Experiencias en la predicción de presencia de medusas. Vicente Gómez Desarrollo de negocio e Innovación Ingeniería AQUALOGY

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Experiencias en la predicción de presencia de medusas. Vicente Gómez Desarrollo de negocio e Innovación Ingeniería AQUALOGY"

Ángeles Serrano Figueroa
hace 8 años
Vistas:

1 Experiencias en la predicción de presencia de medusas Vicente Gómez Desarrollo de negocio e Innovación Ingeniería AQUALOGY

2 Quiénes somos? Portfolio de más de 100 soluciones adaptables Más de profesionales Actividad en más de 20 países Adaptación a las necesidades del cliente Gestionamos más de 2,000 instalaciones 14 millones de euros en inversión I+D+i Conocimiento acumulado en 150 años

000 profesionales Actividad en más de 20 países Adaptación a las

3 Dónde estamos?

4 Nuestros servicios en ámbito costero Sistemas de Gestión y acreditaciones Plataforma de Información al público en tiempo real Analíticas microbiológicas de resultados rápidos Seguimiento y vigilancia calidad de las playas Suministro y gestión de duchas/lavapiés con telemetría Divulgación y educación ambiental Gestión avanzada de drenaje urbano Protocolos de actuación Alerta y previsión de la calidad de las aguas baño COWAMA Monitorización on line de la calidad Sistema de alerta de probabilidad de aparición de medusas Perfil de playa con uso de modelización

Divulgación y educación ambiental Gestión avanzada de drenaje urbano Protocolos de actuación Alerta y previsión de la calidad de las aguas

5 Por qué las medusas? Tendencia de poblaciones de medusas invasivas y nativas en el mundo* INDUSTRIA SOCIAL En aumento (con alta probabilidad) En aumento (con baja probabilidad) Disminuyen Estables Sin datos ACUICULTURA TURISMO * Fuente: University of British Columbia 2012

6 Proyecto Starjelly Los inicios COWAMA ibeac h J o r d i Z u b e l z u IBEACH STARLAB Interés y recursos Proyecto STARJELLY

7 El planteamiento STARJELLY está basado en un modelo computacional que trabaja con patrones de reconocimiento no lineales destinados a la captura de interacciones físico biológicas. Variables como la morfología de la costa, la disponibilidad de alimento o determinadas características de las masas de agua condicionan la presencia de bancos de medusas en las zonas costeras. 2 PILOTOS: Cartagena Mar Menor Tarragona Duración Ago-Nov 2012 y veranos 2013 y 2014 Ventana de predicción Entre 1 y 3 días Playas monitorizadas 16 ( )

Variables como la morfología de la costa, la disponibilidad de alimento o determinadas características de las masas de agua

costera Corrientes Temperatura Clorofila Salinidad

8 El funcionamiento Imágenes vía satélite Predicciones meteo Modelos de circulación Ground Truth Morfología costera Corrientes Temperatura Clorofila Salinidad DETECCIÓN y PREDICCIÓN Medusa Sí/No (%) FTP CLIENTE Otros

9 Ground Truth En la playa, el operario toma fotografías con la cámara del smartphone El operario completa el informe con las condiciones de la localización y los datos adicionales que considere El informe se guarda y se envía al servidor a través de la aplicación Especie Densidad Localización Ausencia Presencia

localización y los datos adicionales que considere El informe se guarda y se

10 Resultados Cartagena Aug Nov 2012 ( S: Success, SR: Success Rate, FP: False Positive, FPR: False Positive Rate, FN: False Negative, FNR: False Negative Rate

11 Resultados Cartagena Resultados dispares según la zona analizada (SR 34% - 100%) Tasa media de acierto (78%) no realista Necesidad de mejorar el ground truth, entre otras cosas, diferenciando especies Necesidad de mayor resolución del modelo biológico (MERCATOR) Necesidad de incorporar información de CHL con mayor resolución ( ENVISAT 300m / MODIS o SENTINEL3 30m ) Necesidad de analizar zonas como el Mar Menor, con características biológicas muy concretas, de forma paralela

del modelo biológico (MERCATOR) Necesidad de incorporar información de CHL con mayor resolución ( ENVISAT 300m / MODIS o

Resultados 2013 - Tarragona PUESTO DE CONTROL TOTAL DÍAS ANALIZADOS PRESENCIA MEDUSAS SIN MEDUSAS Platja Arrabassada 77 29 48 Platja Capellans 63 7 56 Platja Llarga 77 39 38 Platja Miracle 77 24 53

12 Resultados Tarragona PUESTO DE CONTROL TOTAL DÍAS ANALIZADOS PRESENCIA MEDUSAS SIN MEDUSAS Platja Arrabassada Platja Capellans Platja Llarga Platja Miracle Platja Mora Platja Savinosa Platja Tamarit Tarragona 2013 Success Rate False pos rate False neg rate Miracle 59% 24% 19% Arrabassada 68% 14% 18% Savinosa 68% 6% 26% Capellans 60% 35% 5% Mora 59% 27% 14% Tamarit 59% 13% 28% Platja Llarga 58% 34% 8%

77 22 55 Platja Tamarit 77 28 49 Tarragona 2013 Success Rate False pos rate False neg rate Miracle 59% 24% 19%

13 Resultados Tarragona Resultados balanceados (SR 58% - 68%) Tasa media de acierto (61,5%) mejorable Desarrollo de una APP que permita unificar y estandarizar la captura de datos de campo Mejorar la exportabilidad y escalabilidad del modelo y del sistema Mejora de la incorporación de los datos de campo en el sistema para su aprendizaje Aplicar metodologías estadísticas para analizar los casos independientemente de las condiciones del entorno Incorporación de modificaciones en el modelo para mejorar su robustez y fiabilidad NECESIDADES y MEJORAS 2014

incorporación de los datos de campo en el sistema para su aprendizaje Aplicar metodologías estadísticas para analizar los casos

14 Resultados 2014 Tasa de acierto ( % ) Julio Agosto Septiembre Temporada TARRAGONA Tamarit Llarga Miracle Arrabassada Savinosa Capellans Mora CARTAGENA La Azohia (San Ginés) Calblanque Playa de Levante (Cabo de Palos) Playa del Barco Perdido (Sirenas) Playa del Galúa Lima Lima Lima Lima

(San Ginés) 100 100 92 98 Calblanque 93 100 100 95 Playa de Levante (Cabo de 92 85 92 91 Palos) Playa del Barco Perdido

15 Resultados 2014 Tasa de acierto MEDIA 83,67% Tarragona 91,44% Cartagena La mayor parte de las playas con SR del 100% están basadas en avistamientos negativos CONDICIONANTES 2014 CARTAGENA: se colocaron redes anti-medusas a principio de verano TARRAGONA: la presencia de medusas ha sido más baja de la habitual Las tareas de Ground truth son críticas y condicionan tremendamente los resultados en estas fases de aprendizaje Podemos considerar que las fuentes de información actuales son las adecuadas y sus resoluciones las apropiadas Ahora el sistema permite la definición de umbrales, de tal forma que podamos marcar a partir de qué % de probabilidad queremos decir si habrá o no medusas Podemos considerar que el sistema está en condiciones de ser exportado a otras zonas o regiones con las mismas garantías La experiencia nos indica que el sistema requiere ser entrenado entre 2 y 3 años para obtener resultados aceptables (>80%)

resultados en estas fases de aprendizaje Podemos considerar que las fuentes de información actuales son las adecuadas y sus resoluciones las apropiadas Ahora el sistema permite la definición de

16 GRACIAS Vicente Gómez

Documentos relacionados

COWAMA. Sistema de gestión de la calidad de las aguas y zonas de baño. Carlos Reboll Consultor de Agbar parar Desarrollo de Negocios

COWAMA. Sistema de gestión de la calidad de las aguas y zonas de baño. Carlos Reboll Consultor de Agbar parar Desarrollo de Negocios COWAMA Sistema de gestión de la calidad de las aguas y zonas de baño Carlos Reboll Consultor de Agbar parar Desarrollo de Negocios AGBAR Datos Globales Más de 150 años de experiencia Actividades en más