Inteligencia Artificial en la Evaluación de Impacto Ambiental

Es una realidad, los consultores ambientales todavía evaluamos los impactos ambientales utilizando métodos cualitativos básicos. Ha llegado el momento de introducir paulatinamente un enfoque innovador basado en Inteligencia Artificial (en adelante IA) generando así índices de evaluación de impacto ambiental que reflejen estadísticamente las relaciones entre los diferentes factores ambientales y el medio, aportando patrones entre los datos minimizando así la influencia del sesgo humano, pero sin olvidar la experiencia del consultor ambiental como componente crucial en el proceso de evaluación.

Y es que la IA en el ámbito de la evaluación del impacto ambiental puede usar algoritmos de aprendizaje automático para analizar grandes y complejos conjuntos de datos. Estos se pueden además entrenar para identificar patrones y tendencias en datos que pueden ser difíciles o imposibles de detectar por el ser humano lo que permitirá predecir los posibles impactos ambientales con mayor rigor.

Otra forma en que la IA puede ayudar en la evaluación de impacto ambiental es mediante técnicas de procesamiento del lenguaje natural, analizando y extrayendo información relevante de grandes volúmenes de texto, como informes científicos, documentos regulatorios y comentarios públicos, agilizando así el proceso de revisión y garantizando que toda la información relevante (propia o no) se considere en la evaluación.

Hasta la fecha los principales trabajos de inteligencia artificial relacionados con el medio ambiente son muy diversos: destacan los relacionados con la evaluación de la biodiversidad, el análisis del ciclo de vida, la modelización de sistemas ambientales (aire, aguas subterráneas,…) o la gestión de recursos naturales pero sobre todo despuntan los trabajos relacionados con el análisis de datos medioambientales procedentes de satélites, drones, sensores, cámaras,…así como la optimización de fuentes y sistemas como por ejemplo de energías renovables o el diseño y aplicación de soluciones sostenibles para la gestión de residuos entre otros.

A pesar del gran número de publicaciones los casos de uso de la predicción en la evaluación ambiental mediante inteligencia artificial son más reducidos. Algunos ejemplos representativos y recientes son por ejemplo en el ámbito de la minería donde se ha aplicado un proceso AutoML desarrollado con una red bayesiana no supervisada capaz de evaluar dinámicamente los potenciales impactos ambientales de una mina de pizarra en Galicia (España) rodeada por la Red Natura 2000. Este estudio permitió identificar los factores de escorrentía superficial y subsuperficial, formas y volúmenes, especies o concentración individual y degradación del duelo como los posibles nodos de mayor impacto ambiental en el área de estudio.

En el ámbito de la acústica ambiental se ha usado la IA para la predicción del impacto ambiental en la voladura de túneles utilizando redes neuronales artificiales ordinarias, enjambres de partículas y redes neuronales artificiales optimizadas.

A pesar de los beneficios potenciales de la IA para mejorar la evaluación de impacto ambiental, tenemos que reconocer que estas tecnologías no son la panacea y es esencial garantizar que el uso de la IA en la evaluación ambiental no socave la importancia del juicio y la experiencia del consultor ambiental ya que es un componente crucial en el proceso de evaluación.

Nos encontramos en los albores del uso de la IA en la evaluación ambiental debido entre otros aspectos a la problemática de la calidad de los datos, el sesgo algorítmico y la necesidad de colaboración interdisciplinaria entre expertos en IA y profesionales medioambientales y es por ello que Ideas Medioambientales ya ha encontrado un gran compañero de viaje con el que ya ha comenzado recorrer el camino de la inteligencia artificial aplicada a la evaluación de impacto ambiental.

Bibliografía:

• Curmally, A., Sandwidi, B. W., & Jagtiani, A. (2022). Artificial intelligence solutions for environmental and social impact assessments. Handbook of Environmental Impact Assessment, 163.
• Gerassis, S., Giráldez, E., Pazo-Rodríguez, M., Saavedra, Á., & Taboada, J. (2021). AI approaches to environmental impact assessments (EIAs) in the mining and metals sector using AutoML and Bayesian modeling. Applied Sciences, 11(17), 7914.
• Lawal, A. I., Kwon, S., & Kim, G. Y. (2021). Prediction of an environmental impact of tunnel blasting using ordinary artificial neural network, particle swarm and Dragonfly optimized artificial neural networks. Applied Acoustics, 181, 108122.
• Yassine Himeur, Bhagawat Rimal, Abhishek Tiwary, Abbes Amira, Using artificial intelligence and data fusion for environmental monitoring: A review and future perspectives, Information Fusion, Volumes 86–87, 2022, Pages 44-75, ISSN 1566-2535

Luis A. Monteagudo, Evaluación ambiental