Diseño de estrategias de Machine Learning para la gestión de humedales

Abstract

[ES] Este Trabajo Fin de Máster (TFM) se enfoca en el diseño e implementación de modelos de Machine Learning (ML) para la caracterización/modelización, en este caso concretamente la temperatura del agua, de la Laguna de La Mata (Torrevieja, Alicante). Esta laguna representa un espacio natural protegido de gran interés turístico y medioambiental, y que está sujeto a diversas presiones antropogénicas. El desarrollo de este modelo es fundamental para generar conocimiento de los comportamientos de este entorno natural a corto, medio y largo plazo. Los objetivos del TFM se centran, por un lado, en conocer, con suficiente antelación, los cambios abruptos en la temperatura del agua. Para esta parte, con el uso de modelos de regresión, el enfoque del proyecto comenzó con una perspectiva univariante, viéndose posteriormente la necesidad de cambiar a un planteamiento multivariante que incluya variables exógenas como la temperatura ambiental y el nivel del agua, ya que lo que se persigue es encontrar el modelo más adecuado para identificar los cambios abruptos de la temperatura, en un horizonte no muy lejano, lo que constituye el núcleo central de la primera parte del trabajo. Por otro lado, y en relación con el segundo objetivo, se ha planteado estudiar la evolución de la variabilidad de la temperatura a lo largo del tiempo, creando una reconstrucción histórica de la misma, a partir de datos de la temperatura ambiente desde 1950 hasta hoy. De esta manera, se constatará cómo la variación de la temperatura, y más concretamente los cambios abruptos de la misma, acontecidos durante los últimos años, afectan al cambio de comportamiento de las principales especies de aves que la visitan.

[EN] This Master's Thesis (TFM) focuses on the design and implementation of Machine Learning (ML) models for the characterization/modelization, in this case specifically the water temperature, of the Laguna de La Mata (Torrevieja, Alicante). This is a protected natural area of great tourist and environmental interest that is subject to various anthropogenic pressures. The development of this model is essential to generate knowledge of the behavior of this natural environment in the short, medium, and long term. The objectives of the TFM focus, on the one hand, on predicting, sufficiently in advance, the abrupt changes in water temperature. For this part, with the use of regression models, the project approach began with a univariate perspective, seeing the need to change to a multivariate approach that includes exogenous variables such as ambient temperature and water level, since the aim is to find the most capable model for identifying abrupt changes in temperature, in a not too distant horizon, which is the core of the first part of the work. On the other hand, and in relation to the second objective, it has been proposed to study the evolution of temperature variability over time, creating a historical reconstruction of the same, based on ambient temperature data from 1950 to the present. In this way, it will be shown how temperature variation, and more specifically the abrupt changes in temperature that have occurred in recent years, related to the behavioral changes of the main species of birds that visit the area.