El repte d’inferir els nostres aqüífers des de l’espai.
Sota els nostres peus es troba un dels tresors més valuosos i, alhora, menys compresos del planeta: les aigües subterrànies. Com assenyala l’informe de l’ONU del 2022 dedicat a aquest recurs, és vital per a la vida, però el seu caràcter invisible ha facilitat una gestió sovint deficient, portant-nos a una crisi silenciosa d’esgotament.
Històricament, monitoritzar la salut d’un aqüífer depenia de mesuraments directes en pous locals, un mètode precís però molt limitat geogràficament, cosa que generava grans “punts cecs” sobre l’estat real de les nostres reserves hídriques.
Tanmateix, la ciència ha trobat una manera sorprenent de mirar sota terra: inferir canvis en l’aigua emmagatzemada des de l’espai. Gràcies a la tecnologia GRACE-FO (Gravity Recovery and Climate Experiment Follow-On), amb participació de la NASA i del GFZ alemany, avui podem detectar canvis minúsculs en la gravetat terrestre provocats pel moviment de masses d’aigua. Quan una regió perd aigua emmagatzemada, la seva massa disminueix, alterant lleugerament l’atracció gravitatòria que experimenten els satèl·lits en la seva òrbita.
Imatges del satèl·lit GRACE (NASA). Aquesta visualització forma part del projecte conjunt NASA/Centre Aeroespacial Alemany GRACE (Gravity Recovery and Climate Experiment), que des del 2002 monitoritza els canvis de massa del gel àrtic des de l’espai. Les dades GRACE revelen que Groenlàndia va perdre prop de 280 gigatones de gel l’any entre el 2002 i el 2016, elevant el nivell del mar global 0,8 mm anuals. Crèdit: NASA/GRACE.
Tot i que aquesta “balança espacial” és revolucionària, té una limitació: la seva resolució és molt gruixuda, i ofereix dades a escales de centenars de quilòmetres. Aquí és on entra en joc la Intel·ligència Artificial (IA). Aquesta tecnologia actua com la lent que enfoca la imatge borrosa de l’espai, permetent fer un downscaling (reducció d’escala) que tradueix aquestes dades globals en informació més útil a escales regionals i locals. Aquesta sinergia tecnològica no només ens ajuda a veure millor l’aigua oculta, sinó que també pot reforçar la vigilància de riscos com l’enfonsament del terreny i donar suport a una gestió més sostenible de les nostres regions agrícoles.
GRACE-FO, la balança gravitatòria orbital.
Per entendre com podem vigilar aqüífers des de l’espai, hem de canviar la nostra manera de veure la Terra. No la mirem com una esfera estàtica, sinó com un cos la massa del qual es desplaça constantment. La tecnologia GRACE-FO, llançada el 2018, aprofita una llei física fonamental: la gravetat depèn de la massa.
El sistema utilitza una parella de satèl·lits. El sistema no utilitza càmeres convencionals, sinó una parella de satèl·lits que viatgen en la mateixa òrbita, a uns 490 km d’altitud, separats per uns 220 quilòmetres. El seu funcionament és tan enginyós com precís: mentre orbiten, mesuren constantment la distància que els separa mitjançant microones, i a més incorporen un sistema d’interferometria làser com a demostració tecnològica capaç de detectar variacions extremadament petites. Quan el satèl·lit davanter sobrevola una zona amb una massa inusualment alta —com una serralada o una gran acumulació d’aigua—, la gravetat d’aquella zona l’“estira” cap endavant, accelerant-lo i augmentant la distància amb el seu company. Quan passa el segon satèl·lit, passa el mateix, i la distància torna a ajustar-se.
Principi de funcionament del satèl·lit GRACE (NASA). Els satèl·lits bessons GRACE mesuren amb precisió mil·limètrica els canvis en la distància entre ambdues naus causats per variacions en la gravetat terrestre, permetent cartografiar la pèrdua de massa del gel glacial des de l’espai. Crèdit: NASA/JPL.
El processament d’aquestes dades comença a terra, on superordinadors reben les “dades brutes” (distància làser, GPS i orientació). En aquesta primera fase de processament, l’objectiu és purament geofísic: s’ha de netejar el “soroll” massiu provocat per les marees oceàniques, els moviments de les masses d’aire a l’atmosfera i el “fons fix” de les muntanyes. En restar aquests factors, els científics obtenen el que queda: la massa d’aigua. Tanmateix, el resultat d’aquest filtratge complex continua sent una “taca” borrosa de resolució gruixuda (300-400 km), capaç de dir-nos que un continent perd aigua, però incapaç d’assenyalar una vall agrícola concreta.
La Intel·ligència Artificial com a lent d’alta resolució.
Aquí és on l’Aprenentatge Automàtic (Machine Learning) pren el relleu, funcionant com una segona capa de processament molt més sofisticada. Si els superordinadors de la NASA s’encarreguen de la “neteja física” de les dades, els algoritmes d’IA s’encarreguen de la “reconstrucció de la informació”.
Aquesta tecnologia amplia el procés comparatiu que esmentàvem abans. Mentre que el sistema tradicional compara un mes amb l’anterior per detectar canvis bruts, els models d’IA analitzen aquestes sèries temporals durant anys per aprendre el “ritme” específic de cada regió. En creuar el senyal gravitatòria amb variables locals (precipitació, humitat del sòl i nivells de pous), el sistema és capaç d’”enfocar” aquella taca borrosa inicial.
Com passar d’una foto borrosa a una imatge en alta definició: així és com els científics combinen diferents fonts de dades satel·litàries per entendre quanta aigua hi ha als nostres rius i aqüífers cada dia. Font: ESA / Projecte de millora de dades GRACE.
Aquesta fase de processament intel·ligent permet una depuració algorítmica sense precedents. Els models poden identificar si un canvi de massa en un mes determinat és una anomalia passatgera (com una inundació local) o si forma part d’una tendència de declivi estructural de l’aqüífer. D’aquesta manera, la IA no només amplia la resolució, sinó que interpreta la dada: separa quina part de la pèrdua d’aigua es deu a l’evaporació natural i quanta és responsabilitat de l’extracció humana. És, en essència, la tecnologia que permet que la visió global de la gravetat “aterri” amb precisió en la realitat d’un agricultor local.
L’enfocament de precisió a la Vall Central de Califòrnia
Un exemple emblemàtic d’aquesta aplicació és el monitoratge de la Vall Central de Califòrnia, una de les regions agrícoles més productives del món i, alhora, una de les més castigades per la sobreexplotació d’aqüífers. El desafiament era clar: les dades de GRACE mostraven un esgotament massiu, però no permetien identificar quines àrees específiques estaven en risc crític de subsidència (enfonsament del terreny).
Metodologia i dades: En aquest cas paradigmàtic, els investigadors van utilitzar algoritmes de bosc aleatori (Random Forest) —una tècnica d’aprenentatge automàtic altament efectiva per gestionar múltiples variables ambientals— per integrar les dades gravitatòries amb mesuraments locals de milers de pous i dades de teledetecció d’humitat.
Evidència de l’esgotament hídric a Califòrnia (2002-2022). La gràfica mostra el declivi crític de les reserves d’aigua que el nou model d’alta resolució aconsegueix cartografiar amb precisió de 5 km a la Vall Central. Font: Elaboració basada en dades de NASA JPL/Caltech i les missions GRACE & GRACE-FO.
Resultats clau: El model va aconseguir “enfocar” les dades satel·litàries, passant d’una resolució de 300 km a una d’aproximadament 5 quilòmetres. Això va permetre:
- Identificar focus d’extracció: Es van localitzar zones de bombeig excessiu que abans quedaven diluïdes en la mitjana regional.
- Predir l’enfonsament: Basant-se en les dades històriques de l’USGS, es va demostrar que la gestió predictiva va permetre alertar sobre zones on el sòl presentava un risc imminent de col·lapse, facilitant una planificació que prevé danys en infraestructures crítiques de reg.
- Validació: La fiabilitat del model va superar el 90% en contrastar-se amb els nivells reals mesurats en pous de control de la xarxa de vigilància local.
Implicacions àmplies i el context regional
L’èxit a Califòrnia és la prova de concepte d’una nova era en la hidrologia digital. En el context espanyol, aquesta tecnologia resulta vital. Espanya afronta desafiaments crítics d’estrès hídric en conques com la del Segura, el Xúquer o el Guadalquivir. La capacitat d’inferir amb precisió la recàrrega i el buidatge dels aqüífers permetria a les Confederacions Hidrogràfiques i comunitats de regants prendre decisions basades en dades objectives, optimitzant l’ús de l’aigua i anticipant-se a sequeres extremes.
Però el potencial futur va més enllà:
- Seguretat alimentària global: Identificar regions que estan “vivint de prestat” de reserves que no es recarreguen.
- Protecció d’ecosistemes: Evitar que el descens d’aqüífers assequi aiguamolls protegits.
Actors clau: Al nostre país, diversos grups de recerca en universitats i centres del CSIC són ja referents en l’ús de la constel·lació Sentinel de l’ESA. Aquests satèl·lits aporten dades d’alta resolució sobre humitat del sòl i cobertes vegetals que, processades amb algoritmes d’aprenentatge automàtic. Aquesta informació pot ser utilitzada en un moment donat com la “guia” detallada necessària per fer aterrar la informació gravitatòria de GRACE-FO a escala local. Un ecosistema amb aquesta estructura possiblement podria situar la ciència espanyola en una posició estratègica per millorar una gestió hidrològica de precisió.
Un futur transparent per a les nostres reserves invisibles
L’aliança entre la balança gravitatòria de GRACE-FO i la capacitat analítica de la intel·ligència artificial marca una fita. Hem passat de gestionar aqüífers mitjançant estimacions fragmentades a una era de transparència hídrica. Comptar amb “ulls digitals” al subsòl no és només ciència avançada; és una garantia de resiliència davant el canvi climàtic i una eina per protegir la nostra estabilitat econòmica i social.
La IA no ve a substituir la gestió humana, sinó a dotar-la d’una visió global i transparent. Apostar per aquestes innovacions és assegurar que el tresor més valuós del planeta, encara que continuï ocult sota els nostres peus, no torni a ser mai més una incògnita.
