Red de sensores inalámbrica de bajo consumo para el monitoreo urbano del nivel freático mediante aprendizaje automático y movilidad del sumidero

Vigilar el agua oculta bajo nuestras ciudades

Muchas ciudades dependen silenciosamente del agua almacenada bajo nuestros pies. A medida que crecen las poblaciones y las sequías son más frecuentes, conocer la velocidad a la que esta reserva subterránea sube o baja deja de ser un lujo y se convierte en una necesidad para planificar pozos, evitar la subsidencia del terreno y mantener el suministro. Este artículo presenta una forma inteligente de monitorizar las aguas subterráneas urbanas usando sensores inalámbricos, aprendizaje automático y un colector de datos itinerante, todo diseñado para estirar baterías diminutas de modo que el sistema pueda funcionar durante años con poca intervención humana.

Por qué el agua subterránea es difícil de rastrear

El agua subterránea no circula por tuberías que podamos medir fácilmente; se filtra a través del suelo y la roca, cambiando lentamente en amplias zonas. El monitoreo tradicional depende de unos pocos pozos revisados manualmente, lo que ofrece solo una imagen gruesa. Las redes de sensores inalámbricos prometen algo mejor: muchos dispositivos pequeños repartidos por la ciudad, cada uno midiendo el nivel del agua o condiciones relacionadas y enviando lecturas en tiempo real. El problema es que estos dispositivos suelen estar enterrados, son difíciles de alcanzar y funcionan con baterías pequeñas no recargables. Si transmiten demasiado, se agotan pronto. Peor aún, los sensores próximos al punto principal de recolección deben retransmitir los mensajes de los demás y se quedan sin energía primero, creando "zonas muertas" donde no se puede recoger información.

Una red más inteligente que reparte la carga

Los autores proponen un nuevo protocolo, llamado Sleep Scheduled Data Aggregation with Sink Mobility (SSDA‑SM), para mantener viva y fiable una red de este tipo durante largos períodos. En lugar de que cada sensor hable directamente con un concentrador central, los sensores cercanos forman grupos y un nodo de cada grupo actúa como líder temporal. Ese líder reúne las lecturas de sus vecinos y reenvía un mensaje combinado hacia un dispositivo "sumidero" itinerante que recoge todos los datos. Un modelo sencillo de aprendizaje automático ayuda a elegir qué sensor debe liderar en cada ronda, sopesando cuánta batería le queda y cuántos vecinos puede atender, además de rotar el papel para que ningún dispositivo se sobrecargue. Los sensores muy próximos entre sí y que observan condiciones similares del agua subterránea se turnan para estar despiertos, de modo que la red sigue cubriendo la zona sin malgastar energía en mediciones redundantes.

Empaquetar los datos de forma eficiente antes de que viajen

Enviar mensajes por radio es la acción más costosa para estos dispositivos subterráneos, por lo que SSDA‑SM trabaja intensamente en reducir los datos antes de que salgan del suelo. En cada líder de grupo, el sistema usa un truco matemático conocido como muestreo comprimido (compressive sensing). En lugar de reenviar cada lectura en bruto, el líder combina muchas mediciones en un conjunto mucho más pequeño de valores codificados que aún conservan el patrón esencial. Más tarde, en el sumidero con mucha más potencia de cálculo, esos valores comprimidos se descomprimen para reconstruir de forma aproximada las señales originales. Dado que el agua subterránea cambia de forma suave en el espacio y el tiempo, su comportamiento puede capturarse con precisión a partir de muchos menos números que sensores existen, lo que permite a la red enviar menos información sin perder apenas detalle.

Permitir que el colector vaya hacia los sensores

Otra fuente de desperdicio en los diseños clásicos es la posición fija del sumidero de datos. Los sensores más cercanos a ese punto deben reenviar mensajes de nodos distantes una y otra vez, agotando sus baterías primero y abriendo un "agujero" energético en el mapa. En SSDA‑SM, el sumidero es móvil: se desplaza por el área monitorizada siguiendo una ruta planificada, deteniéndose cerca de los grupos de sensores por turnos. Su trayectoria se elige para acortar la distancia media que los mensajes deben recorrer y para favorecer a los grupos cuyos líderes están bajos de energía. Los líderes almacenan temporalmente los datos comprimidos hasta que el sumidero entra en rango y entonces los envían en un salto corto. Este movimiento, combinado con una formación de grupos cuidadosa, reparte la carga de comunicación de forma más uniforme por la red.

Lo que las pruebas revelan sobre el rendimiento

Los investigadores probaron SSDA‑SM en simulaciones por ordenador detalladas y lo compararon con cuatro métodos recientes que también intentan ahorrar energía o usar sumideros móviles. Bajo las mismas condiciones—100 sensores de energías mixtas en un cuadrado del tamaño de una ciudad—el nuevo diseño mantuvo vivo al primer sensor durante más tiempo, retrasó el punto en que la mitad de los sensores murieron y amplió el tiempo hasta que toda la red se apagó. Consumió menos energía por ronda de comunicación, entregó más paquetes de datos con éxito y redujo la demora media para que la información llegara al sumidero. Los grupos de la red permanecieron estables durante más rondas, y el paso de muestreo comprimido logró una mayor reducción de datos permitiendo aun así que el sumidero reconstruyera los patrones del agua subterránea con más del 97% de precisión.

Qué significa esto para los gestores del agua urbana

Para no especialistas, el mensaje es directo: al decidir cuidadosamente qué sensores permanecen despiertos, cuáles hablan en nombre de sus vecinos, cuán compactos se envían los datos y por dónde se mueve el colector de datos, podemos construir una red de monitorización que vigile el agua oculta de la ciudad durante mucho más tiempo con las mismas baterías. SSDA‑SM demuestra que combinar aprendizaje automático sencillo, horarios de sueño inteligentes, compresión de datos y un sumidero itinerante puede convertir un conjunto disperso de sondas subterráneas en un "sistema nervioso" urbano duradero para las aguas subterráneas. Tales sistemas podrían ofrecer a los planificadores una imagen mucho más clara de la velocidad a la que se agotan los acuíferos y ayudar a orientar un uso más sostenible de este recurso crítico, pero en gran medida invisible.

Cita: Manchanda, R., Lakshmi, A.V., Kaur, G. et al. Energy-efficient wireless sensor network for urban groundwater level monitoring using machine learning and sink mobility. Sci Rep 16, 9474 (2026). https://doi.org/10.1038/s41598-026-39435-1

Palabras clave: monitoreo de aguas subterráneas, redes de sensores inalámbricas, sensado eficiente en energía, captura de datos móvil, muestreo comprimido