Descripción del Proyecto
Este proyecto desarrolla una plataforma integral de observación y monitoreo de florecimientos de algas nocivas (HABs) en las regiones costeras de Panamá, utilizando tecnologías de vanguardia en imágenes hiperespectrales e inteligencia artificial. La plataforma combina sensores hiperespectrales aerotransportados en drones con algoritmos de aprendizaje profundo para la identificación automática, cuantificación y seguimiento espacio-temporal de diferentes especies de microalgas potencialmente tóxicas en cuerpos de agua costeros.
El sistema emplea un sensor Headwall Nano-Hyperspec con 270 bandas espectrales en el rango de 400-1000 nm, montado en un dron DJI Matrice 300 RTK estabilizado con gimbal de 3 ejes. Las imágenes hiperespectrales adquiridas son procesadas mediante una pipeline automatizada que incluye corrección atmosférica, georreferenciación, extracción de índices bio-ópticos y clasificación basada en redes neuronales convolucionales 3D entrenadas con firmas espectrales de referencia de las principales especies de algas presentes en aguas panameñas.
La plataforma genera alertas automáticas cuando se detectan concentraciones anómalas de clorofila-a o ficcocianina, indicadores de posibles eventos de marea roja, permitiendo a las autoridades ambientales y pesqueras activar protocolos de respuesta temprana que protejan la salud pública y la actividad pesquera artesanal.
Objetivos Específicos
- Diseñar y construir un sistema de adquisición de imágenes hiperespectrales aerotransportado optimizado para la detección de pigmentos algales en cuerpos de agua costeros tropicales.
- Desarrollar algoritmos de clasificación basados en redes neuronales profundas para la identificación automática de especies de algas nocivas a partir de sus firmas espectrales características.
- Crear un catálogo espectral georeferenciado de las principales especies de microalgas presentes en el Golfo de Chiriquí, la Bahía de Panamá y el Golfo de los Mosquitos.
- Implementar un sistema web de alerta temprana que integre datos hiperespectrales, oceanográficos y meteorológicos para la predicción de eventos de HABs.
Metodología
El proyecto se ejecuta en cuatro fases: (1) Diseño e integración del sistema de adquisición hiperespectral aerotransportado, incluyendo calibración radiométrica y validación de la cadena de medición; (2) Campañas de campo trimestrales en tres sitios costeros de Panamá para la recopilación de datos hiperespectrales aéreos correlacionados con muestreo in situ de agua (concentración de clorofila-a, identificación microscópica de especies, parámetros fisicoquímicos); (3) Desarrollo y entrenamiento de modelos de clasificación CNN-3D y transformadores espectrales utilizando transferencia de aprendizaje desde modelos pre-entrenados con datos del sensor PRISMA de ASI; (4) Implementación de la plataforma web de alerta con backend en Django/PostgreSQL y frontend de visualización geoespacial con Mapbox GL JS.
Resultados Esperados
Se espera lograr una precisión de clasificación superior al 90{48ccec454e2169d77940fc89c04cb0050685c5391f1d3051987519bd70dcb290} para las cinco especies de algas nocivas más frecuentes en aguas panameñas. La plataforma de alerta temprana reducirá el tiempo de respuesta ante eventos de HABs de días a horas, permitiendo proteger a las comunidades pesqueras costeras. Se generarán al menos tres publicaciones en revistas indexadas, se formarán dos estudiantes de maestría y se establecerá un protocolo operativo de monitoreo costero replicable en otros países de la región.
Instituciones Vinculadas
- Universidad Tecnológica de Panamá (UTP)
- Secretaría Nacional de Ciencia, Tecnología e Innovación (SENACYT)
- Ministerio de Ambiente de Panamá (MiAMBIENTE)
- Instituto Conmemorativo Gorgas de Estudios de la Salud
- Universidad de Delaware, Departamento de Ingeniería Eléctrica (EE.UU.)