Ideas locales
Impacto planetario

El sistema ambiental interconectado de la Tierra experimenta cambios constantes. Cuando estos cambios ocurren en una dirección sostenida, aumentando o disminuyendo, calentando o enfriando, las variables medidas los reflejan. Un principio fundamental de las ciencias de la Tierra es que una misma variable ambiental puede presentar una tendencia al aumento en una región y al descenso en otra, incluso cuando el mismo proceso macro está impulsando ambos comportamientos.

En Cochabamba, la expansión urbana y la impermeabilización del suelo generan comportamientos divergentes según el distrito: mientras en zonas densamente construidas la temperatura de la superficie terrestre (LST) tiende a subir y la masa vegetal (NDVI) a descender, en áreas de conservación o en la franja del Parque Tunari la tendencia puede estabilizarse o invertirse.

El Gobierno Autónomo Municipal de Cochabamba (GAMC) cuenta con la capa cartográfica oficial de los 15 Distritos Municipales y los registros continuos de 2 estaciones físicas de la Red MÓNICA (Av. 6 de Agosto y Av. Circunvalación). Tu desafío como "detective ambiental" consiste en seleccionar, procesar y fusionar estas variables locales con las misiones satelitales de la NASA para determinar qué está cambiando, dónde está cambiando, en qué magnitud y si estos cambios son estadísticamente significativos.

Una respuesta exitosa a este desafío requiere integrar la detección de tendencias espacio temporales con el modelado predictivo municipal:

1. Identificación y Selección de Variables: Aislar variables clave de ciencias de la Tierra provistas por la NASA (LST, NDVI, AOD, temperatura del aire) capaces de reflejar tendencias climáticas sostenidas en el municipio.

2. Entrenamiento y Evaluación del Modelo de IA: Diseñar y validar un modelo supervisado de Machine Learning / Deep Learning para la fusión de datos satélite-suelo, reportando métricas estándar de evaluación (R2, RMSE, MAE).

3. Análisis de Divergencia entre Distritos: Demostrar analíticamente cómo una misma variable evoluciona en direcciones opuestas entre el norte/serranía y el centro/sur industrial y urbano.

4. Calibración e Interpolación por Sensado Virtual: Utilizar las mediciones reales de las 2 estaciones fijas de la Red MÓNICA como conjunto de entrenamiento y validación para predecir el comportamiento microclimático en los 13 distritos sin sensores físicos.

5. Evaluación de Significancia Estadística: Ejecutar pruebas de significancia (como intervalos de confianza o pruebas p<0.05) sobre las salidas del modelo para discriminar variaciones climáticas reales de ruido estacional o ciclos regulares.

• Audiencia y Rol de Detective de Datos: Los prototipos deben estar orientados a convertir a los usuarios (estudiantes, ciudadanos y técnicos) en "detectives de datos". Es altamente valorado que la solución incluya definiciones sencillas y comprensibles de las variables científicas.

• Enfoque Interactivo: Se sugiere estructurar la interacción mediante consultas guiadas por distrito o escenarios demostrativos para que el usuario final comprenda de forma intuitiva el comportamiento microclimático territorial.

• Manejo de Datos y Temporalidad: Trabajar preferentemente con resoluciones diarias o mensuales. Los participantes deben tener en cuenta que las tendencias pueden verse afectadas por ciclos estacionales regulares propios de Cochabamba, por lo que el análisis de series temporales prolongadas y la detección de tendencias lineales constituyen una base sólida de desarrollo.

Las misiones satelitales de la NASA miden de forma continua la vegetación y las temperaturas de la superficie terrestre. Sin embargo, para la ciudadanía y los planificadores urbanos, estos datos en formato crudo o aislados en un solo punto del tiempo no revelan la historia completa: ¿nuestra ciudad se está volviendo más caliente y menos verde con los años?

Para priorizar proyectos de mitigación como la siembra de árboles, la protección de recarga hídrica, nuevos parques o equipamientos de salud, Cochabamba necesita actuar como un "detective de tendencias": analizar la evolución histórica de sus 15 Distritos Municipales para responder qué distritos presentan una pérdida acelerada de cobertura verde en la última década, en qué sectores las islas de calor urbanas han aumentado con mayor severidad, y cómo se correlacionan estas tendencias de cambio ambiental con el acceso al transporte público y el equipamiento municipal existente.

El Gobierno Autónomo Municipal de Cochabamba (GAMC) provee las capas vectoriales de los 15 Distritos Municipales, sus equipamientos y rutas de transporte. El objetivo es combinar la información local con las series temporales de la NASA para detectar patrones de cambio y evaluar las disparidades socioambientales en el municipio.

Diseñar y desarrollar un Tablero Web Interactivo y Open Source que analice las tendencias temporales de salud ambiental e integre los equipamientos urbanos a nivel de Distrito Municipal. Los equipos deberán resolver tres aspectos centrales:

1. Detección de Tendencias e Índice Socioambiental Distrital: Procesar series temporales satelitales de la NASA (mínimo 2 variables, en un período de tiempo) combinadas con los datos municipales del GAMC (parques, colegios, salud o transporte) para calcular la tendencia de cambio y generar una puntuación socioambiental histórica de 1 a 100 (o semaforización Verde/Amarillo/Rojo) por distrito.

2. Navegación y Comparativa Distrital: Permitir la selección o filtrado interactivo entre los 15 Distritos de Cochabamba para visualizar gráficos de línea temporal (evolución por años), mapas de calor, comparativas distritales y fichas de indicadores urbanos.

3. Identificación de Puntos Críticos (Hotspots de Cambio): Resaltar automáticamente cuáles distritos tienen tendencias negativas de degradación ambiental o déficit de equipamiento.

• Audiencia y Accesibilidad Ciudadana: Este reto prioriza la experiencia de usuario (UI/UX) y la visualización de datos. El tablero debe estar diseñado para ser intuitivo tanto para funcionarios municipales como para ciudadanos que deseen explorar la realidad ambiental de su distrito.

• Manejo de Series Temporales: Trabajar de preferencia con agregaciones mensuales o anuales estables de los datos de la NASA para evidenciar tendencias claras a lo largo de los años sin distorsiones por ruido estacional de corto plazo.

La superficie terrestre y sus recursos hídricos experimentan una transformación continua impulsada por procesos naturales y la actividad humana. Sin embargo, estos cambios, desde la expansión de llanuras aluviales y saturación de suelos hasta deslizamientos y anegamientos, suelen ser difíciles de visualizar, comprender y comunicar oportunamente.

Mientras que los instrumentos de teledetección pasiva dependen de la luz solar reflejada, este desafío utiliza teledetección activa mediante la tecnología de Radar de Apertura Sintética (SAR), empleando misiones de vanguardia como NISAR (NASA-ISRO) y Sentinel-1. Los instrumentos SAR emiten y reciben su propia fuente de energía en la banda de microondas, permitiendo operar de día, de noche y en condiciones nubladas o de tormenta. Los datos de radar son altamente sensibles a la rugosidad superficial y a la constante dieléctrica del agua, lo que capacita a los participantes para detectar con precisión masas de agua, inundaciones, humedad del suelo y deformaciones milimétricas del terreno.

En la cuenca de Cochabamba, el cambio climático ha intensificado la frecuencia y severidad de los eventos meteorológicos extremos, con lluvias de corta duración y alta intensidad (30 a 60 minutos) que exponen al municipio a vulnerabilidades:

• Inundaciones por anegamiento, desborde de cauces y colapso de colectores pluviales en pasos a desnivel y avenidas troncales.

• Riesgos de deslizamientos, colapsos de talud, arrastre de sedimentos y saturación de torrenteras por pendientes pronunciadas.

La NASA monitorea continuamente esta dinámica mediante misiones espaciales de precipitación en tiempo casi real (GPM), humedad de suelo (SMAP) y mapas de radar SAR. No obstante, para lograr precisión operativa a nivel de calle, estas observaciones deben calibrarse con la telemetría pluviométrica en tierra del SENAMHI y validarse con la infraestructura y experiencia histórica del Gobierno Autónomo Municipal de Cochabamba (GAMC), el cual provee la API de Mapas de Riesgos, cartografía de los 15 distritos y un registro oficial de 60 incidentes históricos de control.

Tu objetivo es realizar una fusión multimodal que combine la tecnología de radar SAR (NISAR / Sentinel-1) con los datos de humedad de suelo y precipitaciones de la NASA, la telemetría del SENAMHI, la topografía de pendientes, la cartografía de cuencas y el conjunto de validación del GAMC para desarrollar un modelo hidrometeorológico y de riesgo operativo a nivel de distrito.

Orientación Metodológica: Debido a que el dataset local consta de 60 registros confirmados, no se recomienda entrenar modelos de Machine Learning exclusivamente con esta muestra. La metodología sugerida consiste en calcular el riesgo físico utilizando las variables geoespaciales de la NASA, los Modelos Digitales de Elevación (DEM) y el SENAMHI, empleando los 60 puntos históricos del GAMC estrictamente como un conjunto de verificación (Ground-Truth) para comprobar la precisión del modelo.

Potential Considerations / Consideraciones Potenciales para los Participantes

• Análisis de Polarizaciones y Series Temporales: Se alienta a procesar datos SAR utilizando diferentes polarizaciones y fechas múltiples para visualizar la evolución temporal de la saturación hídrica y la retrodifusión superficial.

• Factores Humanos y Territoriales: Muestra cómo la ocupación urbana, la impermeabilización del suelo y la infraestructura de drenaje interactúan con los fenómenos naturales en las distintas cuencas de Cochabamba.

• Narrativa y Visualización Interactiva: Conviértete en un narrador de datos. Diseña herramientas intuitivas (paneles de control, mapas web interactivos o carruseles de imágenes de radar) que traduzcan señales complejas de microondas en alertas comprensibles para gestores de riesgos, autoridades y la ciudadanía.

• Contexto Local: Aprovecha el conocimiento profundo del territorio para contextualizar por qué ciertas torrenteras o zonas del sur colapsan ante tormentas específicas.

Los agricultores de todo el mundo se enfrentan a cambios en las temperaturas, variaciones en los patrones de lluvia, escasez de agua, fenómenos meteorológicos extremos y deterioro de la salud del suelo. Estas presiones dificultan la elección de rotaciones de cultivos que protejan los campos, conserven el agua y fomenten la resiliencia a largo plazo.

En las zonas periurbanas de Cochabamba, los productores agrícolas enfrentan sequías prolongadas, heladas imprevistas y precipitaciones irregulares que generan pérdidas económicas recurrentes. Además, la falta de coordinación meteorológica en la gestión de infraestructura de riego (represas y canales) provoca desbordes ineficientes en épocas de lluvia o desabastecimiento en periodos críticos. Actualmente, la elección de los ciclos de cultivo y las fechas de siembra se realiza por intuición o costumbre, sin aprovechar la combinación de datos climáticos, humedad de suelo observada desde el espacio y las propiedades físicas locales del terreno.

Este desafío se inspira en parte en la experiencia agrícola multigeneracional y en el uso de los conjuntos de datos ambientales a largo plazo de la NASA, los cuales ofrecen nuevas formas de comprender las condiciones de cultivo locales para traducirlas en información práctica y útil mediante sistemas de apoyo a la decisión (DSS).

Para superar la incertidumbre climática y el deterioro del suelo, es técnicamente indispensable desarrollar un Sistema de Apoyo a la Decisión (DSS) centrado en las necesidades del agricultor (Farmers-First). Esta herramienta debe combinar observaciones espaciales de la NASA con las características locales del suelo, las propiedades de los cultivos tradicionales y las prioridades socioeconómicas del productor para guiar la rotación óptima de cultivos y optimizar el uso del agua.

1. Requisito Principal (Recomendador Inteligente de Rotación de Cultivos): Desarrollar un algoritmo y matriz de decisión por parcela que evalúe el riesgo hídrico y la aptitud agrícola combinando:

• Observaciones Satelitales NASA: Humedad de suelo en superficie/raíz y precipitación prevista.

• Propiedades Fisicoquímicas del Suelo: Textura, capacidad de retención de agua y drenaje extraídos de bases de datos públicas globales/regionales.

• Caracterización Agronómica de Cultivos: Coeficientes de demanda hídrica (Kc según FAO 56), tolerancia a sequía/heladas y rendimiento de cultivos tradicionales.

• Restricciones y Prioridades del Productor: Consideración de ventanas de siembra, estimación de costos relativos de semillas y preferencia de uso o comercialización del cultivo.

• Comprensión de Condiciones y Datos: Analizar cómo los cambios en la temperatura, la humedad del suelo, las precipitaciones, la evaporación y el estrés de la vegetación se relacionan con la vulnerabilidad de los cultivos y la salud del suelo, explicando términos científicos de forma sencilla (evapotranspiración, anomalías de humedad, NDVI, riesgo de heladas).

• Fusión de Datos y Armonización: Considerar la armonización de conjuntos de datos con diferentes resoluciones espaciales y temporales en características coherentes que permitan comparar al menos tres estrategias de rotación, incluida la actual.

• Estrategias de Rotación y Sostenibilidad: Comparar escenarios examinando el ciclo de nutrientes, reducción de erosión, materia orgánica, interrupción de plagas y uso del agua, destacando aportes de cultivos fijadores de nitrógeno, de cobertura o tolerantes a la sequía.

• Diseño Centrado en el Agricultor: Asegurar que la herramienta sea interpretable para agricultores con poca experiencia técnica

Comprender cómo se distribuye la actividad de incendios en nuestro planeta a lo largo del tiempo, incluyendo incendios forestales y agrícolas lo suficientemente intensos como para ser detectados por sensores satelitales, nos permite anticipar períodos críticos, orientar las labores de monitoreo y mejorar la respuesta ante incendios. Los satélites han rastreado focos de incendios activos durante más de dos décadas, pero los registros están dispersos entre sensores cuyos datos no se pueden comparar directamente, lo que deja a los gestores de incendios sin una visión coherente de cuándo y dónde se han producido los incendios.

En Cochabamba, los incendios forestales en la Cota 2750 del Parque Nacional Tunari y las áreas periurbanas representan una grave amenaza ambiental, ecológica y de seguridad. Los satélites de la NASA registran focos de calor desde el año 2000 mediante el sensor MODIS (resolución espacial de 1 km) y desde 2012 con el sensor VIIRS (resolución espacial de 375 m). Sin embargo, combinar ambas fuentes de datos de forma directa genera importantes distorsiones analíticas: se crea la falsa impresión de que la frecuencia de incendios aumentó drásticamente a partir de 2012, cuando en realidad dicho incremento responde a la mayor sensibilidad y resolución del sensor VIIRS. Para obtener estadísticas reales y utilizables en la toma de decisiones municipales, es indispensable resolver la redundancia espacio-temporal y la disparidad de resoluciones entre ambos sensores.

A medida que aumenta la frecuencia e intensidad de los incendios, los responsables de la gestión de emergencias y la UGR (Unidad de Gestión de Riesgos) se benefician de un calendario de zonas de alto riesgo actualizado y coherente. La aplicación web debe armonizar los puntos de interés FIRMS de NASA Earthdata, combinando la extensa serie histórica de MODIS con la continuidad y el mayor nivel de detalle de VIIRS para superar las disparidades técnicas.

Su reto consiste en desarrollar un calendario armonizado de actividad de incendios basado en puntos críticos de incendios activos en una aplicación web, cumpliendo tres metas centrales:

1. Armonizar los Registros Térmicos: Desarrollar un algoritmo o método de agregación espacial que elimine duplicados y normalice las lecturas de MODIS y VIIRS entre 2000 y el presente, de modo que el sensor de origen deje de ser una limitante y se enfoquen los patrones y tendencias.

2. Visualizar la Recurrencia e Historial: Crear un visor geoespacial interactivo con un calendario térmico (tipo heatmap o matriz temporal de meses vs. años) que identifique las épocas y sectores con mayor frecuencia histórica de quemas.

3. Detectar Anomalías en Tiempo Real: Implementar un motor de alerta que compare la actividad de focos detectada en un período actual con el promedio histórico de la zona para notificar anomalías significativas.

• Público Objetivo: La herramienta está orientada a personal de alerta temprana y respuesta a emergencias, científicos, administradores de tierras, bomberos y funcionarios municipales.

• Interactividad y Accesibilidad: Se sugiere que la aplicación web sea interactiva, permitiendo al usuario dibujar un área de interés o ingresar coordenadas, utilizando rampas de color accesibles e intuitivas (representando un "calendario en llamas").

• Indicadores Clave y Descarga: La herramienta debe destacar comparaciones históricas con anomalías frente a promedios multianuales, número de incendios detectados, y permitir la exportación de archivos CSV o GeoJSON con los focos de calor filtrados durante la búsqueda.