Empresas Premium
El proyecto Water4Cast 2.0, liderado por el Instituto de Ingeniería del Agua y Medio Ambiente de la Universitat Politècnica de València (IIAMA-UPC), participó en la Asamblea General de la European Geosciences Union (EGU) celebrada recientemente en Viena (Austria), donde presentó su potencial para mejorar la gestión de los recursos hídricos en escenarios de creciente incertidumbre climática.
Water4Cast 2.0 busca consolidar y expandir los resultados previos mediante el desarrollo de servicios climáticos personalizados, transformando datos meteorológicos en soluciones prácticas y mejorando la toma de decisiones en sectores clave como la agricultura, la gestión ambiental y los recursos hídricos.
El encargado de exponer los avances del proyecto fue David De León Pérez, investigador del Grupo de Modelación Hidrológica y Ambiental (GIMHA) del IIAMA, quien destacó la necesidad urgente de reforzar la precisión de las predicciones hidrológicas estacionales, especialmente en regiones mediterráneas, como la cuenca del Río Júcar, caracterizadas por un régimen hídrico deficitario, con una elevada presión antropogénica, que requieren de una gestión eficiente de los recursos hídricos lo cual requiere de pronósticos robustos.
“La investigación desarrollada nos ha confirmado la necesidad de corregir las predicciones, tanto meteorológicas como hidrológicas, para mejorar la fiabilidad de los resultados de los modelos y proporcionar datos robustos que permitan una toma de decisiones informada”, explicó el investigador.
Durante su intervención, David De León Pérez presentó un estudio de caso centrado en la cuenca del río Júcar, un sistema representativo de los desafíos del entorno mediterráneo. En él se propuso un marco avanzado de predicción hidrológica estacional, que integra datos meteorológicos brutos (provenientes de 4 sistemas de pronóstico) y corregidos, con modelos hidrológicos distribuidos.
Para reducir la propagación de errores, la metodología contempla dos estrategias de corrección complementarias. Por un lado, se utilizó inteligencia artificial, concretamente lógica difusa, para corregir las entradas meteorológicas antes de ser introducidas en el modelo hidrológico.
Por otra parte, está en desarrollo un modelo de error a ser aplicado a la simulación hidrológica, que permita identificar y ajustar discrepancias entre los caudales simulados y los datos valores “observados”, abordando errores sistemáticos de sesgo e incertidumbre del modelo con lo cual se podrá incorporar el modelo de error al sistema de predicción de Water4Cast 2.0 para garantizar resultados robustos.
“Los resultados fueron claros: las predicciones basadas en entradas meteorológicas corregidas mostraron mejoras significativas en los índices de rendimiento, además, las primeras pruebas de las correcciones del modelo de error hidrológico mostraron importantes mejoras en la fiabilidad de los caudales pronosticados”, destacó el investigador del IIAMA.
Estos hallazgos ponen de relieve la importancia de incorporar técnicas avanzadas de corrección, impulsadas por inteligencia artificial, en la mejora de las entradas meteorológicas utilizadas en los marcos de predicción hidrológica estacional. De hecho, el enfoque propuesto no solo mejora la precisión y fiabilidad de las predicciones, sino que también ofrece una metodología replicable en otras cuencas con características complejas. “Su aplicabilidad en entornos complejos, como el mediterráneo, refuerza su valor como herramienta de apoyo a la toma de decisiones, proporcionando un respaldo científico sólido para una gestión adaptativa de los recursos hídricos frente a la incertidumbre que introducen la variabilidad climática, el cambio climático y las dinámicas socioambientales actuales”, concluye David De León Pérez.
