La principal causa de daños y muertes por huracanes es la marejada ciclónica
Los huracanes son los peligros naturales más destructivos de Estados Unidos, causando más muertes y daños materiales que cualquier otro tipo de desastre. Desde 1980, estas poderosas tormentas tropicales han causado daños por más de 1,5 billones de dólares y han causado la muerte de más de 7.000 personas.
La principal causa de daños y muertes por huracanes es la marejada ciclónica.
La marejada ciclónica es la subida del nivel del agua del océano, causada por una combinación de fuertes vientos que empujan el agua hacia la costa y una menor presión atmosférica dentro del huracán en comparación con la presión exterior. Además de estos factores, las olas que rompen cerca de la costa provocan que suba el nivel del mar cerca de la costa, un fenómeno que se llama formación de olas, que puede ser un importante componente de la marejada ciclónica.
Las predicciones precisas de las marejadas ciclónicas son cruciales para que los residentes costeros tengan tiempo de evacuar y se preparen los servicios de emergencia. Sin embargo, los pronósticos de marejadas ciclónicas de alta resolución pueden ser lentos.
Como ingeniero costero, Navid Tahvildari, profesor asociado de Ingeniería Civil y Ambiental de la Universidad Internacional de Florida, estudia cómo interactúan las marejadas ciclónicas y las olas con las características naturales y antropogénicas del fondo oceánico y la costa, y las maneras de mitigar su impacto. Ha utilizado modelos basados en la física para inundaciones costeras y recientemente ha estado explorando cómo la inteligencia artificial puede mejorar la velocidad de predicción de marejadas ciclónicas.
Imagen: Una fotografía aérea de Fort Myers Beach, Florida, después del huracán Ian en septiembre de 2022 muestra el daño que puede causar una marejada ciclónica.
Cómo se pronostican las marejadas ciclónicas hoy en día
Hoy en día, los pronósticos operativos de marejadas ciclónicas se basan en modelos hidrodinámicos, que se basan en la física del flujo del agua.
Estos modelos utilizan las condiciones ambientales actuales (como la velocidad a la que se mueve la tormenta hacia la costa, la velocidad y dirección del viento, el momento de la marea y la forma del lecho marino y el paisaje) para calcular la altura proyectada de la marejada y determinar qué lugares corren mayor riesgo.
Los modelos hidrodinámicos han mejorado sustancialmente en las últimas décadas, y las computadoras se han vuelto mucho más potentes, lo que permite realizar rápidas simulaciones de baja resolución en áreas muy extensas. Sin embargo, las simulaciones de alta resolución que proporcionan detalles a nivel de vecindario pueden tardar varias horas en ejecutarse.
Esas horas pueden ser críticas para que las comunidades en riesgo evacuen de manera segura y para que los servicios de emergencia se preparen adecuadamente.
Para pronosticar marejadas ciclónicas en un área extensa, los modeladores dividen el área objetivo en múltiples fragmentos que, en conjunto, forman una cuadrícula o malla computacional. Representan los píxeles de una imagen. Cuanto más pequeñas sean las celdas o piezas de la cuadrícula, mayor será la resolución y más preciso el pronóstico. Sin embargo, crear muchas celdas pequeñas en un área extensa requiere mayor potencia de procesamiento, por lo que pronosticar marejadas ciclónicas lleva más tiempo.
Los meteorólogos pueden usar cuadrículas informáticas de baja resolución para acelerar el proceso, pero esto reduce la precisión y deja a las comunidades con mayor incertidumbre sobre su riesgo de inundación.
La IA puede ayudar a acelerar este proceso.
Imagen: Pronóstico de marejada ciclónica del Centro Nacional de Huracanes para el huracán Ian dos días antes de que tocara tierra cerca de Fort Myers, Florida, el 28 de septiembre de 2022. NOAA
Cómo la IA puede crear mejores pronósticos
Existen dos principales fuentes de incertidumbre en las predicciones de marejadas ciclónicas.
Una de ellas se relaciona con los datos introducidos en el modelo informático. La trayectoria de la tormenta y el campo de vientos de un huracán, que determinan dónde tocará tierra y la intensidad de la marejada, aún son difíciles de pronosticar con precisión con más de unos pocos días de antelación. Los cambios en la costa y el fondo del mar, como los provocados por el dragado de canales o la pérdida de marismas, manglares o dunas de arena, pueden afectar la resistencia que enfrentarán las marejadas ciclónicas.
La segunda incertidumbre afecta a la resolución de la red computacional, sobre la que se resuelven las ecuaciones matemáticas del movimiento de las olas y las mareas. La resolución determina qué tan bien detecta el modelo los cambios en la elevación del paisaje y la cobertura terrestre y los tiene en cuenta, y con qué nivel de granularidad se resuelve la física de las marejadas y las olas del huracán.
Los modelos de Inteligencia Artificial pueden generar predicciones detalladas con mayor rapidez. Por ejemplo, ingenieros y científicos han desarrollado modelos de IA basados en redes neuronales profundas que pueden predecir los niveles de agua a lo largo de la costa con rapidez y precisión utilizando datos sobre el campo de viento. En algunos casos, estos modelos han sido más precisos que los modelos hidrodinámicos tradicionales.
La IA también puede desarrollar pronósticos para áreas con pocos datos históricos o usarse para comprender condiciones extremas que tal vez no hayan ocurrido allí antes.
Imagen: Los modelos detallados de marejadas ciclónicas pueden proporcionar información más específica sobre la altura prevista de las inundaciones. Estos dos ejemplos modelados muestran la diferencia en las inundaciones previstas entre una tormenta de movimiento rápido (arriba) y una tormenta de movimiento lento (abajo). NOAA
Imagen: Las tormentas de movimiento más lento tienden a generar marejadas ciclónicas más altas y amplias en el interior, incluso en bahías y estuarios. NOAA
Para estos pronósticos, se pueden usar modelos basados en la física para generar datos sintéticos y entrenar la IA en escenarios que podrían ser posibles, pero que no se han materializado. Una vez entrenado un modelo de IA con datos históricos y sintéticos, puede generar rápidamente pronósticos de marejada utilizando detalles sobre el viento y la presión atmosférica.
Entrenar la IA con datos de modelos hidrodinámicos también puede mejorar su capacidad de generar rápidamente mapas de riesgo de inundación que muestren qué calles o casas es probable que se inunden en eventos extremos que pueden no tener un precedente histórico pero que podrían ocurrir en el futuro.
El futuro de la IA para la predicción de huracanes
La IA ya se utiliza de forma limitada en la predicción operativa de marejadas ciclónicas, principalmente para complementar los modelos físicos habituales.
Además de mejorar estos métodos, el equipo de Tahvildari y otros investigadores han estado desarrollando maneras de usar la IA para predecir marejadas ciclónicas utilizando datos observados, evaluando los daños tras huracanes y procesando imágenes de cámaras para deducir la intensidad de las inundaciones. Esto puede llenar un vacío crítico en los datos necesarios para validar los modelos de marejadas ciclónicas a nivel granular.
A medida que los modelos de inteligencia artificial se difunden rápidamente en todos los aspectos de nuestra vida y hay más datos disponibles para entrenarlos, la tecnología ofrece el potencial de mejorar el pronóstico de huracanes y marejadas ciclónicas en el futuro, brindando a las comunidades costeras advertencias más rápidas y detalladas sobre los riesgos que se avecinan.
