Los días 3, 4 y 5 de junio de 2020 el Observatorio del Agua de la Fundación Botín organizó un seminario online que reunió a varios expertos en el tema, para analizar el potencial de aplicación de técnicas de machine learning para enfrentarse a los principales retos de la gestión de los recursos hídricos.
El machine learning – o aprendizaje automático – está resultando ser una técnica con un gran potencial para contribuir a la gestión de los recursos hídricos, ya que puede ayudarnos a definir relaciones entre variables, haciendo posible modelizar sistemas complejos y generar modelos predictivos.
Un ejemplo de ello es la utilización de esta técnica para entender la respuesta de las comunidades biológicas a las presiones antrópicas que actúan sobre los ríos. Además, el aprendizaje automático es una herramienta potente para apoyar los programas de monitoreo en campo, la prevención de la contaminación, la gestión de avenidas o la optimización de la demanda de agua.
En este seminario se propone ofrecer una visión de distintas aplicaciones del machine learning para la gestión del agua. Colaboran en la organización de la jornada la Cátedra UNESCO – Tecnologías apropiadas para el desarrollo humano y el Centro de Estudios e Investigación para la Gestión de Riesgos Agrarios y Medioambientales (CEIGRAM) de la Universidad Politécnica de Madrid.
PRESENTACIONES Y VÍDEOS:
Sesión 1. Machine learning para modelizar los indicadores biológicos.
- Tano Gutiérrez-Cánovas (Universidad de Minho): Relaciones entre presiones antrópicas y ecosistemas en los ríos (MARS Project). Presentación.
- Rafael Muñoz-Mas (Universidad de Girona): Modelización de la idoneidad de hábitat para comunidades biológicas. Presentación.
Sesión 2. Machine learning para la satisfacción de la demanda y la gestión de inundaciones.
- Predicciones de riesgo de inundación en las Cuencas Mediterráneas Andaluzas. Proyecto SAICMA. Rosa F. Ropero (Universidad de Almería). Presentación.
- Optimización y gestión de embalses con técnicas de machine learning. Manuel Pulido Velázquez y Héctor Macián Sorribes (Universidad Politécnica de Valencia). Presentación.
Sesión 3. Machine learning para modelizar el efecto de medidas de gestión.
- Modelizar el efecto de medidas sobre el estado del ecosistema en la cuenca del Tajo. Carlotta Valerio (Observatorio del Agua, Universidad Complutense de Madrid). Presentación.
- Modelizar la eutrofización (caso de estudio: Mar Menor). Proyecto WaterOT. José M. Cecilia (Universidad Católica San Antonio de Murcia). Presentación.
- Aplicación de técnicas de machine learning al abastecimiento de agua en entornos de cooperación al desarrollo. Pedro Martínez Santos (Universidad Complutense de Madrid). Presentación.
Compartir