La inteligencia artificial y el agua
Se presentan los avances del uso de la inteligencia artificial en las ciencias del agua para conocer la ocurrencia en el tiempo y el espacio de este recurso, pues toda actividad social, económica, política y ambiental está relacionada con el agua, y es necesario construir la infraestructura para su aprovechamiento o defensa.
Felipe I. Arreguín Cortés Ingeniero civil y doctor en Ingeniería Hidráulica. Pertenece al Sistema Nacional de Investigadores. Consultor del II UNAM.
Para la ingeniería civil, y en particular para las ciencias del agua, es fundamental conocer la ocurrencia en el tiempo y el espacio de este recurso, pues toda actividad social, económica, política y ambiental está relacionada con el agua. Por ejemplo, el abastecimiento para consumo humano, la producción de alimentos, el saneamiento, las actividades industriales, la defensa ante fenómenos como los huracanes o la adaptación a las sequías, el estado del medio ambiente y cualquier otra actividad humana dependen del agua y de la infraestructura construida para su aprovechamiento.
Por ello resulta fundamental entender primero el comportamiento de la atmósfera, donde se generan la temperatura, las precipitaciones como la lluvia o la nieve, y los fenómenos atmosféricos que afectan a la Tierra.
La necesidad de medir
Es necesario medir las principales variables atmosféricas para analizarlas y, con base en ello, poder hacer pronósticos y construir la infraestructura (presas, sistemas de abastecimiento y drenaje, campos agrícolas, obras de protección, viviendas…) para su aprovechamiento o defensa en todos los sitios de la Tierra. Hay que entender que estos fenómenos son regionales y en algunos casos planetarios, y que no es suficiente, por ejemplo, que México haga las mediciones que corresponden a su territorio; tiene que hacerlo, pero debe compartirlas con otros países, y a su vez aprovechar los datos generados por ellos. Desde luego, todos ellos deben ser obtenidos y certificados bajo las mismas normas establecidas por la Organización Meteorológica Mundial (OMM).
La OMM ha establecido una red meteorológica mundial integrada por una amplia infraestructura de estaciones terrestres, satélites, boyas oceánicas, aviones y barcos que miden diferentes variables para estimar el tiempo y el clima, y hacer predicciones meteorológicas en escala global.
La red está compuesta por más de 11,000 estaciones terrestres que miden variables atmosféricas como temperatura, presión, humedad, viento y precipitaciones. Estas estaciones están distribuidas en todos los continentes y en diversas altitudes y latitudes. La red cuenta con radares esenciales para monitorear la precipitación y la formación de tormentas en tiempo real, lo que permite advertir sobre fenómenos meteorológicos severos. Utiliza radiosondas, que son globos que llevan adosada una caja que mide presión atmosférica, temperatura del aire, humedad relativa, velocidad y dirección del viento, con elevaciones máximas de 25 km.
Los satélites meteorológicos, geoestacionarios y de órbita polar son esenciales para observar fenómenos a gran escala, como tormentas, huracanes y la cobertura nubosa. Estos satélites proporcionan imágenes e información sobre temperaturas en la atmósfera y en la superficie terrestre y marítima.
En los océanos, se utilizan boyas y embarcaciones que recolectan datos sobre la temperatura y salinidad del agua, además de monitorear fenómenos como el nivel del mar y las corrientes oceánicas.
Algunas aerolíneas y aviones especialmente equipados miden las condiciones atmosféricas durante los vuelos. Recientemente se están utilizando drones para obtener datos en áreas de difícil acceso (figura 1).
Toda esta información es recolectada y compartida a través del Sistema de Información de la OMM (WIS), que permite el intercambio de datos en tiempo real entre los países miembros y es utilizada para mejorar la precisión de los modelos climáticos y las predicciones meteorológicas.
La OMM ha dividido el mundo en seis regiones. México pertenece a la región IV, integrada por América del Norte, América Central y el Caribe, y comparte con los países integrantes la información y el análisis de datos atmosféricos (figura 2).
No existe una cifra exacta de la cantidad de datos que se generan diariamente, pues además otras agencias como la NASA, la Administración Nacional Oceánica y Atmosférica de EUA y algunas agencias europeas también miden diversas variables, pero se estima que la cantidad total diaria puede estar en el rango de los terabytes.
El análisis de los datos y las nuevas tecnologías
Es importante hacer un comentario sobre cómo se estudiaba la atmósfera antes del desarrollo de tecnologías modernas como la inteligencia artificial (IA). En la antigüedad, las civilizaciones observaban patrones atmosféricos y fenómenos naturales para predecir el clima. A partir del siglo XVII, con el desarrollo de instrumentos científicos como el barómetro, el termómetro y el higrómetro, la observación atmosférica comenzó a mejorar. En el siglo XIX se empezaron a utilizar los globos aerostáticos para estudiar la atmósfera a mayores alturas, y los científicos iniciaron la recopilación de datos meteorológicos simultáneamente de diferentes lugares, lo que permitió el desarrollo de mapas sinópticos. Este método fue impulsado por el uso del telégrafo, que permitió transmitir datos meteorológicos a larga distancia y en tiempo real.
A principios del siglo XX se desarrollaron teorías sobre el comportamiento dinámico de la atmósfera, lo que condujo a la comprensión de sistemas de baja y alta presión, frentes y ciclones. Los avances en matemáticas y física ayudaron a formular ecuaciones para modelar los movimientos atmosféricos, que han permitido hasta la actualidad hacer pronósticos con un buen nivel de precisión.
Como se señaló, la cantidad de datos generados diariamente son del orden de los terabytes, y sin el empleo de técnicas como big data sería imposible el manejo de tal cantidad de información. Recientemente, el uso de la IA ha venido a dar otro fuerte impulso a las ciencias de la atmósfera.
La inteligencia artificial es un campo de la informática que se enfoca en crear sistemas o máquinas capaces de realizar tareas que normalmente requieren inteligencia humana. Estas tareas incluyen el aprendizaje, la resolución de problemas, el reconocimiento de patrones, el procesamiento del lenguaje natural, la toma de decisiones y la percepción visual. El desarrollo de la IA involucra técnicas como el aprendizaje automático (machine learning) y el aprendizaje profundo (deep learning), que permiten a las máquinas aprender de los datos y mejorar su desempeño sin intervención humana explícita (figura 3).
Aplicaciones en temas del agua
Se presentan a continuación varios temas de particular importancia para México donde la IA avanza a grandes pasos.
Sequías. Por su ubicación geográfica (figura 4), México se encuentra expuesto a fenómenos de sequía, que se incrementarán en el futuro por el impacto del cambio climático, y ha aprendido de las decenas de sequías que han generado grandes daños a la República mexicana. Actualmente cuenta con dos herramientas fundamentales: el Programa Nacional Contra la Sequía, Pronacose (Conagua, 2024b) y el Monitor de Sequía.
Sin embargo, existen campos en los que la IA está haciendo grandes aportaciones, por ejemplo en la predicción y monitoreo de sequías, la gestión y optimización de recursos hídricos, la propuesta de programas de mitigación y planificación a largo plazo, las alertas tempranas y respuesta rápida y la optimización del uso del suelo.
Existen varios casos en los que se ha utilizado la IA para atender este fenómeno; por ejemplo, el Sistema de Predicción de Sequías en California la utiliza para analizar datos climáticos y del suelo. Este sistema ayuda a predecir la duración e intensidad de las sequías, lo que permite a las autoridades tomar decisiones informadas sobre la gestión del agua.
En regiones de África propensas a la sequía, se están utilizando algoritmos de IA para analizar el rendimiento de cultivos en tales condiciones. Esto ayuda a desarrollar variedades de cultivos más resistentes a la sequía y a implementar prácticas agrícolas que mejoren la resiliencia de las comunidades rurales.
En Australia, el proyecto SmartWater utiliza IA para optimizar el uso del agua en la agricultura. Analiza datos en tiempo real sobre el clima, la humedad del suelo y el estado de los cultivos para ajustar automáticamente los sistemas de riego; así maximiza la eficiencia del agua durante los periodos de sequía.
La NASA utiliza imágenes satelitales y algoritmos de IA para monitorear la humedad del suelo en escala global. Esta información se emplea para identificar áreas en riesgo de sequía y para apoyar a los responsables de la toma de decisiones en la gestión de los recursos hídricos.
Inundaciones. En la figura 4 se observa que México se ubica en una de las zonas ciclónicas más activas del mundo. Estos fenómenos asociados a la topografía, la infraestructura y la administración misma de estos fenómenos ha dejado varias lecciones, y esto se ha traducido en el Programa Nacional Contra Contingencias Hidráulicas, Pronacch (Conagua, 2024a) y el Manual para el Control de Inundaciones (Conagua, 2011).
En este caso, la IA puede reforzar actividades como la predicción de inundaciones; mediante modelos predictivos basados en redes neuronales y algoritmos de aprendizaje automático es posible identificar patrones complejos y prever inundaciones con mayor precisión que los métodos tradicionales; también puede mejorar el análisis en tiempo real y los sistemas de alerta temprana con predicción de la zona de impacto; la gestión de recursos, la optimización de respuesta de emergencia, el monitoreo y evaluación de daños, así como la mitigación y planificación a largo plazo.
Algunos casos de aplicación exitosa son los siguientes: Google ha desarrollado un sistema de predicción de inundaciones que utiliza IA para analizar datos meteorológicos, topográficos e hidrológicos. Este sistema puede predecir inundaciones con hasta 48 horas de anticipación y ha sido implementado en países propensos a inundaciones, como India y Bangladesh. Las predicciones se comparten a través de alertas en Google Maps y mensajes directos a los teléfonos móviles de las personas en riesgo.
IBM utiliza su tecnología Watson AI en colaboración con The Weather Company para crear modelos predictivos de inundaciones. Este sistema analiza grandes volúmenes de datos climáticos y geoespaciales para generar alertas de inundaciones y ofrecer información precisa sobre las zonas en riesgo. También se utiliza para modelar y simular escenarios de inundación, con lo que se ayuda a las autoridades a planificar respuestas más efectivas.
La Agencia de Medio Ambiente del Reino Unido ha implementado un sistema basado en IA que utiliza modelos predictivos para prever inundaciones fluviales. Este sistema analiza datos en tiempo real de estaciones hidrológicas y meteorológicas para predecir aumentos en los niveles de agua y emitir alertas a las comunidades en riesgo.
El programa AI for Earth de Microsoft apoya proyectos que utilizan IA para mitigar los efectos del cambio climático, incluidas las inundaciones. En particular, ha financiado iniciativas que desarrollan modelos de predicción de inundaciones en regiones vulnerables de Uganda. Estos modelos analizan datos de precipitación, suelo y nivel de agua para predecir inundaciones en áreas rurales y urbanas.
FloodNet ha mejorado la capacidad de respuesta a las inundaciones en regiones como Ontario y Quebec, lo que ha permitido a las autoridades tomar decisiones más informadas y rápidas durante emergencias.
Administración de las cuencas
La unidad de administración del agua en México y muchos países es la cuenca. Existen varios programas de la Secretaría de Medio Ambiente y Recursos Naturales y de la Conagua que hacen importantes aportaciones al tema, el cual ha tomado gran relevancia en la medida en que el cambio en el uso del suelo y el cambio climático han modificado sustancialmente el funcionamiento de las cuencas y de la infraestructura que en ellas se encuentra (se recomienda consultar la obra de González y Arreguín, 2021).
Un ejemplo de la utilidad de la IA se muestra en Simental et al. (2023), donde se concluye que el escurrimiento hacia la presa El Rejón en Chihuahua se incrementará en un 9.48% si continúa el cambio del uso de suelo y de la vegetación en forma tendencial del año 2017 al 2053; y si se considera el efecto del cambio climático se incrementaría un 41.52%. Evidentemente, es necesario revisar la capacidad del vertedor de esta presa.
Algunos ejemplos de desarrollo de programas utilizando la inteligencia artificial para la administración de cuencas se enfocan en el modelado y predicción hidrológica, la optimización del uso del agua, el monitoreo y detección de contaminantes, la planificación y gestión sostenible, la participación comunitaria y la toma de decisiones.
Entre los casos de empleo de la IA destacan el Sistema de Gestión de Cuencas en Australia, que la utiliza para gestionar las cuencas hidrográficas en las regiones de Murray-Darling Basin. Los algoritmos analizan datos en tiempo real sobre la disponibilidad de agua, la demanda y las previsiones meteorológicas para optimizar la distribución del agua, asegurando que tanto las necesidades humanas como las ecológicas sean satisfechas.
En algunos estados de EUA se usa el Smart Watershed Management, que integra datos de sensores, satélites y estaciones meteorológicas para modelar y predecir la dinámica del agua en tiempo real.
En la cuenca del río Nilo en África están utilizando tecnologías de IA para optimizar el uso del agua en agricultura, prevenir inundaciones y planificar el desarrollo sostenible. Estos esfuerzos son cruciales en una región donde el cambio climático está exacerbando los desafíos hídricos.
Conclusiones
La inteligencia artificial ya se usa ampliamente en las ciencias del agua. En México, el Servicio Meteorológico Nacional y otras dependencias del gobierno y organizaciones civiles la utilizan, y varias universidades e instituciones de investigación están logrando avances en la materia.
En este trabajo se han señalado algunos temas, pero hay áreas que tienen amplias posibilidades de empleo, como la optimización de la distribución de agua potable en ciudades, el monitoreo de calidad del agua, la mejora de la eficiencia de sistemas de riego agrícola, la ingeniería de presas y embalses, el tratamiento de aguas residuales, el control de la contaminación hídrica, la hidrogeología, la simulación de escenarios climáticos, la optimización de la asignación de recursos entre diferentes sectores, la evaluación del impacto ambiental de actividades humanas y la economía circular en empresas.
Es importante empezar a construir una infraestructura del agua más resiliente, inteligente y sostenible para enfrentar los desafíos del cambio climático, el crecimiento poblacional y la escasez de recursos. Esto implicará la construcción de sistemas de captación (presas, aprovechamientos subterráneos), de conducción (canales, acueductos) y de distribución (redes) eficientes, capaces de reducir las pérdidas por fugas mediante el uso de sensores inteligentes y análisis de datos en tiempo real. Además, será necesario invertir en tecnologías avanzadas de tratamiento de aguas residuales y desalinización, para permitir la reutilización del agua y la expansión de fuentes no convencionales; asimismo, se requerirá infraestructura para la gestión de inundaciones y sequías, con el fin de mitigar el impacto de fenómenos extremos y garantizar la seguridad hídrica a largo plazo
Referencias
Comisión Nacional del Agua, Conagua (2011). Manual para el control de inundaciones. México. www.conagua.gob.mx
Conagua (2024a). Programa Nacional Contra Contingencias Hidráulicas. México.
Conagua (2024b) Programa Nacional Contra la Sequía, Pronacose. México.
González, F., y F. Arreguín (2021). Impacto del cambio global sobre las presas de almacenamiento y derivación. México: II UNAM.
Simental N., J. G., et al. (2023). Impacto del cambio de cobertura y uso de suelo y cambio climático en la respuesta hidrológica de la cuenca de la presa El Rejón mediante el uso de inteligencia artificial. Tecnología y Ciencias del Agua 14(4): 456-494.
