La UPV desenvolupa un sistema d'IA per a predir la contaminació de l'aigua al Xúquer

La nova eina combina intel·ligència artificial i models hidrològics per a avaluar el risc en les masses d'aigua superficials.

Imatge genèrica d'un sistema d'avaluació de la qualitat de l'aigua amb elements de tecnologia i paisatge.
IA

Imatge genèrica d'un sistema d'avaluació de la qualitat de l'aigua amb elements de tecnologia i paisatge.

Investigadors de l'IIAMA-UPV han desenvolupat un sistema que combina intel·ligència artificial amb models hidrològics i de qualitat de l'aigua per a avaluar el risc de contaminació en les masses d'aigua superficials de la conca del Xúquer.

La metodologia permet estimar les concentracions de demanda bioquímica d'oxigen (DBO), fòsfor i amoni, i calcular la probabilitat de superar els límits normatius en cada massa d'aigua. Esta informació ajuda a identificar períodes i zones de major risc i a orientar mesures preventives.
La investigació, publicada en Journal of Hydrology, està liderada per Alberto Mena, Rafael J. Bergillos, Javier Paredes-Arquiola, Abel Solera i Joaquín Andreu, de l'IIAMA-UPV, juntament amb Gerald Corzo, d'IHE Delft, als Països Baixos.
“

"Els resultats posen de relleu la relació entre la variabilitat hidrològica i la resposta de la qualitat de l'aigua, i demostren la importància d'incorporar la incertesa a la modelització predictiva."

Els autors de l'estudi
Per a desenvolupar i avaluar el sistema, l'equip va emprar informació meteorològica de l'Agència Estatal de Meteorologia i dades hidrològiques i de qualitat de l'aigua del sistema SIA-Xúquer, gestionat per la Confederació Hidrogràfica del Xúquer. La comparació amb els registres de 129 estacions de seguiment mostra que el sistema reprodueix els principals patrons espacials de contaminació.
“

"El percentatge d'encert arriba al 90% per a la DBO, el 84,4% per al fòsfor i el 85,3% per a l'amoni."

Alberto Mena · Autor principal de l'estudi
La metodologia va utilitzar xarxes neuronals per a predir les aportacions mensuals d'aigua i generar 1.000 escenaris possibles per subconca per a representar la incertesa. A més d'estimar les concentracions de contaminants, la ferramenta calcula la probabilitat de superar els límits normatius i la magnitud d'eixe increment.
Esta informació permet identificar períodes i masses d'aigua de major risc i orientar l'adopció de mesures preventives. "Al quantificar tant la probabilitat com la magnitud de les superacions, el sistema permet una avaluació més sòlida i completa de la dinàmica de la qualitat de l'aigua en condicions d'incertesa", expliquen els autors.
L'estudi mostra que la incertesa augmenta durant els episodis de majors aportacions i pot acumular-se aigües avall. Incorporar este efecte ajuda a interpretar les prediccions, especialment quan les concentracions s'aproximen als límits normatius.
“

"L'avaluació registra una taxa mitjana de falses alarmes de només el 3,1%, un resultat molt favorable per a la seua possible aplicació en sistemes d'alerta primerenca."

Els investigadors de l'IIAMA
Per això, la ferramenta ha de complementar les medicions de les xarxes de control i servir de suport a la vigilància i la presa de decisions. El treball ha rebut suport del Ministeri de Ciència, Innovació i Universitats, l'Agència Estatal d'Investigació, l'Associació Europea per a la Biodiversitat i la Unió Europea a través del projecte NBSPLUS. Alberto Mena ha comptat, a més, amb finançament del Ministeri i l'Agència Estatal d'Investigació i del Fons Social Europeu Plus.
Informació elaborada a partir de la font oficial: IIAMA — Institut d'Enginyeria de l'Aigua i Medi Ambient (UPV) (17/11/2026)