El estudio reciente liderado por el Microsoft AI for Good Research Lab presenta un avance significativo en el mapeo de inundaciones a nivel global mediante el uso de imágenes SAR (Radar de Apertura Sintética) de los satélites Sentinel-1.

Se desarrolló un modelo de detección de inundaciones que analiza datos de una década de esta tecnología, permitiendo identificar con precisión las áreas más propensas a inundaciones en todo el mundo, incluso en condiciones climáticas adversas que suelen dificultar el uso de imágenes ópticas. Este enfoque no solo mejora la respuesta ante desastres, como se demostró en las severas inundaciones en Kenia en 2024, sino que también ofrece un recurso invaluable para la planificación urbana y la mitigación de riesgos climáticos.

A través de la aplicación del modelo sobre datos de 10 años, el estudio ha generado un mapa mundial de inundaciones que resalta regiones vulnerables, específicamente en áreas históricamente afectadas como Etiopía y partes de África. Esta herramienta aporta una perspectiva sin interferencias de las tendencias de inundaciones, gracias a la capacidad de los radares SAR para penetrar la nubosidad y operar durante el día o la noche.

El modelo también permitió un análisis comparativo con datasets previos, mostrando un aumento del 71% en el área de inundaciones detectadas que los métodos basados en datos ópticos no alcanzaron. Este aumento significativo pone de manifiesto la utilidad de integrar estos nuevos datos en los esfuerzos por prever y gestionar inundaciones dentro del contexto del cambio climático, cuyo vínculo con la extensión de las inundaciones sigue en estudio.

En Kenia, se identificaron aproximadamente 75,000 hectáreas de tierras agrícolas afectadas por la inundación durante la primavera de 2024, una cifra que valida las estimaciones oficiales y realza la efectividad del modelo para proporcionar actualizaciones casi en tiempo real durante emergencias.

Este mapeo exhaustivo y a largo plazo ofrece a los responsables de la toma de decisiones una herramienta sin precedentes para evaluar el riesgo de inundaciones, lo que permite a comunidades en diferentes regiones del mundo prepararse mejor y mitigar futuros eventos adversos. Así pues, este desarrollo sienta un precedente crucial para futuras investigaciones sobre inundaciones y cambio climático.