| Popis: |
En la actualidad, la escasez de agua es un tema que está a la orden del día ya que el abastecimiento está condicionado por el cambio climático, la sobreexplotación y la contaminación. Además, a estos factores condicionantes hemos de añadir las afloraciones de algas y cianobacterias (HABs, del inglés, Harmful Algal and Cyanobacterial Blooms), que al ocurrir en todo tipo de masas de agua y conllevar la producción de toxinas nocivas para la salud humana y de los animales, tienen un gran impacto ambiental y económico. Hasta ahora, estas afloraciones han sido evaluadas principalmente realizando una recolección manual y un posterior análisis de las muestras de agua, o con la ayuda ocasional de ciertos instrumentos automáticos que adquieren información de ubicaciones fijas, como podrían ser algunas boyas de muestreo periódico que se encuentran ancladas en lagos y embalses. Sin embargo, aunque lo ideal es disponer de sistemas de alerta temprana para la detección de cianobacterias, los procedimientos utilizados hasta el momento no suelen proporcionar datos con la consistencia espacial y temporal suficiente para poder anticipar la formación de HABs, por lo que los sistemas de alerta temprana existentes no tienen las prestaciones necesarias para predecir de forma adecuada y con la anticipación suficiente la evolución de cianobacterias. Por todo esto, es necesario desarrollar nuevas técnicas y herramientas que combinen recogidas de datos más exhaustivas con simulaciones numéricas de los HABs para detectar, caracterizar y poder predecir y responder eficientemente a las afloraciones que amenazan la calidad del agua y la salud de los seres vivos. Por ello, en este trabajo se propone implementar una solución integral para la monitorización y gestión en tiempo real de las afloraciones de cianobacterias, respaldada por una infraestructura de ingeniería de sistemas basada en modelos (MBSE, del inglés, Model-Based Systems Engineering) para entornos dinámicos. |
