Aplicación de técnicas de aprendizaje automático a la monitorización de la calidad de masas de agua mediante técnicas de teledetección
Application of machine learning techniques to water quality monitoring by remote sensing
Ver/ Abrir
Identificadores
URI: https://hdl.handle.net/10902/28313Registro completo
Mostrar el registro completo DCAutoría
García Díaz, DanielFecha
2023-01-25Derechos
Attribution-NonCommercial-NoDerivatives 4.0 International
Palabras clave
Teledetección
Aprendizaje automático
Calidad del agua
Remote sensing
Deep learning
Water quality
Resumen/Abstract
RESUMEN: Esta tesis aborda el problema de la monitorización de la calidad de las masas de
agua continentales y los episodios de eutrofización a los que éstas pueden verse
sometidas mediante los datos de teledetección espacial publicados en abierto por la
Agencia Espacial Europea (European Space Agency, ESA) y la NASA (National
Aeronautics and Space Administration) para sus misiones espaciales Sentinel-2 y
Landsat 8 respectivamente. En este trabajo se introducen recientes técnicas de
aprendizaje automático, como son los algoritmos de deep learning, tanto en el
preprocesado de las imágenes como en la inferencia de las variables de calidad de
agua a monitorizar. Gracias a estas técnicas se propone con éxito un nuevo método
para monitorizar la temperatura y la concentración de clorofila de un embalse
eutrofizado, estimando ambas variables de forma fiable tanto temporal como
espacialmente. El resultado final es un sistema automático de monitorización del
estado trófico de las masas de agua dulce a través de la concentración de
clorofila-a, el cual utiliza únicamente los datos en abierto proporcionados por los
principales satélites operativos.
ABSTRACT: This thesis addresses the problem of monitoring the quality of continental water
masses and the eutrophication episodes through space remote sensing data
published openly by the European Space Agency (ESA) and NASA (National
Aeronautics and Space Administration) for their Sentinel-2 and Landsat 8 space
missions. In this work, recent automatic deep learning techniques are introduced,
both in the preprocessing of the images and the inference of the water quality
variables to be monitored. Thanks to these techniques, a new method is successfully
proposed to monitor the temperature and chlorophyll concentration of a eutrophic
reservoir, estimating both variables reliably both temporally and spatially. The final
result is an automatic system for monitoring the trophic state of freshwater masses
through the concentration of chlorophyll-a, which only uses open data provided by
the main operational satellites.
Colecciones a las que pertenece
- D52 Tesis [37]
- EDUC Tesis [540]