El Spain Smart Water Summit reunió a especialistas en gestión del agua para debatir soluciones innovadoras para la reducción del Agua No Registrada (ANR). En este contexto, José Joaquín Muñoz Villarreal, Solution Engineer en Esri España, presentó una ponencia en la que explicó cómo los Sistemas de Información Geográfica (GIS) pueden mejorar la detección del fraude hídrico, combinando imágenes satelitales, análisis demográfico y modelado predictivo.
El impacto del fraude hídrico en la eficiencia operativa
Muñoz inició su exposición destacando que no toda el agua no registrada proviene de fugas o fallos en la infraestructura. Una parte importante se debe a fraude y consumos no declarados, como acometidas ilegales, contadores manipulados o consumos que no se reflejan en la facturación.
A diferencia de otros enfoques centrados en la detección de fugas, Esri se enfoca en optimizar la detección de fraudes mediante la integración de datos geoespaciales y herramientas de análisis avanzado.
No te pierdas todo lo que sucedió en Spain Smart Water Summit 2024
Caso de estudio: identificación de fraude en El Puerto de Santa María
Muñoz presentó un caso de estudio en El Puerto de Santa María (Cádiz, España), donde se aplicó una metodología basada en GIS para identificar patrones de fraude hídrico. El análisis se basó en varios pasos clave:
1. Análisis sociodemográfico y detección de áreas sospechosas
El primer paso fue analizar la distribución de la población según su nivel socioeconómico, utilizando datos de renta per cápita. En los mapas generados:
- Los colores más claros representan zonas con menor poder adquisitivo.
- Los colores oscuros identifican áreas de mayor renta.
El análisis reveló que las áreas de mayor renta, especialmente urbanizaciones de difícil acceso, pueden ser zonas de alto riesgo de fraude, ya que los contadores suelen estar dentro de las viviendas, dificultando su inspección.
2. Uso de imágenes satelitales para detectar consumos no declarados
Una de las herramientas clave utilizadas en el estudio fue el análisis de ortofotografía del Plan Nacional de Ortofotografía Aérea (PNOA), un dataset público que permite observar con precisión elementos urbanos.
Mediante algoritmos de Deep Learning en ArcGIS Pro, el equipo segmentó la imagen en diferentes clases y extrajo automáticamente las piscinas existentes en la zona de estudio. Posteriormente, estas imágenes fueron contrastadas con los datos del Catastro.
Resultados del análisis: el desfase entre Catastro y la realidad
El análisis reveló que:
- Se identificaron 3.438 piscinas en la zona de estudio.
- 1.200 de estas piscinas no estaban registradas en Catastro.
Este desfase sugiere que muchos propietarios podrían estar consumiendo agua sin declarar, ya que las piscinas requieren un alto consumo de agua, especialmente en los meses de verano.
De la imagen al contador: optimización de inspecciones
Tras identificar las piscinas, el siguiente paso fue analizar los contadores cercanos y establecer prioridades de inspección. Para ello, Esri utilizó:
- Geoprocesamiento de datos, para asignar cada piscina a su contador más próximo.
- Enriquecimiento de datos, integrando información de:
- Antigüedad y modelo del contador.
- Consumo histórico registrado.
- Proximidad a una piscina no registrada.
- Nivel socioeconómico de la zona.
Se estableció un sistema de puntuación, donde los contadores con mayor probabilidad de fraude recibieron una prioridad más alta para su inspección.
Optimización de rutas para la inspección de contadores
Dado que inspeccionar miles de contadores es inviable en términos de recursos humanos, Esri implementó un modelo de optimización de rutas basado en:
- Minimización del tiempo de desplazamiento.
- Agrupación de contadores en sectores hidráulicos.
- Priorización de visitas según puntuación de riesgo.
El análisis permitió distribuir las visitas entre tres equipos de inspección, reduciendo el tiempo total de trabajo en campo de 9.120 minutos a una jornada más eficiente, lo que permitió liberar cuadrillas para otras tareas.
Conclusiones: cómo los GIS transforman la gestión del ANR
Muñoz concluyó destacando que ArcGIS permite integrar múltiples fuentes de información para mejorar la detección del fraude hídrico, logrando:
- Mayor precisión en la detección de consumos no declarados mediante imágenes satelitales y modelos predictivos.
- Optimización de inspecciones, reduciendo costes operativos y mejorando la eficiencia del personal en campo.
- Identificación de patrones de fraude a gran escala, permitiendo tomar decisiones basadas en datos.
"La clave para reducir el Agua No Registrada no es solo reparar fugas, sino también mejorar la detección del fraude. Con herramientas de análisis geoespacial, podemos ser más eficientes en la gestión del agua y en la optimización de recursos", concluyó Muñoz.
La ponencia dejó claro que la combinación de tecnología satelital, inteligencia artificial y análisis geoespacial es una estrategia clave para mejorar la eficiencia en la distribución del agua y combatir el fraude en el sector hídrico.
