Desarrollan un sistema capaz de predecir la calidad del aire con tres días de antelación

Ana del Águila, investigadora del Instituto Interuniversitario de Investigación del Sistema Tierra en Andalucía y del Departamento de Física Aplicada de la Universidad de Granada, ha desarrollado un modelo basado en inteligencia artificial que permite predecir la calidad del aire urbano con hasta tres días de antelación. La investigadora cuenta con una Beca Leonardo en Ciencias Básicas (Física), impulsada por la Fundación BBVA. El objetivo del trabajo es evaluar la capacidad de la inteligencia artificial para anticipar  la evolución del índice de calidad del aire en entornos urbanos.

El modelo se centra en la predicción del índice de calidad del aire, uno de los principales mecanismos empleados para el seguimiento de la contaminación atmosférica. Según explica del Águila, este índice “clasifica la calidad del aire por colores: buena, en azul; razonablemente buena, en verde; regular, en amarillo; desfavorable, en rojo; muy desfavorable, en granate y, por último, extremadamente desfavorable, en morado”.

El índice se calcula a partir de los datos recogidos por estaciones de calidad del aire distribuidas en los núcleos urbanos, que registran la concentración de distintos contaminantes atmosféricos. Entre ellos se encuentran el dióxido de nitrógeno (NO₂), el ozono (O₃) y las partículas en suspensión, diferenciadas según su tamaño en las denominadas PM10 y PM2,5.

Las PM10, con un diámetro de hasta 10 micrómetros, incluyen partículas como polvo o polen, mientras que las PM2,5, de hasta 2,5 micrómetros, están habitualmente asociadas a procesos de combustión y, por su menor tamaño, pueden penetrar en zonas más profundas de los pulmones, con un mayor riesgo para la salud, según informa la UGR en una nota remitida a GRXActualidad.

“Las estaciones miden los distintos contaminantes y asignan el nivel del índice de calidad del aire en función del contaminante que presenta el peor valor. Si, por ejemplo, el ozono y el dióxido de nitrógeno se encuentran en rangos asociados al color azul, pero las PM10 alcanzan un nivel regular, la estación mostrará un índice de calidad del aire en amarillo”, precisa la investigadora.

Datos de Barcelona, Granada y Madrid

El modelo desarrollado en el marco de este proyecto trabaja con datos procedentes de estaciones de calidad del aire ubicadas en las ciudades de Barcelona, Granada y Madrid, e incorpora asimismo variables meteorológicas como la temperatura, la humedad, la precipitación, la presión atmosférica y la velocidad y dirección del viento.

“La meteorología es determinante. La lluvia favorece la limpieza del aire, mientras que las situaciones de altas presiones, asociadas al buen tiempo, generan una atmósfera más estable, con menor ventilación, lo que propicia el estancamiento de contaminantes cerca de la superficie. Esto explica que, incluso en días soleados, los índices de calidad del aire puedan empeorar”, señala.

Algoritmo de redes neuronales

La herramienta se basa en un algoritmo de redes neuronales recurrentes entrenado con series temporales de datos, diseñado para realizar predicciones del índice de calidad del aire a uno, dos y tres días vista. “En el modelo hemos seleccionado tres estaciones por ciudad, atendiendo a su mayor continuidad de datos y a la diversidad de entornos y perfiles de contaminación. Hemos trabajado con los últimos cinco años con información más completa y robusta, empleando cuatro de ellos para el entrenamiento del modelo y el último para su validación y evaluación”, resume del Águila.

«El grado de acierto observado es elevado»

A partir de este proceso, el sistema generó predicciones que posteriormente se compararon con los valores reales registrados en las estaciones. “El grado de acierto observado es elevado, situándose aproximadamente entre el 82 % y el 85 %. Se trata de un resultado muy relevante para anticipar la calidad del aire y facilitar la toma de decisiones”, subraya la investigadora.

El proyecto Leonardo se encuentra actualmente en su fase final. “Tras numerosas pruebas y ajustes de parámetros en las que ha sido clave el trabajo del equipo, estamos redactando un artículo científico que recoge los resultados finales. A partir de ahí, estudiaremos posibles aplicaciones futuras de este tipo de herramientas en el ámbito de la gestión ambiental y la información ciudadana», indica.

Predicciones más precisas a escala local

Uno de los principales valores añadidos de esta propuesta es su capacidad para ofrecer predicciones más precisas a escala local. “Existen otros sistemas de predicción del índice de calidad del aire que emplean datos del programa europeo Copernicus y que integran información procedente de satélites, predicciones meteorológicas y modelos complejos. Sin embargo, están concebidos para escalas regionales, lo que limita su precisión en el ámbito urbano”, explica.

La investigadora destaca finalmente el potencial de este tipo de modelos para anticipar episodios de peor calidad del aire. “Disponer de información con antelación puede ayudar a personas especialmente vulnerables, como quienes padecen afecciones respiratorias o cardiovasculares, a planificar mejor sus actividades al aire libre Además, estos desarrollos pueden aportar información complementaria para diseñar estrategias de prevención y sensibilización en entornos urbanos”, concluye.

Ana del Águila (Mollet del Vallès, Barcelona, 1993) es investigadora postdoctoral de Física Aplicada en el Instituto Interuniversitario de Investigación del Sistema Tierra en Andalucía de la UGR, donde trabaja en el Grupo de Física de la Atmósfera y lidera la línea de investigación AI4ATMOS para la aplicación de inteligencia artificial a problemas atmosféricos. Es IP del proyecto nacional DeepAtmo, cuyo objetivo es mejorar la detección y caracterización de fenómenos atmosféricos, como los aerosoles y nubes, mediante el uso de inteligencia artificial, elementos clave en la investigación del cambio climático y del monitoreo de la calidad del aire. Graduada en Física y máster en Geofísica y Meteorología en la Universidad de Granada, obtuvo su doctorado en la Universidad Técnica de Múnich (TUM) y el Centro Aeroespacial Alemán (DLR), donde desarrolló modelos de transferencia radiativa optimizados con técnicas de aprendizaje automático para satélites. Comenzó su carrera investigadora en el Instituto Nacional de Técnica Aeroespacial (INTA) y posteriormente trabajó en el Centro Aeroespacial Alemán y en la Infraestructura de Investigación LifeWatch ERIC, donde aplicó técnicas de inteligencia artificial en estudios interdisciplinares sobre atmósfera y ecosistemas