Skip to main content

Investigación y Desarrollo de un dispositivo de medida y control inteligentes para la mejora de la eficiencia del riego mediante la integración de tecnología satelital e inteligencia artificial. (ATLAS)

CPP2021-008722

•
Funding agency name Agencia Estatal de Investigación
Funding agency acronym AEI
Program Programa Estatal para Impulsar la Investigación Científico-Técnica y su Transferencia
Subprogram Subprograma Estatal de Transferencia de Conocimiento
Call Proyectos en Colaboración Público-Privada
Call year 2021
State Plan 2021-2023 Plan Estatal de Investigación Científica y Técnica y de Innovación
Beneficiary centre HIDROCONTA, S.A.

Resultados relacionados

Resultados totales (Incluyendo duplicados): 2
Encontrada(s) 1 página(s)

RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Publication Artículo científico (JournalArticle)

Edge-enabled GNSS-IR for efficient water level monitoring in harsh environments

  • Rosas-Olivos, Erika Susana
  • Arratia-Uribe, Benjamín Andrés|||0000-0001-7869-053X
  • Martín Furones, Ángel Esteban|||0000-0001-9379-0694
  • Prades, Javier|||0000-0003-3349-2200
  • Manzoni, Pietro|||0000-0003-3753-0403
  • Cecilia-Canales, José María|||0000-0001-5648-214X
[EN] Accurate water level monitoring in remote and harsh environments is critical for managing water resources, assessing climate impacts, and anticipating flood risks. Traditional in situ sensors often fail in these contexts due to corrosion, biofouling, or limited access for maintenance. Global Navigation Satellite System Interferometric Reflectometry (GNSS-IR) offers a passive, low-cost alternative by extracting water level information from multipath reflections of GNSS signals. However, using multi-constellation GNSS-IR for near real-time monitoring is challenging due to its high computational and communication demands, especially in low-power, low-connectivity areas. This paper presents a novel edge computing-based GNSS-IR system designed for deployment in harsh environments. The system, validated in the highly saline La Mata-Torrevieja Natural Park (Spain), integrates a low-cost GNSS receiver and a modular gateway that executes the GNSS-IR processing locally. To efficiently transmit results over long distances, it uses the AlLoRa protocol, an advanced LPWAN solution optimized for high-throughput, low-power communication. By eliminating the need for raw data transmission and enabling local analytics, the system reduces bandwidth, enhances responsiveness, and supports continuous operation in constrained conditions. Experimental validation demonstrates the system's effectiveness in achieving near real-time water level estimation with minimal infrastructure., This work was partially supported by the research project Morellino (CIPROM/2023/29), funded by "Direccio General de Ciencia i Investigacio" Generalitat Valenciana-SPAIN and by the European Union's Horizon Europe project REMARKABLE under the MSCA-SE grant ID: 101086387, and the projects TED2021-130890B and CPP2021-008722 funded by MCIN/AEI/10.13039/501100011033 and by the European Union NextGenerationEU/PRTR.
RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Publication Proyecto fin de carrera (BachelorThesis)

Análisis y predicción del consumo en series temporales multivariantes de contadores de agua: un enfoque basado en machine learning, Analysis and prediction of consumption in multivariate time series of water meters: a machine learning-based approach, Anàlisi i predicció del consum en sèries temporals multivariants de comptadors d&apos, aigua: un plantejament basat en machine learning

  • Beltrán Garceran, David
[ES] El trabajo se centra en el análisis y predicción del consumo de agua mediante series temporales multivariantes. Se emplean técnicas de preprocesamiento, imputación de datos y análisis exploratorio (EDA) para comprender los patrones de consumo. Posteriormente, se entrenan modelos de machine learning para predecir el consumo futuro, con el objetivo de mejorar la gestión y optimización del recurso hídrico en la instalación analizada., Este TFG se ha desarrollado con la colaboración de la empresa HIDROCONTA, S.A. bajo el proyecto ATLAS con código CPP2021--008722 de investigación financiado por MCIN/AEI /10.13039/501100011033 y por la Unión Europea NextGenerationEU/ PRTR