web analytics

Algoritmo predictor

Cada día es más cierto que las matemáticas están en todas partes.

Esta noticia sobre el desarrollo de un algoritmo que permite predecir el movimiento superficial del mar nos acerca a esta realidad y permite avanzar el movimiento de una mancha de petróleo o  ayuda a localizar bancos de pesca.

Un equipo de investigadores de la Universidad de las Palmas de Gran Canaria (ULPGC) y de la Universidad Politécnica de Cataluña (UPC) ha logrado prever los movimientos del agua en la superficie del océano por medio de algoritmos calculados a partir de secuencias de imágenes tomadas por satélites de observación de la Tierra. Este sistema permite conocer el estado del mar para favorecer a la pesca o predecir el desplazamiento de una mancha de petróleo.

Son numerosos los factores que influyen en el comportamiento de las corrientes marinas, como la temperatura del agua, la densidad, la salinidad, el viento superficial o la propia rotación de la Tierra. Este movimiento de aguas se observa a partir de secuencias de imágenes tomadas por satélites de observación de la Tierra y, comparando unas imágenes con otras, se puede representar el desplazamiento mediante algoritmos. A partir de este sistema un equipo de investigadores de la ULPGC y la UPC ha evaluado los diferentes algoritmos que modelan los cambios de las estructuras oceanográficas y han desarrollado una nueva herramienta para estimar el movimiento superficial del mar.

“Se trata de una metodología robusta y eficiente que nos permite calcular los vectores de movimiento del agua”, explica a SINC el investigador de la ULPGC Francisco Javier Marcello. En su laboratorio recibe imágenes de las costas de alrededor de Canarias directamente desde un satélite de la agencia americana National Oceanic and Atmospheric Administration (NOAA). “Cada una de estas imágenes proporciona información de un rango específico del espectro, desde el visible hasta el infrarrojo térmico, y posteriormente, con unos algoritmos que combinan las imágenes de una banda espectral con otra, representamos la temperatura del mar”, explica Marcello.

Para verificar el funcionamiento adecuado de la metodología desarrollada se han generado artificialmente secuencias de estas imágenes, simulando posibles desplazamientos del agua cuyos vectores de movimiento son conocidos y definidos por operaciones matemáticas. Los científicos también han comprobado la validez del método contrastándolo con medidas oceanográficas tales como la velocidad del agua en secuencias reales de imágenes de satélites, u otras tomadas in situ desde barcos en diferentes campañas oceanográficas.

 
Las aguas frías afloradas responden mejor

Hay que tener en cuenta que las medidas son más efectivas en las zonas de aguas frías afloradas a la superficie ya que en ellas existe un gradiente de temperaturas. “En cambio donde la temperatura es uniforme no hay ningún patrón que permita un cálculo adecuado del movimiento”, apunta Marcello, que añade: “Bajo ciertas condiciones, el agua superficial costera se va mar adentro y las que están por debajo afloran. Son aguas frías y ricas en nutrientes como fitoplancton. Por eso, predecir los movimientos del agua ayuda a localizar focos de pesca o permite conocer la propagación de una mancha de fuel”.

Por otra parte, los algoritmos seleccionados por los investigadores también permiten detectar las nubes que aparecen en las imágenes enviadas por satélite y “eliminarlas del procedimiento de cálculo del movimiento ya que como son muy frías, pueden falsear la temperatura de la masa de agua sobre la que están”. Además, la metodología desarrollada se ha evaluado de forma satisfactoria en secuencias de imágenes de otras zonas, como el Golfo de México.

Referencia bibliográfica:

Francisco Javier Marcello, Francisco Eugenio, Ferran Marques, Alonso Hernandez-Guerra, Antoni Gasull. “Motion estimation techniques to automatically track oceanographic thermal structures in multisensor image, sequences”. IEEE Transactions on Geoscience and Remote Sensing 46 (9): 2743-2762, 2008 

Fuente: SINC

Etiquetas:

Si te gustó esta entrada anímate a escribir un comentario o suscribirte al feed y obtener los artículos futuros en tu lector de feeds.

Comentarios

tratándose de sistemas complejos uno puede el siguiente ejercicio:

si se pone "complejidad estadistica" en Google,

el primer link que sale es el siguiente e interesante artículo:

http://www.ellibrepensador.com/2008/10/30/una-aproximacion-a-la-complejidad-estadistica/

buen provecho y feliz lectura.

nice post. thanks.

(requerido)

(requerido)


*