Proyecto nace de la necesidad de integrar y ordenar más de 10 años de información científica.“Sistema de Conjunto de Datos para la Clasificación de Cenotes Sanos del Estado de Quintana Roo”, es el nombre del proyecto que busca evaluar la salud ambiental de estos cuerpos de agua mediante ciencia de datos, inteligencia artificial y un sistema digital de consulta pública, cuya iniciativa, de la Universidad Autónoma del Estado de Quintana Roo (Uqroo), pretende unificar esa evidencia en una plataforma web capaz de mostrar, clasificar y analizar la salud de los cenotes a partir de parámetros como hidrocarburos, coliformes, pH y presencia de microorganismos.La institución académica destacó que este proyecto nace de la necesidad de integrar y ordenar más de 10 años de información científica generada por distintos equipos de investigación, cuyos datos sobre calidad del agua permanecían dispersos en estudios aislados, artículos académicos y registros individuales.Para ello, el equipo utiliza algoritmos de aprendizaje automático como k-means, Support Vector Machine, Multilayer Perceptron y Regresión Logística, herramientas que permiten identificar patrones de contaminación y traducirlos en niveles de riesgo ambientales.El proyecto ha reunido a especialistas de diversas disciplinas, de la Universidad Politécnica de Quintana Roo, de la Anáhuac Cancún y de la Uqroo.La plataforma, actualmente en fase avanzada de desarrollo, clasificará cada cenote mediante un sistema visual tipo semáforo, lo que facilitará a la ciudadanía, investigadores y autoridades conocer su estado real y tomar decisiones informadas.Entre los cuerpos de agua incluidos en la primera fase del proyecto se encuentran Siete Bocas en Puerto Morelos, los de Playa del Carmen, así como de Holbox, Bacalar y varios puntos de Cancún, entre ellos el conocido cenote de la avenida Talleres y otros localizados en la zona norte del municipio Benito Juárez.
Estos sitios cuentan con datos históricos desde 2012, lo que permitirá al sistema mostrar la evolución de la calidad del agua y detectar cambios relevantes en sus niveles de contaminación.
Hasta el momento, el equipo reporta un avance cercano al 65 %, con la base de datos ya consolidada y la plataforma operando en una versión preliminar alojada en la nube, en espera de su implementación definitiva en un servidor institucional.
