Ana del Águila desarrolla un sistema de IA para predecir la calidad del aire urbano con hasta tres días de antelación
La calidad del aire es una preocupación que comparten ciudadanos y autoridades. Una de sus características es que se trata de un fenómeno dinámico frente al que se adoptan, sin embargo, medidas estáticas. Para cambiar esto, Ana del Águila ha desarrollado “una herramienta basada en inteligencia artificial que permita predecir la calidad del aire en los tres próximos días y así actuar en consecuencia”, explica esta investigadora beneficiaria de una Beca Leonardo en Ciencias Básicas (Física).
30 abril, 2026
El índice de calidad del aire es una herramienta que ha alcanzado una amplísima difusión y popularidad, en parte atribuible a su carácter intuitivo, ya que – según relata esta investigadora postdoctoral en el Instituto Interuniversitario de Investigación del Sistema Tierra en Andalucía y en el Departamento de Física Aplicada, ambos de la Universidad de Granada-, “clasifica la calidad del aire por colores: buena, en azul, razonablemente buena en verde, regular en amarillo, desfavorable en rojo, muy desfavorable en granate y, por último, extremadamente desfavorable en morado”.
Para realizar esta determinación, las estaciones repartidas en los núcleos urbanos miden la presencia de contaminantes dióxido de nitrógeno (NO2), ozono (O3) y las partículas en suspensión, clasificadas según su tamaño en dos parámetros: las PM10, que son más gruesas (hasta 10 micrómetros de diámetro) e incluyen partículas como polvo en suspensión o polen; y las PM2,5 (hasta 2,5 μm de diámetro), que suelen estar asociadas a procesos de combustión y, al ser más finas, pueden llegar a zonas más profundas de los pulmones, resultando más perjudiciales para la salud. “Las estaciones miden los diversos contaminantes y asignan el nivel del índice de calidad del aire en función del que peor resultados arroje. Si dos contaminantes, como el ozono o el dióxido de nitrógeno están en rangos propios del color azul, pero el PM10 en nivel regular, la estación mostrará el índice de calidad del aire en amarillo”, precisa del Águila.
El modelo desarrollado en este proyecto Leonardo trabaja con los datos de estaciones de calidad del aire ubicadas en las ciudades de Barcelona, Granada y Madrid, y tiene en cuenta, además, las variables meteorológicas como la temperatura, humedad, precipitación, presión, velocidad y dirección del viento. “La meteorología es determinante. Si llueve, hay limpieza del aire. Si hay altas presiones —lo que llamamos buen tiempo— la atmósfera tiende a ser más estable, con menor ventilación, lo que favorece el estancamiento de los contaminantes en las capas cercanas a la superficie. Esto puede hacer que, a pesar de que sea un día soleado, los índices de calidad del aire empeoren”, ilustra la investigadora.
Tasa de acierto del 85%
¿En qué consiste exactamente esta nueva herramienta? “Hemos desarrollado un algoritmo basado en redes neuronales recurrentes que se ha entrenado con series temporales de datos, con el objetivo de realizar predicciones del índice de calidad del aire a uno, dos y tres días vista. En el modelo hemos seleccionado tres estaciones en cada ciudad por tener mayor cobertura de datos, así como diferentes entornos y perfiles de contaminación. Hemos utilizado los últimos cinco años, de 2020 a 2025, priorizando el periodo con datos más completos y robustos. Los primeros cuatro los hemos empleado para el entrenamiento del modelo y 2025 para validar y evaluar el modelo”, resume Del Águila.
Y añade: “En efecto, a partir del aprendizaje realizado con los datos de los primeros cuatro años, el modelo se aplicó para generar predicciones sobre 2025. Al comparar estas estimaciones con los datos reales, observamos que el grado de acierto es elevado, situándose aproximadamente entre el 82% y el 85%. Es un gran avance para anticipar la calidad del aire y facilitar la toma de decisiones”, valora quien también es investigadora principal en el proyecto nacional DeepAtmo.
De esta manera, el proyecto Leonardo está entrando en su recta final: “El modelo está prácticamente acabado, tras numerosas pruebas en las que hemos ido ajustando parámetros y afinando su rendimiento, en un proceso en el que ha sido clave el trabajo del equipo. Estamos redactando un artículo científico para encapsular los resultados finales, y la siguiente fase será el desarrollo de la herramienta para ponerla a disposición de las autoridades y de la sociedad. Al proyecto le quedan unos meses y va según lo previsto”, celebra.
El valor añadido de esta herramienta es, resalta Del Águila, que “permite realizar predicciones más precisas a escala local (ciudad) que otras iniciativas de esta índole. Por ejemplo, otros sistemas de predicción del Índice de calidad del aire utilizan datos de Copernicus -el programa europeo de observación y monitorización de la Tierra- , que integran una gran cantidad de información -satélites, predicciones meteorológicas, modelos complejos- pero están diseñados para escalas regionales, lo que limita su precisión a escala urbana”.
Del Águila no oculta su expectación ante la utilidad práctica para ciudadanos y responsables públicos. “Conocer con antelación episodios de mala calidad del aire permite, por ejemplo, que personas con afecciones respiratorias o cardiovasculares adapten sus actividades al aire libre en esos días. En el ámbito de la gestión pública, puede facilitar la toma de decisiones más ajustadas, como la activación o modulación de medidas de control del tráfico o de las zonas de bajas emisiones en función de la situación prevista. Introduce, en definitiva, un margen de flexibilidad con el que actualmente no contamos”, concluye.