Experiencias en la predicción de presencia de medusas · STARJELLY está basado en un modelo...
-
Upload
vuongxuyen -
Category
Documents
-
view
215 -
download
0
Transcript of Experiencias en la predicción de presencia de medusas · STARJELLY está basado en un modelo...
Experiencias en la predicción de
presencia de medusas
Vicente Gómez
Desarrollo de negocio e Innovación
Ingeniería AQUALOGY
¿Quiénes somos?
Portfolio de más de
100 soluciones
adaptables
Gestionamos más
de 2,000
instalaciones
Más de 10.000
profesionales
Actividad en más de
20 países
Adaptación a las
necesidades del cliente
14 millones de
euros en inversión
I+D+i
Conocimiento
acumulado en 150
años
¿Dónde estamos?
Nuestros servicios en ámbito costero
Plataforma de
Información al público
en tiempo real Seguimiento y
vigilancia calidad de
las playas
Alerta y previsión
de la calidad de las
aguas baño
COWAMA Gestión
avanzada de
drenaje
urbano
Sistema de alerta
de probabilidad de
aparición de
medusas
Sistemas de
Gestión y
acreditaciones
Suministro y gestión
de duchas/lavapiés
con telemetría
Divulgación y
educación
ambiental
Perfil de playa
con uso de
modelización
Analíticas
microbiológicas de
resultados rápidos
Protocolos de
actuación
Monitorización on
line de la calidad
¿Por qué las medusas?
• En aumento (con alta probabilidad)
• En aumento (con baja probabilidad)
• Disminuyen
• Estables
• Sin datos
Tendencia de poblaciones de medusas invasivas y nativas en el mundo*
* Fuente: University of British Columbia – 2012
TURISMO
ACUICULTURA
SOCIAL
INDUSTRIA
Proyecto Starjelly
Los inicios
COWAMA
IBEACH
STARLAB
Interés y
recursos
Proyecto STARJELLY
2012 - 2014
iBeac
h J
o
r
d
i
Z
u
b
e
l
z
u
Proyecto STARJELLY
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 ( 9 + 7 )
Proyecto STARJELLY
El funcionamiento
Imágenes vía satélite
Predicciones meteo
Modelos de circulación
Ground Truth
DETECCIÓN y
PREDICCIÓN Medusa Sí/No (%)
FTP
Otros
CL
IEN
TE
Morfología
costera
Corrientes
Temperatura
Clorofila
Salinidad
Proyecto STARJELLY
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
Proyecto STARJELLY
Resultados 2012 - Cartagena
Aug – Nov 2012 ( S: Success, SR: Success Rate, FP: False Positive, FPR: False Positive Rate, FN: False Negative,
FNR: False Negative Rate
Proyecto STARJELLY
Resultados 2012 - 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
Proyecto STARJELLY
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
Platja Mora 77 28 49
Platja Savinosa 77 22 55
Platja Tamarit 77 28 49
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%
Proyecto STARJELLY
Resultados 2013 - 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
Mejora de la incorporación de los datos de campo en el
sistema para su aprendizaje
Mejorar la exportabilidad y escalabilidad del
modelo y del sistema
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
Proyecto STARJELLY
Resultados 2014
Julio Agosto Septiembre Temporada
TARRAGONA
Tamarit -- -- -- --
Llarga 100 58 77 81
Miracle -- -- -- --
Arrabassada 100 65 63 79
Savinosa -- -- -- --
Capellans -- -- -- --
Mora 97 77 93 91
CARTAGENA
La Azohia (San Ginés) 100 100 92 98
Calblanque 93 100 100 95
Playa de Levante (Cabo de Palos)
92 85 92 91
Playa del Barco Perdido (Sirenas)
92 77 85 86
Playa del Galúa 75 77 71 78
Lima 6 100 100 93 98
Lima 9 91 100 100 98
Lima 13 92 100 86 93
Lima 14 80 83 86 86
Tasa de acierto ( % )
Proyecto STARJELLY
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
Podemos considerar que las fuentes de información
actuales son las adecuadas y sus resoluciones las
apropiadas
Las tareas de Ground truth son críticas y condicionan
tremendamente los resultados en estas fases de aprendizaje
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%)
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
CONDICIONANTES 2014
CARTAGENA: se colocaron redes anti-medusas a
principio de verano
TARRAGONA: la presencia de medusas ha sido más baja de
la habitual