Tecnologías multimodales para el monitoreo y caracterización avanzado de escenarios hídricos

Abstract

La caracterización y el monitoreo de cuerpos de agua son esenciales para la gestión y conservación de recursos hídricos, impactando significativamente en la calidad del agua y la protección de ecosistemas. No obstante, los métodos tradicionales enfrentan limitaciones financieras, tecnológicas, científicas y de recursos humanos. El objetivo de esta tesis es desarrollar enfoques tecnológicos integrales que mejoren significativamente la cantidad y precisión de la batimetría y las mediciones de los parámetros de calidad del agua. Para lograr esto, se desarrolló un vehículo de superficie no tripulado (USV) para la medición y monitoreo in situ de datos batimétricos y parámetros de calidad del agua mediante rutas programadas o teledirigidas en distintos entornos hídricos. Además, se proponen metodologías para obtener modelos batimétricos de diversas resoluciones espaciales mediante la integración de tecnologías multimodales, como imágenes hiperespectrales aéreas y satelitales, vehículos no tripulados y algoritmos de aprendizaje de máquina. Estas tecnologías permitirán la creación de mapas precisos a diversas escalas. El vehículo desarrollado se denomina EMAC-USV v2.0. Se caracteriza por ser modular, de bajo costo y con arquitectura abierta. Este vehículo ofrece una solución flexible para registrar datos georreferenciados de diversos sensores, tanto locales como comerciales. Estos sensores permiten medir parámetros como batimetría, temperatura, sólidos en suspensión, entre otros. EMAC-USV v2.0 se destaca por su diseño equilibrado, optimizando rendimiento, comunicaciones, capacidad de carga útil y versatilidad en sus mediciones. La metodología para obtener modelos batimétricos se divide en dos estudios. En el primero, se integran imágenes hiperespectrales aéreas capturadas por un vehículo aéreo no tripulado con datos de sonar en un área de 800 m² del estuario de Bahía Blanca. El modelo óptimo, basado en bosques aleatorios (RF), logró predicciones de profundidad con una desviación cuadrática media (RMSE) de 0.166 m y un coeficiente de determinación (R2) de 0.815, obteniendo una batimetría densa del área de estudio con una resolución de 3.6 cm por píxel utilizando los valores digitales de las bandas espectrales. El segundo estudio fusiona imágenes satelitales hiperespectrales (VNIR) con datos batimétricos de una carta náutica para generar una batimetría de alta resolución en un área de aproximadamente 4000 km² en la Bahía Samborombón, provincia de Buenos Aires. Para aumentar la resolución espacial de las bandas espectrales, se implementó el método de fusión pancromática basado en PCA. Los modelos óptimos, también basados en RF, permitieron obtener batimetrías a escalas de 30 m y 5 m por píxel. Donde el modelo de mayor resolución obtuvo un R2 de 0.869 y un RMSE de 1.109 m, utilizando solo 24 de las 63 bandas espectrales disponibles del satélite. Esta tesis representa un avance significativo en el campo de los estudios hídricos, abordando los desafíos del monitoreo y caracterización de cuerpos de agua mediante el desarrollo de plataformas no tripuladas para la adquisición eficiente de parámetros de calidad del agua y batimetría en diversos entornos hídricos. Así como la fusión de datos hiperespectrales y batimétricos a través de modelos de aprendizaje de máquina optimizados que permiten obtener mapas batimétricos de alta resolución en zonas costeras someras.

The characterization and monitoring of water bodies are essential for the management and conservation of water resources, significantly impacting water quality and the protection of ecosystems. However, traditional methods face financial, technological, scientific and human resource limitations. The objective of this thesis is to develop comprehensive technological approaches that significantly improve the quantity and accuracy of bathymetry and water quality parameter measurements. To achieve this, an unmanned surface vehicle (USV) was developed for in situ measurement and monitoring of bathymetric data and water quality parameters through programmed or remotely piloted routes in different water environments. In addition, methodologies are proposed to obtain bathymetric models of various spatial resolutions by integrating multimodal technologies, such as airborne and satellite hyperspectral imagery, unmanned vehicles and machine learning algorithms. These technologies will enable the creation of accurate maps at various scales. The developed vehicle is called EMAC-USV v2.0. It is characterized by being modular, low cost and open architecture. This vehicle offers a flexible solution to record georeferenced data from various sensors, both local and commercial. These sensors can measure parameters such as bathymetry, temperature, suspended solids, among others. EMAC-USV v2.0 stands out for its balanced design, optimizing performance, communications, payload capacity and versatility in its measurements. The methodology to obtain bathymetric models is divided into two studies. In the first one, airborne hyperspectral images captured by an unmanned aerial vehicle are integrated with sonar data over an 800 m² area of the Bahía Blanca estuary. The optimal model, based on random forests (RF), achieved depth predictions with a root mean square deviation (RMSE) of 0.166 m and a coefficient of determination (R2) of 0.815, obtaining a dense bathymetry of the study area with a resolution of 3.6 cm per pixel using the digital values of the spectral bands. The second study fuses hyperspectral satellite imagery (VNIR) with bathymetric data from a nautical chart to generate high-resolution bathymetry over an area of approximately 4000 km² in Samborombón Bay, Buenos Aires province. To increase the spatial resolution of the spectral bands, the PCA-based panchromatic fusion method was implemented. The optimal models, also based on RF, allowed obtaining bathymetries at scales of 30 m and 5 m per pixel. Where the highest resolution model obtained an R2 of 0.869 and an RMSE of 1.109 m, using only 24 of the 63 available satellite spectral bands. This thesis represents a significant advance in the field of water studies, addressing the challenges of monitoring and characterization of water bodies through the development of unmanned platforms for the efficient acquisition of water quality and bathymetry parameters in various water environments. As well as the fusion of hyperspectral and bathymetric data through optimized machine learning models that allow obtaining high resolution bathymetric maps in shallow coastal areas.