Crean modelo matemático para predecir las alertas, premergencias y emergencias ambientales - Universidad Católica del Maule
Trigger

Crean modelo matemático para predecir las alertas, premergencias y emergencias ambientales

Crean modelo matemático para predecir las alertas, premergencias y emergencias ambientales
27 Nov 2023

La académica de la UCM, Dra. Carolina Marchant, presentó conclusiones de proyecto Fondecyt que permite que las autoridades tomen medidas oportunas referentes a la contaminación ambiental.

En el mundo real, algunos procesos siguen patrones predecibles, y uno de estos patrones se relaciona con la acumulación de partículas de la contaminación del aire, las que acumuladas gradualmente pueden llegar a niveles peligrosos para la salud, si no se limpian por condiciones climáticas como viento o lluvia. Estos episodios de contaminación pueden desencadenar alertas, preemergencias o emergencias ambientales.

Debido a la variabilidad natural de estos fenómenos, existe incertidumbre en cuándo y cómo ocurrirán, la que puede abordarse utilizando modelos estadísticos, tal como lo hizo la académica de la Facultad de Ciencias Básicas de la Universidad Católica del Maule (UCM), la Dra. Carolina Marchant en su Proyecto Fondecyt 11190636 de Investigación llamado: “New multivariate models based on birnbaum-saunders distributions with applications to air pollution”.

“En este proyecto, nos enfocamos en desarrollar este tipo de modelos para comprender y predecir la calidad del aire en ciudades de Chile, que a menudo enfrentan problemas de contaminación debido a varios factores, como la geografía y la actividad humana”, comenzó explicando la doctora en Estadística.

“Los modelos utilizados resultaron ser altamente efectivos para prever cuándo la calidad del aire podría deteriorarse, lo cual es crucial para tomar medidas oportunas y proteger la salud pública. Además, colaboramos con investigadores de todo el mundo en este proyecto”, sostuvo después la Dra. Marchant Fuentes.

“El objetivo principal del proyecto –siguió-, fue mejorar los modelos estadísticos que se basan en la idea de acumulación, especialmente aquellos relacionados con la distribución Birnbaum-Saunders. Al considerar aspectos multivariados y semiparamétricos, pudimos hacer estimaciones y predicciones más precisas sobre la contaminación del aire”, indicó.

Por último, la académica UCM valoró el trabajo realizado señalando que “desarrollamosherramientas estadísticas valiosas para entender y anticipar la calidad del aire en ciudades chilenas. Estas herramientas están disponibles para su uso práctico, implementadas en software de uso libre como R-project y Python, y compartimos nuestros resultados con la comunidad a través de presentaciones y publicaciones científicas”, dijo.

EnglishFrançaisDeutschहिन्दीPortuguêsEspañol