La inteligencia artificial como herramienta para mejorar la gestión de los ríos

Desde hace unos años el término ‘aprendizaje automático’ o machine learning ha entrado en el vocabulario común, aunque a menudo sigue asociándose a algo complejo y abstracto. En realidad, el aprendizaje de la máquina es parte de nuestra vida cotidiana: una cierta noticia recomendada en Google, un correo electrónico clasificado como spam, el asistente virtual del teléfono móvil son todos ejemplos de la aplicación de esta tecnología.

El aprendizaje automático tiene el potencial de encontrar relaciones hasta ahora desconocidas en la gran cantidad de datos que se recogen cada día pero que a menudo no se puede interpretar.

El Observatorio del Agua de la Fundación Botín utiliza esta técnica en el campo de la ecología acuática. Los ecosistemas de ríos o lagos son un sistema complejo cuyo estudio sigue siendo un difícil reto científico y que están cada vez más sujetos a una grave degradación. El objetivo del estudio es utilizar el aprendizaje automático para analizar la respuesta de las comunidades biológicas que habitan el ecosistema (por ejemplo, macroinvertebrados, microalgas o plantas acuáticas) a las presiones antropogénicas, como la contaminación, la extracción de agua o la construcción de una toma. La comprensión de estas relaciones es clave para elegir medidas eficaces para restaurar los ecosistemas acuáticos cada vez más degradados y alcanzar las normas de calidad ecológica exigidas por la Unión Europea para 2027. Específicamente, el Observatorio del Agua ha centrado su estudio en la cuenca del río Tajo. Se utilizó un algoritmo particular de aprendizaje de máquina llamado Random Forest: su nombre se debe a que utiliza un gran número de árboles de decisión para la creación del modelo. El modelo demostró que las concentraciones de nutrientes en el agua del río y el uso del suelo son los factores que más influyen en las comunidades biológicas de la cuenca. Además, fue posible definir las condiciones necesarias para asegurar el buen estado del ecosistema, es decir, las concentraciones de nutrientes por debajo de un determinado umbral y el aumento de la vegetación de ribera. 

Para entender a fondo esta iniciativa y comprender los detalles en RETEMA hemos entrevistado a Alberto Garrido, Director del Observatorio del Agua de la Fundación Botín.

¿En qué estado se encuentra la investigación?

Se trata de una investigación que estamos desarrollando en el Observatorio del Agua de la Fundación Botín. Los resultados son muy recientes y son de interés para los Organismos de cuenca, es decir los gestores del agua a nivel de cuenca (p.ej. Confederación Hidrográfica del Tajo), para identificar y priorizar medidas para conseguir mejorar el estado de los ecosistemas acuáticos.

¿Cómo mejorarán las medidas derivadas el ecosistema y cuándo podremos observarlas?

Según el estudio, imponiendo límites de concentración de nutrientes en los ríos más restrictivos y desarrollando intervenciones para mejorar la calidad del hábitat de los ríos (como aumentando la vegetación de ribera), el porcentaje de masas de agua en buen estado ecológico en la demarcación del Tajo podría aumentar en un 40%, llegando a un total de más de 80% de masas de agua en buen estado. Una vez fijados límites más restrictivos habría que desarrollar intervenciones para que las plantas depuradoras de aguas residuales y las zonas agrícolas disminuyan su aportación de nutrientes a los ríos.

¿Son extrapolables los resultados del Tajo? ¿Qué otras cuencas se han estudiado con esta técnica?

La metodología desarrollada se puede aplicar a cualquier otra cuenca donde haya disponibilidad suficiente de datos. En los últimos años, el uso del machine learning para estudiar las relaciones entre presiones y ecosistema, se ha aplicado con éxito en algunas cuencas europeas, afirmándose como método eficaz para enfrentar el tema del estado ecológico de las masas de aguas. Estudios parecidos se han desarrollado en otras cuencas españolas en la cuenca del Ebro (Herrero et al., 2018) y en algunas áreas de la Confederación hidrográfica del Cantábrico (Mario Álvarez-Cabria et al., 2016).

¿En qué otras áreas podría aplicarse? ¿Cuál es el futuro de esta tecnología?

El machine learning es una tecnología que tiene un campo de aplicación muy amplio para enfrentar importantes retos en el ámbito de la gestión de los recursos hídricos. Por un lado, puede ayudarnos a definir relaciones entre variables de los sistemas hidrológicos, haciendo posible modelizar sistemas complejos y generar modelos predictivos, como en el caso de nuestra investigación. Además, el aprendizaje automático es una herramienta potente para apoyar los programas de monitoreo de la calidad ambiental en campo, la prevención de la contaminación, la gestión de avenidas o de la operación de presas para usos económicos.