Previsión del Índice de Condición de la Vegetación mediante aprendizaje automático — La extensión de alerta temprana de la Autoridad Nacional de Gestión de la Sequía de Kenia

La Autoridad Nacional de Gestión de la Sequía de Kenia (NDMA) clasifica la gravedad de la sequía en 23 condados áridos y semiáridos mediante el Índice de Condición de la Vegetación (VCI3M), derivado por satélite, emitiendo una alerta cada vez que el VCI3M cae por debajo de 35 en los boletines mensuales de los condados.

El RCMRD, que suministra los datos satelitales de la NDMA, se asoció con investigadores de la Universidad de Sussex para desarrollar modelos de aprendizaje automático que predicen el VCI3M varias semanas antes de que pueda observarse directamente mediante imágenes satelitales, ampliando el plazo de anticipación de las previsiones pluviométricas de la NDMA, de aproximadamente 15 días.

Se entrenaron y validaron modelos de autorregresión lineal y de regresión mediante Procesos Gaussianos frente al registro histórico del VCI3M de Kenia y el umbral operativo de alerta.

Los modelos alcanzaron una tasa de acierto de aproximadamente el 89%, con una tasa de falsas alarmas del 4%, con un plazo de anticipación de 4 semanas, y una tasa de acierto de aproximadamente el 81%, con una tasa de falsas alarmas del 6%, con un plazo de anticipación de 6 semanas. Los resultados se publicaron en un artículo revisado por pares, también disponible en arXiv, independientemente de cualquier material de prensa de una sola agencia.

La intención, según la Universidad de Sussex, es que el RCMRD incorpore estas previsiones al mismo grupo de trabajo técnico interinstitucional (que incluye a la NDMA y a la Cruz Roja de Kenia) que ya coordina la respuesta ante la sequía. Ninguna fuente posterior a la publicación inicial confirma que las previsiones estén ahora integradas en los boletines mensuales oficiales de la NDMA, por lo que esto se interpreta mejor como un proyecto piloto de investigación aplicada casi operativo, y no como un sistema de producción terminado y auditado.