Machine Learning como Herramienta para Determinar la Variación de los Recursos Hídricos

Abstract

Actualmente la inteligencia artificial es una disciplina científica que se ha venido aplicando desde inicios del presente siglo, especialmente en la gestión de recursos hídricos para mitigar el acentuado cambio climático mediante la interpretación de imágenes satelitales, monitorear y predecir la variación de cubierta vegetal, aparición o desaparición de acuíferos y lagos, variación de los volúmenes de escorrentía generadas en ríos, entre otros. De esta forma, la presente investigación busca mostrar la eficiencia del Machine Learning en el manejo de recursos hídricos. Se realizo mediante la revisión sistemática de base de datos científicas como SciELO, ScienceDirect, Redalyc, Scopus, Web of Science sobre contenidos de Inteligencia artificial aplicados a recursos hídricos. Como resultado se obtuvo que el Machine Learning optimiza los sistemas de alerta temprana, mapeo y teledetección. Concluyendo, que es un método de análisis de datos muy eficiente para la interpretación y modelado de información hidrometeorológica, especialmente al aplicarlo en cuencas hidrográficas.

Technological Innovations for Agricultural Production from an Environmental Perspective: A Review

“…These methods have enabled efficient analysis and modeling of hydrometeorological data, which is crucial for sustainable water management. In addition, the controlled management of irrigation systems through the Internet of Things (IoT) and the use of big data and machine learning have proven to be essential for more efficient and environmentally sustainable water management, reducing costs and ensuring water quality for human consumption [36][37][38]. Estimation of daily potato crop evapotranspiration using three different machine learning algorithms and four scenarios of available meteorological data.…”

Adquisición y análisis de datos hidrometereológicos open source

“…Las inundaciones se pueden monitorear [7] y predecir mediante una combinación de observaciones y modelados [8], en los últimos años se han involucrado en la gestión de recursos hídricos mediante técnicas de aprendizaje de máquina, la interpretación de imágenes satelitales, variación de la cubierta vegetal, índices de pluviosidad, nivel de los ríos, entre otros [9]. También se recomienda obtener información desde el punto de vista de la observación que hacen en forma manual los pobladores de la región en estudio [10].…”