Las nuevas tecnologías harán posibles previsiones meteorológicas más precisas. Inteligencia artificial, sensores y dispositivos interconectados procesan datos en tiempo real para que podamos prepararnos ante fenómenos extremos.
Categoría
🗞
NoticiasTranscripción
00:00Cada vez más personas en todo el mundo se ven afectadas por fenómenos meteorológicos extremos.
00:06Muchos lo pierden todo, por incendios forestales, terremotos o desbordamientos.
00:11La pregunta es cómo podemos prepararnos mejor para estas catástrofes y cómo puede ayudar la tecnología.
00:18Además, empresas que han encontrado un nuevo modelo de negocio en las consecuencias del cambio climático.
00:24Sí, así como lo oyen.
00:26Yo soy Juan Sebastián Gómez. Bienvenidos a Enlaces.
00:30El clima extremo provoca cada vez más catástrofes naturales,
00:35lo que hace aún más importante lograr previsiones meteorológicas muy precisas,
00:41diseñadas para generar alertas tempranas allí donde el viento, la lluvia o el calor pueden convertirse en amenazas.
00:48Y esto puede salvar vidas.
00:50En Boston, la empresa Tomorrow I.O. trabaja en modelos de previsión que puedan operar en todo el mundo.
00:56Se basan en sus propios satélites y en inteligencia artificial.
01:00Septiembre de 2024.
01:04El huracán Helene azota al sureste de Estados Unidos con vientos de hasta 220 kilómetros por hora y cantidades récord de lluvia.
01:14El resultado, destrucción y muerte.
01:16Solo en Carolina del Norte mueren más de 100 personas.
01:22La startup Tomorrow I.O. con sede en Boston, trabaja para que los ciudadanos de todo el mundo puedan prepararse mejor.
01:29Nuestro objetivo es democratizar el acceso a los pronósticos meteorológicos para todas las personas, independientemente de su situación económica y ubicación.
01:41Primero, para que los pronósticos que muchos dan por sentados lleguen de verdad a todos en el planeta.
01:48Y en segundo lugar, para que la gente pueda adaptarse al clima, mejorar sus cosechas, mantenerse alimentados y a salvo, y en definitiva, prosperar.
01:56En la actualidad, miles de millones de personas no tienen acceso a previsiones precisas y actualizadas debido a la falta de datos, especialmente en los países más pobres.
02:11Para cambiar esto, Tomorrow I.O. confía en sus propios satélites meteorológicos más precisos.
02:17Ocho ya están en el espacio.
02:20Nuestros satélites cubren cualquier punto de la Tierra, océanos, regiones remotas, cualquier lugar.
02:26Y nuestra frecuencia de actualización de datos es mucho mayor.
02:29Obtenemos más datos en menos tiempo.
02:33Esto es muy importante porque en la actualidad las previsiones meteorológicas de mejor calidad casi que solo están disponibles en Europa y Estados Unidos,
02:43donde una densa red de estaciones meteorológicas proporciona muchos datos.
02:47La situación es muy diferente en muchos países al sur del Sahara, por ejemplo, en los que hay muchas menos estaciones de medición y muchos territorios en riesgo por el clima extremo.
02:59Esto es un problema enorme porque en los países de renta baja, alrededor del 60% de la población trabaja en la agricultura.
03:08Y su éxito depende de las condiciones meteorológicas.
03:10Sembrar demasiado pronto o demasiado tarde puede llevar a perder toda la cosecha.
03:16Si más satélites pudieran recopilar datos sobre estas regiones, se podría ayudar a millones de agricultores.
03:23Tomorrow I.O. también se apoya en la IA.
03:27Con un análisis de datos más inteligente, las predicciones meteorológicas serán más rápidas y precisas.
03:33Un gran modelo que hace el pronóstico utilizando muchos recursos tarda horas porque analiza todo el planeta.
03:42Estos modelos de IA lo hacen en cuestión de minutos.
03:45Cuantos más datos haya en el sistema de satélites propios y ajenos, mejor funcionará el modelo.
03:52A medida que recopilemos más datos, especialmente de precipitaciones, que es lo más difícil de reunir a nivel mundial, creemos que cambiarán las reglas del juego en el entrenamiento de los modelos de IA.
04:04Queremos predecir mejor las precipitaciones y creo que con nuestros datos tendremos un gran impacto positivo.
04:11Tomorrow I.O. ofrece predicciones a aerolíneas, proveedores de energía y cadenas de televisión que así pueden prepararse para fenómenos meteorológicos.
04:25Pero no solo las grandes empresas se beneficiarán.
04:28En Kenia, ayudamos a 5 millones de agricultores a saber cuándo plantar y cosechar para mejorar sus rendimientos frente a la sequía y un clima más volátil.
04:41Les ofrecemos los pronósticos de la manera que necesiten, a través de mensajes de texto o de smartphones, y así pueden tomar decisiones en función de dónde está exactamente su granja.
04:53Las predicciones más precisas pueden ayudar a personas y empresas a prepararse mejor y a reducir al máximo los daños.
05:04Es que son muchas las personas que siguen muriendo a causa de catástrofes naturales y condiciones meteorológicas extremas.
05:11Como en mayo de 2024, cuando hubo varias olas de calor graves en India y en Pakistán, los hospitales se vieron completamente desbordados.
05:19Las Naciones Unidas han lanzado recientemente una iniciativa global sobre resiliencia ante desastres naturales a través de soluciones con inteligencia artificial.
05:30Monique Kuglich, investigadora del Instituto Frankfurt, asegura que este proyecto beneficiará a gente de todo el mundo.
05:37Se está utilizando la IA para procesar datos en tiempo real y supervisar la evolución, ver cómo se propaga y crece un incendio forestal y evacuar a la gente a tiempo.
05:50También para tomar conciencia de cuál es la situación, gestionar publicaciones geolocalizadas en redes sociales, saber dónde deben ir primero los equipos de emergencia,
06:00y para detectar cambios en imágenes del antes y el después, ver dónde fue el mayor daño.
06:09Monique Kuglich dirige una iniciativa global de las Naciones Unidas.
06:14El objetivo es mostrar a gobiernos y organizaciones cómo la inteligencia artificial puede hacer que las personas sean más resilientes ante los desastres naturales.
06:24La IA se está convirtiendo en fundamental en la gestión de desastres, pero los desastres lamentablemente están empeorando.
06:34Necesitamos beneficiarnos de la IA para reducir los impactos y hacerlo de forma responsable.
06:42En el Instituto Fraunhofer de Berlín, su equipo trabaja en estándares internacionales de inteligencia artificial en protección civil.
06:50Un punto clave es la transparencia. Los usuarios deben entender de dónde proceden los datos y cómo se procesan.
06:58Hasta ahora, cada país ha utilizado sus propios métodos para monitorear los desastres.
07:05Tener estándares globales haría posible una mejor cooperación.
07:09Por ejemplo, si un huracán se está gestando en el Caribe, afecta a muchos países y territorios.
07:21Si tenemos sistemas de pronósticos basados en la IA compatibles, podemos tener una cobertura continua.
07:29Eso es increíble.
07:30Y la inteligencia artificial no solo puede ayudar a reconocer peligros en una fase temprana en casos de huracanes.
07:38Por ejemplo, la tecnología también tiene potencial para estudiar a profundidad los terremotos.
07:45Un equipo de investigación del Servicio Geológico Británico está utilizando el aprendizaje automático
07:50para analizar con precisión una serie de terremotos en Santorini con resultados impresionantes.
07:56Vean.
07:57La IA nos dice claramente, al detectar más terremotos que las técnicas estándar,
08:04que entramos en la fase de inestabilidad alrededor del 26 de enero.
08:09Si miramos los catálogos tradicionales disponibles, nos dicen que la actividad sísmica, la crisis,
08:15comenzó alrededor del 31 de enero.
08:19Los algoritmos de aprendizaje automático pudieron detectar 10 veces más temblores,
08:24y eso cinco días antes que los sismógrafos clásicos.
08:29Santorini fue evacuada por razones de seguridad.
08:32Entre tanto, algunos residentes han regresado.
08:35Si vuelve a haber temblores, la nueva tecnología podría ayudar a poner a las personas a salvo de forma temprana.
08:45Si tuviéramos un análisis en tiempo real, lo que ahora es posible,
08:56tendríamos cinco días más para preparar a la población y las redes de medición sísmica para adaptarse a esta crisis.
09:03En las catástrofes naturales, cada segundo cuenta.
09:10También en casos de inundaciones, como vemos en el ejemplo de Australia.
09:14Sería ideal poder monitorear la situación minuto a minuto,
09:18y así poder saber si estará afectada mi casa o mi calle,
09:22y si es así, ¿cuándo y cuánto subirá el agua?
09:25Toda esta información en tiempo real podría marcar la diferencia.
09:29Un equipo de la Universidad Tecnológica de Sydney está probando una nueva tecnología para este fin.
09:34Se llama Network Sensing.
09:37¿Qué hace una piscina en medio de un laboratorio?
09:40Los científicos simulan aquí un aumento del nivel del agua, como el de una inundación.
09:46El laboratorio no utiliza sensores convencionales,
09:49sino que desarrolla una nueva tecnología de red de sensores, Network Sensing.
09:55Las señales 5G se utilizan para detectar cambios en el entorno.
10:00Nos comunicamos con las redes móviles de nuestro celular a una estación base.
10:06Las señales de la estación base al móvil y del móvil a la estación base
10:10se ven afectadas por los factores ambientales.
10:13Cuando llueve o cambia el nivel del agua, la señal es diferente.
10:18Al analizar estos cambios de señal, podemos obtener información sobre inundaciones y precipitaciones, etc.
10:27La inteligencia artificial ayuda a interpretar estos datos y a introducirlos en un gemelo digital.
10:33El programa muestra dónde y cuándo se espera una inundación.
10:37Los pronósticos convencionales utilizan imágenes de satélite y simulaciones complejas,
10:42pero no dan datos en tiempo real.
10:44El método tradicional ofrece una previsión general a largo plazo,
10:51por ejemplo, para los días siguientes en grandes áreas.
10:55Esto es útil, pero no lo suficiente para las previsiones de inundaciones repentinas.
11:01Con nuestro método, podemos dar información sobre las inundaciones cuando ocurren
11:06y también predecir cuándo podrían ocurrir, a tal hora, en qué calle y a qué nivel.
11:15Hasta ahora no se disponía de información tan precisa.
11:20En caso de emergencia, podría ser de gran ayuda.
11:23En febrero de 2022, la ciudad australiana de Lismore sufrió la peor inundación de su historia.
11:29Alrededor de 5.000 casas quedaron destruidas o gravemente dañadas.
11:35Los equipos de rescate en particular esperan beneficiarse de esta tecnología en el futuro.
11:40El plan completo consiste en tener una comunidad bien informada que pueda tomar decisiones precisas
11:48basadas en sus propias circunstancias y hacer sus propios preparativos
11:52para que en caso de inundación, los servicios de emergencia no sean tan necesarios.
11:57Ese sería el objetivo final de todos los servicios de emergencia en todo el mundo.
12:01Si tenemos que actuar, es demasiado tarde.
12:04La red de sensores utiliza la infraestructura existente,
12:10lo que la convierte en un método asequible para predecir inundaciones.
12:14La tecnología funciona en cualquier zona con cobertura 5G.
12:20Esto supone un cambio radical, ya que no es necesario instalar sensores físicos
12:25que podrían ser arrastrados por el agua, dañarse o requerir un mantenimiento periódico.
12:34Pero el network sensing está todavía en pañales.
12:37Aún no está claro cuándo y cómo se utilizará.
12:41TPG Telecom pone su red de telefonía móvil a disposición de la Universidad Tecnológica de Sydney
12:48para probar este sistema.
12:50Les preguntamos por qué les interesa este proyecto.
12:52Siempre estamos buscando la manera de aprovechar mejor nuestra infraestructura.
13:00Invertimos una cantidad astronómica de dinero en infraestructura de red
13:04y licencias de espectro radioeléctrico, como todos los operadores.
13:11Así que, si puedes explotar mejor la infraestructura
13:15y obtener una nueva fuente de ingresos, eso es la panacea.
13:23Así que, la colaboración entre Telecom y la universidad puede beneficiar a ambas partes.
13:29Pero, ¿cuál entonces sería el mejor modelo de negocio?
13:33No existe una respuesta única sobre el modelo de negocio de network sensing.
13:40Pero sí creo que solo los operadores de redes móviles pueden desempeñar el papel de servidor.
13:46Por lo tanto, podría ser un servicio en el que alojáramos la tecnología,
13:50es decir, los algoritmos, y el software correspondiente.
13:53Definitivamente, se alojaría en nuestra infraestructura.
13:59Quizás sería un modelo de negocio en el que pusiéramos la tecnología
14:03a disposición de las autoridades gubernamentales.
14:07No tiene por qué tratarse únicamente de aplicaciones para catástrofes naturales o agua.
14:11También puede haber otras.
14:13Pero ese es el punto de partida de toda la tecnología.
14:19Volvemos a Kenia, porque allí, además de la de Tomorrow I.O.,
14:23encontramos otra iniciativa local.
14:26Una startup ayuda a los agricultores a mejorar sus cosechas con un enfoque algo distinto.
14:31Se trata de recopilar datos sobre el suelo, las condiciones meteorológicas
14:35y la evolución del clima para crear modelos que, a su vez,
14:39ayuden a entender qué ocurre en los cultivos a cada segundo.
14:44Para agricultores como Martin Muaniki,
14:47resulta cada vez más difícil determinar el momento adecuado para sembrar
14:52debido al cambio climático.
14:54Ahora confía en que los datos recopilados por Amini
14:57lo ayuden a trabajar de forma más eficiente.
15:02Cuando tengamos suficientes datos meteorológicos,
15:06sabremos cuándo llegará la lluvia y si las precipitaciones serán breves.
15:10En ese caso, plantaremos papas y cultivos de tres meses.
15:14Si las lluvias son prolongadas, entonces plantaremos maíz,
15:18plantas que necesitan más tiempo para crecer.
15:22Amini extrae datos meteorológicos y del suelo a partir de imágenes satelitales.
15:28En parte con ayuda de la inteligencia artificial,
15:31pero la mayoría de satélites no están orientados a África,
15:35lo que dificulta recopilar datos de alta calidad,
15:38algo que la fundadora de Amini quiere cambiar.
15:40Queremos garantizar que los países del sur global
15:46estén equipados con las mismas plataformas
15:49a las que ha tenido acceso el norte global.
15:52Mientras que Occidente ha evolucionado para crear el mundo que vemos hoy,
15:56lleno de tecnología,
15:57África no ha podido sumarse a esa revolución
16:00por falta de datos accesibles de alta calidad.
16:03Pero Kate Callot no se enfrenta en solitario al problema de la falta de datos.
16:13Su objetivo es lograr un cambio radical.
16:15Para ello, colabora con institutos de investigación kenianos
16:18que combinan el aprendizaje automático
16:21con la protección del medio ambiente.
16:25En última instancia, en Amini trabajamos
16:28para dejar un legado al continente africano.
16:31Nuestra esperanza es que, trabajando con los estudiantes
16:34y desarrollando capacidades en el continente,
16:37las próximas generaciones tomen el relevo
16:40y lleven esta misión y esta visión
16:42mucho más allá de lo que somos capaces de hacer actualmente.
16:46Amini ha reunido más de 2 millones de dólares en menos de 5 años.
16:51Kate Callot quiere emplear los datos satelitales
16:54para mejorar sus propios sistemas de aprendizaje automático.
16:57Los datos recopilados pueden aportar información
17:00sobre los efectos del cambio climático
17:02que resulte de utilidad para los agricultores locales.
17:05Los pequeños campesinos son especialmente importantes.
17:11Hay quien dice que los pequeños campesinos
17:13no tienen ningún impacto.
17:15No es cierto.
17:16En total son 600 millones y alimentan a todo el planeta.
17:20Por eso deberíamos prestar atención a sus necesidades.
17:23En 2024, a consecuencia del monzón,
17:30hubo graves inundaciones en Guayanat, en India.
17:33Desde hace cinco años,
17:34los fenómenos meteorológicos extremos
17:36son cada vez más frecuentes allí.
17:38La lluvia provoca desprendimientos de tierra,
17:41corrimientos de lodo
17:42y avalanchas de rocas que lo sepultan todo a su paso.
17:46Pues una iniciativa intenta mejorar
17:47la previsión meteorológica para los agricultores.
17:50Los agricultores de la región de Guayanat
17:54tienen pocas defensas contra el clima extremo.
17:57Es todo una paradoja.
17:59India es un país que ha invertido mucho
18:03en previsión de lluvias
18:04y en previsión meteorológica para los agricultores.
18:07Somos un país que creó un centro de información por satélite
18:10para la previsión meteorológica agrícola en 1964.
18:14Fuimos los primeros, los únicos en ese momento.
18:18También somos un país que tiene un centro completo
18:21de previsión meteorológica a mediano plazo,
18:24nacional,
18:25y su sistema todavía no te dice
18:26si va a llover mañana en mi pueblo o no.
18:28El agricultor Rajesh Krishnan
18:34creó un colectivo de agricultores de arroz ecológico en 2017.
18:39La Organización de Productores Agrícolas
18:41tiene ahora 85 miembros.
18:43Los agricultores también forman parte
18:45de la Comunidad de Pronóstico Meteorológico de Guayanat,
18:48que trabaja junto con el Hume Center
18:51y la Universidad de Cochin.
18:53Junto con el director del Hume Center,
18:55los científicos han desarrollado un sistema de vigilancia climática
18:59que produce previsiones meteorológicas locales.
19:02Para lograrlo necesitan datos precisos de la zona.
19:06Ahí entran en juego los residentes locales.
19:09En cada una de las cuadrículas
19:12instalamos pluviómetros
19:13e identificamos a la población local de los pueblos,
19:16agricultores, profesores de escuela, estudiantes,
19:19y se les enseñó a medir las precipitaciones
19:22de la misma manera que el Instituto Meteorológico toma los datos,
19:26porque también queríamos comparar los datos
19:28para un análisis más amplio.
19:30Así los datos se han estandarizado,
19:32se ha seguido el protocolo.
19:33Y todos los días,
19:35estos agricultores dan datos de lluvia
19:37en un grupo de WhatsApp.
19:39Los datos se registran
19:41y analizan en hojas de cálculo.
19:43Esto permite a los científicos
19:45determinar qué zonas tendrán
19:47las mayores precipitaciones
19:48y a qué hora.
19:50La Universidad de Cochin
19:51tiene un superordenador
19:53con acceso a datos
19:54de modelos meteorológicos globales.
19:57Los científicos los utilizan
19:58para comparar los datos de Guayanat
20:00y crear un pronóstico meteorológico local.
20:04La actualización de los datos
20:07es lo más importante.
20:08Tenemos que dedicarle mucho tiempo.
20:10Habrá errores.
20:11Así que tenemos que ir y comprobarlo.
20:14Tenemos que tomar los datos
20:16de cada cuadrícula
20:17para obtener datos perfectos
20:19de la intensidad en cada lugar.
20:23Yaya Prakash Narayan,
20:25agricultor,
20:26participa desde 2021.
20:28Cada mañana mide los niveles de humedad
20:30y publica los datos en el grupo.
20:33Por la tarde recibe un pronóstico.
20:35Hasta ahora han tenido
20:36una precisión del 75 al 80%.
20:39El conocimiento previo
20:46nos ayuda a tomar decisiones informadas,
20:48como cuándo trasladar el café
20:50al patio desecado.
20:52Esta información oportuna
20:53y su uso eficaz
20:54son cruciales
20:55para optimizar
20:56nuestras prácticas agrícolas
20:57y también para que podamos
20:59transmitir la información
21:00a otros agricultores.
21:01Rajesh Krishnan
21:07cree que este modelo
21:08centrado en el ámbito local
21:10es muy eficaz
21:11y podría aplicarse
21:13a otras regiones
21:14de la India.
21:18Mejores previsiones
21:19meteorológicas para todos.
21:21Fácil acceso
21:21a pronósticos precisos
21:23y actualizaciones
21:24en tiempo real
21:24sobre condiciones
21:26meteorológicas adversas.
21:28Por supuesto,
21:29la inteligencia artificial
21:29y las últimas tecnologías
21:31no pueden evitar
21:32las catástrofes naturales,
21:34pero sí que pueden ofrecer
21:35más protección
21:36y seguridad para todos.
21:38Además de predecir
21:39mejor patrones meteorológicos,
21:41la inteligencia artificial
21:42está ayudando,
21:43por ejemplo,
21:43a cartografiar
21:44los icebergs
21:45de la Antártida
21:4610.000 veces más rápido
21:48que los humanos.
21:49También a rastrear
21:50la deforestación
21:51en tiempo real
21:52y a sugerir sistemas
21:53de gestión
21:54de residuos
21:54más eficientes.
21:56Está claro
21:57que necesitamos
21:58esta tecnología
21:58para combatir
21:59el cambio climático,
22:01cuyos efectos
22:02no dan espera.
22:03Pérdida de cosechas,
22:04infraestructuras
22:05en problemas,
22:06caída de la productividad.
22:08Sin embargo,
22:09hay industrias
22:09que se benefician
22:11por el cambio climático.
22:12Así es.
22:13Vean.
22:14El aumento
22:15de las temperaturas
22:16está generando
22:17una demanda
22:18récord
22:18de aire acondicionado
22:19en todo el mundo.
22:21India alcanzó
22:22este verano
22:22los 52,9 grados centígrados.
22:26La demanda
22:26para los fabricantes
22:27de aire acondicionado
22:28es altísima.
22:30La empresa alemana
22:31Bosch,
22:31especializada más bien
22:32en bombas de calor,
22:33también planea
22:34apostar
22:35por la refrigeración.
22:39El mercado mundial
22:41de la refrigeración
22:42es unas 15 veces mayor
22:43que el de la calefacción.
22:45En zonas de Asia,
22:46China,
22:47India,
22:47el sudeste asiático,
22:48el sur de Estados Unidos,
22:50Latinoamérica
22:50y el sur de Europa,
22:52se necesita principalmente
22:53refrigeración
22:54y, en segundo lugar,
22:56calefacción.
23:00Bosch pretende
23:01realizar
23:02la mayor adquisición
23:03de su historia
23:04comprando
23:04Johnson Controls
23:06y Tachi Air Conditioning
23:07por 8.000 millones
23:08de dólares.
23:10Juntar las dos empresas
23:12duplicará
23:12el tamaño
23:13de la nuestra
23:13y supondrá
23:14una importante globalización.
23:18El aire acondicionado
23:19consume mucha electricidad
23:21y en muchos países
23:22esta se genera
23:23a partir del carbón,
23:24por lo que Bosch
23:25apuesta también
23:26por la fotovoltaica.
23:28Cuando brilla el sol,
23:29puedes refrigerar
23:30de forma climáticamente
23:31neutral.
23:33El cambio climático
23:35también provoca
23:35sequías extremas.
23:37Dos tercios
23:38de la población mundial
23:39están amenazados
23:39por la escasez de agua.
23:41La demanda mundial
23:42de plantas
23:43desalinizadoras
23:44aumenta.
23:45Sin embargo,
23:46las desalinizadoras
23:47convencionales
23:48tienen una elevada
23:48huella de CO2
23:49y cuestan
23:50varios millones de euros.
23:52Allí hay un problema
23:53que solucionar
23:53y también hay empresas
23:55dispuestas a hacerlo.
23:57La empresa berlinesa
23:59Boreal Light
24:00ofrece una alternativa,
24:02sistemas de desalinización
24:03de bajo coste
24:04alimentados
24:05por energía solar.
24:07Cubrimos un vacío
24:09en el mercado
24:09de sistemas solares
24:10pequeños y medianos
24:11de desalinización.
24:13Funcionan con el 100%
24:14de energía solar
24:15sin gasóleo,
24:16red o batería.
24:17Además,
24:17el sistema
24:18es muy sencillo.
24:18Para desmontar el equipo
24:20basta con una llave
24:21inglesa
24:21y un destornillador.
24:24Los sistemas
24:25se fabrican
24:26en varios tamaños
24:27en Berlín
24:27y se envían
24:28a todo el mundo.
24:30La mayor parte
24:30a la África subsahariana,
24:33una región
24:33que contribuye poco
24:34al cambio climático
24:35pero sufre
24:36especialmente
24:37sus consecuencias.
24:39Aquí,
24:39las desalinizadoras
24:40suministran agua potable
24:42a millones de personas
24:43y son indispensables
24:44para la agricultura.
24:45El mundo se enfrenta
24:50a problemas
24:51de agua potable
24:51pero el sector alimentario
24:53también tiene problemas
24:54de acceso
24:55al agua de riego.
24:56El año pasado
24:57recibimos más peticiones
24:59de los agricultores
25:00que de comunidades urbanas
25:01para agua potable.
25:05Burreal Light
25:06busca suministrar
25:07agua limpia
25:08en África,
25:08Latinoamérica
25:09y el sur de Europa
25:10a más de 100 millones
25:12de personas
25:12de aquí
25:13a 2030.
25:17Y otro rubro
25:18que se puede beneficiar
25:19del cambio climático
25:20es el de los seguros.
25:22El cambio climático
25:23hace que aumenten
25:24los daños causados
25:25por catástrofes naturales
25:26y con ellos
25:27la demanda
25:28de reaseguramiento.
25:29Pero pocas personas,
25:31sobre todo
25:31en el sur global,
25:33están aseguradas
25:33contra pérdidas
25:34por catástrofes naturales.
25:36Cuando ni las aseguradoras
25:38ni los gobiernos
25:39cubren los daños,
25:41todo recae
25:41en los afectados.
25:42Por eso son tan importantes
25:43la prevención
25:44y la divulgación
25:46de información.
25:47Esto fue todo por hoy
25:48en Enlaces.
25:48Gracias por acompañarnos.
25:49Nos vemos pronto.
25:50Auf Wiedersehen.