Basin-scale hydrodynamics in a Mediterranean reservoir. Implications for the phytoplankton dynamics

Procesos hidrodinámicos determinan, en un alto grado la calidad del agua en embalse, sin embargo dichos procesos han sido tradicionalmente olvidados en la gestión de embalse. En esta tesis se presentan evidencias de los principales procesos hidrodinámicos que ocurren en un embalse Mediterráneo a escala de cuenca a través de campañas experimentales y modelización numérica; y su influencia en la dinámica de poblaciones de fitoplancton. Dichos procesos son principalmente la generación de ondas internas o secas y la intrusión del río. La presencia de viento periódico genera secas forzadas, amplificando los modos cercanos al periodo del viento, de manera que modos verticales altos, considerados como raros en la naturaleza, tienden a dominar en el sistema.

Dynamics and mixing in the Upper Ocean Layer

S'estudia la resposta de la capa de barreja oceànica al forçament atmosfèric considerant dades obtingudes durant 12 dies d'abril del 2001 a 42 estacions a través de l'Atlàntic nord seguint aproximadament la latitud de 53ºN. Aquestes dades inclouen, a més de variables atmosfèriques, mesures de CTD, velocitats amb ADCP i dades de microestructura obtingudes amb un perfilador de caiguda lliure. En aquest últim cas, s'han desenvolupat tècniques de processament de les dades que també es presenten aquí. El transsecte estudiat segueix la posició climatològica del rotacional mitjà anual del vent igual a zero i travessa el corrent del Labrador i algunes branques i meandres del Corrent Atlàntic Nord. El forçament atmosfèric es va caracteritzar per vents intensos i fluxos superficials de calor negatius, tot i que, tal com es dedueix de la comparació del gruix de la capa de barreja amb la longitud de Monin-Obukov, la barreja induïda pel vent va dominar sobre la convectiva durant tot el transsecte.

Image classification for a large number of object categories

L'increment de bases de dades que cada vegada contenen imatges més difícils i amb un nombre més elevat de categories, està forçant el desenvolupament de tècniques de representació d'imatges que siguin discriminatives quan es vol treballar amb múltiples classes i d'algorismes que siguin eficients en l'aprenentatge i classificació. Aquesta tesi explora el problema de classificar les imatges segons l'objecte que contenen quan es disposa d'un gran nombre de categories. Primerament s'investiga com un sistema híbrid format per un model generatiu i un model discriminatiu pot beneficiar la tasca de classificació d'imatges on el nivell d'anotació humà sigui mínim. Per aquesta tasca introduïm un nou vocabulari utilitzant una representació densa de descriptors color-SIFT, i desprès s'investiga com els diferents paràmetres afecten la classificació final. Tot seguit es proposa un mètode par tal d'incorporar informació espacial amb el sistema híbrid, mostrant que la informació de context es de gran ajuda per la classificació d'imatges. Desprès introduïm un nou descriptor de forma que representa la imatge segons la seva forma local i la seva forma espacial, tot junt amb un kernel que incorpora aquesta informació espacial en forma piramidal. La forma es representada per un vector compacte obtenint un descriptor molt adequat per ésser utilitzat amb algorismes d'aprenentatge amb kernels. Els experiments realitzats postren que aquesta informació de forma te uns resultats semblants (i a vegades millors) als descriptors basats en aparença. També s'investiga com diferents característiques es poden combinar per ésser utilitzades en la classificació d'imatges i es mostra com el descriptor de forma proposat juntament amb un descriptor d'aparença millora substancialment la classificació. Finalment es descriu un algoritme que detecta les regions d'interès automàticament durant l'entrenament i la classificació. Això proporciona un mètode per inhibir el fons de la imatge i afegeix invariança a la posició dels objectes dins les imatges. S'ensenya que la forma i l'aparença sobre aquesta regió d'interès i utilitzant els classificadors random forests millora la classificació i el temps computacional. Es comparen els postres resultats amb resultats de la literatura utilitzant les mateixes bases de dades que els autors Aixa com els mateixos protocols d'aprenentatge i classificació. Es veu com totes les innovacions introduïdes incrementen la classificació final de les imatges.