The advent of unoccupied aerial systems (UAS) as disruptive technology has a lasting impact on remote sensing, geophysics and most geosciences. Small, lightweight, and low-cost UAS enable researchers and surveyors to acquire earth observation data in higher spatial and spectral resolution as compared to airborne and satellite data. UAS-based applications range from rapid topographic mapping using photogrammetric techniques to hyperspectral and geophysical measurements of surface and subsurface geology. UAS surveys contribute to identifying metal deposits, monitoring of mine sites and can reveal arising environmental issues associated with mining. Further, affordable UAS technology will boost exploration data availability and expertise in the global south. This thesis investigates the application of UAS-based multi-sensor data for mineral exploration, in particular the integration of hyperspectral imagers, magnetometers and digital cameras (covering the visible red, green, blue light spectrum). UAS-based research is maturing, however the aforementioned methods are not unified effectively. RGB-based photogrammetry is used to investigate topography and surface texture. Image spectrometers measure mineral-specific surface signatures. Magnetometers detect geomagnetic field changes caused by magnetic minerals at surface and depth. The integration of such UAS sensor-based methods in this thesis augments exploration potential with non-invasive, high-resolution, safe, rapid and practical survey methods. UAS-based surveying acquired, processed and integrated data from three distinct test sites. The sites are located in Finland (Fe-Ti-V at Otanmäki; apatite at Siilinjärvi) and Greenland (Ni-Cu-PGE at Qullissat, Disko Island) and were chosen as geologically diverse areas in subarctic to arctic environments. Restricted accessibility, unfavourable atmospheric conditions, dark rocks, debris and vegetation cover and low solar illumination were common features. While the topography in Finland was moderately flat, a steep landscape challenged the Greenland field work. These restraints meant that acquisitions varied from site to site and how data was integrated and interpreted is dependent on the commodity of interest. Iron-based spectral absorption and magnetic mineral response were detected using hyperspectral and magnetic surveying in Otanmäki. Multi-sensor-based image feature detection and classification combined with magnetic forward modelling enabled seamless geologic mapping in Siilinjärvi. Detailed magnetic inversion and multispectral photogrammetry led to the construction of a comprehensive 3D model of magmatic exploration targets in Greenland. Ground truth at different intensity was employed to verify UAS-based data interpretations during all case studies. Laboratory analysis was applied when deemed necessary to acquire geologic-mineralogic validation (e.g., X-ray diffraction and optical microscopy for mineral identification to establish lithologic domains, magnetic susceptibility measurements for subsurface modelling), for example for trace amounts of magnetite in carbonatite (Siilinjärvi) and native iron occurrence in basalt (Qullissat). Technical achievements were the integration of a multicopter-based prototype fluxgate-magnetometer data from different survey altitudes with ground truth, and a feasibility study with a high-speed multispectral image system for fixed-wing UAS. The employed case studies transfer the experiences made towards general recommendations for UAS application-based multi-sensor integration. This thesis highlights the feasibility of UAS-based surveying at target scale (1–50 km2) and solidifies versatile survey approaches for multi-sensor integration. / Ziel dieser Arbeit war es, das Potenzial einer Drohnen-basierten Mineralexploration mit Multisensor-Datenintegration unter Verwendung optisch-spektroskopischer und magnetischer Methoden zu untersuchen, um u. a. übertragbare Arbeitsabläufe zu erstellen. Die untersuchte Literatur legt nahe, dass Drohnen-basierte Bildspektroskopie und magnetische Sensoren ein ausgereiftes technologisches Niveau erreichen und erhebliches Potenzial für die Anwendungsentwicklung bieten, aber es noch keine ausreichende Synergie von hyperspektralen und magnetischen Methoden gibt. Diese Arbeit umfasste drei Fallstudien, bei denen die Drohnengestützte Vermessung von geologischen Zielen in subarktischen bis arktischen Regionen angewendet wurde. Eine Kombination von Drohnen-Technologie mit RGB, Multi- und Hyperspektralkameras und Magnetometern ist vorteilhaft und schuf die Grundlage für eine integrierte Modellierung in den Fallstudien. Die Untersuchungen wurden in einem Gelände mit flacher und zerklüfteter Topografie, verdeckten Zielen und unter oft schlechten Lichtverhältnissen durchgeführt. Unter diesen Bedingungen war es das Ziel, die Anwendbarkeit von Drohnen-basierten Multisensordaten in verschiedenen Explorationsumgebungen zu bewerten. Hochauflösende Oberflächenbilder und Untergrundinformationen aus der Magnetik wurden fusioniert und gemeinsam interpretiert, dabei war eine selektive Gesteinsprobennahme und Analyse ein wesentlicher Bestandteil dieser Arbeit und für die Validierung notwendig. Für eine Eisenerzlagerstätte wurde eine einfache Ressourcenschätzung durchgeführt, indem Magnetik, bildspektroskopisch-basierte Indizes und 2D-Strukturinterpretation integriert wurden. Fotogrammetrische 3D-Modellierung, magnetisches forward-modelling und hyperspektrale Klassifizierungen wurden für eine Karbonatit-Intrusion angewendet, um einen kompletten Explorationsabschnitt zu erfassen. Eine Vektorinversion von magnetischen Daten von Disko Island, Grönland, wurden genutzt, um großräumige 3D-Modelle von undifferenzierten Erdrutschblöcken zu erstellen, sowie diese zu identifizieren und zu vermessen. Die integrierte spektrale und magnetische Kartierung in komplexen Gebieten verbesserte die Erkennungsrate und räumliche Auflösung von Erkundungszielen und reduzierte Zeit, Aufwand und benötigtes Probenmaterial für eine komplexe Interpretation. Der Prototyp einer Multispektralkamera, gebaut für eine Starrflügler-Drohne für die schnelle Vermessung, wurde entwickelt, erfolgreich getestet und zum Teil ausgewertet. Die vorgelegte Arbeit zeigt die Vorteile und Potenziale von Multisensor-Drohnen als praktisches, leichtes, sicheres, schnelles und komfortabel einsetzbares geowissenschaftliches Werkzeug, um digitale Modelle für präzise Rohstofferkundung und geologische Kartierung zu erstellen.

[ES] Esta tesis investiga las oportunidades, desafíos y limitaciones para la investigación en el campo de la ecología vegetal, en el contexto de los acantilados mediterráneos. En concreto, las especies casmofiticas, cuyos hábitats naturales se caracterizan por su acusada pendiente. Las laderas de las montañas de piedra caliza en la proximidad del mar, en la parte central y occidental del área mediterránea se consideran objetos de estudio. Los estudios se llevaron a cabo en los cinturones costeros de montaña de las costas del noroeste de Sicilia y la costa diánica en la Comunidad Valenciana. El primer capítulo, titulado "The complexity of environmental factors: cliff microclimate", investiga la variabilidad del microclima del acantilado en tres áreas diferentes en Sicilia y España, analizando las condiciones ambientales creadas por el acantilado en una escala muy estrecha. Se recopilaron seis conjuntos de datos independientes y comparables que recogen las principales variables meteorológicas a lo largo de un período total de 18 meses. La gama resultante de condiciones ambientales se compara por pares a lo largo de dos gradientes ambientales principales: la orientación del acantilado Norte/Sur y la proximidad al mar. Además, los rasgos foliares intraespecíficos se utilizan para estudiar la variación en la respuesta funcional de las plantas que viven en las orientaciónes opuestas en una misma área de investigación. La variación resultante se correlaciona con la influencia de las condiciones microclimáticas creadas por la pendiente y el aspecto en los rasgos de la planta antes mencionados. El segundo capítulo, titulado "Compositional data and analyses of areas and plant communities in the coastal cliffs of the Valencian Community (Spain)", presenta una ordenación de los sitios de estudio y de las especies vegetales que habitan en las zonas de acantilados del cinturón montañoso a lo largo de las costas de la región diánica en el este de España. El estudio reveló correlaciones significativas entre las unidades de vegetación y los sitios con referencia a la amplia orientación geográfica Norte/Sur. Sin embargo, fue poco informativo con respecto a revelar las principales diferencias observadas en la estructura del conjunto de plantas relacionadas con laa variaciones microtopográficas registradas en el conjunto de datos. En el tercer capítulo, titulado "UAV (drone) surveys for the study of plant- microtopography relationships and for the conservation of rare species", se describe la metodología propuesta para investigar entornos verticales poco accesibles. También se analizaron los desafíos y las oportunidades de la investigación ecológica vegetal en estas áreas tipicamente inaccesibles. Un primer conjunto de datos comprende un censo visual parcial y total de dos especies endémicas de acantilados estrechos en las áreas de estudio españolas e italianas. Mediante el uso de la fotogrametría aérea de corto alcance y el modelado 3D, fue posible estudiar los efectos de la micro topografía en la segregación de nichos, tanto a nivel de comunidad como de especie. Se utilizaron métodos de ordenación para correlacionar las especies endémicas seleccionadas y conjuntos de plantas con factores ambientales como el aspecto local y global, la pendiente y la distancia desde los bordes de los acantilados. En el cuarto capítulo, titulado "Distribution, ecology, conservation status and phylogeography of Pseudoscabiosa limonifolia, a paleo-endemic chasmophytic species from Sicily (Italy)", se analiza en detalle la estructura filogeográfica de una especie endémica de acantilados, Pseudoscabiosa limonifolia (Caprifoliaceae, subfamilia Dipsacaceae), también considerando las relaciones filogeográficas con sus taxones más próximos. Además, su distribución total se determinó mediante observaciones de campo, caracterizando su hábitat y evaluando su estado de conservación como Vulnerable de acuerdo con las / [CA] Aquesta tesi va investigar les oportunitats, reptes i limitacions per a la investigació en el camp de l'ecologia vegetal, en el context dels penya-segats mediterranis. En concret, les espècies casmofitiques, amb hàbitats naturals que es caracteritzen pel seu acusat pendent. Les vessants de les muntanyes de pedra calcària en la proximitat del mar, a la part central i occidental de l'àrea mediterrània són considerats objectes d'estudi. Els estudis es portaren a terme als cinturons costers de muntanya de les costes del nord de Sicília i la costa diànica a la Comunitat Valenciana. El primer capítol, titulat "The complexity of environmental factors: cliff microclimate", investiga la variabilitat del microclima del penya-segat en tres àrees diferents de Sicília i Espanya, analitzant les condicions ambientals creades pel penya-segat a una escala molt estreta. Es recopilen sis conjunts de dades independents i comparables que reconeixen les principals variables meteorològiques a llarg termini durant un període total de 18 mesos. Les dades resultants de les condicions ambientals es comparen per parells al llarg de dos gradients ambientals principals: l'orientació del penya-segat Nord/Sud i la proximitat a la mar. A més, els trests foliars intraespecífics s'utilitzen per estudiar la variació en la resposta funcional de les plantes que habiten orientacions oposades dins d'un àrea d' investigació. La variació resultant es correlaciona amb la influència de les condicions microclimàtiques creades pel vessant i els aspectos funcionals dels trets vegetals esmentats. El segon capítol, titulat "Compositional data and analyses of areas and plant communities in the coastal cliffs of the Valencian Community (Spain)", presenta una ordenació dels llocs d'estudi i de les espècies de plantes que habiten a les zones de penya- segats del cinturó de muntanya al llarg de les costes de la regió diànica de España. L'estudi va a revelar correlacions significatives entre les unitats de vegetació i els llocs amb referència a l'amplias orientació geogràfica Nord/Sud. No obstant aixó, va ser poc informatiu per poder revelar les diferències observades en l'estructura del conjunt de plantes relacionades amb les variacions microtopogràfiques registrades al conjunt de dades Al tercer capítol, titulat "UAV (drone) surveys for the study of plant-microtopography relationships and for the conservation of rare species", es descriu la metodologia proposada per a investigar entorns verticals poc accessibles. També es van analitzar els reptes i les oportunitats de la investigació ecològica vegetal en aquestes àrees normalment inaccesibles. Un primer conjunt de dades inclou el cens visual parcial i el total de dues espècies endèmiques de penya-segats a les àrees d'estudi espanyoles i italianes. Mitjançant la fotogrametria aèrea a curt abast i el modelat 3D, va ser possible estudiar els efectes de la microtopografia en la segregació de nínxols, tant a nivell comunitari com d'espècies. Es van utilitzar mètodes d'ordenació per a correlacionar les espècies endèmiques seleccionades i conjunts vegetals sencers amb factors ambientals com ara l'aspecte local i global, el pendent i la distància de les vores dels penya-segats. En el quart capítol, titulat "Distribution, ecology, conservation status and phylogeography of Pseudoscabiosa limonifolia, a paleo-endemic chasmophytic species from Sicily (Italy)", que s'analitza en detall l'estructura filogeográfica d'una espècie endèmica de penya-segats, Pseudoscabiosa limonifolia (Caprifoliaceae, subfamilia Dipsacaceae), considerant tambè les relacions filogeogràfiques amb els seus taxons més propers. A més, la seva distribució total es va determinar mitjançant observacions de camp, caracteritzant el seu hàbitat i avaluant el seu estat de conservació com a Vulnerable, d'acord amb les directrius de la llista roja de la UICN. / [EN] This thesis investigated opportunities, challenges and limitations for plant ecological research in the context of Mediterranean cliffs. In particular, chasmophytic species, whose natural habitats are very steep, limestone mountain slopes in the proximity of the sea, in the Central and Western part of the Mediterranean area are considered as study objects. Studies were carried out in the coastal mountain belts of both North-western Sicily and Dianic coasts in the Valencian Community (Spain). The first chapter, entitled "The complexity of environmental factors: cliff microclimate", investigates the variability of cliff microclimate in three different areas in Sicily and Spain, analysing the environmental conditions created by the cliff at very fine scale. Six independent and comparable datasets including the main meteorological variables were compiled in a total period of 18 months. The resulting spectra of environmental conditions are compared pairwise along two key environmental gradients: North/South cliff orientation and proximity to the sea. Intraspecific leaf traits are used in order to investigate variations in the functional response of plants living on opposite orientations. The resulting variation is then correlated with the influence of microclimatic conditions created by slope and functional aspects of the aforementioned plant traits. The second chapter, entitled "Compositional data and analyses of areas and plant communities in the coastal cliffs of the Valencian Community (Spain)", presents an ordination of the study sites and of the plant species inhabiting the cliff zones of the mountain belt along the coasts of the Dianic region in Eastern Spain. The study revealed significant correlations between the vegetation units and the sites with reference to the broad North/South geographical orientation. However, it was poorly informative in respect to reveal the major differences observed in the structure of the plant assemblage related to the micro- topographic variations recorded in the dataset. In the third chapter, entitled "UAV (drone) surveys for the study of plant- microtopography relationships and for the conservation of rare species", a proposed survey methodology for investigating inaccessible vertical environments is described. Challenges and opportunities of plant ecological research in these typically inaccessible areas were also analysed. A first set of data is comprised of partial and total visual census of two narrow endemic cliff species in the Spanish and Italian study areas. Through the use of aerial close- range photogrammetry and 3D modelling, it was possible to study the effects of micro-topography on niche segregation, both at community and species level. Ordination methods were used to correlate selected endemic species and entire plant assemblages to environmental factors such as local and global aspect, slope and distance from cliff edges. The fourth chapter, entitled "Distribution, ecology, conservation status and phylogeography of Pseudoscabiosa limonifolia, a paleo-endemic chasmophytic species from Sicily (Italy)", is addressed to analyse in details the phylogeographic structure of a cliff narrow endemic species, Pseudoscabiosa limonifolia (VAHL) DEVESA (Caprifoliaceae, subfamily Dipsacaceae), also taking in consideration its closest sister taxa. Furthermore, its total distribution was determined by field surveys, characterizing its habitat, and assessing its conservation status as Vulnerable according to IUCN red list guidelines. / De Simone, L. (2020). Ecological aspects of plants inhabiting Mediterranean cliffs. Challenges and prospects of life in vertical environments [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/159877

Tesis por compendio / [ES] Edge Computing es un modelo de computación emergente basado en acercar el procesamiento a los dispositivos de captura de datos en las infraestructuras Internet of things (IoT). Edge computing mejora, entre otras cosas, los tiempos de respuesta, ahorra anchos de banda, incrementa la seguridad de los servicios y oculta las caídas transitorias de la red. Este paradigma actúa en contraposición a la ejecución de servicios en entornos cloud y es muy útil cuando se desea desarrollar soluciones de inteligencia artificial (AI) que aborden problemas en entornos de desastres naturales, como pueden ser inundaciones, incendios u otros eventos derivados del cambio climático. La cobertura de estos escenarios puede resultar especialmente difícil debido a la escasez de infraestructuras disponibles, lo que a menudo impide un análisis de los datos basado en la nube en tiempo real. Por lo tanto, es fundamental habilitar técnicas de IA que no dependan de sistemas de cómputo externos y que puedan ser embebidas en dispositivos de móviles como vehículos aéreos no tripulados (VANT), para que puedan captar y procesar información que permita inferir posibles situaciones de emergencia y determinar así el curso de acción más adecuado de manera autónoma. Históricamente, se hacía frente a este tipo de problemas utilizando los VANT como dispositivos de recogida de datos con el fin de, posteriormente, enviar esta información a la nube donde se dispone de servidores capacitados para analizar esta ingente cantidad de información. Este nuevo enfoque pretende realizar todo el procesamiento y la obtención de resultados en el VANT o en un dispositivo local complementario. Esta aproximación permite eliminar la dependencia de un centro de cómputo remoto que añade complejidad a la infraestructura y que no es una opción en escenarios específicos, donde las conexiones inalámbricas no cumplen los requisitos de transferencia de datos o son entornos en los que la información tiene que obtenerse en ese preciso momento, por requisitos de seguridad o inmediatez. Esta tesis doctoral está compuesta de tres propuestas principales. En primer lugar se plantea un sistema de despegue de enjambres de VANTs basado en el algoritmo de Kuhn Munkres que resuelve el problema de asignación en tiempo polinómico. Nuestra evaluación estudia la complejidad de despegue de grandes enjambres y analiza el coste computacional y de calidad de nuestra propuesta. La segunda propuesta es la definición de una secuencia de procesamiento de imágenes de catástrofes naturales tomadas desde drones basada en Deep learning (DL). El objetivo es reducir el número de imágenes que deben procesar los servicios de emergencias en la catástrofe natural para poder tomar acciones sobre el terreno de una manera más rápida. Por último, se utiliza un conjunto de datos de imágenes obtenidas con VANTs y relativas a diferentes inundaciones, en concreto, de la DANA de 2019, cedidas por el Ayuntamiento de San Javier, ejecutando un modelo DL de segmentación semántica que determina automáticamente las regiones más afectadas por las lluvias (zonas inundadas). Entre los resultados obtenidos se destacan los siguientes: 1- la mejora drástica del rendimiento del despegue vertical coordinado de una red de VANTs. 2- La propuesta de un modelo no supervisado para la vigilancia de zonas desconocidas representa un avance para la exploración autónoma mediante VANTs. Esto permite una visión global de una zona concreta sin realizar un estudio detallado de la misma. 3- Por último, un modelo de segmentación semántica de las zonas inundadas, desplegado para el procesamiento de imágenes en el VANTs, permite la obtención de datos de inundaciones en tiempo real (respetando la privacidad) para una reconstrucción virtual fidedigna del evento. Esta tesis ofrece una propuesta para mejorar el despegue coordinado de drones y dotar de capacidad de procesamiento de algoritmos de deep learning a dispositivos edge, más concretamente UAVs autónomos. / [CA] Edge Computing és un model de computació emergent basat a acostar el processament als dispositius de captura de dades en les infraestructures Internet of things (IoT). Edge computing millora, entre altres coses, els temps de resposta, estalvia amplades de banda, incrementa la seguretat dels serveis i oculta les caigudes transitòries de la xarxa. Aquest paradigma actua en contraposició a l'execució de serveis en entorns cloud i és molt útil quan es desitja desenvolupar solucions d'intel·ligència artificial (AI) que aborden problemes en entorns de desastres naturals, com poden ser inundacions, incendis o altres esdeveniments derivats del canvi climàtic. La cobertura d'aquests escenaris pot resultar especialment difícil a causa de l'escassetat d'infraestructures disponibles, la qual cosa sovint impedeix una anàlisi de les dades basat en el núvol en temps real. Per tant, és fonamental habilitar tècniques de IA que no depenguen de sistemes de còmput externs i que puguen ser embegudes en dispositius de mòbils com a vehicles aeris no tripulats (VANT), perquè puguen captar i processar informació per a inferir possibles situacions d'emergència i determinar així el curs d'acció més adequat de manera autònoma. Històricament, es feia front a aquesta mena de problemes utilitzant els VANT com a dispositius de recollida de dades amb la finalitat de, posteriorment, enviar aquesta informació al núvol on es disposa de servidors capacitats per a analitzar aquesta ingent quantitat d'informació. Aquest nou enfocament pretén realitzar tot el processament i l'obtenció de resultats en el VANT o en un dispositiu local complementari. Aquesta aproximació permet eliminar la dependència d'un centre de còmput remot que afig complexitat a la infraestructura i que no és una opció en escenaris específics, on les connexions sense fils no compleixen els requisits de transferència de dades o són entorns en els quals la informació ha d'obtindre's en aqueix precís moment, per requisits de seguretat o immediatesa. Aquesta tesi doctoral està composta de tres propostes principals. En primer lloc es planteja un sistema d'enlairament d'eixams de VANTs basat en l'algorisme de Kuhn Munkres que resol el problema d'assignació en temps polinòmic. La nostra avaluació estudia la complexitat d'enlairament de grans eixams i analitza el cost computacional i de qualitat de la nostra proposta. La segona proposta és la definició d'una seqüència de processament d'imatges de catàstrofes naturals preses des de drons basada en Deep learning (DL).L'objectiu és reduir el nombre d'imatges que han de processar els serveis d'emergències en la catàstrofe natural per a poder prendre accions sobre el terreny d'una manera més ràpida. Finalment, s'utilitza un conjunt de dades d'imatges obtingudes amb VANTs i relatives a diferents inundacions, en concret, de la DANA de 2019, cedides per l'Ajuntament de San Javier, executant un model DL de segmentació semàntica que determina automàticament les regions més afectades per les pluges (zones inundades). Entre els resultats obtinguts es destaquen els següents: 1- la millora dràstica del rendiment de l'enlairament vertical coordinat d'una xarxa de VANTs. 2- La proposta d'un model no supervisat per a la vigilància de zones desconegudes representa un avanç per a l'exploració autònoma mitjançant VANTs. Això permet una visió global d'una zona concreta sense realitzar un estudi detallat d'aquesta. 3- Finalment, un model de segmentació semàntica de les zones inundades, desplegat per al processament d'imatges en el VANTs, permet l'obtenció de dades d'inundacions en temps real (respectant la privacitat) per a una reconstrucció virtual fidedigna de l'esdeveniment. / [EN] Edge Computing is an emerging computing model based on bringing data processing and storage closer to the location needed to improve response times and save bandwidth. This new paradigm acts as opposed to running services in cloud environments and is very useful in developing artificial intelligence (AI) solutions that address problems in natural disaster environments, such as floods, fires, or other events of an adverse nature. Coverage of these scenarios can be particularly challenging due to the lack of available infrastructure, which often precludes real-time cloud-based data analysis. Therefore, it is critical to enable AI techniques that do not rely on external computing systems and can be embedded in mobile devices such as unmanned aerial vehicles (UAVs) so that they can capture and process information to understand their context and determine the appropriate course of action independently. Historically, this problem was addressed by using UAVs as data collection devices to send this information to the cloud, where servers can process it. This new approach aims to do all the processing and get the results on the UAV or a complementary local device. This approach eliminates the dependency on a remote computing center that adds complexity to the infrastructure and is not an option in specific scenarios where wireless connections do not meet the data transfer requirements. It is also an option in environments where the information has to be obtained at that precise moment due to security or immediacy requirements. This study consists of three main proposals. First, we propose a UAV swarm takeoff system based on the Kuhn Munkres algorithm that solves the assignment problem in polynomial time. Our evaluation studies the takeoff complexity of large swarms and analyzes our proposal's computational and quality cost. The second proposal is the definition of a Deep learning (DL) based image processing sequence for natural disaster images taken from drones to reduce the number of images processed by the first responders in the natural disaster. Finally, a dataset of images obtained with UAVs and related to different floods is used to run a semantic segmentation DL model that automatically determines the regions most affected by the rains (flooded areas). The results are 1- The drastic improvement of the performance of the coordinated vertical take-off of a network of UAVs. 2- The proposal of an unsupervised model for the surveillance of unknown areas represents a breakthrough for autonomous exploration by UAVs. This allows a global view of a specific area without performing a detailed study. 3- Finally, a semantic segmentation model of flooded areas, deployed for image processing in the UAV, allows obtaining real-time flood data (respecting privacy) for a reliable virtual reconstruction of the event. This thesis offers a proposal to improve the coordinated take-off of drones, to provide edge devices with deep learning algorithms processing capacity, more specifically autonomous UAVs, in order to develop services for the surveillance of areas affected by natural disasters such as fire detection, segmentation of flooded areas or detection of people in danger. Thanks to this research, services can be developed that enable the coordination of large arrays of drones and allow image processing without needing additional devices. This flexibility makes our approach a bet for the future and thus provides a development path for anyone interested in deploying an autonomous drone-based surveillance and actuation system. / I would like to acknowledge the project Development of High-Performance IoT Infrastructures against Climate Change based on Artificial Intelligence (GLOBALoT). Funded by Ministerio de Ciencia e Innovación (RTC2019-007159-5), of which this thesis is part. / Hernández Vicente, D. (2023). Analysis Design and Implementation of Artificial Intelligence Techniques in Edge Computing Environments [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/192605 / Compendio