Sentinella Hídrica

Sentinella Hídrica: El Escudo Digital que se Anticipa a la Inundación

El Problema: Las inundaciones hablan, pero las escuchamos demasiado tarde.

En nuestras ciudades en América Latina, cuando suena una tormenta, muchas veces sentimos esa mezcla de incertidumbre y preocupación. Las alertas nos dicen que va a llover, pero los mapas de 'riesgo' que usamos solo muestran manchas de colores que parecen estáticas, sin responder a la verdadera pregunta que todos nos hacemos en ese momento: ¿Qué va a pasar aquí y cuándo? 

La respuesta muchas veces la encontramos demasiado tarde, cuando ya hemos visto las consecuencias: pérdidas económicas, infraestructura dañada o incluso vidas que se ven afectadas. Por eso, decidimos que ya era hora de cambiar nuestro enfoque: en lugar de reaccionar después de que pasa el problema, queremos anticiparnos y estar preparados.

Nuestra Solución: Un Gemelo Digital que se anticipa a la catástrofe.

Les presentamos Sentinella Hídrica. No es solo una promesa, sino un prototipo que ya funciona. Desarrollamos una plataforma inteligente que crea un gemelo digital de la ciudad para simular cómo sería una posible inundación. Pero no nos quedamos en predecir; queremos ofrecer una visión clara. La herramienta muestra con precisión dónde y qué tan profundo será el agua, y, lo más importante, nos ayuda a entender y medir el impacto que esto tiene en tiempo casi real.

El Resultado: De la Información a la Acción Decisiva.

Con Sentinella Hídrica, un centro de mando de emergencias no solo ve un mapa con datos sobre el agua. Ve un dashboard completo que les permite asignar recursos de manera eficiente, emitir alertas de evacuación muy precisas ("Alerta: se espera 40cm de agua en su calle en 60 minutos") y, en última instancia, proteger lo que más importa.

Transformamos datos geoespaciales en una herramienta que ayuda a salvar vidas y construir ciudades más resilientes.

Nuestros Datos y Metodología: Construyendo sobre una Base Real.

Un simulador funciona mejor cuando tiene datos de calidad para aprender. Por eso, lo primero que hicimos fue construir nuestro 'gemelo digital' usando la base más sólida y realista posible, combinando herramientas profesionales con datos abiertos de alta calidad.

• El Terreno (El Tablero de Juego): Usamos el Copernicus DEM GLO-30, el modelo de elevación global, para obtener una visión tridimensional precisa de la topografía.
• La Ciudad (Los Obstáculos): Integramos datos de OpenStreetMap para mapear la infraestructura urbana que desvía y contiene el flujo del agua.
• La Física (Las Reglas del Juego): Para generar datos de entrenamiento, empleamos HEC-RAS, un software líder en modelado hidrológico, para simular cómo se comporta el agua con el mayor nivel de detalle posible.

Resultados Destacados

Durante la primer etapa, hemos trabajado incansablemente para sentar las bases. No estamos presentando solo una idea, estamos presentando resultados tangibles.

1 - Dos Ciudades, Dos Realidades: Para asegurar que nuestra solución sea robusta, modelamos dos topografías completamente diferentes: la llanura costera de Panamá y el valle montañoso de Medellín.

2 - Seis Simulaciones Completadas: Simulamos tres escenarios de tormenta (ligera, moderada y extrema) en ambas ciudades. Esto nos dio un conjunto de datos muy valioso que muestra cómo diferentes caudales afectan distintos tipos de terreno. Por ejemplo, en Medellín, descubrimos que la elevación del terreno suele ser un factor que limita la subida del agua, haciendo que las inundaciones sean más profundas, en lugar de cubrir un área más grande.

3 - Un Pipeline de Datos Funcional: Desarrollamos y depuramos un script en Python que procesa automáticamente los complejos resultados de HEC-RAS. Convertimos horas de simulación en más de 220 rasters GeoTIFF limpios y estandarizados, listos para entrenar a nuestra IA.

Segunda etapa:

Nuestro modelo de IA, entrenado con los datos de Copernicus y las simulaciones de HEC-RAS, ahora produce resultados dinámicos y coherentes.

Resultado 1: Inundación Extrema en Medellín

En un valle denso y montañoso, el modelo predice correctamente una inundación profunda y contenida a lo largo del cauce del río, identificando un impacto masivo de más de 10,000 edificios, lo que demuestra su capacidad para evaluar escenarios de alto riesgo.

Resultado 2: Inundación Costera en Panamá

Para el mismo nivel de tormenta fuerte en una llanura costera, el modelo muestra un comportamiento completamente diferente. Predice una inundación ancha pero poco profunda, que se extiende por los manglares y zonas no urbanizadas, resultando en un impacto mucho menor. Esta inteligencia es crucial para la asignación de recursos.

Resultado 3: Precisión y Calibración

La plataforma también distingue claramente diferentes niveles de amenaza. Por ejemplo, en una tormenta ligera, la inundación proyectada es muy pequeña y afecta a mucho menos edificios. Esto demuestra que Sentinella Hídrica no solo es útil para activar o desactivar alertas, sino que también es una herramienta que ayuda a tomar decisiones

Arquitectura y Tecnologías Utilizadas

Construimos Sentinella Hídrica sobre una pila de tecnología moderna, robusta y escalable, separando claramente las responsabilidades para un rendimiento óptimo.

• Frontend: Construido con React, TypeScript y Vite, utilizando TailwindCSS para un diseño moderno y responsivo, y Mapbox GL JS para visualizaciones de mapas de alto rendimiento.

• Backend: Una API RESTful robusta desarrollada con FastAPI y Python, lista para escalar.

• Inteligencia Artificial: Un modelo de red neuronal U-Net implementado en PyTorch, entrenado en un clúster de cómputo de Azure Machine Learning.

• Ciencia de Datos Geoespacial: Un pipeline de datos completo utilizando HEC-RAS para la simulación de ground truth y librerías de Python como GeoPandas, Rasterio y Scipy para el procesamiento.

• Infraestructura: La aplicación se despliega en una Máquina Virtual de Azure (Ubuntu) con un entorno gestionado por Conda.

¿Quiénes se benefician con Sentinella Hídrica?

Creemos que tener información precisa y en el momento justo puede marcar la diferencia para quienes toman decisiones. Nuestra plataforma está pensada para ayudar a:

• Municipios y Gobiernos Locales: Para gestionar los riesgos de forma proactiva, planificar mejor la ciudad y responder de manera más efectiva ante emergencias.
• Empresas de Seguros: Para pasar de estimaciones generales a evaluaciones precisas, incluso a nivel de cada propiedad. 
• Desarrolladores Inmobiliarios: Para tomar decisiones de inversión con confianza, identificando áreas seguras y analizando la vulnerabilidad de sus proyectos. 
• Comunidades y ONGs: Para empoderar a las personas con el conocimiento que necesitan para crear sus propios planes de resiliencia.

Visión de Futuro y Sostenibilidad

Sentinella Hídrica nace en este hackathon, pero nuestra visión va mucho más allá. Imaginamos un camino para que este proyecto se transforme en una herramienta sostenible y con impacto real. Queremos ofrecer un modelo que permita acceso público para alertas ciudadanas, así como servicios profesionales de análisis avanzado para gobiernos y empresas. Creemos en un enfoque donde el impacto social y la estabilidad económica se complementan y fortalecen mutuamente.

Próximos Pasos

Este prototipo es la prueba de concepto de una visión mucho más grande. Con la base ya construida y validada, nuestros siguientes pasos se centran en llevar Sentinella Hídrica a un nivel de producción:

• Integración de Datos en Tiempo Real: Conectar nuestra plataforma a una API del clima para pasar de la simulación de escenarios a la predicción de inundaciones basada en pronósticos meteorológicos en vivo.

• Escalabilidad a Nivel de Ciudad: Implementar una técnica de "tiling" (procesamiento por teselas) para realizar predicciones sobre áreas metropolitanas completas, no solo sobre zonas de interés.

• Despliegue de un Endpoint de Inferencia: Migrar la ejecución del modelo de la VM de desarrollo a un Endpoint de Azure ML, optimizado para una inferencia rápida y escalable.

• Desarrollo de un Sistema de Alertas: Crear un módulo que envíe alertas automáticas (por correo electrónico o SMS) a los gestores de emergencias cuando una predicción supere un umbral de riesgo predefinido.