Un sistema basado en inteligencia artificial permite predecir la calidad del aire urbano con hasta tres días de antelación y alcanzar una precisión de entre el 82 % y el 85 %, un avance que puede mejorar la gestión ambiental, anticipar episodios de contaminación y ayudar a la ciudadanía a planificar actividades al aire libre.
La herramienta ha sido desarrollada para anticipar la evolución del índice de calidad del aire, uno de los principales indicadores utilizados para monitorizar la contaminación atmosférica en ciudades y evaluar riesgos para la salud asociados a contaminantes como el dióxido de nitrógeno (NO₂), el ozono (O₃) y las partículas en suspensión PM10 y PM2,5.
Detrás de este desarrollo está 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, que desarrolla este trabajo gracias a una Beca Leonardo en Ciencias Básicas (Física) impulsada por la Fundación BBVA.
Cómo funciona el sistema para predecir la calidad del aire
El modelo se centra en la predicción del índice de calidad del aire, un sistema que clasifica el estado del aire mediante una escala de colores.
Según explica Ana 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”.
Este indicador se calcula a partir de datos recogidos por estaciones de medición urbanas, que registran concentraciones de contaminantes atmosféricos.
“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.
Variables meteorológicas e inteligencia artificial
El sistema trabaja con datos procedentes de estaciones ubicadas en Barcelona, Granada y Madrid e incorpora variables meteorológicas como temperatura, humedad, precipitación, presión atmosférica y 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.
La herramienta utiliza un algoritmo de redes neuronales recurrentes entrenado con series temporales para generar 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.
Hasta un 85 % de precisión para anticipar contaminación
Tras el entrenamiento y validación, el sistema comparó sus predicciones con datos reales registrados en estaciones urbanas.
“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.
Uno de los principales valores del modelo es su capacidad para ofrecer predicciones más precisas a escala local frente a herramientas regionales.
“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.
Aplicaciones para salud pública y ciudades
Este tipo de herramientas puede ayudar a anticipar episodios de peor calidad del aire y mejorar la toma de decisiones tanto a nivel ciudadano como institucional.
“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.
