Aplicación de técnicas de aprendizaje automático a la monitorización de la calidad de masas de agua mediante técnicas de teledetección

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.