Diseño de una metodología para el monitoreo de floraciones algales nocivas en el embalse Condoroma mediante teledetección

Abstract

Los eventos de floraciones algales nocivas (FAN) generan riesgos ambientales, económicos y de salud pública a nivel mundial. La presente investigación se enfoca en la región altoandina del Perú específicamente en el embalse Condoroma, el cual es clave para actividades agrícolas, energéticas y poblacionales, por lo que requiere herramientas efectivas para el monitoreo de indicadores como los niveles de clorofila-a. Se diseña una metodología basada en teledetección para estimar niveles de clorofila-a mediante la correlación de datos obtenidos de imágenes satelitales y mediciones de laboratorio, validada a través de una ecuación de regresión lineal múltiple. El procesamiento de imágenes se realizó mediante Google Earth Engine (GEE), permitiendo automatizar y acelerar el tiempo de análisis para generar productos como series temporales y mapas espaciales de concentración de clorofila-a. La metodología demostró ser sostenible en el tiempo, de bajo costo y sin impacto ambiental, superando las limitaciones de métodos tradicionales, especialmente en lagunas alejadas como las altoandinas. Los resultados muestran una estacionalidad en los niveles de clorofila-a, con picos máximos durante la temporada de lluvias (noviembre a febrero), asociados a la acumulación de nutrientes y características morfológicas del embalse. Aunque no se detectaron eventos FAN significativos durante el periodo analizado (2017-2023), la metodología diseñada es replicable y sirve como una herramienta eficaz para el monitoreo continuo y remoto de cuerpos de agua. En conclusión, esta metodología permite la estimación precisa de clorofila-a a partir de imágenes satelitales, proporcionando información clave para la gestión y el análisis de las dinámicas de lagunas altoandinas.

Harmful algal bloom (HAB) events generate environmental, economic, and public health risks worldwide. This research focuses on the high Andean region of Peru, specifically on the Condoroma reservoir, which is key for agricultural, energy and population activities, and therefore requires effective tools for monitoring indicators such as chlorophyll-a levels. A remote sensing-based methodology is designed to estimate chlorophyll-a levels by correlating data obtained from satellite images and laboratory measurements, validated through a multiple linear regression equation. Image processing was performed using Google Earth Engine (GEE), allowing to automate and accelerate the analysis time to generate products such as time series and spatial maps of chlorophylla concentration. The methodology proved to be sustainable over time, low cost and without environmental impact, overcoming the limitations of traditional methods, especially in remote lagoons such as the high Andean ones. The results show a seasonality in chlorophyll-a levels, with maximum peaks during the rainy season (November to February), associated with the accumulation of nutrients and morphological characteristics of the reservoir. Although no significant HAB events were detected during the analyzed period (2017-2023), the designed methodology is replicable and serves as an effective tool for continuous and remote monitoring of water bodies. In conclusion, this methodology allows the accurate estimation of chlorophyll-a from satellite images, providing key information for the management and analysis of high Andean lagoon dynamics.