Skip to main content
European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Development of a Decision Support System for Improved Resilience & Sustainable Reconstruction of historic areas to cope with Climate Change & Extreme Events based on Novel Sensors and Modelling Tools

Article Category

Article available in the following languages:

El uso de la IA en la conservación del patrimonio cultural europeo

Con ayuda de la tecnología, investigadores financiados por la UE mitigan los riesgos que amenazan a monumentos antiguos y yacimientos culturales.

Cambio climático y medio ambiente icon Cambio climático y medio ambiente
Sociedad icon Sociedad

Desde los albores de la civilización hasta nuestros días, los enclaves patrimoniales de Europa representan y celebran su historia conjunta y sus ideales en común. Sin embargo, el impacto del cambio climático y otros factores sobre estos tesoros culturales puede ser difícil de comprender y calcular. «El proyecto HYPERION ha desarrollado herramientas innovadoras para aumentar la resiliencia de los conjuntos históricos en términos sociales, medioambientales y económicos. Estas innovaciones digitales mejorarán de forma proactiva nuestros conocimientos para afrontar en mayor medida futuras catástrofes», explica el coordinador del proyecto, Dr. Angelos Amditis, director de Investigación y Desarrollo del Instituto de Sistemas de Comunicación e Informática de la Universidad Técnica Nacional de Atenas.

Vulnerabilidad del patrimonio

La razón para invertir casi 6 millones de euros en el proyecto se aclara rápidamente al considerar la naturaleza de los monumentos antiguos en los que se ha centrado el proyecto. Los enclaves elegidos son especialmente vulnerables a amenazas medioambientales como fenómenos meteorológicos extremos, terremotos y erupciones volcánicas. El objetivo de HYPERION fue analizar y obtener una mayor comprensión de los efectos de las condiciones meteorológicas extremas, los estragos del tiempo y los fenómenos geológicos intensos en los monumentos del patrimonio cultural a través de proyectos piloto realizados en Rodas (Grecia), Venecia (Italia), Tønsberg (Noruega) y Granada (España). El equipo de investigación realizó una modelización atmosférica para determinar los criterios de gravedad específicos de cada lugar en relación con los factores climáticos adversos. Los principales parámetros meteorológicos que se utilizaron fueron la velocidad y dirección del viento, la temperatura ambiente, la humedad relativa y las precipitaciones. Los datos climáticos previamente cotejados se obtuvieron del archivo EURO-CORDEX, un marco coordinado internacionalmente para elaborar mejores proyecciones regionales del cambio climático de todas las regiones terrestres del mundo.

La IA ayuda a los investigadores a detectar y analizar amenazas para monumentos y enclaves históricos

El equipo de HYPERION incorporó información procedente de distintas fuentes, como bibliografía, estudios e imágenes satelitales y sensores in situ. Esto permitió determinar con mayor precisión la composición estructural de los enclaves patrimoniales y las incertidumbres asociadas, así como el impacto del cambio climático. Los investigadores colocaron sensores en monumentos históricos y enclaves de patrimonio cultural y emplearon drones con base en vehículos, servicios de satélite de área amplia y herramientas de participación comunitaria para mejorar la adquisición de datos. La inteligencia artificial desempeñó un papel fundamental al identificar automáticamente las condiciones mediante técnicas de análisis de imágenes multiespectrales/hiperespectrales terrestres. El proyecto generó con éxito imágenes satelitales de muy alta resolución al emplear modelos de aprendizaje profundo (AP) no supervisados y supervisados de última generación basados en redes neuronales convolucionales (modelos de inteligencia artificial especializados en reconocer e interpretar patrones visuales). Las imágenes procedían de varios satélites, abarcaban una superficie aproximada de 17 a 33 km2 y fueron cruciales para detectar cambios en el terreno y la cubierta de los cuatro enclaves de estudio del proyecto. El uso de IA ha simplificado el proceso de detección de cambios, lo que ha permitido a HYPERION identificar la presencia de materiales impermeables, como el asfalto o el hormigón, que dificultan la absorción del agua de lluvia y aumentan el riesgo de inundaciones pluviales. Por lo tanto, la IA permite automatizar una tarea que, de otro modo, requeriría un gran esfuerzo humano, lo que hace factible la aplicación de esta tecnología y permite un control continuo sin limitarse a evaluaciones intermitentes.

Participación comunitaria y futura elaboración de políticas

No obstante, según el Dr. Amditis, el alma del proyecto fue el desarrollo de la plataforma para la evaluación holística de la resiliencia. «La plataforma HYPERION permite integrar diversas herramientas de análisis y modelización. Una herramienta tan esencial puede ayudar eficazmente a las autoridades locales en la toma de decisiones fundamentadas y más rápidas para la reconstrucción sostenible de zonas históricas», explica. Otra herramienta desarrollada a lo largo del proyecto e integrada en la plataforma HYPERION es la herramienta de participación comunitaria, disponible como aplicación móvil. Con la herramienta de participación comunitaria, los residentes y visitantes de ciudades históricas pueden fotografiar signos de daños en enclaves de patrimonio cultural, señalizarlos y compartirlos en directo en un mapa mundial y, de este modo, informar sobre posibles riesgos para los bienes del patrimonio cultural europeo. «La plataforma de HYPERION puede ayudar a los expertos en Patrimonio Cultural a comprender el efecto de anteriores procesos de restauración y a tomar decisiones para evitar fenómenos de degradación de material y mejorar la resiliencia de nuestros monumentos», concluye el Dr. Amditis, afirmando que este es uno de los resultados más importantes del proyecto.

Palabras clave

HYPERION, IA, aprendizaje profundo, redes neuronales convolucionales, imágenes satelitales, participación comunitaria, patrimonio cultural, monumentos antiguos, enclaves patrimoniales, clima extremo, planificación urbana

Descubra otros artículos del mismo campo de aplicación