Radar de Narcolanchas
Modelo estadístico con fuentes abiertas

Radar de narcolanchas: probabilidad diaria por zona

Probabilidad de que se registre actividad de narcolanchas (alijo en costa, interceptación en el mar, persecución o petaqueo) en cada tramo de costa, día a día durante los próximos 30 días. El modelo combina el histórico de eventos desde 2021, el oleaje y el viento nocturnos, la luz de la luna, la época del año y la actividad reciente en cada zona y en sus vecinas. Se reentrena y actualiza cada semana.

Mide eventos registrados en prensa y notas oficiales, no todas las llegadas reales: muchas pasan sin detectarse. Úsalo como indicador relativo de riesgo, no como aviso de una llegada concreta.

Cargando datos…

Dónde: probabilidad en los próximos 30 días

Probabilidad de al menos un evento en 30 días0%70%+· Matriz diaria: escala de 0 al máximo previsto· Toca una zona para ver el detalle
Zona7 días30 días

Cuándo: probabilidad diaria, próximos 30 días

Cada celda es la probabilidad de que se registre un evento en esa zona ese día. Las celdas con punto usan previsión meteorológica (AEMET la primera noche, después ECMWF y GFS). Las celdas sin punto usan la climatología de esas fechas en años anteriores. La fila superior muestra la fase lunar.

Hachís y cocaína incautados en España, 2015–2025

Toneladas aprehendidas en toda España cada año según el Ministerio del Interior, y su valor estimado de mercado. Cambia a «Acumulado» para ver el total sumado año tras año.

Total de España · Policía Nacional, Guardia Civil y Vigilancia Aduanera

Cuánto pesa cada factor

Peso de cada factor en el modelo (test de razón de verosimilitud: cuánto empeora el ajuste al quitarlo). Verde: efecto estadísticamente claro (p < 0,05). Ámbar: indicio (p < 0,2). Gris: sin evidencia con los datos actuales.

¿Acierta? Validación fuera de muestra

El modelo se entrena con el pasado y se evalúa en los 12 meses siguientes, que no ha visto (cortes en octubre de 2023, 2024 y 2025). Se compara con una referencia sencilla: la frecuencia histórica de cada zona.

Últimos eventos en la base de datos

FechaZonaLugarTipoQué pasóFuente

Base de datos y método

Todas las tablas se guardan y se amplían cada semana. Puedes abrirlas aquí; la copia en Google Sheets está en la carpeta de Drive del proyecto.

eventos.csv previsiones.csv meteo_noches.csv pesos.csv ejecuciones.csv politica.csv aemet_boletines.csv estadisticas_anuales.csv

Datos

  • Eventos: histórico desde 2021 extraído de prensa local y notas de Guardia Civil, Interior, GNR y Vigilancia Aduanera, con fecha, lugar, tipo y fuente. Se amplía cada semana.
  • Meteo nocturna (19:00–07:00 UTC) en un punto de mar de cada zona: oleaje de ECMWF/Open-Meteo y viento de NASA POWER. Previsión: AEMET (predicción marítima costera, 24 h), ECMWF (oleaje, 10 días) y GFS (viento, 7 días).
  • Astronomía: luz lunar efectiva (iluminación × horas con la luna sobre el horizonte) y duración de la noche.
  • Contexto: planes especiales de seguridad, refuerzos y recortes de medios, festivos, fines de semana y Ramadán.

Modelo

  • Panel zona × día con regresión logística bayesiana: priors gaussianos que comparten información entre zonas (partial pooling) y un spline para el oleaje. Intervalos por aproximación de Laplace.
  • Validación temporal con origen móvil y calibración Platt ajustada fuera de muestra.
  • Para los días sin previsión, la probabilidad se promedia sobre las condiciones reales de esas mismas fechas (±10 días) en años anteriores.
  • Festivos y fines de semana se neutralizan en la previsión: en los datos reflejan menos cobertura de prensa, no menos llegadas.

Límites

  • Solo se ve lo que se detecta y se publica. Las zonas con más vigilancia o más prensa parecen más activas.
  • El histórico está mejor cubierto desde 2024, así que el modelo da más peso a lo reciente.
  • Parte de los eventos enlazan a una búsqueda de Google Noticias en lugar del artículo original: el titular está verificado, pero conviene contrastar.
  • Las lanchas usadas para transportar migrantes («pateras taxi») se guardan en la base de datos pero no cuentan para el modelo.
  • Con unos cientos de eventos, los efectos meteorológicos todavía no son concluyentes. La precisión mejorará a medida que se acumulen eventos.