Resumen
Los desafíos ambientales globales, como el cambio climático, la contaminación y la pérdida de biodiversidad, exigen enfoques innovadores y sostenibles para monitorear y gestionar eficazmente ecosistemas vulnerables. La inteligencia ambiental (EI) surge como un paradigma clave, integrando diversas fuentes de datos y modelos dinámicos para posibilitar la toma de decisiones en tiempo real, basada en datos, en contextos socioambientales complejos. Esta tesis presenta el diseño e implementación de infraestructuras IoT in situ con capacidades de computación en el borde, adaptadas a entornos desafiantes como lagunas costeras y regiones semiáridas.
En el núcleo de este trabajo se encuentran dos aportes principales: el protocolo AlLoRa y el sistema BODOQUE. AlLoRa optimiza la transmisión de grandes volúmenes de datos a larga distancia y bajo consumo, admitiendo tanto redes punto a punto como en malla. Probado con éxito a más de 100 kilómetros, AlLoRa demostró un rendimiento superior en velocidad de transmisión y eficiencia energética frente a soluciones existentes, mostrando su capacidad de adaptación en aplicaciones de monitoreo a gran escala y condiciones ambientales variadas. Al integrar sensores avanzados -como estimadores del nivel del agua basados en GNSS y boyas oceanográficas que capturan parámetros de calidad del agua en tiempo real- AlLoRa facilita la integración fluida de flujos de datos heterogéneos en una arquitectura flexible y unificada.
El sistema BODOQUE combina TinyML y visión por computador para monitorear corrientes efímeras, fundamentales para comprender los aportes de nutrientes en ecosistemas sensible, como El Mar Menor, en España. Al procesar los datos localmente en el borde, BODOQUE minimiza el uso de energía y permite la detección en tiempo real de eventos hidrológicos de corta duración. Un modelo TinyML, desplegado en un microcontrolador con cámara, distingue con precisión imágenes con presencia de agua de aquellas sin, asegurando que los módulos de alto rendimiento se active sólo cuando sea necesario. Una evaluación de un año de duración, utilizando datos de la ``Rambla del Albujón'', confirmó ahorros energéticos sustanciales en comparación con sistemas de monitoreo continuo, destacando la utilidad de BODOQUE para regiones con recursos energéticos muy limitados.
Las pruebas de campo resaltan mejoras notables en eficiencia energética, fiabilidad de la comunicación y precisión de los datos, impulsando prácticas de gestión ambiental más ágiles y sostenibles. Este trabajo pone de manifiesto el potencial de las infraestructuras IoT y la computación inteligente en el borde para transformar la monitorización ambiental, alineándose con los esfuerzos globales para mitigar el cambio climático, conservar la biodiversidad y promover la gestión sostenible de los recursos. Al abordar tanto desafíos tecnológicos como ecológicos, esta investigación contribuye significativamente al avance del campo de la inteligencia ambiental.
Palabras clave
Internet of Things; Edge Computing; Environmental Intelligence; TinyML; Environmental Monitoring; LPWAN; LoRa; Ephemeral Streams; Coastal Lagoons; Energy Efficiency; Machine Learning; IoT Protocols; Smart Sensing; Remote Sensing; Computer Vision; Low-power Sensors; Microcontrollers; Embedded Systems; Edge Devices
