Un equipo internacional de científicos ha desarrollado un nuevo método para predecir cómo las precipitaciones contribuyen al caudal de los ríos en todo Estados Unidos.
La técnica, que combina conocimientos de física con inteligencia artificial (IA) avanzada , tiene como objetivo ayudar a los tomadores de decisiones a prepararse mejor para los impactos climáticos y meteorológicos extremos.
Al integrar el aprendizaje profundo con la física de cuencas hidrográficas, el equipo dirigido por la Universidad de Clemson en colaboración con la Universidad de Cardiff y el Instituto IHE Delft para la Educación del Agua, desarrolló modelos de IA interpretables y guiados por la física para la simulación de lluvia y escorrentía.
El modelo superó varios enfoques hidrológicos tradicionales y al mismo tiempo estimó la probabilidad de una variedad de diferentes eventos de flujo de ríos , lo que ayudó a los científicos a identificar limitaciones y mejorar los pronósticos.
Sus hallazgos, publicados en la revista Water Resources Research , podrían mejorar la predicción del caudal de los ríos, la gestión del agua y la resiliencia climática en Estados Unidos y más allá.
La autora principal, la Dra. Vidya Samadi, profesora adjunta de Ingeniería de Recursos Hídricos en la Universidad de Clemson, afirmó: «Este trabajo surgió de la necesidad de contar con herramientas más precisas y comprensibles para predecir cómo se traduce la lluvia en el caudal de los ríos.
«Los modelos hidrológicos tradicionales a menudo tienen dificultades para manejar comportamientos complejos de cuencas hidrográficas y simulaciones complejas del caudal de los ríos.
«Al integrar restricciones físicas en arquitecturas modernas de IA, desarrollamos dos modelos probabilísticos basados en la física que no solo superan los métodos existentes, sino que también ofrecen una visión clara de cómo el caudal de los ríos responde a las precipitaciones. Esto ayuda a los investigadores y a otras partes interesadas a identificar errores y mejorar la previsión del caudal de los ríos», añadió el Dr. Samadi, quien recientemente completó una beca académica visitante en la Universidad de Cambridge.
Los modelos de IA se entrenaron con amplios datos observados y simulados de precipitaciones y escorrentías utilizando arquitecturas avanzadas de aprendizaje profundo, incluidos transformadores, para capturar patrones complejos a lo largo del tiempo.
«Al incorporar atributos físicos de la cuenca hidrográfica, nuestros modelos lograron alta precisión e interpretabilidad», dijo Sadegh Sadeghi Tabas, otro de los autores del artículo.
«Esto permite a los científicos, administradores del agua y otras partes interesadas comprender mejor los procesos hidrológicos, identificar posibles vulnerabilidades y evaluar las incertidumbres en los pronósticos del caudal de los ríos».
Su novedosa técnica también ofrece explicaciones claras de cómo se hacen las predicciones, algo de lo que a menudo carecen los modelos tradicionales, explica la coautora, la profesora Catherine Wilson, de la Escuela de Ingeniería de la Universidad de Cardiff.
Nuestro estudio demuestra cómo la combinación de la física con modelos de IA avanzados e interpretables permite predicciones más precisas y transparentes del caudal fluvial. Esto ayuda a científicos e investigadores a comprender mejor los modelos de IA y, fundamentalmente, a confiar en ellos, de modo que puedan implementarse con seguridad para predecir el caudal y gestionar los recursos hídricos , fundamentales para la planificación, la agricultura y el suministro de agua potable en todo el mundo, afirma Wilson.
«Nuestro objetivo era crear herramientas de predicción del caudal de los ríos que no solo fueran más precisas, sino también más fiables», explica el profesor Biswa Bhattacharya, del Instituto IHE Delft para la Educación del Agua, y otro coautor de esta investigación.
«Al combinar la física con la IA, podemos brindar a los científicos y administradores del agua información más clara sobre cuándo y por qué los ríos responden como lo hacen, lo cual es fundamental para preparar a las comunidades ante inundaciones, sequías y fenómenos meteorológicos extremos».
El equipo planea ampliar las capacidades del modelo integrando variables ambientales adicionales, como la humedad del suelo, los cambios en el uso de la tierra y las proyecciones climáticas, para mejorar la precisión predictiva en diversas condiciones.
También pretenden trabajar en estrecha colaboración con las partes interesadas, incluidos los administradores del agua, los servicios de emergencia , los encargados de formular políticas y otros, para aplicar la IA en la toma de decisiones en el mundo real, perfeccionar su interpretabilidad y apoyar una gestión más resiliente de los recursos hídricos.
Más información: Sadegh Sadeghi Tabas et al., Redes neuronales profundas guiadas por física probabilística con mecanismos de recurrencia y atención para la simulación interpretable de caudales diarios, Investigación de Recursos Hídricos (2025). DOI: 10.1029/2025wr040173
