Artificial Intelligence and machine learning model for spatial and temporal prediction of Drought events in the Magdalena department, Colombia.

• Herrera Posada, Daissy Milenys ^[1] ; Aristizábal, Edier
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: INGE CUC, ISSN 0122-6517, ISSN-e 2382-4700, Vol. 18, Nº. 2, 2022 (Ejemplar dedicado a: (Julio-Diciembre)), 265 págs.
• Idioma: inglés
• Títulos paralelos:
  • Modelo de inteligencia artificial y aprendizaje automático para la predicción espacial y temporal de eventos de sequía en el departamento del Magdalena, Colombia.
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    La sequía es uno de los fenómenos hidrometeorológicos que mayor impacto tiene sobre las comunidades. Aunque Colombia es un país tropical, existen áreas del territorio que estacionalmente se ven sometidas a periodos de sequía con importantes afectaciones económicas.  Debido a los avances recientes en términos de resolución espacial y temporal en sensores remotos, y técnicas de inteligencia artificial es posible aplicar modelos de aprendizaje automático soportado en información histórica para el estudio de las sequías. El presente estudio construye un modelo ensamblado de bosque aleatorio (RF, por sus siglas en inglés) y Árboles de decisión tipo Bagging (DTC, por sus siglas en inglés) para la predicción espacial y temporal de sequía para el departamento del Magdalena, utilizando como variables predictoras la temperatura superficial, precipitación, humedad del suelo y evapotranspiración, junto con información de variables macro climáticas como el ONI, MEI y SOI. Para la variable de respuesta, que permitiera identificar los eventos de sequía para entrenar y evaluar el modelo, se implementa el Índice de Precipitación Estandarizado (SPI, por sus siglas en inglés). Los resultados obtenidos permiten proponer este tipo de técnicas, a partir de información libre y abierta, la construcción de sistemas de alerta temprana que permita tomar acciones oportunas para mitigar los impactos por sequías.

  • English

    Drought is one of the most critics hydrometeorological phenomenon in terms of impacts to society. Although Colombia is a tropical country, there are areas of the territory which have periods of drought and they cause important economic damages. Due to recent advances in terms of spatial and temporal resolutions of remote sensing, and Artificial Intelligence techniques is possible to develop Automatic Learning Models supporting on historic information. In this research was built a Random Forest (RF) and Bagged Decision Tree Classifier (DTC) model to spatial and temporal drought to Magdalena’s Department, using as Features land surface temperature, precipitation, humidity on the soil, and evapotranspiration, with macro climatic variables information as ONI, MEI and SOI.  For label, that allows train and evaluate the model, it was used the Standardized Precipitation Index (SPI) that allows identify the drought’s events. The implementation of the developed model can allow governmental entities taking actions to mitigate impacts generate by recurring droughts in their territories.