Proyectos
Del continente a la charca: cinco proyectos, de 5 km a 1 m.
Explora la investigación de GeoVita en mapas interactivos: pronóstico continental de la malaria, el mosquito del dengue bajo el clima futuro en México, la idoneidad del hábitat de un escorpión venenoso en el suroeste de Irán, el cribado provincial de hábitats larvarios a 10 m y un modelo de hábitat a 1 m para una sola ciudad.
África · 5 km
La endemicidad de la malaria en un globo vivo.
Tasa anual de parasitación por Plasmodium falciparum en niños de 2 a 10 años (PfPR₂–₁₀) en 1,46 millones de celdas, observada por el Malaria Atlas Project y predicha por el modelo ConvLSTM2D de GeoVita a partir de nueve años de historia ambiental.
- Región
- África continental e islas · 1.457.085 celdas
- Periodo
- 2000–2024 · prueba de pronóstico 2022–2024
- Datos
- PfPR₂–₁₀ del MAP, NASA GLDAS-2.1 Noah (9 variables), NDVI de MODIS
- Método
- ConvLSTM2D frente a 5 modelos entrenados y 2 referencias · VC espacial por bloques de 250 km + reserva temporal intacta
- Resolución
- ≈ 5 km (0,0417°)
- Investigador/a principal
- Fahimeh Youssefi et al.
- Estado
- Artículo revisado por pares
PfPR₂–₁₀ mide la endemicidad (prevalencia), no la incidencia clínica. Las superficies del MAP son referencias basadas en modelos; los pronósticos complementan, pero nunca sustituyen, la vigilancia epidemiológica.
Comparativa de modelos
Seis modelos entrenados, dos referencias honestas.
Cada enfoque se evaluó dos veces: en bloques de 250 km geográficamente separados (transferencia espacial) y en un periodo 2022–2024 intacto (pronóstico de años futuros).
01
Mejor transferencia espacial
ConvLSTM2D fue el primero en regiones no vistas: RMSE 0,022, r 0,993, NSE 0,986.
02
Una referencia exigente
En 2022–2024, la persistencia simple fue la primera en conjunto; ConvLSTM2D fue el mejor modelo entrenado, sin diferencia clara de RMSE entre ambos.
03
Humedad, viento, agua en el dosel
La humedad específica, la velocidad del viento, la intercepción del dosel y la temperatura del aire aportaron más señal predictiva; el año anterior fue el más relevante.
RMSE por modelo — VC espacial
Menor es mejor
- Modelo
- Referencia
Error de pronóstico por horizonte (RMSE)
ConvLSTM2D lidera a un año vista; la referencia de persistencia lo alcanza a medida que crece el horizonte.
- ConvLSTM2D
- Persistence
- Otros modelos
Qué impulsa el pronóstico de ConvLSTM2D
Aumento del RMSE al permutar cada predictor (importancia por permutación). Dependencia predictiva, no causalidad. ΔRMSE ×10⁻³.
Qué años importan más
Aumento del RMSE al permutar todos los predictores de un año de retardo. ΔRMSE ×10⁻³.
¿Lo quieres para tu región?
Codiseñamos pilotos con socios, datos y validación locales.