Redacción iAgua
Connecting Waterpeople
AGS Water Solutions
Amiblu
Schneider Electric
ONGAWA
Vector Energy
Hidroconta
Likitech
Fundación CONAMA
CAF
ICEX España Exportación e Inversiones
ESAMUR
SCRATS
Idrica
AMPHOS 21
Grupo Mejoras
Sivortex Sistemes Integrals
Hach
HRS Heat Exchangers
s::can Iberia Sistemas de Medición
RENOLIT ALKORPLAN
GS Inima Environment
Consorcio de Aguas Bilbao Bizkaia
Baseform
Ministerio para la Transición Ecológica y el Reto Demográfico
Molecor
ACCIONA
ISMedioambiente
Minsait
Lama Sistemas de Filtrado
Innovyze, an Autodesk company
Asociación de Ciencias Ambientales
J. Huesa Water Technology
Barmatec
Laboratorios Tecnológicos de Levante
AECID
TEDAGUA
Confederación Hidrográfica del Segura
KISTERS
Rädlinger primus line GmbH
Global Omnium
TecnoConverting
FENACORE
Catalan Water Partnership
IAPsolutions
Xylem Water Solutions España
ADECAGUA
DATAKORUM
Agencia Vasca del Agua
Fundación Biodiversidad
LACROIX
Saint Gobain PAM
Sacyr Agua
Centro Nacional de Tecnología de Regadíos (CENTER)
TRANSWATER
Fundación Botín
Almar Water Solutions
Red Control
Filtralite
Aqualia
FLOVAC
Ingeteam

Se encuentra usted aquí

Inclusión de observaciones de ciudadanos en un sistema de alerta temprana frente a inundaciones

Sobre el blog

Quintilia López López
Apasionada del Agua y la tecnología. Erasmus Mundus Master Programme in Flood Risk Management por UNESCO-IHE, TU Dresden y UPC. Ingeniera de Caminos, Canales y Ptos.
  • Inclusión observaciones ciudadanos sistema alerta temprana frente inundaciones
  • Este artículo ha sido publicado en el último newsletter de SPANCOLD (Comité Nacional Español de Grandes Presas) y se reproduce aquí con su consentimiento expreso.

En los últimos eventos de inundaciones en España, los sistemas de alerta temprana han aprendido a comunicar de forma efectiva y en los canales que utiliza la mayor parte de la población. Sin embargo, esta comunicación todavía es principalmente unidireccional, pero ¿y si se incluyese información procedente de los ciudadanos en un sistema de alerta temprana real? 

¿Y si se incluyese información procedente de los ciudadanos en un sistema de alerta temprana real?

La tendencia de I+D+i de los Observatorios Ciudadanos tiene una gran aplicación en Gestión de los Riesgos de Inundación, en especial, si las observaciones se convierten en conocimiento a través de la utilización de técnicas de asimilación de datos. En esta línea de investigación tuve la oportunidad de participar aprendiendo del conocimiento específico sobre Hidroinformática en la institución UNESCO-IHE (Países Bajos).

Sistemas de Alerta Temprana frente Inundaciones

Según la Guía para la Reducción de Pérdidas por Inundaciones de las Naciones Unidas en 2002, "la operación de un sistema de alerta y respuesta frente a inundaciones es el método más efectivo para la reducción del riesgo de pérdidas de vidas humanas y daños económicos". Además, los sistemas de alerta temprana son un elemento imprescindible en el control en tiempo real de nuestras infraestructuras hidráulicas.

En todo sistema de alerta temprana el concepto de lead time o tiempo de reacción adquiere una gran importancia. Este es el tiempo que transcurre desde que se reconoce la amenaza hasta la ocurrencia de la avenida. Las distintas fases del tiempo de reacción pueden verse en el siguiente gráfico, donde se observa que las fases previas de monitorización y predicción, en las que se centra este artículo, pueden incrementar el tiempo de reacción.


Principales factores determinantes del lead time (traducido por la autora de Werner, 2013; después de Carsel, 2004; Verkade 2008)

Las predicciones de los sistemas de alerta en tiempo real se basan en una cascada modelística que incluye habitualmente las fases de precipitación-escorrentía e hidrodinámica. Dependiendo del tipo de amenaza (inundación pluvial, relámpago o fluvial) cada una de las fases será la que tenga una mayor influencia en la exactitud de la predicción.

Asimilación de datos

Aunque son vitales para aumentar el tiempo de reacción frente a inundaciones, los modelos de predicción están sometidos a una incertidumbre cada vez mayor. La incertidumbre en los modelos proviene de distintas fuentes: los datos de entrada, la estructura del modelo, parámetros y resultados. Una de las formas para reducir dicha incertidumbre y mejorar, por tanto, las predicciones de los modelos son las técnicas de asimilación de datos. Las técnicas de asimilación de datos consisten en la combinación de imperfectos resultados de predicción con datos reales que suelen presentar perturbaciones con el objetivo de aumentar la precisión de las variables de estado de los modelos.

La técnica de asimilación más extendida y desde la que han evolucionado otras más avanzadas es el Filtro de Kalman. El Filtro de Kalman fue creado por Rudolf Kalman en 1960 y ha sido utilizado en múltiples aplicaciones, entre ellas en la tecnología aeroespacial permitiendo controlar la trayectoria del Apolo XI hacia la Luna. Las aplicaciones del Filtro Kalman y sus variantes están muy generalizadas en el campo de la meteorología y gozan de cierta popularidad en el campo de la modelización hidrológica, empezando a implementarse en la modelización hidrodinámica.

Sumado a la gran evolución de las técnicas de asimilación de datos, actualmente nos encontramos en la era de la información, con conectividad ilimitada, dispositivos móviles inteligentes y lo que es más, la predisposición de los ciudadanos a compartir información.

Asimilación de observaciones de ciudadanos

Basado en las premisas anteriores y en nuevas tecnologías de observación como los sensores hidroacústicos Doppler, las imágenes tomadas por drones y las imágenes satelitales con mayores precisiones, surgió el proyecto europeo WeSenseIt.

En el experimento situado en el Río Bacchiglione (Italia, Autorità di Bacino dell'Alto Adriatico) se localizaron cuatro sensores sociales que consistían en una escala limnimétrica con un código QR que direcciona a una aplicación móvil permitiendo introducir el dato del nivel de agua y fotografías.


Fotografías tomadas por la autora del sensor social en el Río Orolo (Italia)

En el transcurso de la investigación se probó que la asimilación de observaciones de niveles de agua en el modelo hidrológico y el hidráulico producía una mejora significativa de las predicciones para el caso de estudio. Otra de las hipótesis incluidas fue la intermitencia de las observaciones, característica esperable de observaciones realizadas por ciudadanos, e incluso ante la hipótesis de intermitencia los resultados mejoraban con la integración de técnicas de asimilación de datos.

En una primera instancia las observaciones podrían provenir de cuerpos especializados y que visitan las zonas afectadas con otros motivos como son los Cuerpos de Protección Civil o de Vigilancia Ambiental, para ir incorporando progresivamente a ciudadanos entrenados y concienciados. Esta nueva fuente de observaciones no pretende sustituir la red actual de aforos, sino complementarla para aumentar la densidad de medición de niveles que actualmente se encuentra en el orden de uno por centenar de kilómetros cuadrados. Asimismo, las observaciones de ciudadanos pueden aumentar la cantidad de datos en caso de fallo de los medidores o constituir una red de monitorización flexible en la que evaluar la sensibilidad de los modelos dependiendo de la localización de las observaciones.

En definitiva, el camino hacia una mejora continua en los modelos de predicción de inundaciones pasa por unir los esfuerzos de la innovación tecnológica y una sociedad concienciada y participativa.

(**) Las conclusiones mostradas en este artículo han sido extraídas de mi tesina de fin de máster Erasmus Mundus in Flood Risk Management titulada “Assimilation of distributed observations of water levels into an operational flood forecasting system” realizada bajo la supervisión del Dr. Dimitri Solomatine, Dr. Leonardo Alfonso y Dr. Maurizio Mazzoleni (UNESCO-IHE) en 2014.

(***) Quiero expresar mi agradecimiento a SPANCOLD por invitarme a colaborar con ellos. Es todo un honor poder compartir mis ideas sobre un tema que me apasiona con reconocidos expertos en la materia.