Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/76515
Título: Usage of autonomous underwater vehicles as adaptive observational platforms to improve ocean circulation models
Autores/as: Barreto Lucas, Carlos Miguel 
Director/a : Andrade Caldeira, Rui Miguel
Hernández Sosa, José Daniel 
Clasificación UNESCO: 120304 Inteligencia artificial
120326 Simulación
2510 Oceanografía
Fecha de publicación: 2020
Resumen: Los Modelos de Circulación Oceánica (OCM) son herramientas de gran utilidad. Permiten simular y realizar previsiones de largo plazo del estado del océano con múltiples objetivos, tales como generar predicciones de evolución, ayudar al entendimiento de fenómenos oceanográficos, dar soporte a modelos ecológicos, estimar el transporte de sedimentos y contaminantes, entre otros. Mientras que algunas áreas muestran un buen ajuste entre las predicciones del modelo y la realidad, otras presentan discrepancias significativas; un mayor muestreo del océano en las áreas problemáticas puede contribuir para mejorar el desempeño de los OCM. Los vehículos autónomos submarinos, y más concretamente los gliders, pueden ser utilizados con este objetivo, aprovechando su versatilidad y capacidad para ejecutar misiones de muy larga duración...
This work posed a challenge from the start, as underwater vehicles were not my area of expertise. After my Master's thesis, which focused on oceanographic data processing and visualisation, I developed mobile apps, websites and databases while collaborating with colleagues to produce scientific papers. In this process, I met Daniel Hernández during a glider mission off the south coast of Madeira Island, not knowing that he would become one of my PhD advisors at the Universidad de Las Palma de Gran Canaria a year later. I carried out the research for this thesis while working at the Oceanic Observatory of Madeira, which involved task management challenges throughout...
Descripción: Programa de Doctorado en Tecnologías de Telecomunicación e Ingeniería Computacional por la Universidad de Las Palmas de Gran Canaria
URI: http://hdl.handle.net/10553/76515
Colección:Tesis doctoral
miniatura
Adobe PDF (34,91 MB)
Vista completa

Visitas

182
actualizado el 29-jun-2024

Descargas

232
actualizado el 29-jun-2024

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.