Una estructura de recopilación y análisis de datos para monitoreo remoto de la proliferación de algas en aguas continentales basado en Internet de las Cosas/ A data gathering and analysis structure for the remote monitoring of algae blooms in inland waters based on Internet of Things

 Las floraciones de algas nocivas (HAB) son ahora un tema de creciente interés debido a las consecuencias que desencadenar sobre la calidad de los ecosistemas acuáticos y la salud humana. Cianobacterias (algas verdeazuladas)

La proliferación, recurrencia y distribución en masas de agua de todo el mundo de Cianobacterias (algas verdeazuladas) es causada por la suma de diferentes factores climáticos y antrópicos. Las técnicas de muestreo manual no son suficientes para satisfacer un seguimiento adecuado; por lo tanto, se necesitan nuevas estrategias para su monitoreo continuo y posible predicción en las zonas afectadas. Las técnicas de muestreo en tiempo real proporcionan una grabación continua y recepción de datos inmediata, lo que facilita el monitoreo de HABs con resolución espacio-temporal de detalle. Sin embargo, estas herramientas emergentes se encuentran en una etapa de desarrollo muy temprana y algunas cuestiones relevantes aún limitan su aplicabilidad por parte de muchas agencias de gestión del agua.

Un estudio de reciente publicación (https://ieeexplore.ieee.org/document/9269340) aborda este desafío. Utiliza la misma arquitectura del Sistema de Monitoreo Remoto (RMS) en dos masas de agua diferentes en la Península Ibérica (el embalse agua de As Conchas, en el noroeste de España, y en laguna de L'Albufera de Valencia, en el Mediterráneo oriental) y evalúa su idoneidad para el seguimiento de HABs. Para ello, en cada una de ellas, se han instalado cuatro nodos de tegnologías diferentes: dos nodos plug-and-play basados ​​en tecnologías YSI, dos nodos personalizados basado en Libelium Waspmote, además de una estación meteorológica Libelium. Asimismo, en el trabajo se evalúa la representatividad de los datos recopilados realizando una prueba de correlación de Pearson entre los nodos desplegados e imágenes de satélite.

Los resultados muestran que, cuanto más heterogéneo es el entorno, más nodos deben implementarse en diferentes áreas durante más tiempo para obtener una visión realista del estado de la masa de agua. Por lo tanto, el estudio proporciona datos críticos y empíricos para implementar un sistema de monitoreo en tiempo real rentable y efectivo en otras áreas afectadas por FAN, más allá de las estudiadas.

Harmful Algae Blooms (HAB) are now a topic of increasing interest due to the consequences they trigger on the quality of aquatic ecosystems and human health. Cyanobacterial (blue-green algae) proliferation, recurrence and distribution in water bodies around the world is caused by the sum of different climatic and anthropic factors. Manual sampling techniques are not sufficient to satisfy an adequate monitoring; hence, new strategies are needed to its continuous monitoring and possible prediction in affected areas. Real-time sampling techniques provide continuous recording and immediate data reception, which facilitates HABs monitoring with a very fine spatial-temporal resolution. However, these emerging tools are in their very early development stage and some relevant issues still constrain their applicability by many water management agencies.

A recent study addresses this challenge (https://ieeexplore.ieee.org/document/9269340). It uses the same architecture based on Remote Monitoring System (RMS) in two different water bodies in Iberian Peninsula to test its suitability for HABs monitoring. To this end, two plug-and-play nodes based on YSI technologies were deployed: two customised nodes based-on Libelium Waspmote and one Libelium weather station in the freshwater As Conchas reservoir, in NW Spain, and the shallow L'Albufera brackish water lagoon in Eastern Mediterranean shoreline.  After that, the representativeness of the collected data by performing a Pearson correlation test between the deployed nodes and satellite images was evaluated.

The results show that the more heterogeneous the environment is, the more nodes must be deployed in different areas for a longer time to obtain a realistic view of the water body status. Therefore, this study provides critical and empirical data to implement a profitable and effective real-time monitoring system in other HAB-affected areas.