El grupo de investigación Modelización de la Atmósfera y Radiación Solar (Matras) de la Universidad de Jaén ha desarrollado un sistema que predice el caudal de un río con 24 horas de anticipación para prevenir inundaciones.

El modelo define la cantidad de agua del cauce mediante redes neuronales artificiales y se ha materializado ya en una herramienta de alerta temprana que utilizan los servicios de emergencias. La novedad es la introducción de los datos meteorológicos, ya que la mayoría de los estudios previos basan sus predicciones en la medición del caudal de río en zonas anteriores al tramo que se analiza y los desembalses de pantanos.

“Nosotros introducimos la predicción de lluvia en toda la cuenca. Para ello, usamos el modelo americano: el Weather Research and Forecasting debidamente parametrizado, que permite llegar a resoluciones de 1 kilómetro", explica el responsable de la investigación, Joaquín Tovar.

Los investigadores han aplicado las Redes Neuronales Artificiales, que usan como entradas la predicción de precipitaciones basada en datos meteorológicos y en los proporcionados por el Servicio Automático de información Hidrológica. El método está inspirado en la forma en que funciona el sistema nervioso de los animales, donde existe un conjunto de datos de entrada, que se interconectan entre sí para producir un estímulo de salida.

En este modelo, los expertos consideran como parámetros de entrada la predicción meteorológica, la precipitación en los días anteriores y los desembalses de los pantanos en tramos anteriores a la zona de análisis.

Tras procesar todos estos aspectos, el sistema ofrece una información de salida: el caudal en un tramo en un momento determinado, un nivel de alerta y la predicción del alcance de la inundación en caso de que ésta llegara a producirse.

Los científicos lo han aplicado a la cuenca del Guadalquivir, con todos los aportes hídricos procedentes de la Sierra de Segura, Sierra Morena y los pantanos que vierten a la cuenca antes de la localidad de Marmolejo (Jaén), una zona que ha sufrido repetidas inundaciones.


Más información