¿Puede la IA predecir inundaciones a partir de datos satelitales ?

Los modelos de IA pueden predecir inundaciones, la propagación de incendios forestales y patrones climáticos extremos utilizando imágenes satelitales y datos climáticos históricos.

Los sistemas actuales utilizan modelos de aprendizaje profundo entrenados con imágenes de radar y ópticas satelitales (por ejemplo, Sentinel-1/2, Landsat, GPM) para detectar la extensión de inundaciones y pronosticar la inundación con hasta unos días de antelación al asimilar máscaras de agua observadas en modelos hidrodinámicos. Servicios operativos como el Servicio de Gestión de Emergencias de Copernicus (CEMS) y el FloodPROOFS de la NASA, respaldado por FEMA, ya entregan mapas de inundaciones en tiempo casi real y perspectivas probabilísticas de 72 horas, mientras que los prototipos de investigación que fusionan datos de múltiples sensores y pronósticos meteorológicos están extendiendo los plazos confiables a 5–7 días. La precisión sigue siendo más alta en regiones planas y con abundancia de datos, y disminuye en terrenos empinados, urbanizados o con vegetación densa, donde las oclusiones de edificios y la copa de los árboles degradan la detección. La calibración con medidores en tierra sigue siendo necesaria para reducir sesgos sistemáticos en las estimaciones de profundidad de inundación.

— Enriquecido el 12 de mayo de 2026 · Fuente: Servicio de Gestión de Emergencias de Copernicus de la Comisión Europea — https://emergency.copernicus.eu