El modelo de predicción de eventos del 'cisne negro' de la Universidad de Stanford utiliza datos de una variedad de ecosistemas para mitigar los desastres.
Beneficios
- Mayor precisión
- Mayor previsibilidad
Aplicaciones
- Desastres naturales
- Ciencias económicas
Objetivos de desarrollo sostenible de la ONU abordados
-
Objetivo 8: Trabajo Decente y Crecimiento Económico
-
Objetivo 11: Ciudades y comunidades sostenibles
El Desafío
Un brote de enfermedad o una crisis económica pueden causar muertes, sufrimiento a largo plazo, devastación generalizada y daños ambientales. Los eventos de 'cisne negro' son aquellos que son muy poco probables pero, si ocurren, pueden tener un impacto enorme. Un modelo de predicción preciso podría alertar a las personas para que se preparen para lo peor antes de que ocurra un evento de este tipo y, potencialmente, mitigar el daño.
Detalles de la innovación
El modelo de predicción utiliza una combinación de modelado dinámico empírico y conocimiento biológico previo. El modelo utiliza datos a largo plazo de tres ecosistemas: un estudio de ocho años de plancton del Mar Báltico con niveles de especies medidos dos veces por semana; mediciones netas de carbono de un bosque caducifolio de hoja ancha en la Universidad de Harvard, recopiladas cada 30 minutos desde 1991; y mediciones de percebes, algas y mejillones en la costa de Nueva Zelanda, tomadas mensualmente durante más de 20 años. Los resultados indican que las fluctuaciones en diferentes especies biológicas son estadísticamente las mismas en diferentes ecosistemas. Esto sugiere que existen ciertos procesos universales subyacentes que pueden usarse para pronosticar eventos extremos.
Modelo biologico
Varios ecosistemas parecen predecir el desastre antes de que ocurra. La abundancia y la resistencia de un ecosistema son constantemente monitoreadas y controladas por los individuos que lo habitan. Cuando se ejerce una fuerza externa, el ecosistema responde con una serie de eventos discretos de diferentes magnitudes.
