CAMBIOMETRÍA DE LA
CRISIS CLIMÁTICA IMPLEMENTANDO
INTELIGENCIA ARTIFICIAL
CAMBIOMETRY OF THE
CLIMATE CRISIS IMPLEMENTING
ARTIFICIAL INTELLIGENCE
Víctor Rogelio Tirado Picado
Universidad Americana, Nicaragua
pág. 9727
DOI: https://doi.org/10.37811/cl_rcm.v9i1.16602
Cambiometría de la Crisis Climática Implementando Inteligencia Artificial
Víctor Rogelio Tirado Picado
1
victornica2001@yahoo.com
Dirección de Investigación y Extensión Universitaria,
Universidad Americana-UAM
Managua, Nicaragua
RESUMEN
La implementación de la Inteligencia Artificial (IA) en la cambiometria de la crisis climática tiene como
objetivo principal destacar la IA como una herramienta importante para el monitoreo y análisis de los
diferentes factores climáticos, destacando el estudio de patrones complejos, la identificación las
anomalías y evaluación de impactos. La IA en la cambiometria ha permitido avances significativos en
el monitoreo climático, el análisis de ecosistemas y predicción de fenómenos extremos, así mismo la
utilización de IA se puede procesar grandes volúmenes de datos en tiempo real, proveniente s de
múltiples fuentes, como satélites, estaciones meteorológicas y sensores remotos. De manera conclusiva
la IA aplicada en la cambiometria ofrece una ventaja importante al proporcionar análisis de gran
precisión y permite la simulación de diferentes escenarios de cambio climático, mismo para informar
políticas de mitigación y adaptación que permite avanzar hacia una gestión climática mas efectiva, que
responda con precisión y rapidez a los desafíos ambientales y sociales derivados del cambio climático.
Palabras Clave: inteligencia artificial, crisis climática, redes neuronales artificiales, ambiente,
cambiometria.
1
Autor Principal
Correspondencia: victornica2001@yahoo.com
pág. 9728
Cambiometry of the Climate Crisis Implementing Artificial Intelligence
ABSTRACT
The implementation of Artificial Intelligence (AI) in climate change analysis has the main objective of
highlighting AI as an important tool for monitoring and analyzing different climate factors, highlighting
the study of complex patterns, the identification of anomalies and the evaluation of impacts. AI in
climate change has allowed significant advances in climate monitoring, the analysis of ecosystems and
the prediction of extreme phenomena. Likewise, the use of AI can process large volumes of data in real
time, coming from multiple sources, such as satellites, weather stations and remote sensors. In
conclusion, AI applied to climate change offers an important advantage by providing highly accurate
analysis and allows the simulation of different climate change scenarios, even to inform mitigation and
adaptation policies that allow progress towards more effective climate management, which responds
accurately and quickly to the environmental and social challenges derived from climate change.
Keywords: artificial intelligence, climate crisis, artificial neural networks, environment, cambiometry
Artículo recibido 07 diciembre 2024
Aceptado para publicación: 15 enero 2025
pág. 9729
INTRODUCCIÓN
Ciertamente en los últimos cincuenta años, la tecnología se ha venido posicionando en nuestras vidas,
muchos son los avances tecnológicos como, por ejemplo: los teléfonos inteligentes, la internet, las redes
sociales, fibra óptica, automóviles eléctricos y por qué no decirlo, la cirugía robótica con láser no
invasiva. Claro está cada cual, usando herramientas como la imprenta, el ordenador, transistor y
electrónica, y bueno, la inteligencia artificial.
Por otro lado, nos encontramos con el clima, como lo dicta (Tirado Picado, 2023) en su investigación,
“Análisis de datos con el arreglo de diferencias finitas en el contexto de la Crisis Climática Global”, es
una paradoja, ya que en vez de ser un sistema en el cual la humanidad conviva, se manifiesta como algo
cambiante que se vuelve en contra, ¿y porque ocurre esto?
De acuerdo con estudios realizados por (Picado, 2024), en su artículo “Modeling Study of the Evolution
of the Climate Crisis over Time”, en medio del ciclo de vida de nuestro planeta, se han destacado a lo
largo del tiempo transformaciones y cambios de manera natural, pero también de manera antropogénica,
que han llevado a un completo divorcio entre el clima de nuestro planeta y el hombre.
Ahora bien, pero ¿qué relación hay entre la tecnología y el clima del planeta?, según (Parra Romero &
Cadena Díaz, 2010) que a su vez en la evaluación constructiva de tecnología (ECT), cita a (Cutcliffe,
Goldman, Medina, & Sanmartin, 1992), y que ambos están de acuerdo, que existe una profunda
problemática social y el clima, producido por la innovación y tecnología, y que a su vez no ha habido
una evaluación de los efectos que traen consigo el avance tecnológico.
En tal sentido la conjugación asociativa entre tecnología y clima, es que la tecnología afecta al clima en
una dirección, produciéndose un impacto en el cambio climático como: la producción y uso de muchas
tecnologías generan emisiones de gases de efecto invernadero, lo que contribuyen a la ebullición global:
se destaca la quema de combustibles fósiles en plantas de energía y vehículos liberando dióxido de
carbono (CO2), así como otros gases, dirigidos a la atmosfera; las industrias tecnológicas, la
fabricaciones de dispositivos eléctricos y otros productos.
¿El punto es, como influye la tecnología utilizando herramientas como la inteligencia artificial en la
armonización y adaptabilidad del hombre con el clima de nuestro planeta?
pág. 9730
METODOLOGÍA
El presente trabajo fue diseñado bajo el enfoque metodológico cuantitativo, ya que este método se
adapta de mejor manera a la investigación, por sus características y necesidades del trabajo desarrollado.
El enfoque cuantitativo utiliza recopilación y análisis de datos para responder a preguntas de
investigación, y de esta manera probar hipótesis previamente establecida, esto se traduce en:
“la secuencia y probatoria. Cada etapa precede a la siguiente y no podemos “saltar” o evitar
pasos. El orden riguroso, aunque claro, podemos redefinir alguna fase. Se parte de una idea
que se va delimitando y, una vez definida, se derivan objetivos y preguntas de
investigación, se revisa la literatura y se construye un marco teórico o perspectiva. A partir
de las preguntas se establecen hipótesis y se determinan variables; se elabora un plan para
probarlos (diseño); las variables se miden en un determinado contexto; se analizan las
medidas obtenidas por métodos estadísticos y se extraen una serie de conclusiones sobre
la hipótesis”. (Hernández Sampieri, Fernández Collado, & Baptista Lucio, 2014).
La técnica de análisis se tomo del enfoque cuantitativo, la información se basa a partir de metodologías
que utilizan inteligencia artificial, se cuantifica y se adapta a condiciones climáticas. La recolección de
datos se realiza a través de la observación cuantitativa, ya que permite hondar en aplicaciones y
herramientas de IA en la tecnología para armonizar condiciones climáticas con el hombre.
Tiempo de ejecución
En el desarrollo del presente trabajo de investigación, se conto con seis meses, de los cuales dos meses
se ocuparon para la búsqueda de información en literaturas, investigaciones relevantes del tema de
inteligencia artificial y sus aplicaciones; dos meses para el análisis y discusiones, y dos meses para el
desarrollo del documento final, todo en el periodo de marzo del 2024 a agosto del 2024.
Técnicas y Métodos de Recolección de Datos
De acuerdo con la investigación se implemento el experimento, que consiste en manipular las variables
climáticas para observar sus efectos implementando herramientas de inteligencia artificial.
Y la observación estructurada, consiste en observar las variables y sus comportamientos específicos
cuando estos son alterados en la línea de tiempo por actividades antropogénicas, de manera controlada
y sistemática con escala de medición.
pág. 9731
Fuentes Primarias
Artículos científicos relacionados con el uso de la inteligencia artificial como herramienta en la
cambiometria climática.
Bibliografías, y trabajos relacionados con el uso de la inteligencia artificial como herramienta en la
cambiometria climatica.
Portal web de bibliografía electrónica relacionadas con el uso de la inteligencia artificial como
herramienta en la cambiometria climática.
Universo
El universo para estudiar, son todas las aplicaciones de inteligencia artificial que estén vinculados como
herramientas en la cambiometria climatica. Y todos los factores hidrometeorológicos climáticos que son
alterados por la intervención del hombre.
Muestra
Será la aplicación de herramienta artificial más adecuada para la cambiometria climática como Watson
Climate Prediction Center (IBM), Google Earth Engine, Climate Change AI, Microsoft AI for Earth,
DeepMind Climate Forecasting, Blue Sky Analytics, Pachama, Project Cygnus by NASA, las
difetencias finitas y redes neuronales artificiales; así como también los datos históricos de una de las
variables climáticas como: índice atmosférico, temperaturas, precipitación, velocidad del viento y
humedad relativa.
Criterios de Inclusión
Se analizarán las herramientas de inteligencia artificial destinadas a la cambiometria climatica, y que
por su naturaleza puedan estudiar los factores climáticos. En cuanto a los elementos climáticos, serán
todos aquellos que se puedan medir con herramienta de inteligencia artificial.
Criterios de Exclusión
Se excluyen aquellas herramientas de inteligencia artificial que no estén destinadas al estudio de
cambiometria climatica, y que son de otra naturaleza de estudio que no sean los factore climáticos. Se
excluye aquellos elementos que por su naturaleza no se vean alterados y se presenten de manera natural.
pág. 9732
Aspectos Teóricos
Revisando a (Tirado Picado V. R., 2024), después de haber estudiado las redes neuronales como modelo
de predicción de los factores climáticos aplicado a condiciones de nicaragua, como conclusión,
demuestra que las RNA, como una herramienta de la inteligencia artificial, puede ser utilizada en los
modelos de predicción de la temperatura y la precipitación.
Así mismo, (Tirado Picado, 2023) y (Tirado Picado, 2024), en ambos trabajos se concluye el manejo de
la metodología de diferencia finitas en el contexto de la crisis climática global como una herramienta
poderosa para el tratamiento de las variables medidas en lo correspondiente a precipitación y
temperatura.
En cuanto a la (IBM Watson Climate Prediction Center, 2024), utiliza la IA y aprendizaje automático
para procesar datos meteorológicos y climáticos a gran escala. Es una plataforma que analiza patrones
históricos del clima para hacer predicciones a corto y largo plazo, ayudando a prever fenómenos como
olas de calor, sequias e inundaciones.
Siguiendo con las plataformas, se tiene a (Google Earth Engine, 2024), se diseñado como una
plataforma de análisis geoespacial que utiliza IA para analizar grandes cantidades de datos satelitales y
de sensores remotos, permite detectar cambios de uso de la tierra, la deforestación y la cobertura de
hielo. En otro aspecto, se encuentra (Microsoft AI, 2024), es un programa que otorga financiamiento,
herramientas y acceso a datos a investigadores y organizaciones enfocadas en problemas ambientales.
Utilizan modelos de IA para analizar datos climáticos u monitorear cambios en la biodiversidad, la
calidad del aire y los patrones de agua.
DeepMind Climate Forecasting, en colaboración con el Centro Europeo de Pronósticos Meteoroloticos
a mediano plazo (ECMWF), ha desarrollado modelos de IA avanzados que mejoran la precisión de las
previsiones climáticas a corto plazo, utilizan aprendizaje profundo para optimizar el pronóstico de
fenómenos como tormentas severas, lluvias y cambios de temperatura.
Además, los modelos ayudan a los meteorólogos y gobiernos a anticiparse y responder mejor a eventos
extremos.
pág. 9733
(Blue Sky Analytics, 2024), es una plataforma configurada con IA, utiliza imágenes satelitales y datos
de sensores remotos para monitorear la calidad del aire y las emisiones de gases contaminantes en
tiempo real. Es de manifestar que es útil para medir emisiones industriales, incendios forestales y
contaminación urbana.
En otro aspecto, (Pachama, 2024), usa IA y sensores remotos para analizar y monitorear el carbono
almacenado en los bosques y otros ecosistemas naturales, ayudando a verificar y validar proyectos de
compensación de carbono. Así mismo, es utilizada por organizaciones que buscan compensar sus
emisiones invirtiendo en proyectos de conservación y restauración de ecosistemas.
(Project Cygnus by NASA, 2024), usa algoritmo de IA para analizar datos de misión CYGNSS, que
estudia huracanes y el ciclo hidrológico, en tal sentido la IA permite mejorar la precisión de las
predicciones de tormentas, modelar patrones de precipitaciones, y monitorear la humedad del suelo.
Este proyecto de la NASA permite comprender mejor el impacto de los huracanes en zonas vulnerables
y mejorar las predicciones de su trayectoria e intensidad.
Cada una de estas herramientas, en plataformas, en software de aplicaciones de la IA, están
transformando el análisis climático y están ayudando a crear un entendimiento más profundo y
anticipado de los cambios ambientales, facilitando de esta manera una repuesta más efectiva ante los
retos de la crisis climática.
Ciertamente son pocos los trabajos de investigación en la cambiometria climática que hacen uso de la
IA con una herramienta, sin embargo, se pueden encontrar trabajos relacionados con el uso de lA, tal es
el caso la entrevista realizada a (Duarte & Gómez, 2024), donde se aborda la Sustainability Lead en
Microsoft Latam, como la inteligencia artificial esta transformando la lucha contra el cambio climático,
dando como ejemplos concretos, así como también se discute la ética en tecnologías sostenible y se
conoce las innovaciones que están modelando un futuro verde.
Finalmente, con palabras muy fuertes, (Ávila, Ávila, & Ávila, 2024), manifiesta que la inteligencia
artificial se puede convertir en una potente herramienta para cumplir el objetivo del Acuerdo de París
de limitar el aumento de la temperatura media mundial de 2° C por en cima de los niveles preindustriales
actuales, para lo el cual es necesario medir las emisiones de gases de efecto invernadero con el CO2, es
decir reducir de manera rápida las emanaciones de los gases en todos los sectores productivos.
pág. 9734
Pero la pregunta es, ¿cómo se puede lograr?, de acuerdo con (Ávila, Ávila, & Ávila, 2024), la
herramienta IA se puede utilizar en tecnologías para ayudar a las partes interesadas a adoptar un enfoque
más informado y basado en datos para reducir las emisiones de carbono y de esta manera construir una
sociedad más ecológica, y a la vez, también puede emplearse para ayudar a reajustar los esfuerzos
climáticos globales hacia las regiones de mayor riesgo, sigue planteando (Ávila, Ávila, & Ávila, 2024).
RESULTADOS Y DISCUSIÓN
En cuanto a lo que plantea (Picado, 2024), (Tirado Picado, 2023), (Tirado Picado, 2024) y (Tirado
Picado, 2024), los trabajos están enfocados en Redes Neuronales Artificiales (RNA) y las Diferencias
Finitas, se visualiza las RNA como sistemas de aprendizajes automáticos inspirados en la estructura del
cerebro humano, y que son particularmente útiles para tareas como la predicción de series temporales
como la temperatura y la precipitación, entre otros. Ver figura 1 y 2.
Figura 1. Estructura de una RNA.
Fuente: recuperado de (Tirado Picado, 2024).
En la figura 1, se muestra el proceso de aprendizaje de un sistema de RNA, que luego de haber
configurado su aprendizaje, utilizando como base los datos de precipitación en el periodo 1958 al 2022
de una estación hidromeorológica, da como resultado la siguiente tabla 1.
pág. 9735
Tabla 1. Datos de precipitación normalizados y proyectados para el 2023, tomando como base de datos
el periodo de 1958-2022.
Fuente: recuperado de (Tirado Picado, 2024).
En la figura 2, se presenta la gráfica del comportamiento de la precipitación en los años 2021 y 2022,
y la proyección de la precipitación del año 2023, este es el resultado de desarrollar el algoritmo de la
RNA.
Figura 2. Estructura de una RNA.
Fuente: recuperado de (Tirado Picado, 2024).
En cuanto a las diferencias finitas, se pone en manifiesto como una herramienta matemática que se
puede utilizar para aproximaciones en la solución de ecuaciones diferenciales, (Tirado Picado, 2023) lo
considera como un recurso clave en los métodos de inteligencia artificial. De acuerdo con (Tirado
Picado, 2023), las diferencias finitas permiten construir soluciones aproximadas que son suficientes
para la mayoría de las aplicaciones prácticas, especialmente en problemas de optimización y generación
de datos como simulación y modelado de la IA. Ver figura 3.
pág. 9736
Figura 3. Representación gráfica de una malla bidimensional.
Fuente: recuperado de (Tirado Picado, 2023) obtenido de (Chapra & Canale, 2011)
Para dicho modelo matemático (Tirado Picado, 2023), hace uso de base de datos de varios factores
climáticos como el índice atmosférico NOA, índice atmosférico ONI, precipitación, y la temperatura,
configurando la malla bidimensional haciendo uso de la ecuación diferencial dando como resultado
variaciones térmicas en cada uno de los elementos estudiados.
De lo anterior, la RNA y diferencias finitas en la inteligencia artificial, es sin duda alguna un enfoque
poderoso como lo pone en manifiesto (Tirado Picado, 2024), (Tirado Picado, 2023), donde se combinan
las capacidades de aprendizajes y adaptación de las RNA con la precisión y eficiencia de las técnicas
de diferencias finitas para resolver problemas complejos, como por ejemplo modelado y simulación de
fenómenos físicos, visión de computadoras y procesamiento de imágenes, series temporales y
predicción de secuencias, entre otros aspectos.
Ahora bien, (Blue Sky Analytics, 2024), (IBM Watson Climate Prediction Center, 2024), (Google Earth
Engine, 2024), (Microsoft AI, 2024), (Pachama, 2024) están transformando la manera en que se realizan
las predicciones y el análisis climáticos. Las plataformas que se mencionan aprovechan grandes
cantidades de datos climáticos en tiempo real, algoritmos de aprendizajes automático y modelos
avanzados para mejorar la predicción de los pronósticos, identificar patrones climáticos complejos y
hacer predicciones a corto y largo plazo. Ver figura 4, 5, 6.
pág. 9737
Figura 4. Emisiones de CO2 por la quema de biomasa por cada país a nivel mundial.
Nota: Emisiones de CO2 procedentes de la quema de biomasa, por cada país a nivel mundial, recuperado de (Blue Sky
Analytics, 2024).
Figura 5. deducción de escala de los datos meteorológicos y climáticos.
Nota: El nuevo modelo de base de IA ofrece información que va más allá de las previsiones para que los científicos, los
desarrolladores y las empresas comprendan y analicen mejor los datos meteorológicos y climáticos, recuperado de (IBM
Watson Climate Prediction Center, 2024).
pág. 9738
Figura 6. Superficie terrestre y temperatura.
Nota: Los sensores térmicos satelitales pueden proporcionar información sobre la temperatura y la emisividad de la superficie.
El catálogo de datos de Earth Engine incluye productos de temperatura de la superficie terrestre y marina derivados de varios
sensores de naves espaciales, incluidos MODIS, ASTER y AVHRR, además de datos térmicos sin procesar de Landsat.
Recuperado de (Google Earth Engine, 2024).
En términos generales, la cambiometria es una herramienta que se enfoca en el estudio y mediciones de
los cambios en los diferentes sistemas climáticos, analizando como estos cambios afectan la dinámica
de las variables claves en el tiempo y espacio. En el contexto de la crisis climática, la cambiometria
permite comprender las variaciones en patrones climáticos, ecosistemas, recursos naturales, y sus
impactos sociales y económicos. Con la implementación de la inteligencia artificial, la cambiometria se
convierte en una herramienta poderosa para abordar la crisis climática a ofrecer un a compresión
profunda y detallada de los cambios en el sistema climático y sus efectos.
Por otro lado, la implementación de la IA en la cambiometria de la crisis climática representa, no solo
una herramienta poderosa para abordar la complejidad y urgencia del cambio climático, también, como
una herramienta para el análisis predictivo, modelado de impacto y sistemas de alerta temprana, la IA
permite una compresión más profunda de los cambios en el sistema climático y sus repercusiones a
nivel local y global. Esto, no solo facilita la creación de estrategias de adaptación y mitigación, sino
también mejora la capacidad de repuesta ante los desastres, contribuyendo de esta manera a la resiliencia
de las comunidades y a la protección de los ecosistemas.
pág. 9739
La combinación de cambiometria e IA es, sin duda, esencial para enfrentar la crisis climática de forma
efectiva, informada y sostenible.
CONCLUSIÓN
De manera conclusiva, la implementación de la IA en la cambiometria climática, es una herramienta
revolucionaria para enfrentar los desafíos de la crisis climática. Al integrar el análisis de datos complejos
y multiescalares con modelos predictivos avanzados, la IA en la cambiometria permite un monitoreo
más preciso y detallado de los cambios en el sistema climático y sus efectos sobre los ecosistemas y la
sociedad.
Así, el conjugado de la IA y la cambiometria climática representan un avance fundamental para la
gestión climática que responda con mayor agilidad, precisión y armonización a los retos de un mundo
cada vez afectado por el cambio climático.
Agradecimiento
Primeramente, a Dios, nuestro padre, que me ha dado la mano para continuar por el buen camino
como persona.
A la Universidad Americana, por abrir las puertas del conocimiento en esta nueva etapa de mi vida
REFERENCIAS BIBLIOGRAFICAS
Ávila, C. R., Ávila, C. R., & Ávila, B. R. (2024). Aplicación de la Inteligencia Artificial para hacer
frente al Cambio Climatico en el Mundo. Derecho & Opinion Ciudadana, 165-192.
Blue Sky Analytics. (30 de Marzo de 2024). Blue Sky Analytics. Obtenido de https://blueskyhq.io/
Chapra, S. C., & Canale, R. P. (2011). Métodos numéricos para ingenieros. México D.F.: McGraw Hill
/ Interamericana Editores, S.A. de C.V.
Cutcliffe, S., Goldman, S., Medina, M., & Sanmartin, J. (1992). Estudios sobre sociedad y tecnología,
Anthropos, Barcelona. Anthropos Editorial, 269-286.
Duarte, N., & Gómez, A. M. (26 de Agosto de 2024). El papel de la IA en la lucha contra el cambio
climático con. (M. P. Duque, Entrevistador)
Google Earth Engine. (4 de Abril de 2024). Google Earth Engie. Obtenido de
https://earthengine.google.com/
pág. 9740
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2014). Metodolía de la
Investigación. México D.F.: McGraw-Hill / Interamericana Editores, S.A. de C.V., pag. 5.
IBM Watson Climate Prediction Center. (25 de Abril de 2024). Environmental Intelligence. Obtenido
de
https://www.ibm.com/products/environmental-
intelligence#:~:text=IBM%20Environmental%20Intelligence%20is%20a,damage%20and%2
0supply%20chain%20disruptions.
Microsoft AI. (4 de Marzo de 2024). Microsoft AI. Obtenido de https://www.microsoft.com/en-
ca/ai/?ef_id=_k_Cj0KCQiAoae5BhCNARIsADVLzZc43o0FxAJFaHcATb6Rx56o_fwx9Oe7
qB0CosYiTQ3FV7yiIodnWJwaAmXFEALw_wcB_k_&OCID=AIDcmml4otzwfr_SEM__k_
Cj0KCQiAoae5BhCNARIsADVLzZc43o0FxAJFaHcATb6Rx56o_fwx9Oe7qB0CosYiTQ3F
V7yiIodnWJwaAmXFEAL
Pachama. (15 de Abril de 2024). Pachama. Obtenido de https://pachama.com/
Parra Romero, A., & Cadena Díaz, Z. (2010). El medio ambiente desde las relaciones de ciencia,
tecnología y sociedad: un panorama general. Revista CS, 331-360.
Picado, V. (2024). Modeling Study of the Evolution of the Climate Crisis over Time. Open Journal of
Applied Sciences, 330-342.
Project Cygnus by NASA. (30 de Abril de 2024). Project Cygnus by NASA. Obtenido de
https://www.nasa.gov/history/10-years-ago-the-first-operational-cygnus-cargo-mission-to-the-
space-station/
Tirado Picado, V. R. (2023). Análisis de datos con arreglo de diferencias finitas en el contexto de la
Crisis Climática Global. Ciencias Latina Revista Científica Multidisciplinar, 4160-4182.
Tirado Picado, V. R. (2024). Redes Neuronales Artificiales como Modelo de Prediccion de los Factores
Climaticos en Nicaragua en el Periodo 2021-2022. Ciencia Latina Revista Científica
Multidisciplinar, 1458-1474.
Tirado Picado, V. R. (2024). Relleno de Series Anuales Datos Meteorologicos Faltantes Empleando el
Arreglo de Diferencias Finitas. Ciencia Latina Cientifica Multidisciplinar, 1496-1511.
