Investigadores del Instituto de Biodiversidad y Medioambiente Biomba de la Universidad de Navarra han desarrollado un sistema basado en inteligencia artificial que identifica y registra desastres locales a partir de noticias publicadas en internet, ofreciendo un enfoque innovador para la prevención y adaptación urbana frente a catástrofes naturales.
Mientras que grandes bases de datos internacionales, como Emergency Events Database (EM-DAT), registran principalmente desastres de gran magnitud, miles de inundaciones, deslizamientos o incidentes industriales de menor escala quedan fuera de estas estadísticas, aunque su impacto acumulado puede ser significativo para las comunidades locales.
El sistema combina técnicas de rastreo web y modelos de lenguaje de gran tamaño, como ChatGPT, para analizar automáticamente artículos de prensa y extraer información relevante sobre los desastres, incluyendo la localización, fecha y las infraestructuras afectadas. De esta manera, se convierte la información dispersa de los medios en datos estructurados útiles para planificadores y gestores urbanos.
En un caso de estudio centrado en inundaciones en Granada, el sistema procesó 21 noticias locales y logró identificar carreteras afectadas y otros impactos asociados a episodios de lluvia intensa, alcanzando un 76% de precisión en la extracción de información relevante. Esto permite detectar patrones de vulnerabilidad, como infraestructuras que presentan fallos recurrentes, y planificar medidas preventivas más eficaces.
Ciudades más preparadas y adaptadas a los riesgos climáticos
Según los investigadores Leire Labaka, Josune Hernantes y Fernando María de Villar Rosety, este enfoque puede complementar las bases de datos globales existentes, transformando miles de noticias sobre eventos climáticos en información estructurada que fortalezca la resiliencia urbana y mejore la seguridad de la sociedad frente a desastres locales.
El estudio, titulado ‘From headlines to databases: leveraging LLMs for structured disaster event extraction’, ha sido publicado en la revista International Journal of Data Science and Analytics y representa un paso importante hacia ciudades más preparadas y adaptadas a los riesgos climáticos.