Desarrollo de métricas sustentables para la optimización del nexo agua-energía-alimentos-ecosistemas

Abstract

The increased importance of water, energy, and food security puts into context the sum of political and environmental interests for action and regulation on climate change. This project aims to analyze and propose innovative solutions to the problem of meeting the needs of water, energy, and food in a sustainable manner, considering a multi-objective approach. It contemplates the development of new indices to evaluate the sustainable development of the water-energy-food nexus and involves the ecosystems within it, combining economic profitability, eco-indicators, and novel machine learning tools to develop a unified metric that evaluates supply chains and the preservation of natural resources. Optimization procedures are proposed that allow the readjustment or reconfiguration of existing systems to ensure a sustainable transition, and the possibility of exploiting machine learning technologies to predict with high precision the results of complex MINLP models without requiring explicit indications as a supporting function is confirmed for making informed decisions. This work proposes an integrated optimization approach as a viable response option in the sectors for decision-makers with net social benefits.

La importancia aumentada sobre la seguridad hídrica, energética y alimentaria pone en contexto la suma de intereses políticos y ambientales, para la acción y regulación sobre el cambio climático. En este proyecto se propone analizar y plantear soluciones innovadoras en el problema para satisfacer las necesidades de agua, energía y alimentos de manera sostenible considerando un enfoque de múltiples objetivos. El proyecto contempla el desarrollo de nuevos índices para evaluar el desarrollo sostenible del nexo agua-energía-alimentos e involucra a los ecosistemas dentro de él; combinando la rentabilidad económica, ecoindicadores y herramientas novedosas de aprendizaje automático para desarrollar una métrica unificada que evalúe cadenas de suministro y la preservación de recursos naturales. Se plantean procedimientos de optimización que permitan el reajuste o reconfiguración de los sistemas existentes para asegurar una transición sostenible y se confirma la posibilidad de explotar tecnologías de aprendizaje automático para predecir con alta precisión los resultados de modelos MINLP complejos sin requerir indicaciones explícitas como función de apoyo para la toma de decisiones informadas. En particular, en este trabajo se plantea un enfoque integrado de optimización, como opciones de respuestas viables en los sectores para los tomadores de decisiones con beneficios sociales netos.