Resumen de Artificial intelligence as a supporting tool for the implementation of the Water Framework Directive

Carlotta Valerio

• español

  Tras más de 20 años de la entrada en vigor de la Directiva Marco del Agua (DMA) de la Unión Europea, el cumplimiento de su objetivo sigue siendo un desafío, habiendo logrado solamente que alrededor del 40% de las aguas superficiales alcancen un buen estado ecológico. Hay varios retos que dificultan el cumplimiento del objetivo de la DMA, dos de los cuales son el tema de esta Tesis Doctoral: i) el diseño de medidas de mitigación eficaces, que resulta complicado debido a la falta de conocimiento sobre las relaciones cuantitativas entre las presiones antrópicas y el estado ecológico y ii) la compleja implementación de medidas planeadas en contextos donde coexisten objetivos de gestión en conflicto. Esta Tesis Doctoral pretende explorar el potencial de las técnicas de inteligencia artificial (IA) para abordar estas dos cuestiones. En concreto, la primera parte de la Tesis se centra en la investigación de las relaciones presiones antrópicas-estado ecológico. En el primer caso de estudio, comparamos el rendimiento de dos algoritmos de aprendizaje automático - Random Forest y Gradient Boosted Regression Trees - en modelizar la respuesta de macroinvertebrados y diatomeas a una amplia gama de presiones en la cuenca del río Tajo. Según nuestro modelo, los umbrales de nutrientes fijados actualmente en España aseguran valores de índices biológicos consistentes con el buen estado ecológico en solo alrededor del 60% del total de las masas de agua. Acoplar umbrales de nutrientes más restrictivos con medidas que mejoren la calidad del hábitat ribereño podría permitir una mejora significativa (alcanzando hasta el 85% de las masas de agua con índices biológicos en buen estado), perfilándose así como una medida de mitigación prioritaria para restaurar el estado de los ecosistemas de agua dulce en la cuenca. El segundo caso de estudio aplica el algoritmo Random Forest para identificar las causas del declive de la riqueza de especies autóctonas de peces en la región de Castilla-La Mancha en el periodo 1980-2020. Los resultados sugieren que el efecto acumulativo de la persistente alteración del régimen hidrológico y la contaminación del agua, junto con un fuerte aumento del número de especies exóticas, han provocado el declive de las especies autóctonas en la zona estudiada. La implementación de caudales ecológicos capaces de mitigar la alteración de los caudales máximos surge como medida clave para restaurar la integridad del ecosistema. La segunda parte de la Tesis evalúa la capacidad del método Evolutionary Multi-Objective Direct Policy Search (EMODPS) para apoyar la implementación de una cierta medida de mitigación planeada en contextos en los que coexisten múltiples objetivos. Como caso de estudio, elegimos el acueducto Tajo-Segura (ATS), un trasvase de agua en España que conecta los embalses de Entrepeñas y Buendía en la cabecera del río Tajo con la cuenca del río Segura. Empleamos EMODPS para optimizar conjuntamente la explotación de los embalses de cabecera y la regla de trasvase con respecto a cuatro objetivos en conflicto: las demandas de agua del río Tajo y del río Segura, la producción hidroeléctrica y el beneficio socioeconómico de la población que vive en las riberas de los embalses de cabecera. Se aplicó el proceso de optimización en el escenario actual así como en el escenario 2027 que prevé el aumento del caudal ecológico en el río Tajo. La regla de explotación propuesta presenta unos parámetros de control optimizados, un mayor grado de libertad y un volumen de trasvase que varía cíclicamente según el periodo hidrológico del año. En el escenario 2027, a pesar del aumento del caudal ecológico, el déficit del acueducto muestra un aumento limitado en comparación con la solución histórica (+10%), mientras que el déficit en los embalses de cabecera se reduce fuertemente (-73%). Esto beneficia a los pueblos ribereños y también garantiza una mayor estabilidad al funcionamiento del acueducto.

• English

  In the European Union (EU), the Water Framework Directive (WFD) requires Member States to reach the good ecological status of all water bodies by 2027 at the latest. More than 20 years after the entering into force of WFD, achieving this objective remains a challenge, with only about 40% of surface waters in good or high ecological status. There are several issues that hamper achieving the WFD objective, two of which are the topic of this Doctoral Thesis: i) the design of effective mitigation measures, which is complicated by the lack of knowledge on the quantitative links between anthropogenic pressures and ecological status, and ii) the challenging implementation of planned measures in contexts where conflicting management objectives coexist. This Doctoral Thesis aims to explore the potential of artificial intelligence (AI) techniques to address these two issues...