Este proyecto tiene como objetivo desarrollar un modelo de monitoreo de los humedales de Bogotá que permita evaluar, en el presente y el futuro, su capacidad de regulación hídrica a través del análisis de la integridad de la vegetación de ribera. En particular, este proyecto busca entrenar algoritmos de machine learning (base estadística de la inteligencia artificial) con datos históricos (2015-2024) de campo y sensores remotos (principalmente, fotos aéreas vexcel ultracam y DMCIII, LiDAR, e imágenes satelitales PlanetScope y Sentinel-2) para predecir la capacidad de los humedales para almacenar y filtrar agua a partir de la integridad de la vegetación de sus riberas. El enfoque de nuestro proyecto propone una alternativa más económica y eficaz al monitoreo tradicional basado exclusivamente en datos de campo. A través del entrenamiento y validación de un modelo de Machine learning, nuestro proyecto propone la creación de un sistema de monitoreo continuo, accesible y escalable, que permitirá seguir los cambios en la capacidad de regulación hídrica de los humedales, y también, la identificación de zonas prioritarias para su restauración ecológica. Los resultados permitirán una mejor gestión de estos ecosistemas, no sólo en Bogotá sino en otras regiones del país donde podría implementarse la misma metodología para establecer un sistema inteligente de monitoreo de humedales, garantizando así la preservación de servicios ecosistémicos clave como la regulación hídrica, el control de las inundaciones y la conservación de la biodiversidad.