El Spain Smart Water Summit acogió la ponencia de Almudena Barona de la Fuente, Associate Director y Water Business Leader en Arup España, en la que presentó una serie de proyectos internacionales que aplican tecnologías digitales para la gestión del agua, el control de inundaciones y la optimización de recursos hídricos. Durante su intervención, destacó cómo el uso de modelos digitales, inteligencia artificial y herramientas de análisis predictivo está permitiendo mejorar la eficiencia en la toma de decisiones y maximizar la resiliencia ante los efectos del cambio climático.
El impacto del cambio climático y la necesidad de soluciones tecnológicas
Barona inició su ponencia subrayando que el cambio climático está intensificando fenómenos extremos como sequías e inundaciones, lo que obliga a adoptar estrategias basadas en datos para optimizar la gestión del agua. Explicó que Arup, como consultora internacional, ha desarrollado soluciones innovadoras en distintos países, combinando machine learning, modelos predictivos y herramientas digitales para mejorar la capacidad de respuesta ante estos desafíos.
No te pierdas todo lo que sucedió en Spain Smart Water Summit 2024
Para ilustrar estas soluciones, presentó cinco casos de estudio que han permitido mejorar la eficiencia hídrica y reducir el impacto de los fenómenos climáticos extremos.
Evaluación de la gestión holística del agua en el río Severn (Reino Unido)
El primer caso de estudio abordó la gestión del río Severn, el más largo de Gran Bretaña, que en los últimos años ha experimentado tanto inundaciones históricas como periodos de sequía extrema. Ante esta situación, el organismo de cuenca buscó una estrategia que no solo mitigara los riesgos de inundación, sino que también generara beneficios ambientales y sociales.
Arup aplicó su Modelo de Datos Agregados, una herramienta que permite evaluar múltiples variables de manera conjunta. Con este enfoque, analizaron zonas de almacenamiento de agua, secuestro de carbono y ganancia neta de biodiversidad, además de beneficios sociales como la mejora en la calidad del agua y del aire. El modelo demostró que una gestión holística del agua supera en rentabilidad a la gestión tradicional del riesgo de inundaciones, permitiendo una toma de decisiones más efectiva y sostenible.
Optimización de la calidad del agua en Langham mediante Machine Learning
Arup desarrolló un modelo predictivo que permitió anticipar con precisión los picos de contaminación
El segundo proyecto se centró en la planta de tratamiento de agua potable de Langham en Reino Unido, que abastece a los pueblos de la comarca con 45.000 m³ diarios. Uno de los mayores problemas de la planta era la presencia intermitente de altos niveles de nitratos y algas, lo que afectaba la eficiencia del tratamiento del agua.
Mediante algoritmos de machine learning, Arup desarrolló un modelo predictivo que permitió anticipar con precisión los picos de contaminación. El análisis mostró que los mayores problemas ocurrían en los meses de diciembre, enero y febrero, y que dentro de cada semana los días más críticos eran martes y jueves.
Gracias a este modelo, se logró predecir los niveles de nitratos con hasta cinco días de antelación y la presencia de algas con dos semanas de anticipación, lo que permitió ajustar la operación de la planta y mejorar la eficiencia del proceso de potabilización.
Gestión del agua de lluvia en Melbourne: automatización y optimización
El tercer caso se ubicó en Melbourne (Australia), donde la legislación exige que el 80% del agua de lluvia en nuevas urbanizaciones se gestione en origen, evitando su vertido a la red pluvial. Este requisito planteaba un desafío tanto para promotores como para administraciones locales.
Para abordar el problema, Arup utilizó un modelo de inteligencia artificial y optimización bayesiana, que analizó diferentes escenarios de lluvia y posibles soluciones, como almacenamiento, infiltración y reutilización del agua.
Arup utilizó un modelo de inteligencia artificial y optimización bayesiana, que analizó diferentes escenarios de lluvia y posibles soluciones
El sistema permitió determinar la solución más rentable para cada caso, identificando áreas con suelo permeable apto para infiltración y zonas donde era necesario priorizar la acumulación y reutilización del agua de lluvia. Este enfoque permitió un diseño eficiente de infraestructuras adaptadas a los requerimientos climáticos de la ciudad.
Floodlight: herramienta digital para el análisis de inundaciones y coste-beneficio
El cuarto proyecto presentado fue Floodlight, una herramienta de análisis económico aplicada a la gestión de riesgos de inundación. Barona explicó que, a nivel gubernamental, uno de los mayores retos es la asignación de recursos para la implementación de infraestructuras de protección. Floodlight permite comparar opciones de gestión del agua en función de su coste-beneficio, integrando datos de caudales, valores de activos y gestión de nutrientes.
Este modelo ayuda a visualizar los beneficios económicos de cada medida, incluyendo daños evitados, mejora en la biodiversidad y reducción de emisiones de carbono, lo que facilita la toma de decisiones basada en datos y la optimización de inversiones públicas.
Mansfield: ciudad esponja y resiliencia ante inundaciones
El modelo demostró que Mansfield podía captar hasta 58.000 m³ de agua superficial
El último caso de estudio se centró en Mansfield, Reino Unido, una ciudad de 100.000 habitantes que sufre inundaciones recurrentes en su núcleo urbano. El objetivo del proyecto era diseñar un sistema de resiliencia climática a largo plazo, asegurando que las inversiones actuales siguieran siendo efectivas dentro de 50 años.
Para lograrlo, Arup utilizó su herramienta digital de evaluación de riesgos, que permitió identificar áreas con potencial de infiltración y retención de agua. Se diseñaron infraestructuras verdes y sistemas urbanos de drenaje sostenible (SUDS) para capturar y gestionar las aguas pluviales, evitando su acumulación en la red de alcantarillado.
El modelo demostró que Mansfield podía captar hasta 58.000 m³ de agua superficial, lo que reduciría significativamente el impacto de las lluvias torrenciales y permitiría transformar la ciudad en un entorno más resiliente.
Conclusiones: el futuro de la digitalización en la gestión del agua
Para concluir su ponencia, Barona enfatizó que la aplicación de modelos digitales y machine learning está revolucionando la gestión del agua. Explicó que estas herramientas no solo permiten mejorar la eficiencia operativa y reducir costes, sino que también ayudan a diseñar infraestructuras más resilientes ante el cambio climático.
Barona enfatizó que la aplicación de modelos digitales y machine learning está revolucionando la gestión del agua
"La gestión del agua debe ser holística, basada en datos y con una visión de futuro. Solo así podremos garantizar un abastecimiento eficiente y seguro en un contexto de cambio climático", afirmó.
Su presentación dejó claro que el uso de herramientas digitales, inteligencia artificial y modelado predictivo es clave para desarrollar soluciones adaptadas a los desafíos climáticos actuales y futuros.