Project Details
Description
Este proyecto tiene como objetivo desarrollar una herramienta automatizada que permita evaluar la capacidad de autodepuración de los cuerpos de agua en zonas afectadas por la actividad minera. El proyecto responde a la necesidad urgente de mejorar la calidad del agua en áreas impactadas por la minería, donde los vertidos de contaminantes como metales pesados y residuos químicos comprometen tanto los ecosistemas acuáticos como la salud pública.
El problema central radica en la limitada capacidad de las autoridades ambientales para monitorear y gestionar la calidad del agua de manera continua y eficiente. Actualmente, los métodos de evaluación son costosos y lentos, lo que impide una respuesta rápida ante eventos de contaminación. Este proyecto busca superar estas limitaciones mediante la automatización de los modelos de autodepuración desarrollados en la Fase I, utilizando tecnologías avanzadas como la inteligencia artificial y los sistemas de información geográfica (SIG).
En la Fase II, se perfeccionarán los modelos matemáticos existentes que relacionan parámetros morfométricos, de calidad del agua y de flujo con la capacidad de autodepuración de las corrientes superficiales. Estos modelos serán automatizados mediante el uso de redes neuronales y algoritmos de aprendizaje automático, que permitirán procesar grandes volúmenes de datos en tiempo real. La integración de estos modelos en una plataforma SIG facilitará la visualización y el análisis espacial de los datos, lo que permitirá a las autoridades ambientales tomar decisiones más informadas.
Los impactos esperados incluyen mejoras significativas en la capacidad de monitoreo y gestión de la calidad del agua por parte de las autoridades locales, lo que redundará en un beneficio directo para las comunidades afectadas por la minería y en general por las descargas de vertimientos de agua residual doméstica e industrial. A nivel ambiental, se espera una mejor gestión de los ecosistemas acuáticos, al permitir la implementación de medidas correctivas en tiempo real. A largo plazo, la automatización de los procesos reducirá los costos operativos y mejorará la eficiencia en la gestión de los recursos hídricos.
El problema central radica en la limitada capacidad de las autoridades ambientales para monitorear y gestionar la calidad del agua de manera continua y eficiente. Actualmente, los métodos de evaluación son costosos y lentos, lo que impide una respuesta rápida ante eventos de contaminación. Este proyecto busca superar estas limitaciones mediante la automatización de los modelos de autodepuración desarrollados en la Fase I, utilizando tecnologías avanzadas como la inteligencia artificial y los sistemas de información geográfica (SIG).
En la Fase II, se perfeccionarán los modelos matemáticos existentes que relacionan parámetros morfométricos, de calidad del agua y de flujo con la capacidad de autodepuración de las corrientes superficiales. Estos modelos serán automatizados mediante el uso de redes neuronales y algoritmos de aprendizaje automático, que permitirán procesar grandes volúmenes de datos en tiempo real. La integración de estos modelos en una plataforma SIG facilitará la visualización y el análisis espacial de los datos, lo que permitirá a las autoridades ambientales tomar decisiones más informadas.
Los impactos esperados incluyen mejoras significativas en la capacidad de monitoreo y gestión de la calidad del agua por parte de las autoridades locales, lo que redundará en un beneficio directo para las comunidades afectadas por la minería y en general por las descargas de vertimientos de agua residual doméstica e industrial. A nivel ambiental, se espera una mejor gestión de los ecosistemas acuáticos, al permitir la implementación de medidas correctivas en tiempo real. A largo plazo, la automatización de los procesos reducirá los costos operativos y mejorará la eficiencia en la gestión de los recursos hídricos.
| Status | Finished |
|---|---|
| Effective start/end date | 16/01/25 → 21/11/25 |
UN Sustainable Development Goals
In 2015, UN member states agreed to 17 global Sustainable Development Goals (SDGs) to end poverty, protect the planet and ensure prosperity for all. This project contributes towards the following SDG(s):
-
SDG 6 Clean Water and Sanitation
Strategic Focuses
- Bioeconomía, Energías renovables y Sostenibilidad (BEES)
Project Status
- Execution
Relation Academy- enterprises
- No
Training for research
- No
Interdisciplinary
- No
Collaborative project between research groups
- No
Project with potential for technological development susceptible to intellectual property protection.
- Yes
Area of knowledge (OECD)
- 2. ENGINEERING AND TECHNOLOGY 2.A. Civil Engineering
Rol Sabana
- Co- Executor
Geographic reach
- Regional – Central Sabana