Elizabeth Cervantes Jaimes Ingeniera civil con maestría en Ingeniería. Estudiante de doctorado. Fue asesora del director general del IMTA de 2015 a 2018. Hidróloga operativa en el CHMR “Tuxtla Gutiérrez” de la Conagua de 2011 a 2015.
El sector agua exige mejores soluciones en menos tiempo y con menos recursos. El uso de tecnología sólo nos permite cubrir la demanda de cobertura con la calidad necesaria y la protección ante amenazas hidrometeorológicas con ciertos límites, en muchos casos previsibles e insuficientes. Es por esto que la innovación y las tecnologías disruptivas son la puerta a soluciones con los recursos disponibles en escenarios cada vez más restrictivos.
La división que se hace de los recursos hídricos para su estudio, según la visión tradicional, abarca áreas como la hidrología superficial, la hidrología subterránea o geohidrología, la hidráulica, la mecánica de fluidos, los sistemas de agua potable, drenaje sanitario y pluvial, los métodos y plantas de tratamiento, la hidráulica fluvial, la gestión integral del agua y las ciencias atmosféricas, entre otras. En cada una de estas áreas, cuando se trata de objetivos académicos o de investigación, la aplicación de la tecnología consiste generalmente en el uso de modelos numéricos, sistemas de información geográfica, bases de datos, productos satelitales y automatización de procesos mediante programación. En algunos casos la solución al problema propuesto involucra la aplicación de dos o más recursos tecnológicos, y en muy pocos, la integración de todos.
Sin embargo, desde un punto de vista integral y con un enfoque operativo, las instituciones en el sector agua se encargan de las siguientes problemáticas: abastecimiento, calidad y tratamiento del agua; gestión del riesgo ante inundaciones; planeación, diseño y operación de obras hidráulicas; monitoreo y pronóstico de fenómenos hidrometeorológicos y operación de embalses multipropósito. Como es evidente, el nivel de complejidad es mayor, involucra más variables, usuarios y tomadores de decisiones, y las soluciones tradicionales ya conocidas demandan una cantidad de recursos materiales –entre ellos, energía–, recursos humanos y tiempo mayores a los disponibles. En estos tres aspectos, el uso disruptivo de las tecnologías permite hacer más con menos, siempre y cuando se haga la inversión correspondiente en los tiempos contemplados según la planeación, tanto en capacitación como en adquisición y mantenimiento de la tecnología involucrada.
Disruptivo o no disruptivo
La innovación por sí misma implica un cambio, algo nuevo; al agregarle el adjetivo “disruptiva” se le imprime la característica de romper con el patrón de manera súbita, dejando de lado el siguiente paso esperado para dar un salto. Ejemplos de innovación disruptiva son los teléfonos inteligentes, la impresión 3D y la educación en línea. La innovación disruptiva puede o no ir acompañada de la invención de tecnologías disruptivas; en el caso de la educación en línea, por ejemplo, se hizo uso de tecnología ya disponible en otro campo, para cambiar por completo la forma de transmitir conocimiento.
En el sector agua, el uso disruptivo es lo que se requiere de la tecnología para cumplir con objetivos como optimizar el uso del líquido y descentralizar su gestión, desde recolección de agua de lluvia en cada casa hasta generación de energía mediante residuos para la operación sustentable de plantas de tratamiento. Nikolay Voutchkov, experto en desalinización, define disruptivo en el sector agua como una solución que es al menos 20% más eficiente que la alternativa existente.
¿Cómo ayuda la tecnología?
En el sector agua, como en otras áreas dedicadas al estudio de fenómenos naturales, el primer paso para dar solución a un problema a través de la inclusión de tecnología es identificar las variables involucradas y medirlas, traducir al lenguaje matemático la relación que hay entre los factores (variables independientes) y el resultado (variables dependientes). Algunas veces la relación es conocida en cierta medida y sólo se afinan algunos parámetros; otras veces se empieza de cero y se recurre a la experimentación. En ambos casos, es el lenguaje matemático, el conocer cuantitativamente las variables, lo que nos permite describir el fenómeno de forma útil, responder a preguntas como ¿cuándo lloverá y cuánto?, ¿cuánta agua necesita una ciudad para cada uso?, ¿cuánta agua será posible almacenar en una presa del total que escurre en la cuenca y cuánta puede extraerse cada mes?
A mayor número de variables o factores involucrados y mayor detalle de la respuesta, más complejos planteamientos matemáticos necesitamos resolver (ecuaciones o sistemas de ecuaciones), y es allí donde la tecnología marcó las primeras diferencias; más recientemente, lo hizo en la medición, la transmisión de los datos y la visualización de los resultados.
De ENIAC a los modelos de alerta temprana
Entre mediados del siglo XX y la primera década del siglo XXI, la meteorología pasó de requerir seis semanas de cálculos a mano para pronosticar un cambio de presión, a generar un pronóstico de las condiciones de escala global cada 6 horas. En 1950 se utilizó la ENIAC, la primera supercomputadora en el mundo, para realizar los cálculos del pronóstico meteorológico; a partir de entonces, la tecnología y la gestión de los recursos hídricos han ido de la mano.
En el campo de la hidrología, en particular en el área de hidrometría, la medición, recopilación y transmisión de datos han experimentado notables cambios con la incorporación sensores y satélites. Las primeras mediciones de velocidad se realizaron en el río Sena en el siglo XVII, pero no fue hasta finales del XIX que se establecieron las primeras redes, sobre todo con fines específicos como la construcción de obras para generación hidroeléctrica. En Reino Unido se implementaron mediciones diarias desde 1879; en Estados Unidos desde 1889, en Canadá a partir de 1890, y para 1906 Suiza contaba con una red de 290 estaciones.
Una red convencional proporciona un dato por día por estación; una red con sensores puede proporcionar del orden de 144 datos de cada variable diariamente (un registro cada 10 minutos). La cantidad de datos por cada evento (tormenta, avenida o inundación) permite conocer, por ejemplo, la duración e intensidad de la lluvia, su intensidad máxima, el gasto pico en las corrientes monitoreadas y el tiempo de traslado de cada avenida, y con el análisis correspondiente, la relación lluvia-escurrimiento con la certidumbre necesaria, relación que es la materia prima para el dimensionamiento de diversas obras.
A partir de la penúltima década del siglo XX estuvieron disponibles los modelos numéricos de mayor complejidad para análisis hidrológico e hidráulico, los ahora llamados modelos basados en datos o data driven models, cuyo fundamento es la descripción matemática de los procesos hidrológicos y el análisis de series de datos. Una vez que estos modelos fueron capaces de aprovechar las fuentes de información continua, distribuida espacialmente en la cuenca de interés –lo que implica “digerir” series de información de manera automática, procesarlas y dar resultados en cuestión de minutos–, se volvieron herramientas operativas, es decir, tienen la capacidad de alertar sobre la hora del gasto pico en una corriente o la saturación del suelo de la cuenca analizada y es posible agregar la visualización de estos resultados en una pantalla o tablero (dashboard), con gráficas e incluso mapas claros; en este contexto, herramientas como la inteligencia artificial han sido indispensables, tema que se describirá con mayor detalle más adelante.
Digital water
Uno de los términos utilizados para definir la incursión de las tecnologías 4.0 (como internet de las cosas, big data, inteligencia artificial y cómputo en la nube, por mencionar algunas) en el sector agua es digital water; también se habla de smart water, water 4.0 o internet of water. El 4.0 proviene de la revolución 4.0, es decir, la cuarta revolución industrial que involucra sistemas ciberfísicos, que se pueden describir de manera muy sintetizada como sistemas físicos inteligentes controlados y monitoreados a través de algoritmos.
En el sector agua se ha adoptado también el concepto de gemelo digital o digital twin, un término originado en la industria manufacturera a principios de siglo para definir una réplica o modelo virtual de un sistema físico. Éste es construido a partir de información en tiempo real proveniente de sensores y productos satelitales conectados a modelos hidrológico-hidráulicos, con ayuda de realidad virtual y sistemas de información geográfica. Colby Manwaring, experto en este tema, señala cinco elementos principales en estas réplicas: características físicas georreferenciadas, medición directa, información histórica, análisis (hidrológico, hidráulico, de eficiencia o calidad) y digitalización.
Productos satelitales e internet de las cosas
De acuerdo con la Oficina de las Naciones Unidas para Asuntos del Espacio Ultraterrestre (UNOOSA), actualmente hay 884 satélites dedicados a la observación de la Tierra. De estos satélites se obtienen datos como temperatura, elevación, presión atmosférica, uso de suelo y distribución de cuerpos de agua, entre otros. La National Oceanic and Atmospheric Administration (NOAA), la Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) y la Shuttle Radar Topography Mission (SRTM) son fuentes de información de escala global de temperatura, precipitación y elevación, respectivamente; el Global Surface Water Explorer es una colección de mapas con la distribución de las aguas superficiales, generados a partir de los satélites Landsat 5, 7 y 8. Los productos satelitales de diversas regiones están disponibles en escala global y muchas veces son de gran utilidad para estimaciones iniciales; sin embargo, se requerirán levantamientos a detalle para los análisis que nos lleven a una solución viable y definitiva.
En el sector agua, la información de fuentes remotas se complementa con la información en superficie obtenida a través de sensores conectados a una red; en este contexto, el internet de las cosas ha llegado a tomar el nombre de internet del agua. A través de un sensor se puede evaluar la necesidad de riego en cada planta en un cultivo, medir el nivel de salinidad y conductividad, obtener parámetros de calidad como temperatura, nivel de acidez y oxígeno disuelto, velocidad y nivel en una corriente y estimar el gasto para detectar fugas.
Servicios en la nube
El cómputo en la nube es el término con el que se denomina a los servicios o aplicaciones que se ofrecen a través de internet. Quienes ofrecen estos servicios son responsables de proveer espacio físico y hardware para almacenamiento y control de condiciones ambientales (temperatura, humedad), fuentes de energía incluyendo respaldo para emergencias, ciberseguridad, seguridad física, personal especializado para operación y mantenimiento, entre otros. Al compartir estos recursos a través de la red, se paga sólo por los servicios utilizados, lo que lleva a un uso más eficiente; existen también servicios gratuitos para fines académicos o de investigación.
Earth Engine es un ejemplo de este último tipo; se trata de una plataforma gratuita de procesamiento geoespacial basada en la nube para uso sin fines de lucro por parte de investigadores o gobiernos, aunque con el pago de una licencia también está disponible para uso comercial. Está conformada por imágenes de satélite, datos geoespaciales de precipitación, temperatura, elevación y cobertura de suelo, y herramientas de análisis (como tablas y gráficos exportables, o capacidad para cargar información propia en formato ráster o vectorial). Permite el desarrollo de aplicaciones específicas mediante el lenguaje Python y JavaScript.
Inteligencia artificial
La inteligencia artificial tiene aplicaciones tan variadas como la detección de medidores con baja eficiencia, la predicción de falla de un equipo de bombeo, la reducción de pérdidas por fugas mediante su detección temprana o la prevención del colapso del sistema de drenaje pluvial.
Una de las ramas con mayor potencial para su aplicación en el sector agua es machine learning o aprendizaje automático, el cual es, en esencia, un algoritmo capaz de descifrar un patrón. Este algoritmo es alimentado con información histórica, y con el tiempo se vuelve capaz de “predecir” el comportamiento futuro; se caracteriza también por adaptarse a condiciones cambiantes como las que afectan la disponibilidad de los recursos hídricos. Una vez que se ha entrenado al algoritmo para que realice por tiempo indefinido de manera repetitiva las tareas para las que se ha diseñado, es capaz de analizar grandes volúmenes de información (big data) mucho más rápido que el cerebro humano, de realizar predicciones y llegar a conclusiones útiles para ejecutar acciones que conlleven beneficios tangibles en la administración de los recursos hídricos.
Big data y analítica de datos
Conforme se incrementa el uso de sensores y modelos en el sector agua, la cantidad de datos generados aumenta. Esto no quiere decir que la información utilizada en la alimentación de modelos se acreciente a la par, ya que para esto se requiere la recolección ininterrumpida, determinada dimensión de las series de tiempo y un formato específico, entre otras características. De acuerdo con el 2020 Strategic Directions: Water Report, 57% de los organismos operadores en Estados Unidos afirman estar generando grandes volúmenes de datos sin hacer un uso óptimo de éstos.
El término big data es utilizado para definir un gran volumen de datos; otras características que se le atribuyen son variedad, velocidad, veracidad y valor. La cantidad de datos en el sector agua sin duda cumple con estas características y ha alcanzado el punto en el que el análisis de datos requiere atención. La analítica de datos, un componente de la ciencia de datos, explora y analiza conjuntos de datos mediante estadística y modelos. La analítica de big data es la intersección del procesamiento de grandes volúmenes de datos y su análisis avanzado (Bhuvaneswari, 2016); es la herramienta inicial para mejorar la calidad de la información e identificar qué es lo que realmente necesitamos medir.
Pedagogía 4.0 en materia de agua
Una parte esencial de la innovación disruptiva en el sector es la asimilación de conocimiento sobre las tecnologías de la información y comunicación (TIC) por parte del personal a cargo de la planeación, diseño y mantenimiento –y en algunos casos también la operación– de los sistemas de almacenamiento, tratamiento, abastecimiento, riego, etcétera. Ya sea para el personal actual o futuro, es importante dejar claro que el uso de las TIC se extiende cada vez más en el sector y que éstas evolucionan cada vez más rápido. Aunado a esto, las condiciones actuales de pandemia han orillado a usar parte de esas tecnologías para la enseñanza y capacitación a distancia. Es decir, nos hemos topado con un reto más: cómo usar la tecnología (actual y nueva) para aprender y enseñar sobre ella en el sector agua a los expertos en TIC con énfasis en todo lo existente en el sector, y a los expertos en agua sobre las nuevas TIC que usarán para llevar a cabo sus funciones.
Se requiere, pues, desarrollar otro tipo de habilidades, porque se trata de conceptos, datos e información especializados cuyo uso tiene un impacto no sólo en un bien natural, sino también en diversos sectores, además de habilidades digitales orientadas a permitir el uso seguro y eficiente de las TIC para al menos buscar, intercambiar y procesar la información. Si partimos de que las computadoras sólo ejecutan aquellas instrucciones estructuradas como un algoritmo para poder aprovechar los recursos disponibles que éstas representan, se sugiere como primer paso la formación del denominado “pensamiento computacional”, concepto presentado por primera vez en 2006.
Jeannette Wing describe el pensamiento computacional como el proceso mental para formular un problema y sus soluciones de tal manera que una computadora los pueda asimilar y ejecutar. Este concepto fue planteado originalmente para los científicos del área de ciencias computacionales; sin embargo, actualmente está permeando en otras áreas. Su aplicación al aprendizaje y la enseñanza en el sector agua requiere no sólo ser un hábil usuario de software y estar sensibilizado con una región y su problemática, sino entender el potencial de la tecnología. Esta es una propuesta para lograr transmitir, replantear y resolver los problemas del sector y, por qué no, también de la ingeniería civil con una visión que no esté limitada a lo existente, sino que dé pie a imaginar lo posible y las rutas a lo que algunos podrían considerar imposible.
¿Hacia dónde vamos?
Una opinión compartida por varios expertos es que el sector agua es uno de los que más han tardado en adoptar las tecnologías 4.0, es decir, cabe la posibilidad de que la aplicación de determinadas tecnologías en este sector específico sea disruptiva. El conocimiento sobre las aplicaciones ya existentes se encuentra disperso y en muchos casos no es concluyente, excepto porque se requieren en algunos casos años de inversión y los resultados son positivos. Destaca, además, que la mayoría de los estudios y reportes sobre la adopción de las fuentes de información y herramientas descritas en este artículo se enfocan en los organismos operadores. Esto puede deberse por un lado a la variedad de problemáticas que enfrentan (escasez temporal y necesidad de fuentes de abastecimiento alternativas, contaminación emergente, baja eficiencia física y económica, crecimiento acelerado de la población en ciudades, entre otros), y por otro, a que precisamente las zonas urbanas son las que disponen de mayores recursos de conexión a la red, comunicación y en algunos casos disponibilidad de inversión por parte de la iniciativa privada, lo que permite afrontar los costos de las herramientas y la capacitación del personal.
Es para estos casos que el análisis de la tendencia lleva a concluir que la disrupción contribuirá a la recirculación del agua, el aprovechamiento de los residuos resultantes del tratamiento de aguas residuales, la sustentabilidad energética de los sistemas y el incremento de la eficiencia física a través del mantenimiento proactivo. Para lograrlo, debe considerarse que la disrupción no sólo está en la tecnología emergente, también en la combinación de los datos y su análisis.
En la tabla 1 se muestra un ejemplo de las posibles fuentes de información y herramientas para integrar un modelo virtual de un sistema de abastecimiento urbano, y algunos de los posibles beneficios
Referencias
Bhuvaneswari, V. (2016). Data analytics. Disponible en: https://www.slideshare.net/bhuvaneswari Bhuvanes/data-analytics-61537559
