Se invita a la Comunidad de la FAI a presenciar la defensa de Tesis de Licenciatura en Sistemas de Información titulada «Big Data en el Dominio Hidrológico: Caracterización del Contexto de Predicción de Turbidez”
Día y hora: Jueves 24 de Noviembre a las 15 hs. Aula i11 FaI
Tesista: Gastón Vidart
Directora: Alejandra Cechich
Resumen
El surgimiento del Big Data Geoespacial (BDG) proviene de la ubicuidad de los sistemas y sensores que generan y recolectan gran cantidad y variedad de información geográfica sobre las actividades de la vida diaria. El objetivo de BDG es investigar patrones complejos y desarrollar nuevos sistemas de soporte a las decisiones, basándose en la ubicación de los datos, proporcionando así un valor sin precedente para las ciencias, la ingeniería y los negocios. En particular, la hidrología es la ciencia que estudia las aguas terrestres, incluyendo el origen, movimiento y distribución en el planeta, junto a sus propiedades físicas y químicas, incluyendo su interacción con el medio ambiente. Este dominio por su estrecha relación con otras ciencias geográficas como la climatología, hidrografía y la geología, genera una gran variedad de datos georreferenciados aplicables a BDG.
Las decisiones respectivas al uso apropiado para cuerpos de agua debe ser informada mediante el uso de modelos predictivos de calidad del recurso hídrico. Deben realizarse estudios para analizar el beneficio de alcanzar un uso designado en un determinado cuerpo de agua y qué costos e implicaciones requiere.
La calidad del agua es medida por los cambios en parámetros químicos, ecológicos y espaciales, de los cuales además de estudiar sus valores, hay que ver sus interdependencias. Por ejemplo, la presencia y cantidad de industrias en una zona ha mostrado afectar parámetros como el total de sólidos disueltos en el agua. Entre estos parámetros, analizar y predecir la turbidez de un cuerpo de agua es de gran utilidad; sin embargo no es tarea sencilla. Trabajos relacionados subrayan la importancia de analizar posibles mejoras a la predicción de turbidez, considerando variaciones en las muestras de datos, tipo de red neuronal usada y configuración. También se consideran variables de contexto, por ejemplo, incorporando modelos de erosión de suelos, a partir de datos obtenidos en casos particulares.
El objetivo general de esta tesis es caracterizar el contexto de predicción de turbidez del agua en sistemas Big Data. Para ello, se propone un modelo de factores que puedan influenciar el análisis. El modelo se estructura como una taxonomía de variables de contexto y es instanciado en un caso de estudio, donde se analizan cuatro factores: climatología, calidad del agua, conformación de suelos y uso de los mismos. El estudio se enfoca en el Canal Principal de Riego del Alto Valle, con el objetivo de analizar relaciones entre turbidez y crecimiento de malezas. La remoción de malezas tiene un gran impacto operativo y económico, pero a éste se le suma que, si no se tratan, el suministro de agua de riego puede verse afectado y con ello también los cultivos del Alto Valle. Las malezas pueden hacer que el canal rebalse, presente pérdidas de agua y/o reduzca el caudal disponible para los usuarios.
El modelo y el caso de estudio fueron asistidos por la Lic. Ayelén Montenegro (INTA Alto Valle), en el rol de experta de dominio.
