Aplicación de machine learning a la definición de zonas vulnerables a contaminación por nitratos en la Cuenca Hidrográfica del Tajo (España)

Abstract

En respuesta a la extendida problemática de contaminación por nitratos presente en la Cuenca Hidrográfica del Tajo, se propone una alternativa innovadora utilizando de técnicas de machine learning para acotar las zonas más problemáticas y definir nuevas posibles no identificadas previamente y necesarias para realizar una buena gestión de la cuenca. El estudio se basa en el estudio de la variable objetivo: alta concentración de nitratos y se definen las siguientes variables explicativas a analizar: geología, pendientes, precipitaciones, cercanía a siete tipos de uso del suelo diferentes, edafología y espesor de la zona no saturada. En la simulación se obtienen como resultado las zonas vulnerables (Z.V.) ya definidas además de una nueva zona: la Z.V. Buendía. El estudio muestra la necesidad de revisar las zonas definidas y plantear la posibilidad de extender el uso de esta técnica novedosa como herramienta útil para la identificación y definición de zonas vulnerables. El uso de machine learning permite alcanzar resultados óptimos rápidamente y con una eficacia considerable. El uso de esta herramienta es especialmente útil en lugares donde la disponibilidad de datos es escasa y en proyectos con presupuesto limitados que demandan unos resultados inmediatos como ocurre en el ámbito de la contaminación de los recursos hídricos.