Variación de la tasa de dosis ambiental en la región de Fukushima visualizada mediante técnicas de IA explicable

Área de la Ciencia:

• Ciencias Ambientales
• Monitoreo de Radiación
• Inteligencia Artificial

Sus antecedentes:

• El accidente de la Central Nuclear de Fukushima Daiichi en 2011 provocó la deposición generalizada de material radiactivo.
• Las tasas de dosis ambientales han disminuido debido a la desintegración y la descontaminación, pero persisten las variaciones espaciales, especialmente en los bosques.

Objetivo del estudio:

• Investigar los cambios a largo plazo en la tasa de dosis ambiental utilizando IA explicable (XAI).
• Analizar los patrones temporales y espaciales de la reducción de la tasa de dosis durante 12 años.
• Identificar los factores que influyen en la reducción de la tasa de dosis, particularmente en áreas boscosas.

Principales métodos:

• Mapeo integrado de la tasa de dosis utilizando diversos datos de encuestas (punto fijo, caminata, aerotransportado, aerotransportado).
• Desarrollo de un modelo predictivo (Light Gradient Boosting Machine) para las relaciones de reducción de la tasa de dosis.
• Aplicación de SHapley Additive exPlanations (SHAP) para la interpretabilidad del modelo y el análisis de la contribución de variables.

Principales resultados:

• El uso del suelo impacta significativamente la reducción de la tasa de dosis; las áreas urbanas y agrícolas muestran disminuciones más rápidas que los bosques.
• Las características topográficas (elevación, pendiente) influyen en las tendencias en los bosques, con áreas de valles y depresiones que exhiben estancamiento.
• La XAI cuantificó eficazmente las contribuciones de las variables, revelando los factores detrás de las variaciones espaciales en la efectividad de la descontaminación.

Conclusiones:

• Los bosques exhiben una reducción más lenta de la tasa de dosis ambiental en comparación con las áreas urbanas y agrícolas debido a la contaminación persistente y las influencias topográficas.
• La IA explicable es una herramienta valiosa para analizar datos de radiación ambiental y validar los efectos de la descontaminación.
• El enfoque geoespacial propuesto apoya la toma de decisiones informadas para la recuperación regional y la gestión forestal post-accidente.