La science des données dans la gestion des ressources en eau

IDAEA est un institut des sciences de l’environnement qui se consacre aux défis futurs liés au changement climatique et à la rareté de l’eau.

Le département des géosciences étudie les processus hydrauliques, chimiques, thermiques et mécaniques associés à l’hydrogéologie. Il participe au développement de modèles numériques et mathématiques et de techniques de modélisation de processus complexes. En ce sens, elle a développé de multiples applications innovantes pour une gestion efficace des données.

Il s’agit notamment d’une application permettant de créer des coupes géologiques à partir de données de sondage ; de l’utilisation de l’intelligence artificielle pour prédire les niveaux des rivières, des aquifères et d’autres environnements physiques similaires ; d’un programme de calcul des paramètres hydrauliques à partir de données hydrogéologiques combiné à l’intégration de réseaux neuronaux ; en plus d’autres applications géospatiales basées sur l’utilisation de l’intelligence artificielle, du big data et de son traitement avancé.

Ces méthodologies naissent de la nécessité de gérer correctement la quantité d’apport de données impliquée par l’actuelle numérisation du secteur, une tendance croissante ces dernières années. À ce problème s’ajoute la nécessité d’une gestion efficace et immédiate qui peut être obtenue grâce à ces applications en accès libre.

Entité responsable

L’Institut d’évaluation environnementale et de recherche sur l’eau (IDAEA) est un institut de sciences environnementales du Conseil national de la recherche espagnol (CSIC) fondé en 2008 à Barcelone et consacré à l’étude de l’empreinte humaine dans la biosphère.

https://www.idaea.csic.es

Le travail de l’IDAEA-CSIC se concentre sur deux des défis environnementaux de notre époque : la préservation de la qualité et de la disponibilité de l’eau et de la qualité de l’air, guidée par le principe que notre compréhension scientifique des menaces actuelles sur les écosystèmes mondiaux est mieux abordée dans une perspective holistique.

L’Institut se distingue dans l’analyse des polluants organiques et inorganiques et de leur impact sur les écosystèmes, l’étude, la modélisation et la gestion des ressources en eau, le développement d’algorithmes dans différents domaines scientifiques et l’étude des particules inhalables et des gaz toxiques.

Explication détaillée

Une gestion responsable et efficace des ressources en eau nécessite des connaissances pour faire face aux conditions et problèmes possibles liés à l’eau.

Il est important d’intégrer les connaissances conceptuelles des masses d’eau. Pour cela, il faut : i) connaître le système (modèle conceptuel), généralement par un travail de terrain et un géoréférencement à l’aide de systèmes d’information géographique (SIG) ; ii) un réseau de surveillance qui fournit des informations sur l’état de la ressource et valide le modèle conceptuel.

De grands volumes de données doivent être collectés et stockés efficacement pour pouvoir être consultés.
Afin de mettre en relation les modèles conceptuels avec le traitement des données générées par le suivi, une série de plateformes et d’applications apparaissent pour transférer les données, les intégrer dans des systèmes de base de données afin d’effectuer une analyse et une interprétation correctes et de rendre la gestion plus efficace.

Création de sections géologiques : « Outil Géopropie ».
Il permet la création de coupes géologiques tridimensionnelles à l’aide d’une source ouverte en Python. Les profils sont générés à partir des données de sondage.

Outil de prédiction du niveau d’eau
Cet outil utilisant l’apprentissage automatique est capable de montrer les relations entre les variables d’une certaine série temporelle dans un modèle hydrologique. Dans certains modèles hydrologiques, il est réalisé à partir d’un suivi en temps réel, après une condition en amont (épisodes pluvieux, extractions excessives…) pour prédire le comportement à court terme en aval.

Outils de calcul des paramètres hydrauliques
La granulométrie permet de déterminer la perméabilité du terrain à partir d’une série de formules analytiques. Grâce à l’intelligence artificielle (réseaux de neurones), il est possible d’identifier quelle formule décrit la réalité dans chaque cas de manière plus détaillée. Les paramètres hydrauliques sont prédits à partir de données « bon marché » de manière efficace en complétant les formules empiriques et les réseaux neuronaux.

Indicateurs hydrochimiques
L’utilisation de l’apprentissage automatique permet de trouver les composants chimiques qui indiquent un certain groupe de composés très spécifiques ou un coût analytique élevé.

Modèles géospatiaux
Les cartes géospatiales sont générées sans être basées sur des processus physiques. Un exemple est son application dans les Andes, une détermination de la composition isotopique de l’eau de pluie sur l’ensemble du territoire a été déterminée en continu afin d’évaluer de manière concise la recharge de l’aquifère sans mesures directes de celle-ci, dans une situation de gestion complexe.

Les données météorologiques fournissent des données sur les volumes et les précipitations. Les données isotopiques sont collectées à partir de différentes analyses et campagnes réalisées sur le territoire qui ne sont généralement pas obtenues de manière systématique et/ou continue. Deux modèles sont générés eti sont intégrés en un seul. Le premier représente la distribution météorologique qui recouvre le moment et la valeur des analyses. Le modèle intégré permet de calculer l’isotopie des eaux qui rechargent les aquifères.

Gérer de grands volumes de données
Pour gérer un grand volume de données, des plateformes de gestion de bases de données spéciales et du matériel de calcul et de traitement des données sont nécessaires.

L’IDAEA a appliqué cette méthodologie à l’interférométrie radar pour mesurer les déformations du sol. Les images générées contiennent des millions de pixels, générant des centaines d’images. Pour traiter ce volume de données, les données sont filtrées, puis quantifiées et interprétées. Pour pouvoir effectuer cette tâche, il faut un système plus performant qu’Excel ou une base de données et un matériel avec une plus grande capacité de calcul.