21 de diciembre, 2020
< Volver

Científicos de la Universidad Rey Juan Carlos (URJC), en colaboración con el instituto IMDEA Agua y la Universidad de Valencia, han diseñado sistemas de monitorización para la recogida datos masivos sobre afloramientos de algas y cianobacterias en embalses y lagunas. Este crecimiento puede resultar nocivo para la salud humana y de los animales acuáticos como consecuencia de la toxicidad que generan.

La pérdida de calidad de los ecosistemas de agua dulce, principalmente provocada por la abundancia excesiva de nutrientes, como el nitrógeno y fósforo, queda patente en los cada vez más frecuentes afloramientos (blooms) de fitoplancton, como algas y cianobacterias (algas verdeazuladas). Además, las toxinas que desprenden cuando el afloramiento colapsa y muere pueden tener efectos nocivos sobre los animales acuáticos e incluso la salud humana pudiendo llegar a producir gastroenteritis, fiebre e irritación de la piel, ojos y garganta, entre otros.

La predicción de los afloramientos de algas y cianobacterias es actualmente un reto difícil de abordar, principalmente debido a su alta variabilidad espaciotemporal. La solución desarrollada por dos equipos científicos del área de Tecnología Electrónica y del grupo de investigación de Cambio Global Terrestre y Geología Ambiental de la Universidad Rey Juan Carlos (URJC), en colaboración con el instituto IMDEA Agua y la Universidad de Valencia, consiste en la implementación de un sistema de monitorización de estos afloramientos mediante redes de sensores inalámbricos (WSN, por sus siglas en inglés) e imágenes de satélite en dos emplazamientos: el embalse de As Conchas en Galicia y la laguna de L´Albufera de Valencia. "El sistema permite el acceso remoto a los datos obtenidos a través de una aplicación web multiplataforma para su posterior análisis. Es necesario al menos un ciclo de un año de datos para poder desarrollar modelos estadísticos específicos para la predicción fiable de afloramientos y para poder establecer la fiabilidad y mantenimiento del sistema", explica Cristina Rodríguez Sánchez, investigadora del área de Tecnología Electrónica de la URJC.

Esta plataforma está compuesta por dos tipos de boyas multiparamétricas, unas equipadas con software privativo que contiene sensores ópticos, y otras boyas con sistemas abiertos de menor coste. "Mientras que las boyas recogen datos puntuales en una localización concreta, el empleo conjunto de imágenes de satélite complementa el sistema, puesto que permite monitorizar la evolución espacial de estos parámetros en toda la superficie de las masas de agua en estudio", señala la investigadora de la URJC.

El equipo científico destaca que ya se han obtenido y analizado imágenes de satélite de manera satisfactoria y que una vez se tengan series de datos suficientes, se establecerán correlaciones entre las imágenes y dichos datos. Además, se contrastará la información recogida por esta plataforma con los muestreos tradicionales realizados por los organismos de gestión implicados en cada emplazamiento. Los siguientes pasos a desarrollar serán el análisis de los datos recopilados y el diseño final de un modelo de predicción de afloramientos, junto con un sensor óptico de menor coste que los disponibles actualmente en el mercado.

Noticias relacionadas

comments powered by Disqus

Utilizamos cookies propias y de terceros para analizar nuestros servicios y mostrarle publicidad relacionada con sus preferencias en base a un perfil elaborado a partir de sus hábitos de navegación (por ejemplo, páginas visitadas o videos vistos). Puedes obtener más información y configurar sus preferencias.

Configurar cookies

Por favor, activa las que quieras aceptar y desactiva de las siguientes las que quieras rechazar. Puedes activar/desactivar todas a la vez clicando en Aceptar/Rechazar todas las cookies.

Aceptar/rechazar todas
Cookies Analíticas

Cookies que guardan información no personal para registrar información estadística sobre las visitas realizadas a la web.

Cookies de Marketing

Cookies necesarias para determinadas acciones de marketing, incluyendo visualización de vídeos provenientes de plataformas como Youtube, Vimeo, etc. y publicidad de terceros.

Cookies de Redes Sociales

Cookies relacionadas con mostrar información provenientes de redes sociales o para compartir contenidos de la web en redes sociales.