Julian Koch, senior researcher del Department of Hydrology del Geological Survey of Denmark and Greenland (GEUS), participó en la Jornada Técnica sobre el Estado de Implantación del Plan de Acción de las Aguas Subterráneas: Inteligencia Artificial y Aguas Subterráneas, celebrada el 20 de mayo de 2026 en la ETS de Ingenieros de Minas y Energía de la UPM, con una ponencia internacional sobre evaluación nacional del agua subterránea mediante machine learning y modelización híbrida.
La experiencia danesa tiene un punto de partida singular: en Dinamarca, el abastecimiento de agua potable depende exclusivamente de las aguas subterráneas. Esa dependencia convierte al recurso en una prioridad estratégica y explica el desarrollo de herramientas nacionales para comprender presiones externas, apoyar decisiones basadas en ciencia y anticipar impactos sobre cantidad y calidad.
Koch presentó el DK-model, el modelo hidrológico nacional desarrollado durante dos décadas sobre el código MIKE SHE. El modelo integra flujo subterráneo tridimensional, escorrentía superficial, zona no saturada y opciones de gestión. Se ejecuta para todo el territorio danés, tanto en análisis históricos de 35 años como en previsión en tiempo real y escenarios climáticos hasta final de siglo. Sin embargo, su resolución espacial puede limitar algunas aplicaciones locales y presenta errores que conviene corregir.
En Dinamarca, el abastecimiento de agua potable depende exclusivamente de las aguas subterráneas
Para superar esas limitaciones, el GEUS combina el modelo de procesos con aprendizaje automático. Mediante gradient boosting y mapas de alta resolución de topografía, suelos y geología, los puntos de observación piezométrica se transforman en productos de profundidad a la lámina de agua a diez metros de resolución, diferenciados para condiciones de verano e invierno. En modelización híbrida, Koch explicó dos estrategias: usar la salida del modelo físico como entrada del aprendizaje automático o modelar los residuos del modelo físico como posprocesado. Esta segunda vía ha reducido el sesgo de forma notable, aunque la mejora de la dinámica temporal sigue siendo un reto.
La ponencia también abordó calidad del agua subterránea. Koch presentó modelos nacionales de condiciones redox, fundamentales para entender la atenuación natural del nitrato por desnitrificación. La metodología combina datos de sondeos, color del sedimento, mapas covariables, modelos de regresión y clasificación, y herramientas de cuantificación de incertidumbre. El resultado permite diferenciar zonas vulnerables o robustas frente al lixiviado agrícola y apoyar tanto la regulación agraria como la evaluación bajo la Directiva Marco del Agua.
El enfoque se ha extendido a contaminantes geogénicos como arsénico, manganeso o hierro y a modelos tridimensionales de probabilidad de contaminación por nitrato a distintas profundidades. Para España, el caso danés es relevante no como receta directa, sino como referencia de madurez: la IA puede aumentar resolución, reducir sesgos y generar productos nacionales útiles, pero requiere redes de observación, información hidrogeológica tridimensional, gobernanza del dato y validación continua.
