RT info:eu-repo/semantics/masterThesis
T1 Detección de eventos climáticos mundiales
A1 Pérez Znakar, Omar Patricio
A2 Máster Universitario en Ciberseguridad e Inteligencia de Datos Por la Ull
K1 Cambio climático, Shocks climáticos, Detección de anomalías, Procesamiento de datos masivos, Inteligencia artificial, Aprendizaje automático, Kubernetes, Paralelización de procesos y Análisis climático
K1 Climate change, Climate shocks, Anomaly detection, Big data processing, Artificial intelligence, Machine learning, Kubernetes, Process parallelization and Climate analysis
AB El cambio climático representa uno de los desafíos más críticos y urgentes denuestra era, con los shocks climáticos —eventos extremos como olas de calor,huracanes, y sequías— emergiendo como manifestaciones alarmantes de estefenómeno global. La capacidad para detectar y analizar de manera precisaestos eventos no solo es fundamental para la investigación científica, sino también para la formulación de políticas de adaptación y mitigación efectivas. Eneste contexto, el proyecto actual busca avanzar significativamente en la detección de shocks climáticos a través del desarrollo y aplicación de tecnologías devanguardia en inteligencia artificial y procesamiento de grandes volúmenes dedatos.Este estudio se centra en la integración de algoritmos avanzados de aprendizaje automático y técnicas de procesamiento de datos masivos para mejorar la identificación y predicción de eventos climáticos extremos. Utilizando unaamplia gama de datos meteorológicos, se propone evaluar la efectividad dediferentes algoritmos de detección de anomalías en la identificación de patrones climáticos significativos. La paralelización de estos procesos en entornos decomputación de altas prestaciones se investiga como un medio para acelerarel análisis y mejorar la eficiencia del procesamiento de datos.La adopción de Kubernetes y otras tecnologías de contenerización juega unpapel crucial en este proyecto, permitiendo la gestión eficiente y escalable decargas de trabajo computacionales distribuidas. Este enfoque no solo facilita unanálisis más rápido y flexible de grandes conjuntos de datos, sino que tambiénabre nuevas posibilidades para la implementación de soluciones de análisis climático en tiempo real. Al combinar estas tecnologías avanzadas, el proyectoaspira a establecer nuevos estándares en la detección y análisis de shocks climáticos, proporcionando herramientas valiosas para científicos, responsablespolíticos y comunidades afectadas por el cambio climático.La culminación de este trabajo espera no solo avanzar en el conocimientocientífico sobre los fenómenos climáticos extremos sino también ofrecer aplicaciones prácticas para la mitigación de sus efectos y la adaptación a un climacambiante. Al mejorar la capacidad para predecir y responder a shocks climáticos, este proyecto contribuye a la resiliencia global frente al cambio climático,marcando un paso importante hacia la sostenibilidad y la protección de ecosistemas y comunidades vulnerables en todo el mundo
YR 2024
FD 2024
LK http://riull.ull.es/xmlui/handle/915/37374
UL http://riull.ull.es/xmlui/handle/915/37374
LA es
DS Repositorio institucional de la Universidad de La Laguna
RD 30-jun-2024