Mostrar el registro sencillo

dc.contributor.advisorMarco de Lucas, Jesús 
dc.contributor.advisorAguilar Gómez, Fernando 
dc.contributor.authorGarcía Díaz, Daniel 
dc.contributor.otherUniversidad de Cantabriaes_ES
dc.date.accessioned2023-03-22T11:38:07Z
dc.date.available2023-03-22T11:38:07Z
dc.date.issued2023-01-25
dc.identifier.urihttps://hdl.handle.net/10902/28313
dc.description.abstractRESUMEN: 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.es_ES
dc.description.abstractABSTRACT: 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.es_ES
dc.format.extent219es_ES
dc.language.isospaes_ES
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subject.otherTeledetecciónes_ES
dc.subject.otherAprendizaje automáticoes_ES
dc.subject.otherCalidad del aguaes_ES
dc.subject.otherRemote sensinges_ES
dc.subject.otherDeep learninges_ES
dc.subject.otherWater qualityes_ES
dc.titleAplicación de técnicas de aprendizaje automático a la monitorización de la calidad de masas de agua mediante técnicas de teledetecciónes_ES
dc.title.alternativeApplication of machine learning techniques to water quality monitoring by remote sensinges_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
dc.rights.accessRightsopenAccesses_ES


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo

Attribution-NonCommercial-NoDerivatives 4.0 InternationalExcepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 International