Redacción iAgua
Connecting Waterpeople
Filtralite
ONGAWA
SCRATS
Asociación de Ciencias Ambientales
DATAKORUM
ISMedioambiente
J. Huesa Water Technology
Ministerio para la Transición Ecológica y el Reto Demográfico
IRTA
FENACORE
Terranova
EPG Salinas
TFS Grupo Amper
Consorcio de Aguas de Asturias
Hidroglobal
Schneider Electric
SDG Group
Confederación Hidrográfica del Segura
LABFERRER
LACROIX
NTT DATA
MOLEAER
Aganova
Lama Sistemas de Filtrado
ICEX España Exportación e Inversiones
ADASA
Ingeteam
Sivortex Sistemes Integrals
Prefabricados Delta
Xylem Water Solutions España
ADECAGUA
ESAMUR
Consorcio de Aguas Bilbao Bizkaia
RENOLIT ALKORPLAN
Minsait
Aqualia
Siemens
AMPHOS 21
Centro Nacional de Tecnología de Regadíos (CENTER)
Baseform
Qatium
AGS Water Solutions
AECID
Likitech
Ens d'Abastament d'Aigua Ter-Llobregat (ATL)
Kamstrup
KISTERS
Arup
MonoM by Grupo Álava
Grupo Mejoras
s::can Iberia Sistemas de Medición
Autodesk Water
Fundación Botín
ACCIONA
Ministerio de Vivienda, Construcción y Saneamiento del Perú
Barmatec
Saint Gobain PAM
Esri
Rädlinger primus line GmbH
Smagua
Hach
IAPsolutions
CAF
Catalan Water Partnership
Laboratorios Tecnológicos de Levante
Hidroconta
Fundación CONAMA
Cajamar Innova
AGENDA 21500
Sacyr Agua
Amiblu
Vodafone Business
Molecor
TEDAGUA
Fundación Biodiversidad
Almar Water Solutions
GS Inima Environment
ANFAGUA
Gestagua
EMALSA
TecnoConverting
Vector Energy
TRANSWATER
Global Omnium
Idrica
FLOVAC
Agencia Vasca del Agua
HRS Heat Exchangers
Red Control

Se encuentra usted aquí

La búsqueda del agua subterránea usando inteligencia artificial

Sobre el blog

Víctor Gómez-Escalonilla Canales
Profesor ayudante en el Dpto. Geodinámica, Estratigrafía y Paleontología de la UCM.

Blog asociado a:

Publicado en:

Portada iAgua Magazine
  • búsqueda agua subterránea usando inteligencia artificial

La Agenda 2030 sobre el Desarrollo Sostenible tiene como objetivo número 6 "Garantizar la disponibilidad de agua y su gestión sostenible y el saneamiento para todos". En África subsahariana, el agua subterránea desempeña un papel fundamental para el suministro de agua potable, ya que cerca del 80% de la población usa como principal fuente de abastecimiento los recursos hídricos subterráneos. Esta dependencia, sin embargo, no se encuentra ligada a una infraestructura de captación adecuada en muchos casos. En algunas regiones, menos del 30% de los pozos encuentran agua en cantidad y calidad suficiente. Esto se debe principalmente al desconocimiento hidrogeológico y al mal emplazamiento de los pozos o sondeos de abastecimiento, y la consecuencia práctica es la pérdida de millones de euros de ayuda humanitaria en perforaciones infructuosas.

En los últimos años, los sistemas de información geográfica y las técnicas de aprendizaje automático o inteligencia artificial (machine learning) se han empleado en las cartografías de potencialidad hidrogeológica. La potencialidad hidrogeológica constituye una herramienta de apoyo a la gestión de los recursos hídricos subterráneos cada vez más necesaria. Permite identificar aquellas áreas que son más favorables para la explotación de las aguas subterráneas a partir de información que puede obtenerse a coste cero, como cartografía existente, modelos digitales de elevación e imágenes de satélite.

Los algoritmos de machine learning buscan los patrones de las variables explicativas que conducen a la presencia de pozos exitosos

Para llevar a cabo las cartografías de potencial de aguas subterráneas, necesitamos dos tipos de fuentes de datos: 1) una base de datos de puntos de agua con información sobre los pozos ya existentes y sus características; y 2) variables explicativas como el tipo de roca, la precipitación de la zona o las características del terreno que pueden condicionar la presencia de pozos exitosos. Por ejemplo, aquellas zonas que presenten una mayor precipitación, un tipo de roca más permeable y morfologías del terreno más suavizadas tenderán a tener un potencial más alto. Mientras que aquellas regiones caracterizadas por escasas precipitaciones sobre terrenos escarpados formados por rocas impermeables presentarán, por lo general, un potencial de aguas subterráneas más bajo.

Los algoritmos de machine learning buscan los patrones de las variables explicativas que conducen a la presencia de pozos exitosos, es decir, zonas con aguas subterráneas en calidad y cantidad suficiente. Para ello, utilizamos el software MLMapper, desarrollado junto a otros investigadores de la Universidad Complutense de Madrid y de la Universidad de Neuchâtel (Suiza). Esta herramienta, programada en lenguaje Python, incluye diecinueve algoritmos de clasificación supervisada (Artificial Neural Networks, Random Forest y K-Nearest Neighbors, entre otros). Además, incluye la posibilidad de realizar análisis de multicolinealidad entre variables, procesos de optimización del número de factores condicionantes y procesos de optimización de los hiperparámetros de los propios algoritmos.

La fase de validación de los resultados nos permite evaluar la capacidad predictiva de los modelos y, en caso de que estos sean positivos, podemos predecir si las condiciones hidrogeológicas son favorables o no en zonas en las que carecemos de dicha información. En otras palabras, buscamos las zonas en las que si perforásemos un pozo tendríamos más posibilidades de éxito.

Hasta ahora, los resultados obtenidos en las aplicaciones realizadas en las regiones de Koulikoro (Mali) y Ouaddaï (Chad) rozan tasas de éxito del 90%. Estos resultados, junto con las verificaciones llevadas a cabo en el terreno, confirman la capacidad de la inteligencia artificial para encontrar las mejores zonas para perforar nuevas captaciones de agua subterránea. Por ello, el producto final de estas investigaciones —los mapas de potencialidad hidrogeológica— podrían ser usados por los organismos competentes para elaborar planes de perforación de pozos más eficientes en un futuro.

Suscríbete al newsletter

Newsletters temáticos que recibirás

Los datos proporcionados serán tratados por iAgua Conocimiento, SL con la finalidad del envío de emails con información actualizada y ocasionalmente sobre productos y/o servicios de interés. Para ello necesitamos que marques la siguiente casilla para otorgar tu consentimiento. Recuerda que en cualquier momento puedes ejercer tus derechos de acceso, rectificación y eliminación de estos datos. Puedes consultar toda la información adicional y detallada sobre Protección de Datos.