Te puede interesar:
Investigadores de la Universidad Estatal de Pensilvania desarrollaron h-Diffusion, un modelo que analiza datos de lluvia y caudal para estimar cómo cambiará el flujo de los ríos hora por hora.
09/10/2026 11:53
Escuchar esta nota
La tecnología comienza a abrirse camino en la prevención de desastres naturales. Investigadores de la Universidad Estatal de Pensilvania desarrollaron un modelo de inteligencia artificial capaz de estimar hora por hora las variaciones del caudal de los ríos, un avance que podría contribuir a mejorar las alertas tempranas frente a inundaciones repentinas.
La inteligencia artificial (IA) ya no se limita a los laboratorios tecnológicos. Sus aplicaciones abarcan la medicina, la industria, la educación, el transporte y la investigación científica. Ahora, también busca aportar soluciones a uno de los grandes desafíos de la gestión de riesgos: anticipar fenómenos naturales que pueden cambiar drásticamente en cuestión de horas.
En ese contexto, un equipo de investigadores de la Universidad Estatal de Pensilvania desarrolló un sistema denominado h-Diffusion, diseñado para estimar cómo evolucionará el caudal de los ríos a partir de registros hidrológicos. La propuesta adapta una técnica de IA utilizada habitualmente para generar imágenes y la aplica a un problema en el que anticiparse puede marcar una diferencia decisiva.
Los resultados de la investigación se publicaron en la revista científica Water Resources Research. El estudio presenta h-Diffusion, un modelo basado en difusión que aprende a identificar patrones complejos a partir de datos.
En la generación de imágenes, los modelos de difusión pueden partir de información visual alterada por ruido y transformarla progresivamente hasta obtener una imagen coherente. En este caso, los investigadores adaptaron ese principio para analizar registros de lluvia y caudal, con el objetivo de estimar cómo cambiará el nivel de agua de un río durante las siguientes horas.
La escala temporal es fundamental. Las inundaciones repentinas pueden provocar aumentos muy rápidos del caudal y alcanzar niveles peligrosos en poco tiempo. Por eso, un promedio diario puede ocultar picos que representan un riesgo importante para las comunidades cercanas.
“Los niveles de agua pueden subir y bajar rápidamente en cuestión de horas”, explicó Chaopeng Shen, autor principal del estudio y profesor de ingeniería civil y ambiental, según un comunicado de la universidad. El investigador advirtió que estos cambios pueden pasar inadvertidos cuando se analizan únicamente los promedios diarios.
¿Cómo funciona el modelo y qué resultados obtuvo?
Para entrenar h-Diffusion, el equipo utilizó registros horarios de caudal de 516 cuencas fluviales de Estados Unidos, correspondientes al período comprendido entre 1990 y 2003. Posteriormente, evaluó el sistema con datos de 2009 a 2014, que no habían sido utilizados durante el entrenamiento.
De acuerdo con el estudio, el modelo superó a otras herramientas avanzadas de aprendizaje profundo utilizadas como referencia en las pruebas realizadas.
Uno de sus aspectos más relevantes es su capacidad para incorporar mediciones recientes de las estaciones de monitoreo sin necesidad de volver a entrenar todo el sistema. Este procedimiento, conocido como asimilación de datos, permite actualizar las estimaciones con información observada poco antes de generar un pronóstico.
La herramienta también busca reducir parte de la incertidumbre asociada a las precipitaciones, cuyos cambios en períodos cortos son difíciles de anticipar. Al incorporar registros recientes de lluvia y caudal, puede estimar cómo evolucionará el flujo de agua y cuál podría ser su pico durante una jornada.
Además, los investigadores exploraron una aplicación inversa: utilizar las mediciones del caudal para estimar la precipitación horaria probable. Esta posibilidad podría aportar información complementaria para comprender la evolución de determinados eventos hidrológicos.
El objetivo, según Shen, es desarrollar un sistema robusto y confiable que contribuya a salvar vidas. Para avanzar en esa dirección, el equipo prevé estudiar modelos híbridos e incorporar más variables físicas a las predicciones.
El desarrollo de h-Diffusion forma parte de una tendencia más amplia: aprovechar la inteligencia artificial para mejorar la evaluación de riesgos y la respuesta ante fenómenos meteorológicos extremos.
Una revisión publicada en la revista Climate Risk Management, que examinó más de 300 investigaciones, identificó aplicaciones de estas tecnologías en la evaluación de riesgos, los sistemas de alerta temprana y la gestión de emergencias.
Los algoritmos pueden procesar grandes cantidades de información procedente de registros hidrológicos, pronósticos meteorológicos, imágenes satelitales y sensores. La combinación de estas fuentes puede ayudar a identificar zonas vulnerables, mejorar las estimaciones de riesgo y orientar la distribución de recursos durante una emergencia.
Sin embargo, incorporar inteligencia artificial a la prevención de desastres también plantea desafíos. Entre ellos figuran los sesgos en los datos, la falta de transparencia de algunos modelos y los elevados requerimientos de capacidad informática.
Estas dificultades son especialmente relevantes en comunidades con recursos limitados o sistemas de monitoreo insuficientes, donde contar con herramientas accesibles y adaptables puede resultar determinante.