Salinidad de las aguas subterráneas en Mali: predicción espacial mediante herramientas de inteligencia artificial y estimación de personas en riesgo
En regiones áridas como el Sahel, donde las sequías son recurrentes, las reservas de agua subterránea son esenciales para el ser humano. En estos contextos, la elevada salinidad del agua puede suponer un problema para la calidad del agua potable y, por tanto, para la salud humana. En este trabajo se...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Recursos: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/109283 |
| Acesso em linha: | https://hdl.handle.net/20.500.14352/109283 |
| Access Level: | acceso abierto |
| Palavra-chave: | 55:504(662.1) 556.3(662.1) Mali Agua subterránea Salinidad Geología Hidrología 2506.04 Geología Ambiental 2506.05 Hidrogeología |
| Resumo: | En regiones áridas como el Sahel, donde las sequías son recurrentes, las reservas de agua subterránea son esenciales para el ser humano. En estos contextos, la elevada salinidad del agua puede suponer un problema para la calidad del agua potable y, por tanto, para la salud humana. En este trabajo se lleva a cabo la predicción espacial mediante herramientas de inteligencia artificial de la conductividad eléctrica de las aguas subterráneas de gran parte de la República de Mali. El resultado final de este trabajo, en forma de cartografía, puede constituir una valiosa herramienta a la hora de mejorar el acceso al agua potable. Para ello, se ha digitalizado una base de datos de 21.196 pozos de agua distribuidos por todo el país y se han recopilado datos acerca de 18 variables explicativas relacionadas con la conductividad eléctrica de las aguas subterráneas que incluyen factores geológicos, climáticos y topográficos, entre otros. Se han evaluado cuatro umbrales diferentes de conductividad eléctrica para discernir entre puntos positivos y puntos negativos. El procedimiento ha incluido un preprocesamiento de las variables explicativas, una fase de entrenamiento de los algoritmos de clasificación y, finalmente, una etapa de validación en la que se ha evaluado la capacidad predictiva de los modelos. Los algoritmos que han presentado un mejor rendimiento han sido empleados para elaborar las cartografías predictivas. Los umbrales de conductividad eléctrica de 500 y 800 μS/cm fueron los que arrojaron mejores resultados. Los resultados muestran que las probabilidades más altas de que el agua presente una elevada salinidad se encuentran al noroeste y sureste de la zona de estudio. Finalmente, y mediante un mapa de densidad de población, se ha podido observar que los principales núcleos urbanos afectados por el consumo de agua subterránea de alta salinidad son Kayes, Nioro, Niono, Mopti, Douentza y Anefif. |
|---|