Tema 3
Los sentidos del planeta: IA y detección de contaminación
La contaminación es una amenaza silenciosa. Partículas finas en el aire (PM2.5) o sustancias químicas en el agua pueden causar graves daños a la salud humana y a los ecosistemas. El problema es que la contaminación no es uniforme: puede cambiar mucho de una calle a otra o entre tramos de un mismo río.
El problema: la amenaza invisible
Los métodos tradicionales de análisis (tomar una muestra y llevarla a un laboratorio) son precisos, pero lentos, costosos y solo ofrecen una "foto" de un momento y lugar. No pueden detectar un vertido químico en tiempo real o un pico de smog durante la hora punta.
¿Cómo interviene la IA?
La Inteligencia Artificial resuelve este problema de cobertura y velocidad al crear sistemas de monitoreo inteligentes y predictivos. Fusiona datos de sensores de bajo costo (IoT) y datos satelitales, y luego usa Machine Learning para analizarlos en tiempo real y predecir tendencias futuras.
Técnica 1: fusión de sensores (IoT + IA)
Las redes de Internet de las Cosas (IoT) permiten desplegar cientos o miles de sensores baratos por toda una ciudad o cuenca de río. Para agua, miden parámetros como el pH, la turbidez y el oxígeno disuelto; para aire, gases como PM2.5, monóxido de carbono (CO) y ozono (O3).
El problema es que estos sensores de bajo costo no siempre son muy precisos. Aquí entra la IA: un modelo de Machine Learning toma las lecturas de los sensores económicos y las calibra en tiempo real comparándolas con una o dos estaciones de monitoreo de alta precisión o con datos satelitales. La IA aprende los patrones de error y corrige las lecturas, combinando amplia cobertura con alta precisión.
Técnica 2: pronóstico de calidad del aire (satélites + IA)
Otro desafío es predecir la calidad del aire en lugares donde no hay sensores. Para ello se combinan datos de estaciones terrestres (pocas pero muy precisas) con datos de satélites (cobertura global, pero menos detallados a nivel de calle). La IA aprende la relación entre lo que ve el satélite desde el espacio (aerosoles en la atmósfera) y lo que se mide al nivel del suelo (PM2.5, por ejemplo).
Una vez entrenado, el modelo puede estimar la calidad del aire en ciudades sin monitoreo directo, llenando los "huecos" de la red de medición y generando mapas y pronósticos de contaminación mucho más completos.
Video recomendado: IA para monitorear la calidad del aire
Este video introduce proyectos que usan IA para analizar datos de sensores y mejorar la vigilancia de la calidad del aire en distintas ciudades.
Casos de estudio
Proyecto ZephAir (global)
ZephAir es una colaboración entre la NASA y el Departamento de Estado de Estados Unidos. Utiliza IA para fusionar datos de monitores de alta precisión ubicados en embajadas con información satelital y modelos meteorológicos, generando pronósticos de contaminación del aire para ciudades de todo el mundo.
Modelo urbano en Barcelona
En Barcelona, el modelo CALLIOPE-Urban combina datos de estaciones oficiales, sensores de bajo costo, información meteorológica y la densidad de edificios para predecir los niveles de dióxido de nitrógeno (NO₂). El resultado son mapas de contaminación "a nivel de calle" que ayudan a las autoridades a planificar políticas de movilidad y salud pública.