VALÈNCIA. "Los mapas de áreas inundables actualmente disponibles no reflejan de forma adecuada la magnitud real de las inundaciones relámpago como la ocurrida el 29 de octubre de 2024 en la Comunidad Valenciana". Así de contundente se muestra un informe de expertos elaborado por miembros del Grupo de Investigación Transdisciplinar en Prevención de Riesgos de Inundaciones Catastróficas (GIT – PRIC) de la Fundación Matrix, según el cual las zonas inundadas por la Dana y su calado -la altura a la que llega el agua en cada punto- "no coinciden" con las previsiones de los mapas de inundabilidad tanto del Gobierno como de la Generalitat Valenciana, que "subestiman de forma significativa el riesgo asociado a este tipo de eventos extremos".

El informe, elaborado por un nutrido equipo de investigadores en ecología, análisis geográfico, meteorología y clima, bioinformática y bioestadística y prevención, gestión y reconstrucción de catástrofes, propone un nuevo y pionero modelo predictivo que emplea la Inteligencia Artificial (IA) para elaborar una precisa cartografía de inundabilidad para mejorar así los mapas empleados por las administraciones, por ejemplo, para algo tan importante como la elaboración de planes urbanísticos.

Las debilidades de los actuales mapas de inundabilidad

Tras la catástrofe, se ha comprobado que "solo parte de las áreas afectadas por la Dana del 29-O se identifican como zona de alta peligrosidad de inundación" en el PATRICOVA, el plan de prevención de inundaciones de la Comunitat Valenciana, que además difiere de las cartografías de inundabilidad del Gobierno. Entre otras cosas, señala el documento, porque "se derivan de simulaciones hidráulicas muy sensibles a los datos físicos de entrada derivados de modelos digitales del terreno y de los criterios técnicos aplicados en los modelos de simulación".

Los expertos señalan que los mapas no pudieron prever lo ocurrido con toda la precisión deseable porque, además, no tienen en cuenta el "concepto de inundación relámpago" como la del 29 de octubre, que es muy diferente a una inundación gradual y tienen "una baja probabilidad de ocurrencia", de manera que las cartografías "infraestiman la magnitud de la amenaza de este tipo de inundaciones" en el territorio valenciano. Y por otro lado, apuntan, los modelos tradicionales son "muy rigurosos, sustentados en una sólida base teórica, pero con limitaciones significativas", y en ocasiones ofrecen "una representación simplificada del riesgo", especialmente del riesgo extremo o catastrófico.

Para calcular el riesgo de inundabilidad, los modelos predictivos actuales toman datos hidrológicos -como el "caudal de entrada"- derivados de datos meteorológicos, y junto a  otros topográficos como el trazado y geometría del cauce, mediante ecuaciones matemáticas basadas en la física hidráulica, obtienen sus resultados. Un método con rigor técnico y la apariencia formal "indiscutibles", reconoce el informe, pero con "precisión limitada" porque "no incorporan todas las variables relevantes" y emplean unas "estimadas, indirectas, o segadas" sin tener en cuenta otras como la influencia de las infraestructuras o el tipo de vegetación.

Un modelo predictivo mediante IA

Así pues, los expertos se pusieron manos a la obra para elaborar un modelo predictivo con inteligencia artificial, una herramienta que desde 2020 se ha popularizado para el estudio de inundaciones si bien en España "todavía es incipiente" y "no se conocen antecedentes" de su aplicación en inundaciones relámpago a escala local. "A pesar de su gran potencial", lamenta el equipo de expertos. En este caso, se ha tomado como caso de estudio el municipio de Paiporta, sobre el que la Fundación Matrix ya elaboró un mapa de calados del pasado 29 de octubre, como contó Valencia Plaza.

Para ello, han creado un mapa con alta resolución espacial -40.000 celdas para cubrir los 3,9 km² que ocupa Paiporta-. Por una parte, se tienen en cuenta las variables de calado, procedentes del estudio sobre la inundación del pasado 29 de octubre. Y por otra, nueve variables geoespaciales que pueden influir en el calado porque "están vinculadas a los procesos hidrológicos y a los comportamientos hidráulicos que condicionan la trayectoria, circulación y acumulación de los flujos de agua".

Se trata, por una parte, de aspectos como la altitud y pendiente del terreno, pero también de indicadores sobre el potencial de inundación del barranco. Aquí entran cuestiones como la distancia al borde del caude, obstáculos sobre el mismo, su sección transversal o su curvatura. A ellas se suman otras como la clase de cobertura y usos del suelo, el ancho de las calles y espacios abiertos y su disposición respecto al barranco.

Según el estudio, se ha comprobado que la capacidad de inundación del barranco por sus dimensiones es "la más relevante". Otras como la presencia de lugares de menor altitud, constituidas en "áreas de convergencia" del agua; la proximidad de los obstáculos al cauce o la curvatura del mismo tienen una "importancia relativa notable". Y el resto, como la pendiente del terreno, la disposición de las calles y la trama urbana o los usos del suelo son "menos relevantes, aunque también influyen". A la postre, "es la combinación del conjunto de variables lo que determina la precisión del modelo".

Una vez hecho esto, empezaron los trabajos de entrenamiento de la IA. Se emplearon tres tipos de algoritmos aprendieron a predecir el calado, generando tres modelos supervisados de aprendizaje automático, de los que una evaluación minuciosa permitió escoger el mejor, conocido como Random Forest. "Presenta el mejor rendimiento de los tres", aseguran los expertos, si bien reconocen que "todos son buenos". El elegido es "robusto, potente y aplicable", insisten, pues explica cerca el 96% de la variabilidad de los calados en el municipio y con "una precisión muy alta" -con un error máximo de 10 centímetros-. 

Un modelo "disruptivo"

El equipo de investigadores celebra en su estudio haber desarrollado un modelo de IA "disruptivo" porque estima "con precisión" las inundación relámpago de un evento extremo "sin considerar variables hidrometeorológicas: ni el volumen o intensidad de lluvia, ni la escorrentía, ni hidrogramas, ni siquiera un caudal de entrada" sino con datos "relativamente simples de un conjunto de variables de fácil obtención o cálculo". Por ello, señalan, representa "una alternativa complementaria a los mapas derivados de modelos hidráulicos tradicionales". ¿Se puede aplicar a otros territorios? Para ello serían necesario "circunstancias geográficas similares y un caudal muy alto", con caudales punta superiores a los 3.600 metros cúbicos por segundo.

En el documento, además, insisten en la necesidad de elaborar mapas de peligrosidad locales "para salvar vidas humanas". "Conocer las zonas que pueden inundarse y el calado que se puede alcanzar es útil para establecer medidas preventivas (antes de la emergencia), como actividades de concienciación de la población, protocolos de actuación, identificar zonas de refugio o rutas de evacuación, por ejemplo", asegurán. También para dar una respuesta ante una emergencia inminente como avisos a la población o cortes de acceso a las zonas más peligrosas.

Esta semana, algunos de los investigadores se reunirán con instituciones como el Comisionado del Gobierno para la Reconstrucción, que dirige José María Ángel, así como la Conselleria de Emergencias, de Juan Carlos Valderrama, y posiblemente el Ayuntamiento de Paiporta.