Tecnologías habilitadoras para automatizar la monitorización de blooms de cianobacterias

• Besada-Portas, Eva ^[1] ; Risco-Martín, José Luis ^[1] ; Esteban San Roman, Segundo ^[1] ; Girón-Sierra, José María ^[1] ; Pajares, Gonzalo ^[1] ; López-Orozco, José Antonio ^[1]
  1. [1] Universidad Complutense de Madrid

     Universidad Complutense de Madrid

     Madrid, España

     
• Localización: XLIV Jornadas de Automática: libro de actas: Universidad de Zaragoza, Escuela de Ingeniería y Arquitectura, 6, 7 y 8 de septiembre de 2023, Zaragoza / coord. por José Manuel Andújar Márquez, Ramón Costa Castelló, Alejandro R. Mosteo, Vanesa Loureiro-Vázquez, Elisabet Estévez Estévez, David Muñoz de la Peña Sequedo, Carlos Vilas Fernández, Luis Enrique Montano Gella, Pedro Jesús Cabrera Santana, Raúl Marín, Eduardo Rocón de Lima, Manuel Gil Ortega Linares, Óscar Reinoso García, Luis Payá Castelló, 2023, ISBN 9788497498609, págs. 6-11
• Idioma: español
• Títulos paralelos:
  • Enabling technologies to automate cianobacterial blooms monitoring
• Enlaces
  • Texto completo
• Resumen
  • español

    Los blooms de cianobacterias son procesos biológicos dinámicos, peligrosos para los habitantes y usuarios de los recursos hídricos, ya que reducen el oxigeno y el alcance de la luz de las masas del agua, y pueden producir toxinas altamente dañinas. La monitorización y la predicción automática de los blooms pueden permitir a las autoridades detectarlos y anticipar la toma de decisiones para mitigar los riesgos que éstos conllevan. El uso de tecnologías como el Modelado & Simulación, los Vehículos Autónomos de Superficie inteligentes, el Internet de las Cosas con computación en el borde, los Gemelos Digitales y la Inteligencia Artificial facilita tanto la monitorización como la predicción y la gestión basada en el conocimiento de la situación real de las masas de agua. Este artículo presenta diferentes avances y proyectos de investigación en estos campos del grupo de Ingeniería de Sistemas, Control, Automatización y Robótica de la Universidad Complutense de Madrid.

  • English

    Cyanobacterial blooms are dynamic biological processes, dangerous for inhabitants and users of water resources, as they reduce the oxygen and light reach in water bodies, and can produce highly harmful toxins. Automatic monitoring and prediction of the blooms can enable authorities to detect them and anticipate their decisions to mitigate the risks that they pose. The use of technologies such as Modeling & Simulation, intelligent Autonomous Surface Vehicles, Internet of Things with edge computing, Digital Twins and Artificial Intelligence facilitates monitoring, prediction and knowledge-based management of the real situation of water bodies. This article presents different advances and research projects in these fields by the Systems Engineering, Control, Automation and Robotics group of the Complutense University of Madrid.