La batimetría es un factor determinante para predecir la transformación del oleaje y corrientes en la zona costera; sin embargo, suele ser desconocida y difícil de medir. Afortunadamente, como la influencia del fondo en la mayoría de los procesos hidrodinámicos costeros es bien comprendida, es posible plantear un problema inverso, es decir, la inversión de batimetría, en el que, utilizando observaciones y la física reproducida por los modelos, se puede recuperar la topografía subacuática. En las últimas décadas, gracias a la proliferación de cámaras digitales y otros sensores remotos, se han explotado dos dependencias de la profundidad: la celeridad de las olas y la disipación por rotura (Holman y Haller, 2013). En la primera (por ejemplo, Holman et al., 2013), se emplean técnicas de procesamiento de señales para estimar la velocidad de propagación del oleaje y luego la ecuación de dispersión lineal para estimar la profundidad. Sus resultados son satisfactorios fuera de la zona de rompientes, pero su precisión decae hacia la orilla debido a no linealidades del oleaje en aguas someras (Catalán y Haller, 2008) y a la aceleración aparente que miden los instrumentos durante el proceso de rotura (Brodie et al., 2018). Otros estudios (por ejemplo, Aarninkhof et al., 2005a; van Dongeren et al., 2008) han utilizado imágenes ópticas de larga exposición de olas en rotura para estimar patrones usados como los de disipación. Así, obtienen estimaciones de batimetría basadas en comparaciones entre observaciones y predicciones de modelos. Este enfoque ha recibido menos atención debido a que carece de una base física para estimar la disipación, ya que la señal está contaminada por otras que emergen de fenómenos como la espuma remanente. También se han desarrollado métodos híbridos capaces de conjugar los anteriores y otras variables que pueden depender del fondo de maneras más complejas. Por ejemplo, Wilson et al. (2014) usaron mediciones remotas de celeridad y corrientes a través de métodos de asimilación de datos, obteniendo buenos resultados. En este trabajo se presenta una metodología para estimar la batimetría costera a partir de campos de disipación por rotura obtenidos remotamente con el método de Díaz et al. (2017), quienes lograron aislar la señal de espuma remanente y cuantificar la disipación ola a ola. Esta variable se incorpora a un modelo de propagación de oleaje mediante un sistema de asimilación de datos que trata la batimetría como un parámetro incierto, condicionado a las observaciones cada vez que están disponibles. A partir de una estimación inicial con poca información sobre la morfología real, los resultados muestran que esta metodología es capaz de recuperar con bastante precisión la ubicación y amplitud de una barra de arena y su interrupción por un canal de retorno, propios de la playa en estudio. Estos resultados incentivan aplicaciones donde la batimetría costera pueda ser monitoreada continuamente sin necesidad de mediciones directas de profundidad.

La rotura del oleaje es el principal fenómeno físico que ocurre en la interacción oleaje-costa y se caracteriza por ser altamente dinámico y caótico, con variaciones espacio-temporales. Debido a esto, ha sido sumamente difícil contar con un algoritmo suficientemente robusto para realizar una identificación eficiente y precisa de estos patrones de rotura en imágenes de video y/o radar dentro de la comunidad costera. Sin embargo, el oleaje en rotura es un proceso fácilmente discernible para los ojos humanos que, gracias al eficiente funcionamiento de la corteza cerebral, permite identificar estos patrones bajo diferentes condiciones de oleaje y climáticas. En este trabajo se presenta un novedoso método basado en el uso de redes neuronales convolucionales, las cuales replican el funcionamiento de la corteza visual biológica, para identificar patrones bidimensionales de rotura de forma automática desde imágenes de video. El presente método, que solo depende de mediciones en el rango electro-óptico, demostró ser suficientemente robusto bajo diversas condiciones climáticas y de oleaje, y es capaz de hacer predicciones de forma computacionalmente eficiente. Esto se puede entender como una mejora a la metodología propuesta por Catalán et al. (2011), que, hasta nuestro conocimiento, es la única metodología en la literatura que permite la identificación de patrones de rotura de forma bidimensional. A su vez, este avance permitiría mejorar las metodologías que dependen de los patrones de rotura del oleaje como entrada y así estimar, por ejemplo, cambios en el nivel medio del mar (Flores et al., 2016) o estimaciones de las corrientes medias o corrientes de retorno (Díaz et al., 2018) de forma más eficiente. Por último, el modelo U-Net presentado en este trabajo demostró un destacable rendimiento en la identificación de oleaje en rotura sobre imágenes completamente nuevas en una playa cerca de Las Cruces, Chile. Estas imágenes fueron obtenidas mediante el uso de dron, permitiendo utilizar diferentes formas de adquisición para implementar la metodología propuesta. Esto abre la posibilidad de extender esta línea de investigación y tratar de generalizar este método para poder identificar patrones de rotura en diferentes playas en tiempo real. Por esta razón, los algoritmos y conjuntos de datos utilizados en este trabajo se colocan a disposición de la comunidad.

La estimación de zonas de inundación es uno de los principales objetivos de los sistemas de alerta temprana de tsunamis, pero sigue siendo un proceso complejo debido a la dificultad de determinar de manera oportuna las características de la ruptura sísmica. Actualmente, la distribución del deslizamiento cosísmico se obtiene mediante la inversión de datos geofísicos, lo que introduce una incertidumbre intrínseca. Este trabajo propone incorporar dicha incertidumbre en la generación de escenarios de deslizamiento mediante el Método de Variación de Fase, una herramienta que permite controlar la aleatoriedad con un único parámetro libre llamado "phi", logrando generar escenarios estocásticos de forma rápida. La metodología se calibra con datos del evento de Maule 2010, comparando 19 modelos de ruptura con datos de inundación en San Antonio, Constitución y Talcahuano, utilizando el método de máxima verosimilitud y el software HySea. La validación con el evento de Illapel 2015 sugiere que valores bajos de "phi" ajustan bien pero reducen la variabilidad, recomendando un valor cercano a pi dividido entre 6. Se comprueba además que es posible aplicar esta metodología en contextos de alerta temprana a partir de un único modelo de inversión. Finalmente, se analiza la sensibilidad de la deformación vertical al parámetro "phi", mostrando efectos significativos en Talcahuano, lo que resalta la importancia de considerar esta variabilidad en mapas predictivos y decisiones de evacuación.

La zona costera chilena, altamente poblada por su relevancia económica y turística, enfrenta creciente vulnerabilidad frente a fenómenos extremos asociados al cambio climático, especialmente por la modificación del oleaje. En este contexto, la erosión costera y el retroceso de la línea de costa se han convertido en preocupaciones relevantes, como lo demuestra que un 80% de las playas analizadas en la zona central del país presenta distintos niveles de erosión. Sin embargo, los estudios han tendido a centrarse únicamente en el impacto del oleaje, dejando de lado otros factores como los efectos tectónicos, hidrológicos y antrópicos. Esta investigación busca analizar la evolución de la línea de costa en Punta Lobos durante 21 años, correlacionando su comportamiento con variables oceanográficas, meteorológicas (como El Niño y La Niña), hidrológicas (Mega Sequía) y tectónicas, con el objetivo de comprender mejor los procesos erosivos y contribuir a una planificación territorial más resiliente en las zonas costeras.

In this paper, we explore the identification of sparse FIR systems having quantized output data. Our approach is based on the use of regularization. We explore several aspects concerning the implementation of the Expectation-Maximization (EM) algorithm, including: i) a general framework, based on mean-variance Gaussian mixtures, for incorporating a regularization term that forces sparsity, ii) utilization of Markov Chain Monte Carlo techniques (namely a Gibbs sampler) and scenarios to implement the EM algorithm for multiple input multiple output systems. We show that for single input single output systems, it is possible to obtain closed form expressions for solving the EM algorithm.

The effects of salt on the quality of fruits were investigated in order to compare the impact of salt on key fruit properties of the cultivated domesticated tomato species (Solanum lycopersicum) and its wild halophyte relative Solanum chilense. To this end, cherry tomato plants (S. lycopersicum var. cerasiforme) and from accession LA4107 (S. chilense) were maintained for 112 days in the absence or presence of NaCl (40 and 80 mM) in nutrient solution. Among others, salinity decreased fruit weight and increased total soluble solid (TSS) in S. lycopersicum but not in S. chilense. The fruit antioxidant capacity estimated by ferric reducing antioxidant power (FRAP) analysis was higher in S. chilense than in S. lycopersicum and increased in the former while it decreased in the latter in response to NaCl. Salinity increased the lycopene (LYC) content but decreased ß-carotene (b-CAR) concentration in the fruits of S. lycopersicum, while these compounds were not detected in the wild halophyte S. chilense. The oxidative status of salt-treated fruits was more tightly regulated in S. chilense than in S. lycopersicum. The two considered species, however, possess complementary properties and interspecific crosses may therefore be considered as a promising option for the improvement of salt-stress resistance in tomatoes.

Technostress is a psychosocial phenomenon associated with the use of technologies to the detriment of health, the same one that during the pandemic was accelerated in the work considering home confinement. This work aims to systematize the main research on the impact of technostress at work during the severe confinement stage of the pandemic, between the years 2020 and 2021, with the purpose of identify and evaluate its main determining factors. A systematic review of the literature was carried out during COVID-19, using the words “technostress work COVID-19.” The works found focus mainly on analyzing the creators and inhibitors of technostress in workers, as well as the main consequences of the materialization of this technological risk associated with work performance during the stage of confinement by COVID-19. Techno invasion and techno overload were identified as the main techno stressors, with the main type of technostress appreciated in the literature being techno fatigue. Technostress is identified as a problem that had direct and relevant effects during the season of severe confinement and remote work at home due to COVID-19; highlighting techno fatigue as the most frequent type of stress, and techno stressors such as techno invasion and overload as the ones that presented the highest incidence.

By using the gauge-invariant, but path-dependent, variables formalism, we study both massive Euler-Heisenberg-like and Euler-Heisenberg-like electrodynamics in the approximation of the strong-field limit. It is shown that massive Euler-Heisenberg-type electrodynamics displays the vacuum birefringence phenomenon. Subsequently, we calculate the lowest-order modifications to the interaction energy for both classes of electrodynamics. As a result, for the case of massive Euler-Heisenbeg-like electrodynamics (Wichmann-Kroll), unexpected features are found. We obtain a new long-range (1/r3-type) correction, apart from a long-range (1/r5-type) correction to the Coulomb potential. Furthermore, Euler-Heisenberg-like electrodynamics in the approximation of the strong-field limit (to the leading logarithmic order) displays a long-range (1/r5-type) correction to the Coulomb potential. Besides, for their noncommutative versions, the interaction energy is ultraviolet finite.