NASA prueba un sistema que podría mejorar los avisos de inundación repentina

Las inundaciones repentinas suelen dejar muy poco margen de reacción. Pueden formarse en cuestión de minutos, sobre todo cuando una tormenta descarga mucha agua en poco tiempo sobre un terreno ya saturado o en zonas urbanas donde el drenaje no alcanza. Por eso, cualquier mejora en la capacidad de anticiparlas puede traducirse en decisiones más rápidas y, en algunos casos, en tiempo extra para proteger vidas y bienes.

Un equipo que reúne a la NASA, la Universidad de California en San Diego y el Servicio Meteorológico Nacional de Estados Unidos está probando una herramienta pensada justamente para ese problema. El sistema, llamado TACLS, combina aprendizaje automático con datos recogidos por redes de satélites de navegación para señalar aumentos inusuales de humedad en la atmósfera que podrían anticipar una inundación repentina.

La idea no es reemplazar a los meteorólogos, sino filtrar grandes volúmenes de información para destacar las señales más relevantes. Parte de esos datos surge del retraso que sufre la señal de los satélites al atravesar vapor de agua en la troposfera. A partir de esa demora, los investigadores pueden estimar cuánta humedad se está acumulando sobre una región. El sistema analiza esos cambios y trata de distinguir si se trata de una anomalía real asociada a un evento extremo o de una distorsión de los datos.

Según la prueba reportada por la NASA, el modelo fue entrenado con más de 30 años de datos de redes GNSS, el conjunto de satélites que sostiene servicios de navegación y posicionamiento en todo el mundo. En simulaciones con episodios severos ocurridos entre 2017 y 2023, incluyendo ríos atmosféricos, tormentas monzónicas y restos de ciclones tropicales, TACLS logró captar el 93% de los avisos de inundación repentina emitidos en esos casos.

Otro punto importante es la velocidad. El sistema puede generar pronósticos en unos quince minutos, un plazo corto que apunta a encajar en el trabajo operativo de quienes monitorean tormentas en tiempo real. En este esquema, la decisión final sigue siendo humana: la herramienta marca zonas de riesgo y presenta la información en una visualización sencilla, pero son los analistas quienes evalúan si corresponde emitir un aviso.

Ese detalle importa porque los modelos automáticos pueden ser útiles sin convertirse en oráculos. Un buen sistema de apoyo no solo tiene que detectar eventos peligrosos, sino también evitar falsas alarmas innecesarias. En este caso, la herramienta todavía está en fase de integración y por ahora se está incorporando a los sistemas que usan meteorólogos del Servicio Meteorológico Nacional en el sur de California, de modo que su desempeño en operaciones cotidianas todavía deberá comprobarse fuera de las simulaciones.

El interés científico y práctico de este desarrollo está en mostrar cómo una fuente de datos que ya existe, como las redes de satélites de navegación, puede aprovecharse de otra manera cuando se combina con modelos capaces de reconocer patrones difíciles de ver a simple vista. Si ese enfoque se consolida, podría ayudar a reforzar alertas tempranas frente a uno de los fenómenos meteorológicos más dañinos y más difíciles de anticipar con tiempo suficiente.