Resumen de Metodologías de aprendizaje automático para la optimización de campañas de prospección hidrogeológica y mejora del acceso al agua en el Sahel.
Victor Gómez-Escalonilla Canales
El agua es un recurso fundamental para el ser humano, imprescindible para una vida digna y está recogido como derecho humano fundamental por las Naciones Unidas. La región del Sahel, al sur del desierto del Sahara, en África, presenta la menor cobertura de agua potable del planeta. Únicamente el 65% de la población tiene acceso al menos a un servicio básico de agua potable. Esta región, presenta una gran dependencia de los recursos hídricos subterráneos debido a las condiciones climáticas, siendo utilizada como principal fuente de abastecimiento por entre el 70% y el 80% de la población en las zonas rurales de Burkina Faso, Chad y Mali. Sin embargo, se detecta una grave problemática relacionada con el acceso a este recurso derivada de los elevados costes de perforación y la alta tasa de fracaso en las perforaciones, que llega a ser del 30 al 60%, según el país.
Esta tesis doctoral tiene como objetivo servir de apoyo para contribuir a solventar la segunda de estas problemáticas. Para ello, se utiliza la metodología denominada cartografía de potencialidad hidrogeológica, cuyo objeto consiste en delimitar espacialmente las zonas más favorables para el desarrollo o la explotación de los recursos hídricos subterráneos. Este método parte de la hipótesis de que, en determinados contextos hidrogeológicos, es posible inferir la presencia de aguas subterráneas a partir de características superficiales, como el tipo de roca, la pendiente o la precipitación, entre otras. Para ello, se combinan las bases de datos de puntos de agua existentes con una serie de variables explicativas relacionadas con los factores previamente mencionados.
El primer objetivo de esta tesis doctoral ha consistido en desarrollar una herramienta capaz de elaborar cartografías predictivas a partir de una serie de variables explicativas, una base de datos con información sobre la variable objetivo y una serie de algoritmos de clasificación supervisada. Esta herramienta, MLMapper v.2.0, permite el tratamiento automatizado de información espacialmente distribuida con el fin de facilitar la elaboración de cartografías de potencial hidrogeológico y optimizar las campañas de prospección de campo en el Sahel. MLMapper v.2.0 fue utilizado en tres casos de estudio.
En un primer trabajo se llevó a cabo la cartografía de potencialidad hidrogeológica en la en la República de Malí. En este estudio se evaluó, además, el uso de métodos de escalado de las variables explicativas. El segundo caso, incluye importantes aportes metodológicos aplicados a una región del este de la República del Chad. En concreto, se evaluó el impacto de las métricas objetivo en la forma de interpretar los resultados finales, así como la utilización de variables explicativas de carácter estacional. El tercer y último artículo lleva a cabo una cartografía predictiva del caudal de los pozos en el suroeste de Malí mediante un enfoque multiclase.
Los resultados obtenidos muestran la capacidad de los algoritmos de machine learning de elaborar cartografías de potencialidad hidrogeológica robustas. Estos mapas han sido validados mediante diferentes estrategias. Un método común a todos los artículos es la utilización de una gran variedad de algoritmos y la posterior selección de los que ofrecen un mejor rendimiento. Los algoritmos basados en árboles, tanto de tipo simple como ensemble obtuvieron los mejores resultados en términos generales.
Los resultados de la tesis son válidos a la escala regional. La diversidad de entornos hidrogeológicos en la que se han aplicado las técnicas de inteligencia artificial justifica el potencial de extrapolación al resto del Sahel. Dado el potencial de la herramienta desarrollada, esta podría utilizarse para elaborar cartografías predictivas en distintos campos.
