Desarrollo de gemelos digitales basados en Big Data geoespacial e inteligencia artificial para la modelización y gestión de fenómenos territoriales complejos

Abstract

[ES] La disponibilidad de herramientas capaces de integrar grandes volúmenes de datos heterogéneos, junto con el avance de las geotecnologías y la inteligencia artificial, ha impulsado la transición desde herramientas estáticas hacia herramientas dinámicas e inteligentes, denomimadas gemelos digitales. La Tesis Doctoral busca avanzar en la integración de datos masivos georreferenciados, geotecnologías y técnicas de inteligencia artificial, bajo el marco conceptual de gemelos digitales, con el objetivo de transformar la información territorial en conocimiento estratégico y poder monitorizar, simular y predecir el comportamiento de fenómenos territoriales complejos sin necesidad de intervenir directamente sobre el sistema real y poder tomar decisiones. El trabajo elaborado en esta Tesis Doctoral aborda tres ámbitos de aplicación de gemelos digitales correspondientes a distintos fenómenos territoriales. En primer lugar, se desarrolla un gemelo digital para la predicción de producción eólica en parques eólicos, integrando información meteorológica, variables geoespaciales e información sobre el funcionamiento del mercado eléctrico. Mediante el uso de técnicas de Machine Learning, se obtiene una estimación de la producción energética y se optimiza la oferta en los mercados diario, intradiarios y continuo, reduciendo penalizaciones por desvíos y favoreciendo una integración más segura y rentable de las energías renovables en el sistema eléctrico. En segundo lugar, se diseña un gemelo digital para la simulación de incendios forestales, integrando modelos físicos de viento, comportamiento del fuego y dispersión de contaminantes atmosféricos en una plataforma WebGIS. Este enfoque permite analizar la evolución espacial y temporal de incendios forestales, facilitar la visualización de escenarios y, apoyar la gestión operativa y la seguridad en situaciones de emergencia. En tercer lugar, se desarrolla un gemelo digital para la detección automática de marcas viales horizontales en carreteras mediante fotogrametría aérea, enfoque multivista y aprendizaje profundo. Este gemelo permite automatizar tareas de inspección y mantenimiento de infraestructuras viarias de carreteras con alta precisión y, contribuye a una movilidad más segura, eficiente y sostenible.