Estimación del estrés térmico en el sur de Sudamérica a partir de pronósticos basados en inteligencia artificial

Abstract

La exposición a condiciones ambientales extremas, como el calor intenso y la alta humedad, puede comprometer la capacidad del organismo para regular eficazmente su temperatura interna. El Índice Climático Térmico Universal (UTCI) es una herramienta bioclimática que permite evaluar el impacto combinado de la temperatura, el viento, la radiación y la humedad sobre el cuerpo humano. Una estimación precisa del estrés térmico mediante el UTCI puede ayudar a reducir los riesgos para la salud y fortalecer la preparación ante eventos climáticos extremos. A diferencia de los modelos meteorológicos tradicionales, fundamentados en ecuaciones físicas, los avances en inteligencia artificial (IA) han permitido crear sistemas que, mediante el entrenamiento en datos históricos, generan pronósticos con mayor rapidez. Sin embargo, estos modelos de IA suelen ser menos interpretables y no siempre proporcionan todas las variables necesarias para calcular el UTCI, especialmente los datos de radiación, aunque sí incluyen temperatura, humedad, viento y altura geopotencial en varios niveles atmosféricos. En este contexto, el presente estudio propone una metodología para estimar el UTCI en el sur de Sudamérica utilizando exclusivamente las variables disponibles en modelos basados en IA. Se analiza la precisión de dicha estimación y, posteriormente, se aplica a predicciones meteorológicas generadas por estos modelos para evaluar las condiciones térmicas durante un evento de ola de calor. Finalmente, se comparan los pronósticos del UTCI obtenidos mediante IA con los generados por el modelo tradicional GFS.