WAYRA SAT

🌍 Problemática

América Latina y el Caribe (ALC) enfrentan una creciente frecuencia e intensidad de eventos climáticos extremos: lluvias torrenciales, olas de calor, sequías y deslizamientos. Estos fenómenos, agravados por el cambio climático, afectan a millones de personas y generan pérdidas económicas devastadoras. En 2023, la región vivió su año más cálido registrado, y eventos como el ciclón Yaku y los aluviones en Quito dejaron miles de damnificados y cientos de millones en daños.

Muchos de estos eventos están vinculados al fenómeno El Niño, cuya influencia se propaga por teleconexiones climáticas que afectan regiones a cientos de kilómetros de distancia con semanas o meses de desfase. Sin embargo, los sistemas de alerta temprana actuales en ALC son mayoritariamente descriptivos y reactivos, con capacidad limitada para anticipar patrones causales a mediano plazo.

Nuestro proyecto propone un cambio de paradigma: a partir del análisis climatológico histórico, aplicamos técnicas como Convergent Cross Mapping (CCM) para detectar relaciones causales entre anomalías del Niño y eventos extremos registrados en distintas partes del continente. Esta base científica nos permite construir reglas robustas que, integradas con datos satelitales en tiempo real —como los de Sentinel-3 y OSTIA—, activan alertas automatizadas y escalonadas, con semanas o meses de anticipación, en función de patrones históricos comprobados.

Con esta herramienta, pasamos de alertas de emergencia a decisiones estratégicas, reduciendo el impacto social, económico y ambiental de los desastres climáticos en toda la región.

🎯 Objetivos del Proyecto

• Detectar relaciones causales entre El Niño y eventos extremos en ALC, desarrollando un marco predictivo robusto basado en análisis climatológico histórico y técnicas de inferencia causal con validación estadística multi-regional.

• Implementar un sistema operativo de alerta temprana multiescalar, que utilice datos satelitales en tiempo real y un motor de reglas derivado del análisis causal para emitir alertas progresivas, regionalizadas y automatizadas.

• Entregar una plataforma interoperable para la toma de decisiones climáticas, con dashboards intuitivos, integración con infraestructuras nacionales existentes y capacidad de expansión hacia organismos regionales.

💻 Metodología

WAYRA SAT opera mediante una arquitectura dual que combina análisis climatológico histórico con monitoreo satelital en tiempo real para generar alertas tempranas automatizadas.

Flujo 1: Análisis Climatológico Histórico

Utiliza datos OSTIA SST (resolución 0.05°/5km) y ERA5 Reanalysis para identificar eventos El Niño en la región Niño 3.4 desde 1981. Mediante Convergent Cross Mapping (CCM) usando el paquete causal-ccm de Python, detectamos teleconexiones causales entre anomalías SST del Pacífico y eventos extremos en América Latina y el Caribe. El sistema aplica validación Leave-One-Out con eventos históricos (1957-2016) para garantizar skill scores >0.7 y significancia estadística p<0.05.

El output es una matriz de teleconexiones que mapea [Región × Lead Time × Correlación] estableciendo umbrales de activación y lead times óptimos de hasta 2 meses para cada zona geográfica.

Flujo 2: Sistema Operativo Tiempo Real

Monitorea continuamente datos Sentinel-3 SLSTR (resolución 1km, latencia 1-3 horas) para calcular el índice El Niño actualizado diariamente. Un Motor de Reglas ML basado en Random Forest Classifier utiliza features como anomalía SST actual, análisis de tendencias y persistencia, procesados mediante Moving Average, Trend Analysis e Isolation Forest para detección de anomalías.

El sistema genera alertas probabilísticas graduales (Verde/Amarillo/Naranja/Rojo) con especificidad regional de 1km y lead times de hasta 2 meses, distribuyendo notificaciones a través de dashboards interactivos con mapas de calor en tiempo real.

Integración y Salida

La matriz de teleconexiones del Flujo 1 alimenta el motor de reglas del Flujo 2, mientras que los mapas de calor visuales se presentan a usuarios finales mediante dashboard web y integración API con la plataforma INAMHI-GEOGLOWS de Ecuador, estableciendo un pathway comercial directo para instituciones meteorológicas nacionales.

Apuntamos a ser el primer sistema automatizado de detección causal de teleconexiones con capacidad predictiva de hasta 2 meses y resolución espacial 9km, versus sistemas descriptivos existentes de 25km de resolución.

🌐 MVP Funcional

Implementamos el concepto de nuestro Sistema de Alerta Temprana en un dashboard web accesible desde cualquier dispositivo con conexión a internet. El componente principal es un mapa que muestra marcadores con los niveles de alerta de la zona correspondiente, que serían provincias en el caso freemium. Cada alerta provee información básica sobre el tipo de evento extremo. Incluye un filtro de alertas y selección de fecha a la cual corresponden las alertas.

💼 Modelo de Negocio

Proponemos una plataforma regional de riesgo climático basada en un modelo mixto: infraestructura abierta para el bien público combinada con servicios especializados para instituciones.

• Acceso gratuito y abierto: gobiernos, ONGs y ciudadanía acceden a alertas tempranas, visualizaciones interactivas y datos clave sobre teleconexiones climáticas.

• Servicios premium institucionales: ofrecemos integración por API, personalización de umbrales, visualizaciones analíticas y soporte técnico para agencias que necesiten interoperabilidad avanzada.

• Sostenibilidad: los servicios se financian mediante licencias institucionales, cooperación internacional y convenios regionales.

Este modelo permite una escalabilidad regional y sostenibilidad operativa, sin crear barreras de entrada. Inspirado en plataformas como Windy.com o EFAS, pero con un enfoque predictivo basado en detección causal automatizada y adaptabilidad territorial.

👥 Equipo

• Arianna Paredes: Física con experiencia en simulación climática, análisis de variabilidad interanual vinculada al ENSO, y procesamiento de datos satelitales. Ha trabajado con modelos regionales y analizado eventos extremos asociados al Niño en el contexto latinoamericano. Fundadora de Panka Inventions, proyecto con enfoque ambiental y social en biotecnología sostenible. También ha participado en hackathones científicas, obteniendo el segundo lugar en la edición 2023 de LA-CoNGA Physics.

• Jack Rojas: Científico de datos con experiencia en sistemas de clasificación automatizada utilizando algoritmos de ML, en particular Random Forest, programación científica (Python, Fortran, C++), simulación de sistemas físicos. Domina herramientas clave para implementar flujos de procesamiento automatizados. Ha participado en diversas organizaciones estudiantiles durante su pregrado, principalmente en roles de liderazgo dentro de las mismas.