1. IA y Geografía: Una introducción a las principales herramientas SIG con IA en QGIS
Expositor: José Luis Zuloaga Obregón
En las investigaciones geográficas, el uso de la IA es cada vez más usual. QGIS, software libre y gratuito, ofrece cada vez más herramientas integradas con Inteligencia Artificial. El objetivo de esta ponencia es realizar una introducción a estas herramientas, a través de pequeños ejemplos prácticos aplicados que pueden ser de interés para personas que se comienzan a interesar en este campo.
2. Pronósticos climáticos de alta resolución en los Andes sin supercomputadoras: una solución basada en la inteligencia artificial
Expositor: Christian Yarlequé
Se presenta una nueva metodología basada en inteligencia artificial (IA) para generar pronósticos de tiempo en alta resolución espacial y temporal en los Andes, constituyendo una alternativa muy ligera a comparación de los modelos de pronóstico numéricos regionales, como el tan conocido Weather Research and Forecasting (WRF). El problema abordado radica en que los modelos regionales como WRF requieren elevadas capacidades computacionales y largos tiempos de procesamiento, lo que limita su aplicación en instituciones con recursos reducidos. La investigación se desarrolló en la Cordillera Blanca (Perú), una región caracterizada por una topografía compleja y fuertes gradientes climáticos. Se utilizaron datos del modelo de pronóstico Global Forecast System (GFS) como entrada y simulaciones WRF de 3 km de resolución como referencia para el entrenamiento. La arquitectura propuesta combina redes neuronales convolucionales recurrentes (ConvLSTM) con información topográfica de alta resolución proveniente del modelo digital de elevación SRTM. Los resultados demostraron que el modelo de IA replica bien las variables de temperatura, humedad relativa, las componentes zonal y meridional del viento, sobre las regiones costeras y amazónicas, mientras con mayor incerteza sobre la región montañosa. En conclusión, el modelo de IA logró reproducir satisfactoriamente los patrones atmosféricos generados por WRF, reduciendo significativamente los costos computacionales y permitiendo generar información de pronóstico detallada para regiones montañosas complejas, con potencial aplicación en pronóstico meteorológico, gestión de riesgos de desastres y estudios de cambio climático.
