loader image

Diseño, Implementación y Capacitación en Manejo de la Seguridad Alimentaria y Nutricional Utilizando Fuentes Primarias y Secundarias de Guatemala, el Salvador, Honduras y Nicaragua 2021

Esta consultoría se engloba dentro del proyecto «Central America Multi-Hazard Early Warning (CAMHEW); Information Management, Community Empowerment and CVA Preparedness, financiado por European Commission Humanitarian Office (ECHO)», donde se procedió a la identificación y caracterización de las Áreas de Preocupación relacionadas a la Vulnerabilidad SAN mediante una metodología propia ya experimentada en investigaciones validadas y publicadas en revistas científicas de relevancia internacional.

Esta metodología integra el uso de Inteligencia Artificial para la creación de un modelo basal de la Vulnerabilidad SAN, mediante el cual se identifian territorios con características semejantes en cuanto a Vulnerabilidad SAN a partir de datos secundarios, datos de teledetección, y primarios de monitoreo facilitados por las ONGs en campo. Se caracterizan estos perfiles de municipios con ayuda de técnicas estadísticas transparentes y robustas, y mediante el conocimiento experto del Consorcio de ONGs y de los componentes de GIS4tech se clasifican tales perfiles según el riesgo, a priori, de presentar Vulnerabilidad SAN. Esta clasificación facilita la estratificación de los municipios, por niveles de riesgo, ayudando a la creación de un diseño muestral por conglomerados de los municipios. Atendiendo a este diseño muestral se llevó a cabo una primera campaña in situ de recolecta de datos SAN llevada a cabo por las ONGs del Consorcio, que permitió la validación del modelo  y a su vez la creación de un nuevo modelo de predicción de la Vulnerabilidad SAN y de las áreas de preocupación vinculadas a éstas.

Posteriormente se lleva a cabo mediante técnicas de Machine Learning un modelo que permite predecir, con precisión conocida, la Vulnerabilidad SAN y las Áreas de preocupación para todo el territorio de los países del CA4. De este modo se espera desarrollar un modelo que permita pronosticar situaciones de debilidad e inseguridad alimentaria a partir de un conjunto limitado de variables socio-económicas y agro-climáticas. Finalmente, tras un ciclo final de obtención de nueva información de campo por parte de las ONGs, y de la formación de los gestores SAN locales, se entregará y se podrá usar en el futuro de manera autogestionada una plataforma digital realizada al efecto como herramienta o sistema de predicción, mediante metodologías avanzadas de Machine Learning, para proporcionar servicios de alerta temprana de la inseguridad alimentaria de los países del CA4.

Dentro de una Base de Datos Global se incorporarán distintas capas de información relacionadas en mayor o menor medida con los diversos factores que influyen en la Vulnerabilidad ante la Seguridad Alimentaria y Nutricional, entre las que podemos diferenciar las que provienen originalmente de Fuentes Secundarias y son mayoritariamente estáticas, y las que proceden de Fuentes Primarias y/o Teledetección y Monitoreo en campo y son en gran medida dinámicas o actualizables de forma periódica.

Todo este proceso se ve reflejado en la plataforma online soportada por Power BI PREDISAN: