A USC participa no deseño dun sistema de alerta temperá de toxinas na auga

O obxectivo é predicir a aparición e a propagación dos tóxicos usando intelixencia artificial, modelización matemática, nanosensores e teledetección

O proxecto AIHABs, no que participa o grupo de Hidrobioloxía da Universidade de Santiago (USC), presentou os primeiros resultados dunha iniciativa que aborda o problema das floracións de cianobacterias produtoras de toxinas en augas interiores e costeiras desde unha perspectiva multidisciplinar. O obxectivo é desenvolver un sistema de alerta temperá capaz de predicir a aparición e propagación das cianotoxinas usando a intelixencia artificial e as últimas innovacións en modelización matemática, nanosensores e teledetección.

Achega galega

O grupo da USC encargouse da toma das mostras de auga e da identificación dos principais grupos algais, para o que realizou nove campañas de mostraxe no río Miño entre 2022 e 2024, tanto no encoro de Belesar como no esteiro, onde contou coa colaboración dos membros da Comandancia Naval do Miño. Estes traballos foron realizados en coordinación co German Research Centre for Geosciences, Remote Sensing and Geoinformatics (GFZ), encargados de analizar as imaxes hiperespectrais tomadas por diversos satélites e por un dron eses mesmo días para correlacionalas coa concentración de cianobacterias e toxinas.

Publicidade

O grupo da USC tamén recompilou as series de datos históricas sobre a climatoloxía e a fisicoquímica do Miño, en colaboración coa Confederación Hidrográfica Miño-Sil e Meteogalicia, que serviron para alimentar a modelización da conca, realizada polos socios de Technological University Dublin (TUD), e que permite simular o transporte e destino das toxinas.

As mostras, enviadas pola USC ao grupo da Universidade Autónoma de Madrid (UAM) para a realización das análises xenéticas e de toxicidade, mostraron a presenza de numerosas especies de cianobacterias, así como varios xenotipos diferentes en ambas zonas. A integración destes datos coas imaxes hiperespectrais permite diferenciar as áreas con crecemento de cianobacterias e mesmo nalgúns casos a especie concreta, campo no que o grupo da Norwegian University of Science and Technology (NTNU) realizou un significativo avance

Publicidade

Un proxecto internacional

Nun paso mais cara á automatización do proceso, o International Iberian Nanotechnology Laboratory (INL) de Portugal ten xa desenvolvido un prototipo autónomo que, unha vez instalado no campo, analizará as cianotoxinas da auga e enviará os datos para axustar as lecturas dos satélites.

Finalmente, o grupo da University of South Bohemia (República Checa) traballa nestes momentos no desenvolvemento da intelixencia artificial que, utilizando precisos algoritmos, está a xerar un modelo que integrará as concentracións de ficocianina, clorofila-a e toxinas presentes no medio segundo as imaxes dos satélites coa posible perigosidade que presente segundo os datos de modelización da conca, para predicir o inicio do bloom ou multiplicación explosiva das cianobacterias produtoras de toxinas e, de ser preciso, alertar os equipos xestores dos perigos da presenza de toxinas nas augas.
 

DEIXAR UNHA RESPOSTA

Please enter your comment!
Please enter your name here

Este sitio usa Akismet para reducir o spam. Aprende como se procesan os datos dos teus comentarios.

Relacionadas

O Sergas empregará IA para apoiar a análise de imaxes clínicas

O obxectivo é examinar anualmente 1,5 millóns de radiografías de tórax, 150.000 de cribados citolóxicos, 100.000 probas oftalmolóxicas e 40.000 para a detección de cancro de mama e próstata

Un equipo galego valida un sistema de IA para predicir o risco de desenvolver diabetes

GluFormer é produto dunha investigación internacional que acaba de publicar a revista 'Nature' e que conta coa participación da USC

Pódcast | Como coidar o planeta con algoritmos verdes

As investigadoras do CITIC Amparo Alonso e Bertha Guijarro analizan os custos ambientais dos grandes modelos de intelixencia artificial

Un equipo galego usa intelixencia artificial para afinar o grande experimento do CERN

Un novo algoritmo desenvolto na Universidade da Coruña analiza todas as partículas xeradas nas colisións para mellorar o estudo da materia fronte á antimateria