
¡Bienvenidos a WoS! 🦋
En este episodio, exploraremos cómo la IA está ayudando a combatir el cambio climático!
El cambio climático, impulsado por la actividad humana y factores naturales, está intensificando las temperaturas extremas y aumentando la frecuencia de desastres naturales. En este episodio, analizaremos 5 estudios científicos que demuestran cómo la IA se ha convertido en una aliada clave en la lucha contra sus efectos, optimizando la calidad del aire, detectando incendios forestales, monitoreando glaciares y mejorando la predicción de huracanes y rayos con una precisión sin precedentes:
🔹 Estudio #01: “Deep learning model based prediction of vehicle CO2 emissions with eXplainable AI integration for sustainable environment”
Resumen: El investigador Gazi Mohammad Imdadul Alam y su equipo de la Universidad East Delta en Bangladés desarrollaron el modelo Carbon-MLP, una red neuronal de alta precisión para predecir las emisiones de CO2 en vehículos. Además, emplearon IA Explicable para identificar la influencia de cada variable, con el objetivo de optimizar el diseño vehicular y mejorar las políticas ambientales.
Fuente: https://www.nature.com/articles/s41598-025-87233-y
🔹 Estudio #02: “Multiscale wildfire and smoke detection in complex drone forest environments based on YOLOv8”
Resumen: La investigadora Wenyu Zhu y su equipo de la Universidad China de Petróleo Huadong en China desarrollaron un sistema de IA y drones basado en YOLOv8 para detectar incendios con alta de precisión, mejorando la respuesta y protección ambiental.
Fuente: https://www.nature.com/articles/s41598-025-86239-w
🔹 Estudio #03: “Globally scalable glacier mapping by deep learning matches expert delineation accuracy”
Resumen: El Dr. Konstantin Maslov y su equipo de la Universidad de Twente en Países Bajos desarrollaron GlaViTU, un modelo de IA para monitorear glaciares con alta precisión, mejorando la predicción del cambio climático.
Fuente: https://www.nature.com/articles/s41467-024-54956-x
🔹 Estudio #04: “Hybrid AI-enhanced lightning flash prediction in the medium-range forecast horizon”
Resumen: El Dr. Mattia Cavaiola y su equipo del Instituto de Ciencias Marinas en Italia crearon FlashNet, un sistema de IA que mejora la predicción de rayos con alta de precisión, superando modelos tradicionales y permitiendo alertas más tempranas.
Fuente: https://www.nature.com/articles/s41467-024-44697-2
🔹 Estudio #05: “Exploring the typhoon intensity forecasting through integrating AI weather forecasting with regional numerical weather model”
Resumen: El Dr. Hongxiong Xu y su equipo de la Academia China de Ciencias Meteorológicas en China desarrollaron AI-Driven WRF, un sistema que combina IA y modelos numéricos para mejorar la predicción de tifones. Este sistema ofrece pronósticos más precisos, ayudando a mitigar riesgos y proteger zonas vulnerables.
Fuente: https://www.nature.com/articles/s41612-025-00926-z
Tu tiempo y apoyo son esenciales para que sigamos explorando y compartiendo juntos el fascinante mundo de la ciencia, gracias! ✨
Hasta el próximo programa, un abrazo!
————————————————————————–
👇🏻 Chapters:
00:00 – Intro and theoretical framework
01:30 – Welcome by Javi
02:41 – Study No. 1: Vehicle CO2 emissions
04:53 – Study No. 2: Wildfire & smoke detection
07:32 – Study No. 3: Globally scalable glacier mapping
09:50 – Study No. 4: Lightning Prediction
12:02 – Study No. 5: Typhoon intensity forecasting
14:01 – Outro, next program, and farewell
————————————————————————–
Conéctate con nosotros 😉
📢 WoS WhatsApp Channel (ESP): https://whatsapp.com/channel/0029VauXlRTJ3jutnO62dN
📢 WoS WhatsApp Channel (ENG): https://whatsapp.com/channel/0029VazZT4hCHDydBMpMHr3o
💼 LinkedIn: https://linkedin.com/in/jjaira
📸 Instagram: https://instagram.com/worksofscience
source
👇🏻 Chapters:
00:00 – Intro and theoretical framework
01:30 – Welcome by Javi
02:41 – Study No. 1: Vehicle CO2 emissions
04:53 – Study No. 2: Wildfire & smoke detection
07:32 – Study No. 3: Globally scalable glacier mapping
09:50 – Study No. 4: Lightning Prediction
12:02 – Study No. 5: Typhoon intensity forecasting
14:01 – Outro, next program, and farewell