La iniciativa de innovación en big data y ciencia de los datos de Naciones Unidas, Global Pulse y Western Digital anunciaron las soluciones ganadoras del desafío Data for Climate Action (o D4CA, por sus siglas en inglés) durante un evento en COP23, la conferencia sobre cambio climático de Naciones Unidas.
El desafío consistió en una competencia para aprovechar la ciencia de los datos y el big data, con el fin de obtener soluciones frente al cambio climático más rápido. La iniciativa fue organizada por UN Global Pulse con el apoyo de Skoll Global Threats Fund y Western Digital.
El D4CA demuestra lo que es posible cuando las organizaciones del sector público y privado se asocian para el bien común. El acceso a grandes cantidades de datos acelera la capacidad de obtener respuestas y desarrollar algoritmos predictivos que ofrezcan soluciones más precisas.
Dave Tang, vicepresidente ejecutivo de comunicaciones y marketing corporativo en Western Digital aseguró que “Este desafío es sólo un ejemplo de cómo podemos capturar, conservar, acceder y transformar todos los tipos de datos para desarrollar soluciones que ayuden a prosperar a nuestras comunidades y al planeta”.
Robert Kirkpatrick, director de UN Global Pulse agregó: “Las innovaciones inspiradoras que se obtuvieron de este reto son la prueba de cuánto podemos lograr con soluciones para el cambio climático, cuando los expertos en clima, los científicos de los datos y las empresas trabajan en conjunto”.
Más de 450 equipos de científicos de datos e investigadores especializados de 67 países presentaron solicitudes para participar del concurso. Entre estos, 97 equipos semifinalistas trabajaron para desarrollar proyectos de innovación utilizando diferentes tipos de datos y herramientas que proporcionaron 11 empresas del sector privado.
El premio mayor fue para Electromovilidad: Limpiando el aire de la Ciudad de México con políticas climáticas y de Big Data Un equipo de investigadores la Universidad de California, Berkley, y el Instituto Nacional de Ecología y Cambio Climático de México, ganaron el primer lugar del desafío por su investigación acerca de los patrones de tráfico en la Ciudad de México. El equipo analizó datos de Waze para evaluar la posibilidad de permitir con ciertas políticas, el uso de autos eléctricos y de esta forma reducir la contaminación del aire y la emisión de gases que producen efecto invernadero.
Por otro lado, los premios temáticos fueron:
Predicting and Alleviating Road Flooding for Climate Mitigation (Predecir y aliviar las inundaciones para minimizar el impacto climático): Utilizando datos del operador Orange, el equipo del Institute of Technology de Georgia propuso un marco de trabajo para reconstruir las rutas en casos de inundación en Senegal, lo que ayuda a priorizar las mejoras viales con un presupuesto más específico.
EMMA: Ecosystem Monitoring for Management Application (Monitoreo y control del ecosistema poder): Un equipo de la universidad de Cape Town y la Universidad de Buffalo desarrollaron una plataforma utilizando datos satelitales del planeta, para predecir y monitorear en tiempo casi real, el impacto de los incendios forestales en la Región Floral de Sudáfrica.
Air Pollution Induced Micro-migrations: Impacts on Consumer Spending (Micromigraciones inducidas por la contaminación del aire: Impactos en el gasto del consumidor): Un equipo de la Universidad de Yale evaluó los cambios en los patrones de gastos relacionados con los cambios en la calidad del aire en España, utilizando datos de transacciones financieras de BBVA Data and Analytics y datos meteorológicos de Earth Networks.
Finalmente, los premios de visualización de datos:
A Framework for the Optimization of Winter Wheat Seeding Date (Un proceso para optimizar la fecha de siembra invernal de trigo): Usando datos meteorológicos, un equipo con sede en Turquía desarrolló un marco de trabajo para determinar la mejor fecha de siembra en invierno para el trigo, en el contexto de la adaptación climática, que luego se visualizó utilizando herramientas de Tableau.
Urban Physiology: A Dynamic Spatial-Temporal Model of Urban Carbon Emissions to Drive Climate Action by Cities (Fisiología urbana: Un modelo espacio-temporal dinámico de las emisiones de carbono urbanas para promover la acción climática en las ciudades): Combinando datos de Crimson Hexagon, Plume Labs y otras fuentes, un equipo de la Universidad de Nueva York creó una plataforma que incorpora un patrón por hora en alta resolución, de las emisiones de carbono, para ayudar a tomar decisiones a los responsables de tomar las políticas urbanas.
