Numerosas publicaciones afirman que los grandes volúmenes de datos o big data ambiental van a jugar un papel determinante en la sostenibilidad del planeta.
Pero, ¿de qué forma? El presente artículo tratará de mostrar en qué consiste este recurso informativo y cómo se puede emplear para, por ejemplo, mejorar la gestión de los recursos naturales o conocer de forma detallada el impacto ambiental de las actividades humanas.
Big data ambiental, cuando la naturaleza habla a través de datos
Partiendo de definiciones comunes de big data como las que ofrecen Wikipedia (1) o la web TechTarget (2), los datos masivos o macrodatos ambientales se pueden definir como un enorme y complejo conjunto de datos relacionados con medioambiente (calidad del aire, gestión del agua, biodiversidad, etc.) en el que se pueden buscar (en el argot, minar) información de valor como, por ejemplo, la existencia de patrones repetitivos. Esta información puede ser empleada en proyectos de machine learning o aprendizaje automático con el objeto de extraer tendencias o análisis predictivos.
¿Cómo se recopilan estos datos? Existen numerosas fuentes (estaciones de calidad del aire, cámaras de vídeo, satélites, etc.), aunque no cabe duda de que la irrupción del internet de las cosas con sensores como los que comercializa ENVIRA (calidad del aire, agua, ruido, etc.) ha incrementado la disponibilidad de información. De hecho, es complicado hablar de big data sin hacer mención en un momento u otro al IoT.
¿Qué características definen el big data ambiental?
De forma análoga a cualquier otro conjunto de datos, el big data ambiental se caracteriza por 6 aspectos clave (2), si bien los 3 primeros son los más importantes y los que definen en gran medida qué son los datos masivos:
• Volumen, que hace referencia a la cantidad de información recopilada por cientos o miles de fuentes diferentes.
• Variedad, característica en la que se distinguen
○ los datos estructurados, es decir, la información organizada en bases de datos, por ejemplo, que consiguen agilizar la analítica,
○ los datos semiestructurados, que no están organizados en una base de datos, pero disponen de información asociada como los metadatos, que facilitan el procesado,
○ los datos no estructurados o desestructurados, constituidos por información en diferentes formatos o estructura no uniforme, como pueden ser los archivos de texto o la información procedente de las redes sociales.
• Velocidad o rapidez a la que se genera la información.
• Veracidad o grado de confianza que ofrecen los datos.
• Valor, relacionado con el beneficio que se puede extraer de su explotación.
• Variabilidad, referido a las diferentes formas en las que el big data ambiental puede ser empleado.
Resulta obvio que para obtener el mayor rendimiento de los datos es necesario acometer diferentes tareas que abarcan desde la propia recopilación hasta la analítica pasando por la limpieza y validación de la información. Son labores en las que la experiencia en el manejo de grandes volúmenes de datos y el know how de ENVIRA, que se manifiesta en el desarrollo de herramientas analíticas, son un valioso aval.
Qué usos se le puede dar al big data ambiental
Los datos masivos ambientales tienen diferentes utilidades que incluyen desde analizar las dinámicas de transporte para hacer cumplir las políticas de bajas emisiones de carbono, evaluar el efecto potencial de la actividad humana sobre los acuíferos o impulsar la eficiencia energética (Sharma & Bajracharya, 2017) hasta luchar contra el cambio climático (3).
En los siguientes epígrafes se describen algunos de los usos más relevantes.
Calidad del aire, la predicción como enfoque
El empleo de tecnologías vinculadas a la inteligencia artificial o la construcción de modelos de calidad del aire ofrecen la posibilidad de estimar cómo va a ser la calidad del aire con una antelación de 24-72 horas.
Aunque la confiabilidad de estas técnicas es cada vez mayor, para obtener pronósticos acertados es necesario tener en cuenta la meteorología o la topografía de la zona. De igual forma, la información sobre los niveles de contaminación a emplear debe validarse previamente para descartar datos anómalos resultantes de fallos en los equipos, una tarea que ENVIRA ejecuta a través de técnicas de inteligencia artificial y algoritmos propios.
Asimismo, el análisis pormenorizado de los datos relacionados con la contaminación atmosférica también permite identificar qué zonas presentan una menor calidad del aire, pudiendo adoptar medidas orientadas a corregir estas deficiencias.
Gestión del agua, buscando preservar un recurso cada vez más escaso
El agua ocupa el 70 % del planeta, pero solo el 3 % es agua dulce y dos tercios de este porcentaje están almacenados en glaciares o no está disponible para uso humano. Por tanto, cuando se trata de conservar un recurso tan vital, la recopilación de grandes volúmenes de datos se torna fundamental a fin de analizar el impacto de las actividades humanas o prever la demanda que puede existir en un momento dado.
Así, el uso de contadores inteligentes o la monitorización en continuo de la presión de las conducciones de agua puede ofrecer información sobre la existencia de fugas en la red, además de posibilitar un consumo más eficiente al disponer de datos en tiempo real. La supervisión de los vertidos procedentes de industrias o zonas aisladas, desconectadas en ocasiones de las redes de saneamiento, permite también comprobar que la calidad del agua se ajusta a los estándares legislativos, pudiendo establecer alertas cuando la analítica de datos detecta desviaciones.
Big data y agricultura, aumentando el rendimiento de los campos
La agricultura es la actividad que registra un mayor consumo de agua, aproximadamente, el 70% del agua dulce accesible. Sin embargo, cerca del 60% se desperdicia debido a los sistemas de riego poco eficientes y las fugas. Recopilar datos acerca del porcentaje de humedad del suelo, por ejemplo, permite regar los cultivos de forma más eficaz.
La recopilación de datos en la agricultura hace posible también
➢ Mejorar el rendimiento de los cultivos identificando qué especies plantar, dónde y cuándo.
➢ Proteger las cosechas detectando la presencia de enfermedades y plagas y anticipándose a eventos meteorológicos extremos.
➢ Responder a las demandas y expectativas de los mercados con antelación, mejorando de las cadenas de suministro.
Conservación de la biodiversidad, salvaguardando el futuro del planeta
Steve Jarratt, escritor especializado en tecnología, afirma que a medida que la población mundial se incrementa y coloniza nuevos territorios, «la flora y la fauna se acercan al borde de la extinción», mientras «la contaminación, la caza furtiva y el cambio climático exacerban el problema» (5).
La monitorización del entorno natural a través de satélites para analizar la deforestación, o la supervisión del estado de los océanos, midiendo su progresiva acidificación son, por tanto, ejemplos de supervisión del impacto ocasionado por las actividades humanas que permiten adoptar las medidas necesarias para su corrección.
El big data ambiental, en resumen, supone la recopilación de una ingente cantidad de datos que posibilita supervisar del estado del planeta de forma más eficiente y mejorar la explotación de los recursos naturales reduciendo el impacto ambiental. No obstante, y lejos de esa afirmación que asegura que los datos son el petróleo del siglo XXI, su verdadero poder reside en las decisiones que se toman basándose en su análisis.
Referencias:
– (1) Macrodatos (2019). Wikipedia. https://es.wikipedia.org/wiki/Macrodatos
– (2) Rouse, M. (2018). Big data. TechTarget/SearchDataManagement. https://searchdatamanagement.techtarget.com/definition/big-data
– (3) Kh, R. (2019). Can Big Data Help Save The Environment? SmartData Collective. https://www.smartdatacollective.com/can-big-data-help-save-environment/
– (4) WWF. Water scarcity. https://www.worldwildlife.org/threats/water-scarcity
– (5) Jarratt, S. (2018). Driving ecology and preserving biodiversity using big data. Intel. https://www.intel.co.uk/content/www/uk/en/it-management/cloud-analytic-hub/big-data-driving-ecology.html
– Anadiotis, G. (2017). Planet analytics: big data, sustainability, and environmental impact. ZDNet. https://www.zdnet.com/article/planet-analytics-big-data-sustainability-and-environmental-impact/
– Sharma, G., & Bajracharya, R. (2017). Role of big data in environmental sustainability. Aug. 10-11, 2017 Singapore RTSECT-17, CABES-17, BDCATE-17, HISHTM-17, BELSD-17 & BBMPS-17. doi: http://doi.org/c69q
