La UPV y ValgrAI presentan un gemelo digital que anticipa desbordamientos

La Universitat Politècnica de València (UPV), a través de sus institutos VRAIN (inteligencia artificial) e IIAMA (ingeniería del agua), y la Valencian Graduate School and Research Network of Artificial Intelligence (ValgrAI) han presentado un gemelo digital hidrológico capaz de anticipar desbordamientos a partir de los datos de lluvia en tiempo real y de seguir su evolución prevista durante las 48 horas siguientes.

En la demostración recrearon la cuenca del barranco de Poyo con los datos de la DANA del 29 de octubre de 2024.

Qué es PGTEC

La herramienta, llamada PGTEC (Plataforma para la Gestión de Prevención Temprana de Emergencias Climáticas), integra datos hidrometeorológicos de distintos organismos oficiales y los unifica en un espacio común e interoperable.

Sobre esa base construye gemelos digitales que permiten prever la crecida de los barrancos y representar en un mapa cómo avanzaría el agua por el territorio, una información clave para ganar tiempo ante una emergencia. El sistema incorpora ya gemelos digitales de las cuencas de l’Horta Sud y del barranco del Carraixet.

Dos herramientas que trabajan juntas

PGTEC combina dos modelos complementarios. El modelo hidrológico TETIS usa la lluvia registrada y las previsiones meteorológicas para estimar cuánta agua circularía por cada tramo del cauce y en qué momento podrían producirse desbordamientos.

La herramienta HIDRIS reproduce cómo se extendería el agua si el cauce se desbordara, con qué profundidad y velocidad avanzaría y qué edificios o infraestructuras críticas quedarían afectados.

De los mapas dispersos a un entorno visual

En lugar de interpretar por separado numerosos mapas y previsiones, los responsables de emergencias consultan la información en un entorno visual. TETIS marca con colores los tramos más comprometidos, permite seguir la evolución prevista durante 48 horas y ejecuta cada simulación en uno o dos minutos.

También deja desplazar una tormenta, aumentar su intensidad o reproducir episodios históricos para ver cómo cambiarían sus consecuencias. El equipo mostró, por ejemplo, cómo habría afectado la DANA de 2024 si se hubiera trasladado al barranco del Carraixet.

Cada organismo mantiene el control de sus datos

El investigador de VRAIN Sergio Martí explicó que el espacio de datos aplica “una semántica común, un mismo idioma para describir los datos, de modo que un dato de lluvia signifique lo mismo venga de donde venga”.

Cada organización, añadió, “conserva la soberanía sobre sus datos, decide quién puede acceder a ellos, para qué y en qué condiciones”.

El director de VRAIN y director general de ValgrAI, Vicent Botti, lo resumió frente al problema de los silos de información: “PGTEC reúne en un único entorno a organizaciones muy distintas donde cada una sigue manteniendo su forma de trabajar, pero todas conectan sus datos en el mismo lugar”.

También sequías e incendios

El proyecto no se limita a las crecidas. PGTEC incorpora WATER4CAST, una herramienta que aplica inteligencia artificial para mejorar las previsiones meteorológicas y anticipar sequías, necesidades de agua y condiciones favorables a los incendios forestales.

Así aborda tanto emergencias que se desencadenan en horas como riesgos que exigen planificar con meses de antelación. “Las crecidas exigen decidir en horas con datos casi en tiempo real, y las sequías dependen de series históricas largas; pese a sus escalas opuestas, ambas se apoyan en un mismo espacio de datos interoperable”, señaló el catedrático del IIAMA Félix Francés.

Respaldo institucional

La jornada, celebrada dentro del AIIA Innovation Day de ValgrAI, contó con la directora gerente de ValgrAI, Ana Cidad; el concejal de Emergencias y Protección Civil del Ayuntamiento de València, Juan Carlos Caballero; y la directora general de Innovación en Emergencias de la Generalitat, Miriam Gil.

El proyecto ha sido financiado por el Ministerio para la Transformación Digital y de la Función Pública, a través de la Dirección General del Dato y el Centro de Referencia de Economía del Dato (CRED).