Modelo Predictivo y Sistema de Alerta Temprana (SAT) para la Inseguridad Alimentaria en la Comunidad de Madrid
Modelo Predictivo y Sistema de Alerta Temprana (SAT) para la Inseguridad Alimentaria en la Comunidad de Madrid El objetivo central del proyecto fue desarrollar una metodología validada y un sistema de alerta temprana (SAT) que permitiera identificar de manera ágil y predictiva el crecimiento de la inseguridad alimentaria en la Comunidad de Madrid. El fin último es estandarizar un modelo de alerta que, basado en la variación de consumo de alimentos y variables socioeconómicas, sirva para anticipar la toma de decisiones y la activación de acciones futuras con impacto en la lucha contra la malnutrición, especialmente en familias vulnerables y menores. Metodología y Tecnología GIS Avanzada Para la Recogida de datos, definición del patrón y sistema de visualización, aplicamos tecnologías de Big Data y métodos de Machine Learning a variables georreferenciadas. Integración de Variables Predictivas Clave Se definieron y consolidaron tres conjuntos de variables con representatividad a nivel de distrito para el modelado: Variable Consumo (Dinámica): Datos obtenidos de Ministerio de Agricultura, Pesca y Alimentación, a nivel nacional por estrato económico, incluyendo series temporales, precios y disponibilidad. Variable Vulnerabilidad (Estática): Construcción de un índice de vulnerabilidad a nivel de distrito basado en fuentes secundarias socioeconómicas (como el modelo del Ayuntamiento de Madrid), con el desafío de garantizar su capacidad de extrapolación a otros municipios/regiones. Variable Percepción (Validación): Uso de la Escala FIES (Escala de la Inseguridad Alimentaria basada en la Experiencia) del Estudio de Salud de Madrid para incorporar la percepción directa de la inseguridad alimentaria experimentada por los hogares. 2. Tecnologías de Modelado y Análisis Espacial Machine Learning y Definición de Patrones: Se utilizó el concepto de Machine Learning para automatizar la construcción de modelos analíticos. El objetivo fue clasificar los distritos en patrones definidos a partir del cruce de las tres variables: consumo, vulnerabilidad y percepción. Procesamiento GIS y Big Data: El proceso de trabajo implicó el uso intensivo de Sistemas de Información Geográfica (SIG) y manejo de grandes bases de datos para: Acceso a bases de datos en múltiples formatos (vectorial, ráster, BBDD espaciales). Conversión de formatos, estandarización, corrección de errores y georreferenciación de toda la información. Visualización Espacial: El sistema de visualización final se construyó sobre un SIG para permitir consultas interactivas, análisis espacial y la presentación de resultados, como la georreferenciación de los diferentes perfiles de vulnerabilidad obtenidos. Ver otros proyectos
Desarrollo del Aplicativo de Reporte de Emergencias y Vigilancia Territorial del GTAA
Desarrollo del Aplicativo de Reporte de Emergencias y Vigilancia Territorial del GTAA El objetivo principal del proyecto de aplicativo de Reporte de Emergencias y Vigilancia Territorial fue diseñar, desarrollar y poner en funcionamiento una Aplicación Móvil que funcione como un Sistema de Alerta Temprana (SAT), permitiendo a las comunidades del territorio Awajún reportar emergencias y amenazas de forma oportuna y en tiempo real. Este proyecto fortalece las capacidades institucionales de las comunidades Awajún para la preparación y respuesta rápida ante emergencias, ya sean fenómenos naturales (inundaciones, incendios, sequías) o amenazas antrópicas (derrames de petróleo, minería ilegal, deforestación). Metodología y Tecnología de Código Abierto (Open Source) El desarrollo se ejecutó en un período de 60 días calendario y se basó en una metodología de tres fases, priorizando la independencia tecnológica del cliente mediante el uso de herramientas de código abierto (open source): Diseño e Implementación del Formulario: Diseño de una plantilla de reporte bilingüe (español y awajún) adaptada para usuarios con alfabetización limitada, utilizando íconos y elementos visuales claros. Se implementó la lógica de omisión (skip logic) y ramificación (branching logic) para optimizar la experiencia del usuario. La implementación se realizó sobre Kobo Collect y se generó el archivo XMLFORM para su carga en KoboToolbox. Configuración y Pruebas: Configuración de KoboToolbox para la gestión segura de los datos y la definición de roles de usuario con niveles diferenciados de acceso. Se ejecutaron pruebas de concepto para validar la funcionalidad del registro de datos y se desarrolló la versión preliminar del aplicativo. Desarrollo Avanzado y Capacitación: Desarrollo de una herramienta automatizada (motor de extracción) para la extracción y respaldo periódico de los datos de KoboToolbox, utilizando lenguajes como Python. Se construyó un tablero interactivo (Dashboard) de visualización que muestra las alertas georreferenciadas con mapas y gráficos estadísticos. Finalmente, se impartió un curso virtual de capacitación al personal del GTAA y líderes comunitarios. El resultado ofrece una solución sostenible y escalable para la gestión de emergencias: Aplicativo Móvil Operativo: Versión final aprobada y operativa para el levantamiento de información. Gestión de Datos: Herramienta automatizada para la extracción, respaldo y almacenamiento periódico de los reportes generados. Visualización GIS: Tablero interactivo que permite visualizar las alertas georreferenciadas en un mapa, junto con indicadores y visualizaciones estadísticas. Capacitación y Documentación: Elaboración de manuales instructivos (en español) y ejecución de un curso de capacitación para asegurar la apropiación y sostenibilidad del sistema por parte del GTAA. https://gis4tech.com/Archivos_subidos_a_la_web/Video_App_Per%C3%BA_RRI_OP.mp4 Ver otros proyectos
Consultoría para el Modelado de Áreas Inundables de Alta Calidad para las Cuencas de los Ríos Motagua, San Carlos–Aguas Zarcas y Paz en Guatemala, Costa Rica y El Salvador
Consultoría para el Modelado de Áreas Inundables de Alta Calidad para las Cuencas de los Ríos Motagua, San Carlos–Aguas Zarcas y Paz en Guatemala, Costa Rica y El Salvador La Cruz Roja Alemana ha identificado la necesidad de contar con información técnica precisa para apoyar la gestión de riesgos en América Latina. Este proyecto se centra en tres cuencas hidrográficas que presentan una alta vulnerabilidad a eventos de inundación: Río Motagua (Guatemala) Río San Carlos-Aguas Zarcas (Costa Rica) Río Paz (El Salvador) Los eventos de inundación en estas áreas tienen el potencial de generar impactos significativos en las comunidades locales, la infraestructura y los ecosistemas. Por lo tanto, el objetivo es generar productos de modelado que: Permiten comprender la dinámica de las inundaciones. Informen el desarrollo de planes efectivos de mitigación de riesgos y respuesta ante desastres. Respalden la planificación del uso del suelo y la preparación ante desastres. El estudio se centra en la modelación de las áreas inundables de alta calidad de forma virtual. Se han calculado las zonas inundables para un total de cinco periodos de retorno en cada cuenca, resultando así en un total de 15 simulaciones. Todo ha sido realizado mediante el uso de GIS y de tecnologías de teledetección. https://gis4tech.com/Archivos_subidos_a_la_web/Inundación_rio_san_carlos_Cruz_Roja_Alemana_OP.mp4 Este proyecto es clave para la evaluación de la probabilidad de inundaciones y para comprender el impacto potencial en las comunidades y la infraestructura. La información respalda directamente el desarrollo de acciones de adaptación al cambio climático, preparación ante desastres y la promoción de acciones anticipatorias. Ver otros proyectos
Conflict and Hunger: protecting people in armed conflict and related violence settings from food insecurity, promoting IHL compliance
Conflict and Hunger: Protecting People in Armed Conflict and Related Violence Settings from Food Insecurity, Promoting IHL Compliance La plataforma de Hambre y Conflicto es una herramienta diseñada por Acción contra el Hambre para la comunidad humanitaria con el fin de visualizar datos sobre parámetros de seguridad alimentaria y medios de vida que podrían verse afectados por la ocurrencia de eventos violentos durante conflictos armados, permitiendo un mejor análisis y capacidad para tomar decisiones informadas, al mismo tiempo que promueve la rendición de cuentas en relación con el Derecho Internacional Humanitario (DIH) y la Resolución 2417 del Consejo de Seguridad de la ONU. Su objetivo principal es ayudar a la comunidad humanitaria a comprender mejor y a tomar decisiones informadas sobre la relación directa entre los conflictos armados y el deterioro de la seguridad alimentaria y los medios de vida de las poblaciones afectadas. En esencia, la plataforma: Combina y visualiza datos de violencia (conflictos) con datos de hambre/seguridad alimentaria. Utiliza Inteligencia Artificial (IA) para predecir futuros niveles de inseguridad alimentaria (como la falta de diversidad en la dieta) basándose en la evolución de los conflictos. Promueve la rendición de cuentas para garantizar que se cumplan las leyes de la guerra (DIH) y las resoluciones de la ONU relativas a la protección de los civiles en conflictos Ver otros proyectos
DATAface. Análisis Estadístico Avanzado sobre Perfiles de Hogar Beneficiarios del Proyecto ALCANCES WASPAM
DATAface. Análisis Estadístico Avanzado sobre Perfiles de Hogar Beneficiarios del Proyecto ALCANCES WASPAM El objetivo de esta consultoría es realizar análisis estadísticos avanzados y aplicar técnicas de inteligencia artificial mediante Mapas Autoorganizados (SOM). Utilizando las bases de datos (BBDD) de los proyectos BHA ALCANCES I y II de Acción contra el Hambre en Centroamérica, se busca caracterizar perfiles de familias y territorios bajo criterios de seguridad alimentaria y nutricional (SAN). Además, el proyecto mide el impacto de los programas humanitarios, integrando los resultados en una plataforma de visualización en Power BI. Algunos de los objetivos planteados para el proyecto son los siguientes: Identificar perfiles en base a la inseguridad alimentaria, encontrar perfiles que mejoran su situación tras recibir asistencia y elaborar informes que muestren los resultados de una forma interactiva. Actividades realizadas: Revisión de bibliografía especializada relacionada con caracterización de hogares y/o territorios de acuerdo con criterios de seguridad alimentaria, así como medición de impacto de programas y proyectos que repercuten en la seguridad alimentaria. Revisión de las BBDD generadas en el marco de los estudios de línea de base, postmonitoreo y línea de base final y BBDD adicionales que ayudarán a establecer perfiles de hogar SAN. Se aplicarán diferentes tipos de análisis para la definición de tipologías o perfiles de hogares con distinto grado de seguridad alimentaria (SAN). Intercambio permanente de información con los puntos focales designados por Acción contra el Hambre, con el fin de resolver dudas, valorar diferentes opciones de análisis, resultados preliminares, etc. Informe(s) en formato interactivo Power BI con análisis estadísticos generados, incluyendo reseña metodológica aplicada, resultados más relevantes, breve discusión, gráficos, tablas y esquemas que ayuden a la comprensión de los aspectos metodológicos y resultados. El sistema de información permitirá establecer perfiles SAN centroamericanos basados en BBDD. Proyecto Alcances I y II Ver otros proyectos
Early Warning ADS para el contexto español. Construcción de un modelo de mapeo y monitoreo de la vulnerabilidad en España
El objetivo de esta herramienta aplicada al presente proyecto es efectuar análisis estadísticos avanzados y aplicar técnicas de Inteligencia Artificial mediante…
Evolución de Dashboards corporativos de ACH
El objetivo de esta herramienta aplicada al presente proyecto es efectuar análisis estadísticos avanzados y aplicar técnicas de Inteligencia Artificial mediante…
Anticipación Conflictos
Anticipación Conflictos Ver web del proyecto La herramienta Anticipación Conflictos tiene como objetivo visualizar y dimensionar las áreas dentro de las cuales se han presentado procesos de confinamiento y desplazamiento de las comunidades asentadas dentro del departamento de Nariño (Colombia), motivados por la ocurrencia de fenómenos violentos generados por los actores vinculados al conflicto armado, aportando información que permita definir la probabilidad de ocurrencia de un evento similar en el presente o futuro inmediato (Nowcasting), tomando como base la información histórica asociada a la localización geográfica y el momento de ocurrencia de eventos violentos tales como la activación de artefactos explosivos, combates entre grupos armados ilegales o con la fuerza pública y atentados contra la población civil, entre otros, los cuales alimentan el modelo predictivo de inteligencia artificial diseñado. https://www.youtube.com/watch?v=8XM6RUtKAAA&t=36s Ver otros proyectos VER OTROS PROYECTOS
EW ADS: Emergency Early Warning System
EW ADS: Emergency Early Warning System Emergency Early Warning System es un proyecto cuyo objetivo ha sido el desarrollo de una herramienta que permite monitorizar países y gestionar emergencias de una forma más productiva. Este sistema robusto y flexible permite analizar la evolución de diversos indicadores a lo largo del tiempo, extrayendo datos de múltiples fuentes. Está diseñado para filtrar y clasificar información según métricas críticas como conflictos, economía, migración, desastres naturales y vulnerabilidad, facilitando así un entendimiento profundo de la situación de un país. Además, el sistema puede generar informes situacionales y análisis específicos, y permite la categorización y análisis de crisis mediante indicadores específicos que activan o modifican la evaluación de la crisis. En este sistema se pueden encontrar diversos análisis que facilitan la observación de la evolución a situación de crisis de un país y, por tanto, faciliten la toma de decisiones. Dentro del las capacidades de análisis para la respuesta a emergencias, destacan: Análisis diferenciado por país, discriminando entre países sede y aquellos sin presencia de la organización. Registro y análisis de catástrofes por tipo y fecha, incluyendo detalles como el número de personas afectadas y la severidad del evento, permitiendo prever la evolución de la situación. Seguimiento de variables coyunturales y estructurales, permitiendo la visualización y análisis de la vulnerabilidad tanto inmediata como subyacente de cada país, con posibilidades de cambio de clasificación según la evolución de las circunstancias. Este sistema es una herramienta relevante para la toma de decisiones en situaciones de crisis, optimizando la respuesta a emergencias a través de un análisis detallado y contextualizado. Ver otros proyectos VER OTROS PROYECTOS
PREDISAN Sahel. Sistema de monitoreo y predicción de la Vulnerabilidad Humanitaria de poblaciones pastorales y agro-pastorales del Sahel Occidental basado en análisis GIS e Inteligencia Artificial.
PREDISAN Sahel. Sistema de monitoreo y predicción de la Vulnerabilidad Humanitaria de poblaciones pastorales y agro-pastorales del Sahel Occidental basado en análisis GIS e Inteligencia Artificial El proyecto AISahel consiste en un sistema de monitoreo de la Vulnerabilidad Humanitaria utilizando fuentes primarias y secundarias en la región del Sahel Occidental mediante el uso de técnicas de Inteligencia Artificial y Machine Learning, que sirve de base a la toma efectiva de decisiones y al monitoreo continuamente actualizado de las regiones fronterizas entre Mauritania y Senegal. Los equipos técnicos de las organizaciones humanitarias que operan en la región han guiado todo el proceso de diseño, desarrollo e implementación del sistema de monitoreo de la Vulnerabilidad Humanitaria con la asistencia técnica del equipo especialista. Actualmente, un conjunto de actores se encarga de recopilar, procesar y analizar datos fiables y de buena calidad sobre la Vulnerabilidad Humanitaria de la región, al tiempo que se genera evidencia de información que plantea la situación real en estos territorios tan expuestos al Cambio Climático. Ver otros proyectos VER OTROS PROYECTOS
