Explorando estrategias de gestión del agua para mitigar los impactos locales de la sequía en los Países Bajos utilizando métodos basados en datos previamente utilizados para simulaciones a proyecciones

Eventos extremos como sequías e inundaciones pueden tener un impacto significativo en el medio ambiente y la sociedad. Como resultado, son necesarias estrategias efectivas de gestión del agua para limitar y mitigar estos impactos. En la última década, los Países Bajos han experimentado varios eventos extremos de sequía, lo que ha generado un interés creciente en adaptar las prácticas de gestión del agua, tradicionalmente centradas en inundaciones, para abordar las sequías de manera más directa y efectiva. Se han probado previamente técnicas de aprendizaje automático para la misma región en términos de pronóstico estacional y proyecciones bajo diferentes escenarios de calentamiento, mostrando el beneficio adicional de estas técnicas en reducir datos de entrada a gran escala a información relevante a escala local para los gestores de agua. Este trabajo reciente tiene como objetivo dar un paso más para explorar opciones de gestión del agua para la mitigación de sequías incorporando el aprendizaje automático en un marco de simulaciones hidrológicas, escenarios de gestión del agua y funciones de impacto. Al incorporar los conocimientos obtenidos de trabajos anteriores, se pone un enfoque más cercano en los aspectos humanos y su impacto en la gestión local de sequías. Desarrollamos un modelo de Memoria a Largo Corto Múltiple (LSTM) que facilita la exploración de diferentes opciones de gestión del agua. Un hallazgo esencial es que tomar acciones proactivas más temprano puede limitar aún más los impactos de la sequía y ayudar a mitigar los largos períodos de recuperación que de otro modo se habrían observado. Con el modelo de gestión del agua Multi-LSTM podemos potencialmente reducir el impacto de la sequía en un 3-5% para las sequías de 2003, 2015 y 2018. Como resultado, este trabajo proporciona valiosos conocimientos para la gestión operativa del agua y posibles mejoras en las estrategias de gestión del agua con técnicas de aprendizaje automático para abordar efectivamente los futuros eventos de sequía.