IA aplicada al análisis de DIAs para proyectos de energía renovable en España

Inteligencia Artificial aplicada al análisis de Declaraciones de Impacto Ambiental para proyectos de energía renovable en España

El análisis de la información de las Declaraciones de Impacto Ambiental (DIAs) es un proceso complejo, debido al volumen, heterogeneidad de estructura y contenido de los documentos, así como por la casuística de los proyectos. Si bien, este paso es crucial para el correcto establecimiento, mantenimiento y control de las medidas, seguimientos e indicaciones de la administración.

El presente estudio analiza estadísticamente los datos extraídos mediante el desarrollo propio de Inteligencia Artificial (IA), siendo capaces de optimizar este proceso, analizando y estructurando de manera masiva los datos contenidos en las resoluciones emitidas entre los años 2020-2024 por el Ministerio para la Transición Ecológica y todas comunidades autónomas de nuestro territorio para proyectos de energía solar fotovoltaica y eólica, así como sus infraestructuras asociadas.

La primera etapa metodológica establecida fue el desarrollo de IA mediante técnicas de aprendizaje supervisado, involucrando a personal técnico experimentado en el análisis de documentación ambiental y garantizando los resultados mediante validación estadística formal.

Las siguientes fases se basaron en 2) Acceso y recolección programático de documentos recogidos en los portales web oficiales; 3) Filtrado de los documentos; 4) Extracción y análisis de datos aplicando procesos de IA avanzados; 5) Validación, medición cualitativa y revisión de las métricas de rendimiento; 6) Análisis estadístico para todos los parámetros objetivo; y 7) Análisis de la capacidad predictiva del conjunto de datos.

Se estudian aquellas medidas que deben establecerse durante las diferentes etapas de desarrollo del proyecto (fase previa a las obras, construcción, funcionamiento y desmantelamiento), prestado una especial atención en los controles para la vigilancia ambiental de las infraestructuras de los proyectos; el establecimiento de medidas preventivas, correctoras, compensatorias y complementarias; los seguimientos específicos de fauna, flora y vegetación; los principales impactos asociados, metodologías de seguimiento y protocolos de mortalidad; del mismo modo que las especies mencionadas dentro de esta documentación, entre otros factores.

Las conclusiones de este estudio aportan una visión global de la evolución de los controles, medidas y seguimientos, permitiendo evaluar su tendencia, establecer comparativas entre las diferentes tramitaciones, observar regionalmente la variabilidad de criterios y conocer los puntos críticos para cada Administración según el factor analizado.

Por todo ello, un aumento en el conocimiento de las DIAs puede mejorar el establecimiento, mantenimiento y seguimiento de las medidas, permitir el avance y equiparación de criterios entre las distintas regiones de nuestro territorio, además de generar indicadores descriptivos y potenciales modelos predictivos para el conjunto de datos generado que ayuden a la evaluación ambiental de los proyectos en base a su proyección espacial en el territorio.

El análisis de Declaraciones de Impacto Ambiental es un proceso complejo debido al volumen, heterogeneidad de estructura, contenido y casuística de proyectos. Sin embargo, conocer con detalle la información recogida en estos documentos es un paso crucial para el correcto establecimiento, mantenimiento y control de las medidas preventivas, correctoras, compensatorias y complementarias según las directrices de las distintas administraciones competentes.

El principal objetivo de este estudio es la localización, extracción, análisis e interpretación de la información recogida en las resoluciones para proyectos de energía solar fotovoltaica emitidas entre los años 2020-2023 por Ministerio para la Transición Ecológica y el Reto Demográfico (MITERD) y la mayor parte de las comunidades autónomas de nuestro territorio, al mismo tiempo que se realiza una optimización del procesamiento y estructurado de manera masiva de los datos contenidos.

Los parámetros analizados han sido extraídos mediante el desarrollo propio de Inteligencia Artificial Generativa (IAG) supervisada, sustentada en dos procesos fundamentales: la intensa labor de etiquetado manual por personal técnico experto y el perfeccionamiento de los modelos IA.
De esta manera se ha optimizado el proceso analizando y estructurando de manera masiva los datos contenidos en aproximadamente 1.500 Declaraciones de Impacto Ambiental para proyectos de energía solar fotovoltaica emitidas entre los años 2020-2023 por el MITERD y las comunidades autónomas con más número de resoluciones publicadas de nuestro territorio.
Se han estableciendo los siguientes pasos: 1.Accesos y recolección programático de documentos.
2.Filtrado de datos. 3.Extracción y análisis, aplicando procesos de IA avanzados. 4.Validación, medición cualitativa y revisión de las métricas rendimiento. 5.Análisis estadístico de los parámetros obtenidos. 6.Análisis de la capacidad predictiva del conjunto de datos

Los resultados obtenidos muestran diferencias significativas entre los modelos de Declaraciones de Impacto Ambiental emitidas por los distintos Boletines Oficiales de las administraciones autonómicas y el MITERD que han sido analizadas. Además, también se han analizado las distintas variaciones a nivel espacial y temporal.
Los resultados expresados en el presente estudio se centran en el análisis de los siguientes puntos: Número de proyectos autorizados y desfavorables por comunidad autónoma. Porcentaje de proyectos favorables por comunidad autónoma. Especies objetivo de conservación, porcentaje de aparición y número de citas totales en resoluciones emitidas. Especies con mayor número de citas por parte del MITERD. Solicitud de medidas compensatorias de hábitat estepario o agroambientales en función del organismo encargado de emitir la DIA y de la potencia del proyecto. Solicitud de Plan de Seguimiento Ambiental. Solicitud de Plan de Seguimiento de Mortalidad para las plantas.