evidoria

← Volver al listado

Buena práctica Importada

Un prototipo comunitario de previsión de inundaciones mediante aprendizaje automático para el distrito de Kasese, Uganda

Uganda · Kasese · Ver el perfil de Uganda

Evidencia: Descriptivo / autodeclarado Top 88% 33/100 · Pregunte a Evidence Copilot sobre esta práctica

Investigadores y partes interesadas del distrito de Kasese construyeron un prototipo de bajo coste, alimentado por sensores y aprendizaje automático (regresión lineal y k vecinos más cercanos), que prevé el riesgo de inundación del río Nyamwamba a partir de la lluvia, la temperatura y la humedad, enviando alertas por SMS, pero el estudio publicado lo describe como una prueba de concepto sin validar, no como un sistema operativo ya escalado.

Detalles

Madurez
Piloto
Promotor
Kasese District Local Government (with local university researchers and community stakeholders)
Período
2023–2025 (proof-of-concept)
Palabras clave
disaster risk management, flood early warning, local government

Contexto

El distrito de Kasese, en el oeste de Uganda, sufre inundaciones recurrentes del río Nyamwamba, que desciende desde las montañas Rwenzori hasta la ciudad principal del distrito, lo que llevó a investigadores y partes interesadas locales a buscar una opción de alerta temprana asequible y adecuada para una zona rural con recursos limitados.

Objetivos

El proyecto se propuso construir un sistema de aprendizaje automático de bajo costo, basado en sensores, capaz de prever el riesgo de inundación en el río Nyamwamba y avisar a los residentes a tiempo para actuar.

Actividades

Mediante un enfoque de diseño participativo que involucró a partes interesadas del distrito y estudiantes de la zona afectada, el equipo combinó sensores económicos y placas Arduino con la plataforma ThingSpeak para la recopilación de datos en tiempo real, y entrenó modelos de regresión lineal y k-vecinos-más-cercanos con datos de precipitación, temperatura y humedad para predecir niveles de inundación, enviando alertas por SMS y redes sociales.

Resultados

Una evaluación revisada por pares, publicada en 2025 en la Journal of Flood Risk Management, indica que el prototipo recopiló y analizó con éxito datos de sensores en tiempo real y produjo predicciones de niveles de inundación, destacando su bajo costo y su dependencia de la cobertura móvil ya existente como puntos fuertes para un despliegue rural.

Conclusiones

Los propios autores del estudio describen el sistema como una prueba de concepto aún no validada, construida sobre un conjunto reducido de indicadores climáticos, que requiere validación adicional antes de cualquier ampliación.

Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Medio (1–3 años)
Personal y competencias
Kasese District Local Government, local university researchers, community stakeholders and students from the affected area

Condiciones para el éxito

  • Participatory design-science process involving district officials and affected-community students
  • Low-cost, off-the-shelf hardware (sensors, Arduino boards) suited to a resource-constrained district
  • Reliance on existing mobile-phone penetration for SMS-based alerts rather than new infrastructure

Modos de fallo comunes

  • Built on a narrow set of climate indicators (rainfall, temperature, humidity only)
  • Requires further validation before any wider rollout, per the study authors
  • No formal government agency ownership, funding line or sustainability plan documented

Habitualmente financiado por

Own resources / municipal budget Philanthropic / foundation funding

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles