Emilio Guirado Hernández, Jaime Martínez-Valderrama
La desertificación es un problema global que afecta a más de 1.500 millones de personas que viven en los lugares más pobres y vulnerables del planeta. En los últimos años numerosos estudios han contribuido a aportar información para evaluar el problema. Algunos de ellos se basan en analizar variables biofísicas y socio-económicas mediante técnicas de inteligencia artificial. Por ejemplo, se han usado para completar datos de anomalías en la estimación de almacenamiento de agua, la identificación precisa de cobertura del suelo, estimación de la radiación solar diaria a nivel global y mejora en predicciones climáticas, entre otras. Si bien su uso todavía no está muy extendido, el futuro en los estudios sobre desertificación parece prometedor. En este trabajo revisamos el potencial de las técnicas de inteligencia artificial (aprendizaje automático y aprendizaje profundo) en el estudio de la desertificación y su reciente crecimiento en los últimos años. Durante el periodo 2015-2020 el número de publicaciones que implementan el aprendizaje profundo se incrementó un 63%, mientras que para el aprendizaje automático su crecimiento fue más modesto, del 3%. En particular, cuando buscamos estudios relacionados con la desertificación, las cifras de crecimiento son más llamativas: un incremento medio del 103% en estudios con aprendizaje profundo, y del 43% en aprendizaje automático. Sin embargo, se requieren más estudios y esfuerzos que agrupen todas las disciplinas implicadas en el estudio de la desertificación para obtener una visión global y transversal de este fenómeno y así diseñar acciones efectivas para mitigar sus efectos adversos o anticiparse a ellos.
Desertification is a global problem affecting 1.5 billion people living in the poorest and most vulnerable parts of the world. In recent years, several studies have contributed to provide information to assess the problem. Some of them are based on analysing biophysical and socio-economic variables using artificial intelligence techniques. For example, artificial intelligence have been used to complete anomaly data for water storage estimation, accurate identification of land cover, estimation of global daily solar radiation and improved climate predictions, and others. Although their use is not yet widespread, the future in desertification studies looks promising. In this paper we review the potential of artificial intelligence techniques (machine learning and deep learning) in the study of desertification and its recent growth in recent years. During the period 2015-2020 the number of publications implementing deep learning increased by 63%, while for machine learning its growth was more modest at 3%. In particular, when we look for studies related to desertification, the growth figures are more striking: an average increase of 103% in studies with deep learning, and 43% in machine learning. However, more studies and efforts are needed to bring together all the disciplines involved in the study of desertification in order to obtain a global and transversal vision of this phenomenon and thus design effective actions to mitigate or anticipate its adverse effects.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados