Las amenazas climáticas son uno de los mayores peligros a los que se ha enfrentado la humanidad. Las amenazas climáticas se convierten en desastres de menor o mayor impacto en función de la adecuidad de las ciudades a su clima, de la respuesta de las organizaciones humanas y de la resiliencia inmediata del sistema a los eventos del desastre. La respuesta de la población se ha mostrado empíricamente que es alerta inmediata y no de miedo, mediante a observación de picos de actividad en redes sociales integrado con “sentiment analysis” (i.e. Crimson Hexagon, LifeD Lab’s narratives framework). Esa alerta se puede convertir en un “awareness indicator” que nos muestre cómo de rápido una amenaza se convierte en un desastre, este es un fundamento principal para gestión humanitaria mediante técnicas digitales y que también nos ofrece un conocimiento a nivel humano y colectivo (no social) en los desastres. La componente social entra en estado de emergencia y de esa manera se activa el sistema humanitario.
Los factores que determinan la adecuidad de las ciudades a un desastre en los que interviene el agua son múltiples, entre ellos está la topología de la ciudad, el sistema de carreteras, la calidad de los edificios, las vías de evaluación, la topografía y geología de la ciudad (relieve, terreno, cuencas, alrededores y otros) y altimetría. Se considera que la vulnerabilidad de una ciudad o un asentamiento humano tiene una componente fundamental que es muy compleja y no es lineal y que es imposible de caracterizar con los datos existentes de desastres, el tamaño. Por este motivo, las organizaciones humanitarias de desastres tienen que basar su actividad en un mapeo de población muy preciso que debe ser independientemente del tamaño de los asentamientos, siempre bajo el lema “leave no one behind”.
Sin embargo, la peligrosidad de los asentamientos implica la necesidad de explorar otras tecnologías remotas para evitar el riesgo de las personas que se desplazan a hacer encuestas, censos o medición de datos con sensores en terreno (small data). En muchos casos, adquirir “small data” es imposiblemente éticamente y diplomáticamente y sólo es posible mediciones con “big data” y “remote sensing”. Uno de los aspectos principales de este tipo de mediciones de “resilience variables” es adquirir con una frecuencia apropiada en el tiempo, por este motivo el “big data” ha conseguido ganar más y más importancia en el sistema humanitario internacional, especialmente en Naciones Unidas (a través de su agencia UN Global Pulse) con el objetivo de reducir costos, evitar peligro para los actores humanitarios y poder actualizar los frameworks de resiliencia y medición. Además, el “big data” permite inferir nuevos conocimientos “mesoscópicos” sobre el comportamiento colectivo durante emergencias y desastres, así como estacional y patrones característicos socio-económicos.
La peligrosidad de los asentamientos implica la necesidad de explorar otras tecnologías remotas para evitar el riesgo de las personas que se desplazan a hacer encuestas, censos o medición de datos con sensores en terreno (small data)
El sistema humanitario se compone de diferentes agencias gubernamentales y no gubernamentales y ejercito. Estos sistemas se coordinan de diversas maneras, entre ellas a nivel diplomático. Se identificó que entre estos sistemas falta una componente automática y tiempo real que permita identificar problemas y agilizar la respuesta humanitaria en primer lugar. Los sistemas de indicadores para respuesta “real time” se complementan con frameworks de resiliencia “data-driven” para una respuesta holística y “real time”, así como una mejor valoración del impacto del desastre a corto plazo y, potencialmente, medio-largo plazo.
La temporalidad de la respuesta al desastre es clave. Esta respuesta ha sido caracterizada como cíclica e incremental. “Early response” es siempre el objetivo de los agentes humanitarios, para ello se intentan crear sistemas “Early warning” que anticipen lo máximo posible la ocurrencia, magnitud y localización del desastre. Como se ha comentado el objetivo reciente de UN y otras agencias del desarrollo y acción humanitaria es contar con sistemas automáticos y “data-driven”. El paso siguiente es conseguir que estos sistemas “data-driven” sean también “catalyzers” e “enablers” de una respuesta conjunta y eficaz de varios actores, no necesariamente eficiente. Esto es importante ya que en estos nuevos sistemas entran en juego muchos actores privados como bancos, empresas de satélites, operadores móviles, mobile apps, etc. Un “inhibitor” es el potencial riesgo de privacidad de las personas, por eso, se ha propuesto un sistema de diferentes niveles de necesidad-riesgo-privacidad que asegure un uso responsable y eficaz de los datos para “Early Warning”.
Un proyecto incubado en el marco de UN Data For Climate Action Challenge tuvo a su disposición datos heterogéneos de diversos organismos como Orange, Crimson Hexagon, Schneider Electric y Planet. Estas fuentes fueron completadas con datos de Twitter, Google y la NASA. A través de varios casos se pudieron extraer varias conclusiones.
Los datos satelitales de alta resolución combinados con datos topográficos permiten extraer la “Spatio-temporal proxy” del desastre. Integrando esta huella con datos climatológicos se pueden caracterizar los umbrales de riesgo. Sin embargo, muchas veces los datos climatológicos no son suficientes para detonar las alarmas y tomar las primeras prevenciones que son clave para mitigar el desastre. Los “social media proxies” conforman señales que capturan la reacción de las poblaciones al ver el daño incipiente que va a causar el desastre, de este modo a través de los datos como “real-time social sensing”, las personas se convierten en los mejores sensores “in-situ” de los desastres.
Para una caracterización más completa del desastre, es necesario integrar las diversas capas geográficas de puntos clave como hospitales o carreteras. Estos datos están disponibles como “shapefiles” en diferentes organizaciones públicas y del desarrollo y deben ser integradas de forma coherente a través de proyecciones espaciales y temporales. Una imagen estática de la situación es insuficiente y los shapefiles son únicos o actualizados con poca frecuencia al igual que las encuestas. La movilidad que podemos reconstruir a partir de los datos de móviles y la evolución del sentimiento en los días e inclusos meses posteriores al desastre es clave para entender el impacto a corto plazo y largo plazo. A partir de los móviles podemos crear un mapa dinámico de “hotspots” y también redes de movilidad que nos permiten entender cómo la estructura dinámica de una población cambia con el tiempo (“Dynamic Impact”).
El objetivo es frenar el daño a la par que incrementar la resiliencia, una propiedad dinámica que emerge de la complejidad del sistema y del humano en colectivo
Este impacto, sin embargo, no es homogéneo geográficamente ni socialmente. Es necesario desagregar al máximo las mediciones de impacto con “big data” para que sean representativas de todos los segmentos de la población, especialmente la más vulnerable. Para ello se necesitan los mejores datos disponibles a través de alianzas UN y empresas privadas (i.e. Orange, Turkey Telecom, Telefonca, Cuebiq, Facebook, Twitter, etc). La compartición de datos es el nuevo valor social que debe ser activado cuando se requiere en tiempo real y ello implica diseñar e implementar sistemas e infraestructura de forma anticipada.
Un objetivo global, por supuesto complementario a frenar este proceso de deterioro y daño, es incrementar la resiliencia de comunidades, ciudades y regiones en todo el mundo para hacer frente a los efectos del cambio climático. Si nos detenemos en qué es la resiliencia, podemos observar de procesos resilientes como el desarrollo del propio ser humano, que es una propiedad profundamente dinámica y que emerge de la complejidad del sistema. En un tejido socio-económico conectado con la naturaleza, los desastres y el cambio climático ponen de manifiesto las interdependencias, fortalezas y debilidades de nuestros sistemas sociales con el ecosistema.
Si usamos el marco de los Objetivos de Desarrollo Sostenible, prácticamente podemos encontrar relaciones sistémicas de todos los ODS con el cambio climático y las amenazas naturales. Por eso es entender las interrelaciones complejas del clima con cuestiones como el funcionamiento de la ciudad, los medios de vida, la industria, las relaciones de género o las migraciones y de esa manera poder cuantificar el impacto de desastres y crisis climáticas para nuevas políticas, planes de desarrollo y métodos científicos. Para ello, ahora disponemos de diversos datos: sensores ambientales, redes sociales, teledetección, topografía digital, teléfonos móviles y otras nuevas tecnologías.
Los desastres naturales afectan a cientos de millones de personas en todo el mundo cada año. Aún cuando las amenazas son inevitables, los desastres pueden ser mitigados mediante acciones humanas e institucionales: anticipación, respuesta y recuperación, y también políticas y gobernanza que fomenten la resiliencia potenciando aquellos factores que mejoren como el sistema social reacciona frente a las amenazas. En todas estas estrategias el Big Data y la Inteligencia Artificial se han vuelto clave.
Estos nuevos sistemas también requieren de nuevas capas de gobernanza incluyendo frameworks éticos para la tecnología digital. Además, los métodos de financiación “real-time” potenciados con IA, datos y Blockchain son clave para liberar recursos económicos de forma eficiente y eficaz para crear un impacto escalable y exponencial en la población para que el tiempo de sufrimiento sea el menor y los impactos en la salud, la economía, la psicología y el bienestar total de los países afectados sea el menor ya que todas las poblaciones afectadas están interconectadas a mayor escala con poblaciones vecinas, ciudades y sistemas socio-económicas nacionales y regionales. Por ello es necesaria la gobernanza multi-escala humanitaria.
