Experts de l’Aula CIMNE-UPM ETSII han avaluat l’eficàcia de l’aprenentatge automàtic (Machine Learning, ML) i de la imatgeria per satèl·lit per avaluar la qualitat de l’aigua en entorns d’aigües interiors. En un estudi recent, la Laura Cáceres, el Dr. Jorge Rodríguez Chueca i el Dr. David J. Vicente han comparat aquests enfocaments amb els mètodes tradicionals, analitzant com aquestes tecnologies podrien millorar el monitoratge de la seguretat i reduir la necessitat de mesures intensives in situ.
El manuscrit, titulat “Comparative assessment of machine learning and band ratios for robust water quality assessment in inland waters“, compara enfocaments d’aprenentatge automàtic amb mètodes tradicionals basats en ràtios de bandes per determinar quines tècniques ofereixen l’avaluació més robusta dels paràmetres de qualitat de l’aigua.
Aprofitant la imatgeria per satèl·lit, la recerca mostra com les tecnologies de teledetecció combinades amb IA poden millorar la capacitat de monitoratge de les aigües interiors, i potencialment reduir la necessitat de mesuraments de camp intensius en recursos tot mantenint la precisió.
Resultats de predicció amb aprenentatge automàtic obtinguts en diferents escenaris de prova
Aquest enfocament innovador podria accelerar les avaluacions de seguretat i reduir els costos de manteniment davant la creixent demanda de solucions escalables per monitorar els recursos d’aigua dolça, a mesura que augmenten les pressions del canvi climàtic i de l’activitat humana.
“Aquesta recerca representa un pas important endavant en l’aplicació de la intel·ligència artificial al monitoratge ambiental“, afirma el Dr. Vicente, que també forma part del clúster de recerca en Aprenentatge automàtic i models en enginyeria hidroambiental del CIMNE.
Col·laboració amb Canal de Isabel II
La recerca s’ha desenvolupat en el marc d’un acord de col·laboració entre CIMNE, la Universidad Politècnica de Madrid (UPM) i Canal de Isabel II S.A.M.P., una de les principals empreses de gestió de l’aigua d’Espanya. La col·laboració reflecteix la rellevància pràctica de la recerca, connectant la innovació acadèmica amb aplicacions reals en la gestió dels recursos hídrics.
L’acord ha proporcionat als experts accés a dades operatives i expertesa, alhora que ha ofert un banc de proves per a noves metodologies de monitoratge. Canal de Isabel II gestiona el subministrament d’aigua de més de sis milions de persones a la Comunitat de Madrid.
Per a Laura Cáceres, estudiant de doctorat a l’Aula CIMNE-UPM ETSII, la publicació és significativa perquè explora “com les tècniques computacionals avançades poden abordar reptes pràctics en el monitoratge ambiental”. Segons explica, l’oportunitat d’enllaçar la seva tesi doctoral i l’experiència professional a Canal de Isabel II ha estat inestimable per abordar aplicacions científiques i del món real que es poden transferir directament als usuaris finals.
L’anàlisi comparativa presentada a l’article aporta orientació basada en evidències per a la selecció i l’aplicació de diferents metodologies. Els mètodes tradicionals de monitoratge de la qualitat de l’aigua, tot i ser precisos, sovint requereixen programes de mostreig extensos que poden ser costosos i consumir molt de temps. Els enfocaments de teledetecció ofereixen el potencial de monitorar simultàniament múltiples masses d’aigua, proporcionant una cobertura que seria poc pràctica amb tècniques convencionals per si soles.
Un testimoni de la recerca de l’Aula CIMNE-ETSII
L’Aula CIMNE-UPM ETSII, amb seu a l’Escola Tècnica Superior d’Enginyeria Industrial (ETSII) de la Universitat Politècnica de Madrid, se centra en l’aplicació de mètodes numèrics i aprenentatge automàtic a reptes d’enginyeria. Més enllà de l’avaluació de la qualitat de l’aigua, l’aula impulsa activament recerca sobre l’aplicació de models d’aprenentatge automàtic als processos de tractament d’aigües residuals, responent a la necessitat de sistemes de gestió més eficients i adaptatius en la infraestructura hídrica urbana.
Dr. David J. Vicente, Laura Cáceres i Dr. Jorge Rodríguez Chueca
El clúster de recerca de CIMNE Aprenentatge automàtic i models en enginyeria hidroambiental, també vinculat a aquesta recerca, agrupa especialistes que treballen en aplicacions diverses, incloent-hi la predicció d’inundacions, el monitoratge de la seguretat de preses i l’avaluació de la qualitat de l’aigua.
L’article està disponible al volum de gener de 2026 de ‘Remote Sensing Applications: Society and Environment’, publicat per Elsevier.
