Málaga, obteniendo los datos del Sistema Automático de Información Hidrológica, SAIH Hidrosur. Utilizando un modelo basado en las Redes Orientadas a Objetos, OOBN por sus siglas en inglés (Object Oriented Bayesian Network), con una componente temporal o dinámica, se ha desarrollado un modelo que permite resumir de forma eficiente la información hidrológica de la cuenca. Teniendo en cuenta la información previa del nivel alcanzado en el cauce del río, así como la predicción de lluvia para las siguientes horas, se puede predecir el comportamiento del cauce y, por tanto, evaluar el riesgo de inundación para los distintos tramos de la cuenca.

Los resultados publicados en la Revista Stochastic Environmental Research and Risk Assessment  (revista en el primer decil de Estadística y Probabilidad) muestran que, si bien el modelo desarrollado es sencillo, su robustez es capaz de aportar predicciones fiables con unos niveles de error muy bajos. Además, la naturaleza estocástica del mismo nos permite establecer un nivel de probabilidad determinado para las predicciones llevadas a cabo.

Esta primera aproximación fue el impulso para el proyecto SAICMA (‘Un Sistema de Alerta ante Inundaciones en la Cuenca Mediterránea Andaluza desde la Inteligencia Artificial y el Data Mining’) financiado mediante la convocatoria UAL-FEDER y con el que se pretende dar un paso más estableciendo un meta-modelo jerárquico capaz de evaluar la probabilidad de que ocurra un evento de inundación en las distintas Cuencas Mediterráneas de nuestra comunidad.