Integración de modelos simulados y reales para la detección de cianobacterias nocivas en entornos acuáticos

Abstract

La fotosíntesis oxigénica llevada a cabo por las cianobacterias ha sido y es imprescindible para la vida aeróbica, aunque un crecimiento rápido y descontrolado de estos microorganismos puede ser perjudicial en entornos acuáticos. Estos microorganismos son especialmente nocivos para la flora y fauna de los entornos de agua dulce y para los seres vivos que requieren de este medio para su subsistencia. Es por tanto un problema muy grave que debe ser tratado de manera rápida y eficiente para preservar estos ecosistemas. Las técnicas actuales no resuelven eficientemente esta problemática. Esto es debido a que se enfocan en proporcionar una solución en el momento exacto en el que se detectan los primeros indicios de estos crecimientos denominados afloraciones. Detectar estos indicios supone que los efectos nocivos derivados ya están surgiendo, por lo que estas técnicas únicamente se centran en una mitigación tras detección. Implementar nuevas técnicas preventivas que permitan predecir en tiempo y posición estas afloraciones conseguiría alertar a las autoridades, con el objetivo de que puedan tomar medidas antes de que los efectos nocivos derivados sean una realidad. La solución planteada en el proyectos IA-GES-BLOOM-CM permite simular durante un período de tiempo el desplazamiento de un vehículo autónomo acuático en busca de predicciones de afloraciones de cianobacterias mediante el uso de datos sintéticos. En este trabajo, englobado dentro del proyecto SMART-BLOOMS, se pretende validar esta solución por medio de su adaptación y posterior despliegue sobre unidades reales en un entorno acuático real. De esta manera se podrá emular el comportamiento del vehículo físico y comprobar si funciona acorde a la simulación original. Para llevar a cabo este despliegue es necesario incluir e integrar sensores reales que permitan obtener datos de posicionamiento y orientación del entorno para emular correctamente el comportamiento del vehículo. Debido a que en este trabajo se busca validar el funcionamiento del vehículo, los sensores que no sean estrictamente necesarios para la orientación y el movimiento del vehículo podrán seguir siendo sintéticos.Oxygenic photosynthesis carried out by cyanobacteria has been and is essential for aerobic life, although rapid and uncontrolled growth of these microorganisms can be harmful in aquatic environments. These microorganisms are particularly detrimental to the flora and fauna of freshwater aquatic environments and to living beings that depend on this medium for their survival. Therefore, it is a very serious problem that must be addressed quickly and efficiently to preserve these environments. Current techniques do not efficiently solve this problem. This is because they focus on providing a solution at the exact moment the first signs of these growths, known as blooms, are detected. Detecting these signs implies that the harmful effects are already emerging, leaving these operational techniques relegated to mitigation after detection. Implementing new preventive techniques that allow for the prediction in time and location of these blooms would alert authorities, so they can take measures before the harmful effects become a reality. The solution proposed in the IA-GES-BLOOM-CM project allows simulating for a period of time the movement of an autonomous aquatic vehicle in search of predictions of cyanobacteria blooms using synthetic data. In this work, which is part of the SMARTBLOOMS project, the goal is to validate this solution through its adaptation and subsequent deployment on real units in a real aquatic environment. This way, the behavior of the physical vehicle can be emulated and it can be confirmed that it works according to the original simulation. To carry out this deployment, it is necessary to include real sensors that allow obtaining data on positioning and orientation of the environment to correctly emulate the behavior of the vehicle. Since this work aims to validate the functioning of the vehicle, sensors that are not strictly necessary for the orientation and movement of the vehicle may continue to be synthetic. This requires a correct integration of synthetic and real data.