UNIVERSIDAD AUSTRAL DE CHILE

FACULTAD DE CIENCIAS DE LA INGENIERÍA

ESCUELA DE INGENIERÍA CIVIL ELECTRÓNICA

DISEÑO DE UN SISTEMA DE MONITOREO PARA DETECTAR Y CONTROLAR INCENDIOS

FORESTALES EN SECTOR PARQUE ARBORETUM VALDIVIA

Trabajo de Titulación para optar al Título de:

Ingeniero Civil Electrónico

PROFESOR PATROCINANTE:
Sr. Héctor Kaschel

RODRIGO EDUARDO R. SALAZAR BELMAR

VALDIVIA – CHILE
2021
HOJA 2: Nombres y firmas de los miembros de la Comisión de Titulación, y la fecha del Examen
de Titulación.
 AGRADECIMIENTOS

Agradecimientos al Instituto y escuela de electricidad y electrónica de la Universidad Austral de

Chile por darme las herramientas, capacidades y valores necesarios para emprender este
nuevo camino como futuro profesional.
A los profesores en mi instancia universitaria, por guiarme y motivarme a amar aún más esta
disciplina de la Ingeniería.
A mis compañeros y amigos de estudio que fui haciendo a medida que cursaba mis ramos.
A mis padres, familiares, que me dieron fuerza necesaria y aliento en los momentos más
difíciles y complejos.
Mis más sinceros agradecimientos a todos ellos, dejando en claro que esta es una de mis
etapas más hermosas que he vivido y que jamás las olvidare.
 Para mirar hacia el futuro, primero debemos
mirar hacia atrás en el pasado, ahí es donde se
plantaron las semillas del futuro. Albert Einstein.
 INDICE

RESUMEN.....................................................................................................................................9
CAPITULO I.................................................................................................................................10
INTRODUCCIÓN.........................................................................................................................10
1.2. Origen y Necesidad.........................................................................................................11
1.2.1. Origen............................................................................................................................11
1.2.2. Necesidad......................................................................................................................11
1.3 Objetivos...........................................................................................................................12
1.3.1. Objetivos generales....................................................................................................12
1.3.2. Objetivos específicos..................................................................................................12
1.4. Metodología......................................................................................................................13
1.5. Hipótesis...........................................................................................................................13
1.6. Aporte Personal...............................................................................................................13
1.7. Descripción del Trabajo de Titulación...........................................................................14
CAPÍTULO II................................................................................................................................15
MARCO TEORICO......................................................................................................................15
2.1. Introducción.....................................................................................................................15
2.2. Características e Importancia de los Bosques Nativos Valdivianos..........................15
2.3. Parque Arboretum y Fundo Teja Norte en Valdivia......................................................16
2.4. Clasificación en IF...........................................................................................................17
2.4.1. Tipos de Incendios Forestales....................................................................................18
2.4.2. Morfología de un IF.....................................................................................................18
2.4.3. Gases y Compuestos Emitidos en un IF.....................................................................19
2.4.4. Condiciones Atmosféricas en IF.................................................................................21
2.5. Fundamentos de las Redes de Sensores Inalámbricas...............................................23
2.5.1. Factores y Desafíos de Diseño...................................................................................23
2.5.3. Componentes de un Nodo de Sensor.........................................................................24
2.6. Modelo OSI.......................................................................................................................25
2.8. Modelos de Red...............................................................................................................26
2.9. Internet Of Things............................................................................................................27
 2.9.1. Arquitectura de capa IoT.............................................................................................28
2.9.2. Elementos en IoT........................................................................................................29
2.9.3. Estándares de Comunicación Inalámbrica en IoT......................................................30
CAPÍTULO III...............................................................................................................................31
ESTADO DEL ARTE Y DISCUSION BIBLIOGRAFICA.............................................................31
3.1. Introducción.....................................................................................................................31
3.2. Estado del Arte................................................................................................................32
3.2.1. Sistemas Comerciales Existentes en el Mundo..........................................................32
3.2.2. Sistemas Comerciales Existentes en Chile.................................................................36
3.3. Revisión Bibliográfica.....................................................................................................37
3.4. Análisis del Problema.....................................................................................................38
CAPÍTULO IV...............................................................................................................................39
REQUERIMIENTOS.....................................................................................................................39
4.1. Introducción.....................................................................................................................39
4.2. Requerimientos del Sistema...........................................................................................40
4.2.1. Requerimientos Generales del Sistema......................................................................40
4.2.2. Índices de Probabilidad en Ocurrencia (IPO)..............................................................41
4.2.3. Lugar de Asentamiento y Estación Base....................................................................42
4.2.6. Recomendaciones para la Comunicación...................................................................43
4.2.7. Estructura LoRa y LoRaWAN.....................................................................................45
4.2.8. Normativas Vigentes Chile..........................................................................................49
4.4. Selección de las Tecnologías.........................................................................................50
4.4.1. Módulo de Comunicación............................................................................................50
4.4.2. Módulos de Sensor.....................................................................................................51
4.4.3. Módulo de Localización...............................................................................................52
4.4.3. Módulo de Procesamiento..........................................................................................53
4.4.4. Módulo de Energía......................................................................................................55
4.4.5. Módulo de recepción y Servidor de Red.....................................................................56
4.6. Conclusiones del Capitulo..............................................................................................58
CAPITULO V................................................................................................................................58
DISEÑO Y ARQUITECTURA DE RED........................................................................................58
5.1 Introducción......................................................................................................................58
5.2 Modelos de Estrategia y Optimización...........................................................................59
5.3 Propuesta de Arquitectura del Nodo de Sensor............................................................65
 5.4. Propuesta de Arquitectura de Red IoT..........................................................................68
5.4.1. Arquitectura de Red Chirpstack..................................................................................68
5.4.2. Funcionamiento General de la Red............................................................................69
5.5. Sistema de Detención IF.................................................................................................74
5.8. Conclusiones del Capitulo..............................................................................................77
CAPÍTULO VI...............................................................................................................................77
ANÁLISIS TÉCNICO-ECONÓMICO............................................................................................77
6.1. Introducción.....................................................................................................................77
6.2. Despliegue de la Red.......................................................................................................77
6.3. Configuración de la Red.................................................................................................81
6.4. Aplicación Web................................................................................................................83
6.5. Costos totales del Sistema.............................................................................................85
6.6. Conclusiones del Capitulo..............................................................................................87
CAPÍTULO VII..............................................................................................................................87
CONCLUSIONES........................................................................................................................87
7.1. Conclusiones...................................................................................................................87
7.2. Trabajo Futuro.................................................................................................................88
BIBLIOGRAFIA...........................................................................................................................89
 Índices de figuras

Figura 1. Sector del Parque Arboretum en conjunto con Fundo Teja norte...............................................17
Figura 2. Elementos de la combustión (A), Tipos de IF (B) [Fuentes: [26] [27]]........................................18
Figura 3. Triangulo de comportamiento del fuego (A) y Temperatura del fuego en un IF (Fuente: [28]
[28])............................................................................................................................................................ 22
Figura 4. Arquitectura del hardware en un Nodo de sensor (Fuente: Elaboración propia)........................25
Figura 5. Distintas configuraciones de topologías de red (Fuente: Elaboración Propia)............................27
Figura 6. Arquitectura de capas IoT (Fuente: Elaboración Propia)............................................................29
Figura 7. Sistema completo de funcionamiento Pyro.................................................................................33
Figura 8. Visualización Satelital del entorno a estudiar.............................................................................33
Figura 9. Procedimiento de monitorio mediante cámaras ópticas.............................................................34
Figura 10. Sistema de monitoreo y detección propuesto por Ursalink.......................................................35
Figura 11. Sistema de detección temprana de IF de Acot System............................................................36
Figura 12. Nodo de sensor de Sea the Forest [68]....................................................................................37
Figura 13. Distancias totales desde INFOR a los extremos de parque.....................................................42
Figura 14. Factores de ensachamiento (SF) (Fuente: Elaboración Propia)...............................................45
Figura 15. Canales de frecuencia Europa (EU688), América (US915) y Australia (AU915), (Fuente: [87]).
................................................................................................................................................................... 46
Figura 16. Estructura de trama LoRa y LoRaWAN (Fuente: Elaboración Propia).....................................48
Figura 17. Módulo de comunicación LoRa SX1276 (Fuente: [93])............................................................51
Figura 18. Sensor MQ-7 (A), Sensor BME680 (B) y Sensor MG-811 (C) (Fuentes: [97], [98], [99])..........52
Figura 19. Módulo GPS Ublox NEO-6M (Fuente: [102])............................................................................53
Figura 20. Placa de desarrollo MCU ESP32 (Fuente: [104]).....................................................................54
Figura 21.Celda solar (A), Cargador Solar de Lipo (B) y Bateria de Lipo (C) (Fuentes: [105], [106])........55
Figura 22. Modulo elevador de Voltaje Boost Step Up basado en MT3608 (Fuente: [108])......................56
Figura 23. Puerta de enlace Kerlink iBTS y (A) y pila de servidor de red ChirpStack (B)..........................58
Figura 24. Sistema completo de monitoreo, predicción y control de eventos en IF...................................61
Figura 25. Análisis y evaluación de las áreas CNI y FCH..........................................................................63
Figura 26. Áreas ZAR, ZRM Y ZBR demostrada gráficamente..............................................................64
Figura 27. Arquitectura de nodo de sensor................................................................................................ 66
Figura 28. Funcionamiento general del nodo de sensor............................................................................67
Figura 29. Propuesta de Arquitectura LoRaWAN......................................................................................70
Figura 30. Diagrama de flujo del funcionamiento principal (parte 1)..........................................................72
Figura 31. Diagrama de Flujo Funcionamiento Principal (Parte 2)............................................................73
Figura 32. Sistemas de detección y decisión en IF....................................................................................75
Figura 33. Despliegue de los factores SFm.............................................................................................. 79
Figura 34. Tamaño total del dato............................................................................................................... 80
Figura 35. Instalación física de la estación base.......................................................................................81
Figura 36. Sistema Final en la Red LoRaWAN mediante nube Chirpstack...............................................82
Figura 37. Plataforma de monitoreo: Valor histórico de variables..............................................................84
Figura 38. Plataforma de monitorio: Notificaciones y localización de nodos.............................................85
Figura 39. Mapa de cobertura para los Nodos..........................................................................................85

Índices de tablas

Tabla 1. Temperaturas para cada zona en un IF.......................................................................................22

Tabla 2. Categorías de índices IPO para la región de los ríos...................................................................41
Tabla 3. Sensibilidad del receptor en [dBm] para distintos anchos de bandas y SF..................................47
Tabla 4. Comparación general de los servidores TTN y Chirpstack..........................................................57
Tabla 5. Zonas de riesgo en parque Arboretum a partir de las condiciones de CNI y FHC.......................62
Tabla 6. Rangos de valores para determinar los estados de IF.................................................................76
Tabla 7. Cantidad de nodos totales para las superficies ZAR y ZRM........................................................78
Tabla 8. Características para los limites predefinidos en S Fm.................................................................79
Tabla 9. Zonas predefinidas para la transmisión de datos.........................................................................81
Tabla 10. Precios totales en el sistema de recepción................................................................................86
Tabla 11. Módulos de Procesamiento, Localización y Comunicación........................................................86
Tabla 12. Precio total de los módulos de medición....................................................................................86
Tabla 13. Precio total de los módulos de energía......................................................................................86
Tabla 14. Costos totales del sistema......................................................................................................... 87
 RESUMEN

La cantidad de incendios forestales (IF) ocurridos en los últimos años en diferentes

partes del mundo y especialmente en Chile, está causando una mayor preocupación en la
población, debido a las consecuencias que estos puedan generar en la destrucción del
ecosistema. Las nuevas tecnologías emergentes en las últimas décadas han abierto un amplio
espectro de posibilidades, en donde emerge uno de los paradigmas de proliferación de la
industria más importantes del último tiempo, “Internet de las cosas” (IoT). En este trabajo de
titulación se diseñó un sistema de monitoreo y control de los IF aplicado en los sectores Parque
Arboretum y Fundo teja norte, ubicada en la Isla Teja, Valdivia. Este diseño único y compacto
incorpora una red de sensores inalámbrica (WSN) basada en IoT mediante monitoreo remoto
en línea, con propósitos de predecir y alertar posibles eventos de IF. Además, el sistema se
entrenó de tal forma, que los nodos de sensor registran datos de mediciones en forma continua
con transmisiones periódicas y predeterminadas utilizando protocolo LoRa. Las mediciones
serán realizadas a través de sensores de Monóxido de carbono (CO), dióxido de carbono
(CO2), temperatura (T), Presión (Pa) y Humedad del ambiente, en donde luego son enviados a
servidores de red y aplicación en entornos remotos mediante una red LoRaWAN y estructura de
nube Chirpstack, siendo estos los encargados de registrar, evaluar y almacenar los datos, para
previamente ser visualizados en línea mediante un entorno web o App de dispositivos en línea.
Se han elaborado una seria de estrategias compuesta por una serie de restricciones que
relacionan el desplazamiento de las personas y la cantidad de combustible forestal en la zona
con objetivos de realizar un modelo más simplificado y óptimo. Además, se contempló una serie
de medidas y procesos que aportaron al despliegue de la red, tales como la elaboración de
algoritmo de detección y decisión, estructuras de red jerarquizada y simplificada mediante
Chirpstack y estrategias de funcionamiento de bajo consumo en los componentes de los nodos
de sensor.
 CAPITULO I
INTRODUCCIÓN

La Selva y los bosques son organismos que proporcionan una gran cantidad atributos y
necesidades ambientales y son los principales detonantes de una serie de procesos
beneficiosos para el medio ambiente y el ecosistema, tales como la captación del agua,
producción de oxígeno, fertilidad del suelo, disminución de las inundaciones, propósitos
medicinales y el almacenamiento del dióxido de carbono de la atmosfera, ayudando a mitigar
los efectos del cambio climático [2]. Además, son también cuna y hogar de varios tipos de
especies de flora y fauna, tales como plantas, flores y de cierto tipo de animales salvajes.
La existencia del bosque nativo en chile es muy importante para la biodiversidad, porque
en él conviven una serie de especies forestales endémicas que dan vida a importantes
ecosistemas y que no se pueden encontrar en otros lugares del planeta. Por otra parte, estos
tipos de bosques actúan como soporte para la vida de otras especies de menor tamaño, pero
igualmente importantes para el cumplimiento de los diferentes ciclos y funciones ambientales.
El gran deterioro que ha sufrido el bosque nativo durante el último siglo ha sido atribuido
principalmente a la acción del hombre, causando consecuencias negativas importantes en estos
ecosistemas y la conservación de la biodiversidad que en ellos existe, involucradas con la
acción de deforestación o a través de acciones en la generación de IF.
En la actualidad los IF han sido gran parte de los focos de preocupación de las naciones
y la principal amenaza de los ecosistemas, en parte por los efectos que están desencadenando
en el medio ambiente tanto climáticos como daños irreversibles en los ecosistemas ricos de
flora y fauna, contribuyendo aún más a los efectos del calentamiento global a escala local y
mundial [1].
Si bien los IF pueden ser provocados por el ser humano o por causas naturales, en Chile
el 99,7% de los incendios es el humano quién los genera [2]. Esto podría suponer un problema
de mayor envergadura para las zonas donde se registran un mayor desplazamiento de
personas, en conjunto de ecosistemas con abundantes y amplias áreas verdes, como ocurre
con las regiones ubicadas en el sur de Chile, pero principalmente las zonas ubicadas en la
región de los ríos, que presentan en los últimos años un alza en el turismo [3] [4].
En Chile los IF se han hecho más recurrente en la última década, no obstante, el peor
escenario de fuego de nuestra historia reciente ocurrió el año 2017, en donde el siniestro
destruyo alrededor de 600 mil hectáreas, 86 mil de ellas correspondientes a bosque nativo.
Para el año 2019 se duplicaron los IF respecto al 2018 y se espera que aumenten los próximos
años, reduciendo en un déficit hídrico en la zona centro y sur del país por bajas precipitaciones,
generando un verano seco y cálido, además de un mayor volumen de combustible para la
generación y propagación de los IF [5]. En la región de los ríos la temporada verano 2019/2020
se registraron más 571 hectáreas, con 82 siniestros por IF. Esto corresponde alrededor de 34%
más de número de IF, y en superficie, 30% más de superficie quemada, hasta marzo del 2020
[6].
Actualmente se disponen de una serie de tecnologías para poder desencadenar
mecánicas de acción y control sobre posibles riesgos de propagación de un IF. Sin embargo, en
la mayoría de las veces, resulta difícil controlar el fuego debido a la actividad de las variables
meteorológicas como la humedad, el viento, la geografía, la temperatura, el periodo estacional,
etc., resultando muy complejo manejarlo, sobre todo cuando se presentan condiciones ideales
que benefician la propagación del incendio [7].
Este trabajo de titulación tiene como finalidad realizar un prototipo de diseño, mediante
el uso de herramientas tecnológicas actuales e innovadoras, además de proponer estrategias
que afecten positivamente al rendimiento del sistema, dando alerta temprana en los IF en la
región de los ríos, especialmente en un sector de Parque Arboretum y fundo teja Norte, ubicado
en Isla Teja en la ciudad de Valdivia. Es importante centrar este proyecto hacia un enfoque más
de prevención y de control, que aproveche eficazmente los tiempos de alarma de mejor forma,
dependiendo de recursos tecnológicos actuales.

1.2. Origen y Necesidad

1.2.1. Origen
En la actualidad Valdivia es la capital ubicada en la región de los ríos. Se destaca por
poseer una gran riqueza natural, en conjunto a una biodiversidad de especies en flora y fauna,
que dan lugar un conjunto de ecosistemas en los que encontramos una multitud de especies
endémicas y que corresponden en su gran mayoría a la selva Valdiviana. Es por esta razón que
Valdivia y los alrededores promueven un gran atractivo, basando su economía en el turismo y
en la explotación de su ecosistema único, dado que estos lugares son visitados en todas las
épocas del año, pero principalmente en las épocas de primavera y verano. Actualmente entre
los atractivos con mayor impacto en los visitantes (relacionados a la selva Valdiviana) y siendo
la gran mayoría áreas silvestres protegidas por el estado, podemos destacar; la reserva costera
valdiviana, el Parque Oncol, Jardín Botánico y el Santuario de la Naturaleza Carlos Anwandter,
siendo esta última catalogada como Monumento Nacional. Parque Arboretum y Fundo teja norte
pertenecen a un sector del santuario de la Naturaleza y en el albergan una colección de más de
5000 especies arbóreas, tanto chilenas como foráneas en sus 220 hectáreas de bosque, con
especies de arbóreos, arbustivos, trepadoras, helechos y herbáceas. El parque está en la zona
más norte de la Isla conectado a dos ríos; el río Cruces y el Cau-Cau. Además, en estas zonas
habitan mamíferos vulnerables, como el zorro culpeo chileno, el chingue y otras especies de
aves encontradas solos en el santuario de la Naturaleza. El parque Arboretum Y fundo teja
norte son lugares con una alta demanda de turismo en periodos estivales, organización de
eventos deportivos y una buena fuente de educación y recreación destinadas a las carreras de
las facultades de ciencias de la universidad Austral de Chile [8].
1.2.2. Necesidad
En la actualidad no se disponen de tecnologías innovadoras que monitoreen los entornos
aledaños a estas áreas, para posibles estrategias de prevención y metodologías de control, en
futuros eventos en donde se registren situaciones críticas y de emergencia, trayendo como
consecuencia, daños a la biodiversidad a los entornos circundantes a Parque Arboretum y
fundo Teja Norte. Los principales riesgos que pueden desencadenarse en estas clases de
ambientes son eventos de IF, causando un daño irreparable al medioambiente, al turismo y la
riqueza estética del lugar, como además provocar un impacto social y psicológico en las
personas. Es por esta razón que es fundamental cuidar y monitorear nuestros entornos de
riqueza natural, aprovechando de los actuales avances en la tecnología, tales como Smart City
e IoT. Es por este motivo, que se da como necesidad preservar los bosques nativos y
especialmente los bosques Valdivianos, puesto que estos tienen la finalidad de almacenar
grandes cantidades de agua, liberando lentamente a causes y ríos cercanos, los que luego se
usan para el consumo humano, No obstante en un estudio reciente se comprobó que los
bosques sureños como los magallánicos y especialmente los bosques valdivianos, almacenan y
entregan más agua que cualquier otro ecosistema vegetal [9], Además, se notificó un
asombroso e impactante anuncio, en donde se confirmó que estos bosques almacenan una
cantidad de dióxido de carbono (CO2) que es aproximadamente 3 veces mayor que la
amazonia [10], y esto debido a sus profundas raíces. No obstante, Chile y Colombia presentan
las más altas densidades de almacenamiento de carbono de Km2 de Sudamérica y
correspondiendo al 30% del almacenamiento de carbono de territorio nacional (Chile).
Esta idea nace como un desafío a futuro, con fines de preservar el gran valor de la
biodiversidad de los bosques nativos valdivianos, no solo en Parque Arboretum, sino que en la
mayor zona de áreas protegidas por el estado actual de Chile. Finalmente, se pretende modelar
un sistema de monitoreo y control de IF, proponiendo un sistema Habilitante e innovador que
sean capaz de integrar tecnologías seguras e invasivas.

1.3 Objetivos
1.3.1. Objetivos generales
Diseñar una arquitectura piloto para una red de sensores inteligente, a fin de monitorear
y evaluar en tiempo real las variables ambientales asociadas a los incendios forestales, con tal
de adoptar medidas de gestión, prevención y control, a través de una plataforma de
visualización, Internet de las cosas (IoT) y seguimiento en línea.

1.3.2. Objetivos específicos

 Realizar un estudio de las tecnologías actuales asociadas al ámbito de las redes de
sensores inalámbricas.
 Realizar una investigación y estudio de las principales características de los flora y fauna
en sector Arboretum y fundo teja Norte.
 Establecer requerimientos y alcances de tecnologías actuales en al ámbito de las redes
IoT.
 Realizar un análisis del estado del arte y su discusión bibliográfica.
  Generar un modelo de red mediante un estudio previo de los atributos demográficos y
geográficos del entorno.
 Diseñar un sistema de arquitectura red habilitante, aplicado al entorno del parque
Arboretum, Valdivia.
 Efectuar una evaluación técnico-económico del sistema propuesto total del sistema.

1.4. Metodología
Para desarrollar el trabajo de título, se utilizará la siguiente metodología de trabajo:
 Primero que todo se van a efectuar una investigaciones y estudios de los conceptos más
relevantes, asociadas a las redes de sensores, IoT, tecnologías de procesamiento y
almacenamiento, etc., evaluando normativas, alcances, estándares y protocolos,
fundamentales para el modelo de la red.
 Realizar un estudio técnico del parque Arboretum y el bosque nativo, evaluando sus
condiciones geografías, tipos de flora, fauna, y características importantes asociadas al
Parque Arboretum y Fundo Teja Norte.
 Efectuar una investigación de las tecnologías actuales que estén asociadas tanto al
hardware como al software en los sistemas de redes de sensor.
 Es importante hacer una revisión de un estudio bibliográfico del estado del arte
correspondiente a los distintos tipos sistemas de redes enfocadas en la prevención,
detección y control de IF mediante tecnologías IoT.
 Realizar un análisis de las restricciones y limitaciones del entorno del parque Arboretum.
 Hacer una evaluación general de los modelos inalámbricos asociados a IoT, que estén
acordes a las circunstancias del problema.
 Generar un modelo de arquitectura de red que sea capaz de recibir los datos de los
sensores, mediante un hardware y software, afines.
 Modelar un diseño de red eficiente, optimo y amigable con la estética del entorno del
bosque.
 Elección de los dispositivos, elementos e instrumentación (hardware y software) a utilizar
en el sistema de red, tales como tipos de sensores, dispositivos inalámbricos, servidores
de red (o nube) y sistemas de procesamiento.
 Análisis y gastos totales mediante una evaluación técnica y económica.
 Conclusiones y detalles finales.

1.5. Hipótesis
¿Se puede diseñar un modelo de red con acceso a IoT, que sea capaz de monitorear,
gestionar y controlar, a través de detección temprana y eficaz, los inicios de un incendio forestal
(IF) en los sectores parque Arboretum en conjunto con fundo teja norte?

1.6. Aporte Personal

La actualidad tecnología va en creciente avance, ocasionando que la mayor parte de los
sistemas tecnológicos vayan evolucionando e innovando al pasar los años. Esto es positivo, ya
que trae beneficios en las condiciones de calidad de vida en comunidades humanas, además
de un sustento mayor en la integridad de las poblaciones animales y el ecosistema en general,
contrarrestando el riesgo de catástrofes a escalas mayores y disminuyendo los niveles de
riesgo de estas zonas.
Referente a esto se pretende estudiar las tecnologías actuales y proponer un prototipo
de diseño, que sea capaz de afrontar sin problemas y con menor retraso posible la detección de
IF en el sector Parque Arboretum. Los modelos tecnológicos con estos fines tienen como
propósito causar un impacto a futuro, en donde las consecuencias del cambio climático y las
crecientes alzas de IF puedan ser controladas mediante tiempos de holgura menor (sobre todo
en la detección), desencadenando en medidas de acción adecuadas y aceleradas, para una
posible extinción del fuego.
Sin embargo, es de suma importancia estudiar en detalle y profundidad, las
probabilidades y factores que comprometen a producir una posible ignición, y por consiguiente
un catastrófico IF. Dicho esto, se va a realizar una investigación de estudio del lugar,
obteniendo información relevante y elaborando estrategias de gestión, para proponer mejores
soluciones en el diseño final.
Finalmente, en estricto rigor mi aporte en este trabajo de titulación es utilizar las
herramientas y conceptos que se adecuen de mejor forma a la solución del diseño, recopilando
la información previa de la realización del estudio, como el marco teórico y el estado del arte,
para poder cubrir las necesidades que se requieren en el sistema, con posibilidades de
implementar soluciones mediante métodos de innovación tecnológica. Es importante un
enfoque de red habilitante con una capacidad modular, generando un sistema altamente
configurable y adaptable para las futuras generaciones. Sin embargo, un aporte adicional,
estaría relacionado a su robustez en el diseño, además de una evaluación en su rendimiento y
eficiencia, que tienen un fuerte vínculo y relación, con la duración de la vida útil, QoS, eficiencia,
cobertura, costos totales, alcances e interoperabilidad de la red, factores geográficos,
meteorológicos, etc., conceptos que se van a ir abarcando a medida que se vaya realizando
este trabajo de titulación.

1.7. Descripción del Trabajo de Titulación

Este trabajo se pretende como objetivos solo cubrir hasta la etapa de diseño. Se va a
utilizar una estructura definida y desglosada en varias secciones o en varios capítulos. El primer
capítulo abarcará el marco teórico y lo esencial en vista a las secciones posteriores, repasando
los aspectos más generales y elocuentes en cuanto a las características del parque Arboretum
y la selva valdiviana, comportamiento, composición y consecuencias de un IF, solo relacionados
a los aspectos más básicos. Finalmente se van a definir las temáticas más relevantes
relacionadas a las nodos y redes de sensores, IoT, modelos de capas de comunicación,
estándares de comunicación, etc. El segundo capítulo será relacionado al estado de Arte y la
revisión bibliográfica, obteniendo información como referencia para nuestro modelo en general,
en donde van a evaluar nuevas ideas y estrategias, que puedan orientar aún más este trabajo
de titulación. El tercer capítulo será orientado a los requerimientos del sistema, como
preparación de herramientas de hardware y software, tipos de instrumentación para el
desarrollo de implementación, además de realizar una evaluación, análisis y resolución
definitiva de tecnologías para nuestro diseño. En la sección de diseño se van a implementar
posibles estrategias de optimización para el modelo, definir el funcionamiento, los parámetros
de medición, además de organizar la comunicación inalámbrica dada las circunstancias en
parque Arboretum. Finalmente, terminaremos con la sección análisis técnico y económico,
fijando los costos totales del sistema, incluyendo las herramientas del hardware y software,
además de elaborar planes implementación técnicos y óptimos, entregándole una identidad al
prototipo de diseño.

CAPÍTULO II
MARCO TEORICO

2.1. Introducción
En esta sección se van a dar a conocer una investigación previa relacionada a los
antecedentes teóricos, entregando un pilar de apoyo a futuras secciones en relación con el
modelo y diseño final. Para la solides del estudio del marco teórico, es importante tener acceso
una mayor amplitud de fuentes fidedignas, que momenten los aspectos más relevantes
involucrados directamente a las temáticas actuales respecto a las variables de los IF, además
de los fundamentos más importante en una red de sensor con aplicación a IoT.
2.2. Características e Importancia de los Bosques Nativos Valdivianos.
Los bosques Valdivianos también denominados bosques templados-lluviosos,
corresponden aquellos bosques con ubicación entre las regiones de la Araucanía y la región de
Aysén (centro-sur de Chile), en conjunto con algunas regiones del sudoeste (SE),
pertenecientes a los sectores fronterizos entre Chile y argentina, siendo considerado como uno
de los 34 puntos más biodiversos del planeta y uno de los únicos bosques templado lluvioso de
América del sur. Se caracteriza por tener bosques siempre verdes, siendo una fuente rica en
ecosistemas, en donde prevalecen muchas especies árboles, tales como el Arrayán, Avellano,
Coigüe o Coihue, Colihue, Copihue, Luma, Murta, Notro, Quila, Tineo, entre otros, además de
un elevado porcentaje de especies endémicas (especies que existen solo en el bosque
Valdiviano), que corresponden a 76% de los anfibios, 50% de los peces de agua dulce, 36% de
los reptiles, 33% de los mamíferos y 30% de las aves [11]. En este sentido la región de Los
Ríos conserva todavía una muestra muy significativa de este valioso patrimonio natural, con
más de 800.000 hectáreas de bosque nativo que representa el 50% de la superficie regional.
Parte de la historia del bosque Valdiviano, no solo se remonta a su historia belleza
natural, sino que también a acontecimientos importantes a lo largo de su historia, que
posiblemente pueden haber marcado su ecosistema y biodiversidad natural, la cual tuvo como
evento principal las glaciaciones de hace más de 10.000 años, en donde el bosque Valdiviano
no fue completamente afectado, principalmente en las localidades de parque Oncol, reserva
costera Valdiviana, Mehuin, Angol y algunos sectores aledaños a la cordillera de costa entre
Nahuelbuta, dando origen a un bosque de procedencia ancestral y relicto con millones de años
de antigüedad. Esto produjo que esta zona mantuviera el material genético millones de años, lo
que significa que el ecosistema del bosque valdiviano ha desarrollado un equilibrio que se ha
permitido existir miles de años como refugió natural y biológico [12] [13].
En la actualidad han surgido numerosos estudios, que demuestran aún más la
importancia de estos bosques, y los factores que tienen en el ecosistema global, dado que los
suelos distribuidos en las regiones donde existe bosque nativo Valdiviano (principalmente desde
la región de la Araucanía hasta la región de los lagos), presenta un alto grado de cenizas
volcánica, produciendo un suelo absorbente al agua y en consecuencia una eficiente regulación
del ciclo hídrico, con mejor rendimiento en comparación a otros tipos de bosques. No obstante,
además la flora del bosque Valdiviano es un ecosistema que ayuda a proteger los suelos de la
erosión ocasionadas por manipulación humana u otra actividad, como es el caso de los IF [10].
 Cuando se da el caso de un IF o erupción volcánica, los bosques y el ecosistema se
reinicia de forma similar a como ocurre en los estados de un ordenador. No obstante, vuelve a
crecer la vegetación y el proceso de regeneración, como del trabajo que realiza los
ecosistemas, van produciendo cambios al pasar los años. Sin embargo, en algunas
circunstancias el impacto de los IF en la flora y fauna podría ser irrecuperable [14], y más aún si
sucede en un bosque antiguo (de unas pocas décadas), en comparación a uno nuevo. Un
bosque que incorpore árboles con 400 años de antigüedad tiene una mayor capacidad de
proteger el suelo y regular el agua que en los bosques de menor edad. Esto principalmente se
debe que los bosques Nativos de mayor edad tienen un importante rol de filtraje, asegurando
que el agua llegue a las napas subterráneas, por ende, si estos bosques no estuvieran allí, se
podrían generar severos efectos de erosión y degradación que podrían afectar a entornos
aledaños y al suministro hídrico [10].

2.3. Parque Arboretum y Fundo Teja Norte en Valdivia

El parque Arboretum y fundo Teja norte, denominado “museos de plantas vivientes” son
propiedades que pertenecen a la universidad austral de chile, y que tiene como principales
propósitos en mantener dentro de sus colecciones, la flora y fauna amenazada de Chile,
logrando una restauración del bosque nativo y el cultivo de numerosas especies en beneficio de
la investigación, conservación, educación, entre otras, en los que se incluyen distintos tipos de
especies de árboles, plantas, anfibios, reptiles, aves y mamíferos [15].
En este recinto se desarrollan actividades formativas y de investigación de origen y
organización científica [16], pero además tienen un fuerte perfil de uso al público, con espacios
turísticos, deportivo, educacional y recreativo. Actualmente estos recintos poseen un total de
superficie de 220 hectáreas aproximadamente, bordeando en sus fronteras, la localidad de villa
teja norte, los ríos Cau-Cau y Cruces, además de pertenecer al santuario de la naturaleza
Carlos Adwantter [17] [15].
Estos parques poseen una colección de 1000 especies vegetales, en donde se
consideran 436 plantas chilenas y 401 plantas provenientes de distintas partes del planeta.
Dentro de esta flora nativa y exótica se destacan ecosistemas ricos en árboles, arbustos,
helechos y trepadoras encontrados solo en la selva Valdiviana. Entre las principales clases de
árboles podemos destacar el Arrayán, Coihue, Avellano, Laurel, Luma, Canelo, Roble, Maqui,
Aromo, Chupón, Calafate, Murta Negra, Zarzaparrilla, Quila, Culantrillo, Costilla de Vaca,
Palmilla, Copihue, Pinos, Eucaliptos, Araucarias, Olmos, entre otras [17]. En cuanto a su fauna
se pueden destacar una gran biodiversidad de fauna silvestres, en donde predominan aves,
anfibios y reptiles de todo tipo, destacando el Carpintero de Magallanes, Concón, Comesebo,
Hued hued y cisnes de cuello negro [15], además de otro tipo de especies, tales como ranas,
lagartijas de bosque y culebras de cola corta [17]. Sin embargo, en cuanto a ecosistemas ricos
en flora exótica, estos sectores incorporan paisajes con una gran biodiversidad de paisajes
como lagunas lotos, humedales y riberas de ríos, en las cercanías de la urbanización que hacen
que el sector Isla Teja en Valdivia sea un escenario único a nivel nacional. En periodo estival
Valdivia es una de las ciudades más visitadas por turistas del sur de Chile, lo que provoca que
parque Arboretum y fundo teja norte sean lugares muy concurrido y transitado en primavera y
verano, destacando dentro de los 8 parques urbanos más recomendado para visitar en la
estadía de Valdivia [18] .

Figura 1. Sector del Parque Arboretum en conjunto con Fundo Teja norte (Fuente: elaboración
Propia).

2.4. Clasificación en IF
Durante las últimas décadas los IF han impactado en Chile y el mundo de una forma
destructiva y con un alto nivel de dificultad en el control y extinción, provocando los llamados
mega incendios e incrementando sus magnitudes, frecuencias y niveles de superficie quemada.
Esto no es más que el inicio de una serie de consecuencias de gran impacto, relacionada a los
ámbitos sociales, económicos y ambientales, tales como costos elevados para su control, daño
medioambiental irreparable, pérdidas humanas, daño psicológico, perdidas en la fauna y vida
silvestre, etc. [19] [20]. En Chile principalmente la mayoría de los IF tienen como origen en las
zonas centro-sur del país, debido a que la mayoría de la vegetación y bosques pertenecen a
estas regiones.
Las investigaciones apuntan a que el 60% de los incendios se originan en áreas urbano-
rural, y el crecimiento de estas zonas ha ido en alza en la última década, debido al crecimiento
de la población. Esto puede suponer que el riesgo de incendio incremente, sobre todo por la
revegetación de arbustos inflamables en la zona, “aportando como combustible”, e
incrementando el riesgo de propagación en IF. De acuerdo con el promedio de los últimos años,
casi la mitad de estos incendios se producen por actividades agropecuarias y de urbanización,
siendo casi en su totalidad por causas de actividad humana.
2.4.1. Tipos de Incendios Forestales
Las condiciones para que exista la posibilidad de una situación de incendio e inicio de
combustión, están asociados a tres elementos esenciales como se presentan en la Fig. 2 (A),
siendo el oxígeno, el calor y el combustible, principalmente esta última tiene como fin alimentar
la llama y mantener el ciclo de fuego.
Los IF son ocasionados por diferentes tipos de fuego, Clasificados en incendios de Copa
(o aéreos), incendios de superficie (o suelo) e incendios de subsuelo, con diferentes
consecuencias e impacto en el paisaje y su ecosistema [21]:
Incendios de Copa o Aéreos: Se caracteriza porque el fuego se extiende por la copa de los
árboles. Los árboles están apilados unos con otros y relativamente próximos, además de tener
copas frondosas con todo tipo de vegetación que produzca la propagación del fuego.
Generalmente en un principio el fuego se puede haber iniciado en el suelo y se clasifican por
ser incendios muy destructivos, peligrosos y difíciles de controlar.
Incendios de Superficie o Suelo: Son aquellos IF en donde el fuego avanza por la superficie
(o suelo) del bosque, quemando toda la flora existente del entorno y forzando la huida de la
fauna. El fuego se propaga de forma horizontal por desencadenantes que empeoran la
situación a través de combustibles vivos y muertos (combustibles forestales), tales como
matorrales, ramas, hojas, arbustos, ramillas, arboles entre otros. Las consecuencias de este
tipo de incendios son la destrucción de la superficie forestal, afectando irreversiblemente la
fertilidad del suelo.
Incendios de Subsuelo: Corresponden a incendios que son difíciles de detectar y apagar,
puesto que emiten poca cantidad de humo y por la escasa cantidad de oxígeno del subsuelo
apenas provocan llamas. La destrucción en este tipo de incendios son las raíces y la materia
orgánica acumulada, lo que implica gran pérdida de la vegetación del entorno.

Figura 2. Elementos de la combustión (A), Tipos de IF (B) [Fuentes: [21] [22]].

2.4.2. Morfología de un IF
La propagación de los IF adquiere visualmente múltiples formas geométricas,
determinadas totalmente por las condiciones meteorológicas tales como el viento, geografía del
lugar y combustible forestal en el entorno. Las formas geométricas que se presentan en la Fig. 3
corresponden a los patrones circulares, elípticos e irregulares, siendo esta última morfología la
más habitual en los IF.
 Generalmente cuando un incendio se genera en una superficie plana, homogénea, en
ausencia de viento, el patrón de fuego tiende a ser circular. Sin embargo, si se generan
condiciones de vientos constantes en un mismo sentido, podrían iniciarse incendios con un
patrón de fuego elíptico. Para incendios que se inicien en terrenos irregulares con variaciones
de viento y combustible natural, el incendio adopta un patrón geométrico irregular.
La geometría visual en la forma de propagación irregular de un IF se puede clasificar en
diferentes zonas y con relación a su perímetro total. En la Fig. A. 1 (ANEXO A) se presentan
visualmente estas zonas, en las que se destacan [23]:
Frente: Es la zona donde tiene dirección la velocidad del viento, en donde existe mayor
velocidad de propagación del fuego, por lo tanto, es la zona donde mayor destrucción y
temperatura se ocasionan.
Dedos: Son aquellas zonas donde el fuego tiende a desplazarse en a las zonas laterales del
frente, avanzando a través de largas y estrechas llamas, los dedos siempre están en dirección
entre el frente y los flancos y su propagación es más lenta y menos destructiva que el frente.
Cola: Es la parte más próxima al origen y generalmente su dirección es opuesta al viento y al
frente, por lo tanto, es la zona menos destructiva, siendo la más fácil de combatir y controlar.
Entrantes: Es aquellas zonas donde existen obstáculos y resistencia al fuego, que retardan su
propagación.
Flanco: Son las zonas laterales de los incendios, desplazándose en dirección perpendicular al
frente y la cola, su destrucción es de menor medida que el del frente, pero mayor propagación
que la cola.
Focos secundarios: Son aquellas zonas donde tuvieron como consecuencias el
desplazamiento de restos de fuego del incendio primario y generalmente ocurre en
circunstancias en donde las zonas geográficas del entorno son irregulares (con pendientes) y
con altas velocidades de viento, desplazando las llamas de fuegos a lugares recónditos del
“bosque”.

2.4.3. Gases y Compuestos Emitidos en un IF

En un IF se desencadenan una compleja mezcla de gases y partículas altamente tóxicos
para el ser humano. Su producción y composición depende de distintos factores, en los que
destacamos las características químicas de la biomasa afectada, las condiciones climáticas y
meteorológicas en las que se produce un incendio. Entre los principales componentes
identificados en el humo de IF se encuentran gases inorgánicos, hidrocarburos, metales
pesados y partículas, entre otras. Sin embargo, entra las más importantes se destacan [24] [25]:

Compuestos Orgánicos Volátiles (COV): Son producidos, principalmente, por la evaporación

de combustibles líquidos, disolventes y algunos productos químicos orgánicos, además son
encontrados en procesos de combustión incompleta o en actividad biológica de ciertas plantas y
animales. La peligrosidad de las emisiones de COVs en los IF, radica en el hecho que
reaccionan con otros compuestos (tales como óxido de nitrógeno (NOx), monóxido de carbono
(CO) y metano (CH4)), en presencia de luz solar, dando lugar a la contaminación fotoquímica y
generando Ozono (O3), no obstante, algunos de ellos son causantes de los olores. El COV se
encuentran en elementos vivos como la madera, plantas, gasolina, gas natural, carbón, etc.,
una característica es que son fáciles de ser convertidos en gases y vapores, además de ser
muy volátiles a temperatura ambiente [26].
Partículas: En los IF, son la causa de la reducción de visibilidad y tienen el potencial de causar
efectos severos sobre la salud humana. Principalmente las partículas mayores a 10 [um] no
alcanzan los pulmones, pero puede causar efectos indeseados sobre el cuerpo humano, tales
como irritación de la nariz, ojos y garganta, en cambio las partículas menores a ese diámetro
tienden alcanzar y afectar los pulmones, además de causar serios problemas cardiovasculares.
A cada medida y diámetro de partículas se le asigna una descripción, como son el caso de las
partículas con diámetros entre 2,5 a 10[um], se les suele llamar PM10 y las inferiores a 2,5 [um]
se les llama PM2,5. Las partículas pueden ser clasificadas como primarias o secundarias, las
primarias son aquellas PM que son emitidas a la atmosfera de forma natural (partículas del
suelo, partículas salinas marinas) o por actividad Humana (asociadas complemente a las PM
emitidas por vehículos, procesos industriales o procesos de calefacción de hogares). Mientras
que en las del nivel secundarias se asocian a los IF y son aquellas PM que tienen como
resultado en reacciones químicas a partir de gases (los COVs, NOx, dióxido de azufre, etc.)
[27].
Monóxido de Carbono (CO): Es un gas inorgánico, inodoro, incoloro e insípido y es producida
por la combustión incompleta de carburantes, altamente tóxico para la salud humana (el grado
en el que afecta a una persona depende totalmente de su duración a la exposición,
concentración y la intensidad con la que se inhala el CO, (más detalles en Tab. A. 1, ANEXO
A). Suele ser uno de los gases contaminantes más abundantes en el aire producidos por un IF.
Sin embargo, el CO puede cubrir un área amplia, puesto que puede ser desplazado a grandes
distancias, además de tener una larga vida en ciertas capas de la tierra, como es el caso de la
troposfera. En [28] se afirma que las mediciones de CO cercanas a las llamas rondaron
alrededor de las 200 partes por millón [ppm], mientras su nivel se reduce a menos de 10 [ppm]
pasado los 30 metros desde la medición del fuego.
Ozono(O3): Corresponde a un contaminante secundario producidos por reacciones
fotoquímicas con la luz solar entre contaminantes primarios, tales como los óxidos de nitrógeno
y los COVs. Estas reacciones químicas en los IF conducen a la formación de O3 y su emisión
tiene una relación directa al aumento de las temperaturas del ambiente y a la luz solar. El ozono
en exceso es considerado un contaminante atmosférico, lo cual puede ser toxico para el ser
humano, afectando principalmente las vías respiratorias y pulmonares. Adicionalmente el O3
tiene efectos adversos y negativos sobre la vegetación, los ecosistemas y los materiales
expuestos a este contaminante [29].
Metano (CH4): El metano (CH4) es el alcano más simple y el principal componente del gas
natural, siendo este el segundo más importante relacionado al efecto invernadero atmosférico
(después del dióxido de carbono). Se considera un gas natural, incoloro e inodoro que se
presenta con abundancia en la corteza terrestre y es emitido debido a la descomposición o la
digestión de materia orgánica, como la descomposición de plantas, IF o erupciones volcánicas,
además grandes cantidades de metano se producen anaeróbicamente por “metanogénesis”
[29].
Dióxido de Carbono (CO2): Es un gas incoloro e inodoro y el más importante gas relacionado
a la emisión de gases de efecto invernadero y no es considera tóxico ni nocivo para la salud
humana en bajas y medias cantidades (véase Tab. A. 2, ANEXO A). Gran parte del dióxido de
carbono de la atmósfera proviene de fuentes naturales, como los océanos, la respiración de los
animales (incluidos los humanos), las plantas, la materia orgánica en descomposición, los IF y
las emisiones de erupciones volcánicas. Es uno de los más abundantes gases en la emisión de
los IF junto al CO [30], y a diferencia de este último el CO2 es el resultado de una combustión
completa. El dióxido de carbono es un gas en gran medida no reactivo, y cuando se libera, se
mezcla rápidamente en la atmósfera [31] [32].
Estos corresponden a los principales compuestos emitidos en un IF, los cuales tiene un
efecto negativo sobre el equilibrio climático del planeta, además de tener consecuencias fatales
a quienes están expuestos a altos rangos de emisiones en algunos de estos gases y partículas.
Los valores emitidos y registrados en condiciones normales (Véase Tab. A. 3, ANEXO A) no
llegan a ser nocivos para el ser humano. No obstante, estos valores se disparan cuando
ocurren situaciones de emergencia como en el caso de IF.

2.4.4. Condiciones Atmosféricas en IF

Los factores climáticos son una condición que influyen en cómo se va a manifestar un IF
y por ende como se va a propagar en un futuro. Entre estos podemos encontrar la temperatura
del sector, la velocidad del viento, la cantidad de precipitaciones y la humedad del entorno. Las
condiciones atmosféricas están asociados comúnmente a una variación estocástica estacional
que viene sujeto a olas de calor, sequia e IF. El “combustible natural” son un factor que
importante en el comportamiento del incendio, dado que son la mecha principal en relación con
la propagación del fuego [33]. En la Fig. 3 (A), se presentan los principales factores climáticos y
geográficos, que son elementales para determinar el comportamiento de un IF y como se va a
propagar este por la superficie, destacando el tiempo atmosférico, la topográfica del lugar y la
cantidad de material vivo o muerto.
Las características físicas del frente de incendio proporcionan información valiosa para
predecir su comportamiento a medida que avanza el tiempo, entre estas variables podemos
definir:
Temperatura: La temperatura es una variable fácil de determinar, pero difícil de interpretar en
la medición, por su condición de variabilidad y correlación en la práctica, en relación con los
grandes IF. Su relación viene determinada en función de las características del combustible
forestal (el tamaño y su distribución espacial) además del contenido hídrico del lugar y la
velocidad del viento. La variabilidad de la temperatura genera una clasificación que depende de
cada zona en la que se va desplegando la llama, encontrando la temperatura del suelo, la
temperatura respecto a la zona de combustible, la temperatura en la zona de llamas y la
temperatura en la columna de convección (Véase Fig. 3 (B)). En la Tab. 1, contemplamos los
rangos de temperaturas para cada caso y zona de fuego [23].
Velocidad de Propagación: Es uno de los factores más influyentes en cuanto a la propagación
del incendio y depende directamente de la velocidad del viento, pendiente del terreno y del
 m
combustible forestal. Se puede medir en distancia recorrida por unidad de tiempo [ ] y su
s
comportamiento ante un IF es variable en el tiempo [23].
Humedad relativa: Está relacionada a la humedad que adquieren los combustibles, dado que,
a menores rangos de humedad en el aire, menor contenido hídrico se produce, y como
consecuencia mayor será la propagación de incendio, dada a la facilidad en iniciarse una
combustión en estos tipos de combustibles. Los rangos de humedad están categorizados en %.
La relación entre la humedad y la temperatura es inversa, lo que quiere decir que, a una mínima
en porcentaje de humedad relativa, implica una máxima de temperatura. La relación describe
que por cada 10° C que disminuya la temperatura se duplica la humedad relativa, y se reduce a
la mitad por cada 10° C que aumente la temperatura [23] [34].

Tipos de Temperatura Medición Aproximada [°C]

Suelo (Entre 0 a 1 [cm] profundidad) 250 – 300
Zona de combustible 500 – 1040
Zona de las llamas (grandes fluctuaciones) 700 - 2200

Columna de convección (función de la altura) 100 - 1000

Tabla 1. Temperaturas para cada zona en un IF.

Figura 3. Triangulo de comportamiento del fuego (A) y Temperatura del fuego en un IF (Fuente:
).

Presión Atmosférica: La presión es otra característica presente en los IF, y se observa

básicamente por las fluctuaciones de temperatura y convección producidos en un escenario en
llamas. Existe una relación directa entre los valores de temperatura y los de presión. Esto quiere
decir que a medida que aumenta la temperatura, existe un aumento de presión en la zona
afectada por el incendio.
Combustible forestal y especies vegetales: El combustible se define como uno de los
componentes que más inciden en el comportamiento del IF. Puesto que es uno de los
desencadenantes que más afectan en la intensidad y velocidad de propagación, es por esto por
lo que se define el concepto de carga de combustible y esta se define como la cantidad de
combustible por unidad de superficie, encontrándose en toneladas por hectáreas [t/ha ] o
kilogramo por metro cuadrado [kg /m2 ]. Una de las características más importantes de los
combustibles, viene dada con relación a su tipo, forma y tamaño, propuestos en los trece
modelos de Rothermel (véase Tab. A. 4, ANEXO A) [23].
Topografía: Los parámetros de la topografía más importantes, están relacionados a la
pendiente, la exposición, la elevación del terreno y el relieve. Es uno de los factores más fácil de
predecir, dada por su naturaleza visual.
Temporada Estacional: Los periodos más influyentes con relación a los IF corresponden a los
periodos estacionales de primavera y verano. Estas temporadas inciden completamente en la
temperatura del ambiente, la humedad relativa y la temperatura favoreciendo en un aumento del
combustible forestal en la zona.

2.5. Fundamentos de las Redes de Sensores Inalámbricas

Una red de sensores inalámbricos (del inglés Wireless sensors network – WSN) está
formado desde unos pocos, hasta cientos o incluso miles de nodos de sensores caracterizados
por ser de pequeñas dimensiones, bajo consumo, livianos, portátiles y de un bajo costo, sin
embargo, con una limitada capacidad de cómputo. Un nodo de sensor (También denominada
mota) consta de una infraestructura específica, y una serie de componentes electrónicos, tales
como sensores, una unidad de almacenamiento de memoria, una unidad de procesamiento y un
transductor de comunicación, entre otros componentes. En la mayoría de los casos las WSN
realizan labores de medición de sensores para propósitos tales como el monitoreo, recolección
y registro de las condiciones en un cierto lugar, etc. [35] [36].

2.5.1. Factores y Desafíos de Diseño

Para aprovechar todo el potencial de las WSN, es fundamental abordar las limitaciones y
los problemas resultantes que puede surgir a la hora de diseñar una red de sensores. El diseño
de la red de sensores está influenciado por muchos factores, donde encontramos; la tolerancia
a fallas, la escalabilidad, los costos de producción, el entorno operativo, la topología de la red
de sensores, las restricciones de hardware, la tecnología inalámbrica de transmisión y el
consumo de energía, etc., pero principalmente se pueden destacar [37] [38]:
Consumo de Energía: Especialmente para lugares remotos sin acceso a la red eléctrica, es
una de las características de mayor importancia. Normalmente, en este tipo de escenarios,
debido a su tamaño, los nodos sensores se alimentan con baterías y esto limita su vida útil,
pero cabe destacar que actualmente algunos sistemas hacen uso de las energías alternativas.
Fiabilidad: En casi todos los casos, las WSN se basan en la comunicación inalámbrica, por lo
que son vulnerables a problemas como la pérdida de paquetes debido a muchos factores
(dispersión, reflexión, difracción, colisión, entre otros).
Tamaño del Nodo: Para fines de instalación y producción, se debe considerar el tamaño y las
dimensiones del nodo del sensor. Idealmente en muchos ámbitos y aplicaciones se requieren
de nodos de sensores de tamaño muy reducido.
Movilidad: En cuanto a movilidad, una WSN puede ser estacionaria o móvil. En una red
estacionaria, el despliegue y la instalación de los nodos sensores se establece y permanece sin
cambios. Por otro lado, una red móvil se refiere a las WSN compuestas por nodos de sensores
móviles cuya posición pueden fluctuar en tiempos definidos.
Privacidad y Seguridad: Desde lo fundamental, en la comunicación inalámbrica, pueden surgir
muchos problemas que están asociadas a la seguridad. La protección del sistema y los datos
transmitidos requiere una mayor preocupación en estas redes, ya que en algunas ocasiones los
canales inalámbricos son accesibles tanto por usuarios legítimos como ilegítimos. Para proteger
todo el sistema, el cifrado de los datos y la codificación del tráfico, se debe considerar entre
otras medidas la seguridad de la red.
Densidad: Esta característica representa la densidad de los nodos de sensores en un área
determinada. Una red puede considerarse irregular, equilibrada, densa o dispersa.
Dependiendo de la forma en que se despliegan los nodos sensores en un área, la red puede
ser irregular si no hay una disposición organizada de los dispositivos sensores y equilibrada si
hay una instalación organizada. Teniendo en cuenta la cantidad de nodos de sensores en un
área determinada y limitada, la red también puede describirse como densa si hay una gran
cantidad de nodos de sensores en un área limitada o dispersa si ese número es bajo.

2.5.3. Componentes de un Nodo de Sensor

Los nodos de sensor son aquellos dispositivos responsables de la recolección, el
procesamiento y la transmisión de la información. Generalmente estos incluyen elementos
como memorias, fuentes de alimentación, microprocesadores o microcontroladores, sensores
de medición, sistemas de localización y transceptores de comunicación inalámbrica (véase Fig.
4).
En una WSN el nodo de sensor se considera el componente principal de la red. A
continuación, los componentes principales que conforman un nodo de sensor son:
Unidad de Procesamiento: Es el encargado de recolectar los datos de los sensores, realizar
las tareas de procesamiento del nodo, controlar las funciones de otros componentes y el de
gestionar el almacenamiento de los datos en la memoria. El microprocesador es el elemento
inteligente principal del nodo, y se le considera en muchos casos como MCU (del inglés Micro-
Controller Unit), en donde se integra una unidad de proceso simple, memorias e interfaces de
entrada/salida [39].
Sensores de Medición: El sensor es la unidad encargada de medir y capturar los valores
reales del entorno circundante a través de una perturbación física/mecánica, realizando la
conversar de estas mediciones en señales eléctricas (u ópticas) [39] a señales analógicas y
posteriormente en digitales por la unidad ADC, para que se puedan procesar en la CPU [40].
Generalmente se requieren circuitos acondicionadores, ya que los niveles de señal y de energía
no encajan con los de la MCU, puesto que los sensores presentan una gama muy amplia de
interfaces de entradas/salidas, formas de alimentación y señales de diferentes formatos.
Memoria de Almacenamiento: Por lo general, consta de una memoria Flash, cuando se
requiere en dispositivos relacionados con los nodos de sensores y tiene dos propósitos, puede
considerarse memoria de programa o memoria de usuario. La primera es para programar el
dispositivo y la memoria del usuario puede ser necesaria para almacenar datos de usuario,
dispositivo o aplicación en el dispositivo, como datos de sensores, o de geolocalización, entre
otros.

Figura 4. Arquitectura del hardware en un Nodo de sensor (Fuente: Elaboración propia).

Transceptor inalámbrico (comunicación): Los transceptores se encargan de generar una

señal de radiofrecuencia a partir de una de banda base digital. Generalmente las bandas de
frecuencias más usadas en equipos de WSN, corresponden a las bandas Industrial científica y
médica (ICM), aceptando las frecuencias 2.4 [GHz] y 902-928 [MHz] para el uso en algunas
regiones del continente americano. La placa del nodo sensor debe integrar los transceptores
necesarios de acuerdo con las bandas de frecuencia donde se vaya a trabajar [39].
Generador y unidad de Energía: Esta unidad es responsable del almacenamiento y suministro
de energía a los diversos componentes del nodo de sensor, siendo uno de los factores más
influyentes en el análisis del diseño e implementación de la WSN, puesto que, en gran parte de
este, se asocia al rendimiento, ciclo de trabajo y la vida útil del nodo de sensor. Por lo general,
se utiliza una batería o varias baterías para el almacenamiento, sin embargo, en muchas
ocasiones se incluyen sistemas capaces de recolectar y almacenar la energía externamente,
como es el caso de las energías renovables, en donde entra en acción los sistemas basados en
energía solar [39] [40].

2.6. Modelo OSI

La pila de protocolos del modelo OSI proporciona mecanismos de gestión en ahorro de
energía y conocimiento de enrutamiento en WSN e integra datos con protocolos de red, en
donde se promueven los esfuerzos cooperativos de los nodos sensores. La pila de protocolos
consta de la capa física, la capa de enlace de datos, la capa de red, la capa de transporte y la
capa de aplicación, además en conjunto se incorporan el plano de administración de energía, el
plano de administración de movilidad y el plano de administración de tareas.
Capa Física: Corresponde a la primera capa del modelo OSI y su principal tarea es la
modulación, demodulación y cifrado de datos, la selección de frecuencia y la detección de
señales, entre otras. La capa física define el mecanismo para transmitir bits a través de un canal
de enlace físico que conecta a los nodos de la red. El transmisor convierte flujos de bits en una
señal física que se propaga a través de la capa física. Por otro lado, el receptor debería poder
revertir el proceso y proporcionar el flujo de bits original a las capas de comunicación
superiores. El objetivo del diseño de la capa física es proporcionar comunicaciones robustas y
confiables con la mayor eficiencia espectral [41].
Capa Enlace de Datos: La capa de enlace de datos es responsable de multiplexar los flujos de
datos, la detección de tramas, el acceso al medio, el control de errores y proporcionar seguridad
al nodo de sensor [40]. Para que un conjunto de nodos de sensores pueda transmitir datos a
través de los canales disponibles para en la transmisión, es necesario establecer un protocolo
denominado protocolo de control de acceso al medio (MAC). El protocolo MAC está diseñado
para controlar el acceso al medio inalámbrico compartido de tal manera que no se obstaculice el
rendimiento de la WSN y tiene como propósito lograr dos objetivos, el primero es la creación de
la infraestructura de red y el segundo es compartir de manera justa y eficiente los recursos de
comunicación entre los nodos sensores mediante los canales de comunicación [42].
Capa de Red: La función de esta capa es el enrutamiento y se encarga de seleccionar las rutas
más convenientes para entregar datos hacia el destino (nodos destinos). Los mayores desafíos
están en el ahorro de energía, memoria y búferes limitados. La idea básica del protocolo de
enrutamiento es definir rutas enérgicamente eficientes, una ruta confiable y rutas redundantes
de acuerdo con una cierta escala llamada métrica, que difiere de un protocolo a otro [42]. Las
rutas energéticamente eficientes se pueden encontrar en función de la potencia disponible en
los nodos o la energía requerida para la transmisión en los enlaces a lo largo de las rutas.
Capa de Trasporte: La capa de transporte ayuda a mantener el flujo de datos si la aplicación
de red de sensores lo requiere, proporcionando confiabilidad y evitando la congestión de
múltiples protocolos. Generalmente en una WSN, una gran cantidad de sensores envían tráfico
a una estación base o pasarela común. A medida que el tráfico llega cerca de la estación base,
existe la posibilidad de que la carga aumente de manera monótona, lo que implica que, durante
la sobrecarga, es muy probable que la congestión afecte con más fuerza a los enlaces más
cercanos a la estación base. En algunos casos, la congestión podría incluso comenzar mucho
antes, de modo que los enlaces alejados de la estación base también vean colas
sobrecargadas. [41] [43].
Capa de Aplicación: Es la capa que proporciona la interfaz entre las aplicaciones que
utilizamos para comunicarnos y la red subyacente en la cual se transmiten los mensajes. Los
protocolos de capa de aplicación se utilizan para intercambiar los datos entre los programas que
se ejecutan en los hosts de origen y destino, encargándose de permitir a los usuarios ejecutar
acciones y comandos en sus propias aplicaciones como software de control de nodos.
Dependiendo de las tareas de ejecución y la aplicación, se pueden utilizar diferentes tipos de
software en la capa de aplicación [40].

2.8. Modelos de Red

La organización y estructura de una red de sensores, incluye diferentes configuraciones
de topologías de red con propósito de establecer comunicaciones por radio acorde a los
requerimientos de la aplicación. La topología de red hace referencia a forma geométrica en que
los dispositivos de la red esta conectados entre sí. Las configuraciones más comunes, son las
configuraciones en bus, anillo, estrella, malla y árbol, además podemos encontrar
configuraciones hibridas, como la conocida configuración estrella-malla. A continuación, se
describe una breve descripción de las topologías de red:

Figura 5. Distintas configuraciones de topologías de red (Fuente: Elaboración Propia).

Topología de Estrella: Los nodos sensores transmiten datos a través de la estación remota y
no intercambian mensajes entre sí, debido a que todos los paquetes entre nodos de sensores
deben pasar por la estación remota. Esta topología ofrece un bajo consumo de energía en
comparación con otras topologías de WSN puesto que, es un tipo de red simple y los paquetes
atraviesan como máximo dos saltos para llegar a su destino. La principal desventaja de esta
topología se produce cuando la estación base no puede comunicarse con un nodo de sensor
que está fuera de su alcance, provocando que no haya una ruta alternativa hacia ese destino y
una perdida completa de la comunicación [44] [41].
Topología de Malla: A diferencia de la topología en estrella, cualquier dispositivo puede
comunicarse entre sí, siempre y cuando estén dentro del rango de alcance de los demás nodos,
esto significa que, si un nodo sensor desea enviar datos a un nodo fuera de rango, puede
utilizar otro nodo como recurso de comunicación intermedio. Una gran desventaja es que esta
topología usa más energía debido a la transmisión de datos redundantes y constantemente
requiere de múltiples saltos para enrutar mensajes desde cualquier dispositivo a otros
dispositivos de la red [44] [41].
Topología Hibrida Estrella-Malla: La topología de estrella-malla tiene atributos tanto de la
topología de estrella como de malla. En esta topología se aprovecha el bajo consumo de
energía presente en la topología en estrella, mientras que, por el otro, aprovecha la
redundancia de datos presente en la topología de malla para asegurar que los datos lleguen a
su destino [44] [41].

2.9. Internet Of Things

Internet of Things (IoT) es una infraestructura global para la sociedad de la información,
que permite la ejecución de servicios avanzados mediante la interconexión física y/o virtual de
las cosas mediante tecnologías de la información y comunicación Interoperativas, donde tanto
las cosas físicas como virtuales tienen identidad propia, atributos físicos, personalidad virtual,
en donde interaccionan de forma inteligente, y se integran de forma transparente, es decir
pasando desapercibidos en la red de la información. IoT es un paradigma ya presente con
bastante proyección a futuro, en donde se ofrecen niveles avanzados de servicios, que
impactan prácticamente la forma en que las personas llevan su vida diaria. Entre las soluciones
de IoT se destacan avances en medicina, energía, terapias genéticas, agricultura, pero
principalmente en las ciudades y hogares inteligentes, en donde se promueve una mejor calidad
de vida en las personas.

2.9.1. Arquitectura de capa IoT

Es importante señalar que no existe una arquitectura de IoT única y acordada. Varía en
complejidad y número de capas arquitectónicas en función de una tarea y aplicación en
particular. El concepto detrás de IoT es tan poderoso como complejo, y para que los elementos
del rompecabezas de IoT se combinen perfectamente, todos deben ser parte de una estructura
bien pensada. La arquitectura de capas en el funcionamiento de IoT, está definida de forma
similar al modelo OSI, como se aprecia en la Fig. 8 y define las siguientes capas para IoT:
Capa de percepción: Es la capa física con sensores de información ambiental. En el medio
ambiente, se detectan algunos parámetros físicos o se identifican otros objetos inteligentes.
Capa de aplicación: Es la responsable de proporcionar al usuario servicios de aplicación
específicos. Define diferentes aplicaciones para IoT, como hogares inteligentes, ciudades
inteligentes y salud inteligente.
Capa de transporte: Es la encargada de transferir los datos del sensor desde la capa de
percepción a la capa de procesamiento y viceversa a través de redes de comunicación
inalámbrica, como 3G, Zigbee, 6LowPAN, LoRa, LAN (comunicaciones de campo cercano),
NFC, RFID etc.
Capa de procesamiento: Tambien se le conoce como capa de middleware. Puede almacenar,
analizar y procesar grandes cantidades de datos de transporte. Además, puede administrar y
proporcionar una variedad de niveles inferiores de servicios. Utiliza muchas tecnologías, como
bases de datos, tecnicas de filtrado, computación en la nube, módulos de procesamiento de big
data, etc.
Capa empresarial: Es la encargada de gestionar todo el sistema IoT, incluidas las aplicaciones,
los modelos de negocio y la privacidad del usuario [18].
En un comienzo se definio la arquitectura IoT en tres capas. Sin embargo, se considero
que no es suficiente, y se opto en una estructura de cinco capas, en donde se incluyen tres
capas adicionales, capa de procesamiento, capa de transporte y capa empresarial como se
observa en la Fig.6.

Figura 6. Arquitectura de capas IoT (Fuente: Elaboración Propia).

2.9.2. Elementos en IoT

IoT presenta en su estructura, una gamma amplia de elementales funcionales y que en
ella residen en un amplio campo de conceptos que son fundamentales para la implementacion
de una red basada en IoT:

Conectividad: Es un requisito importante de la infraestructura de IoT. Las cosas de IoT deben

estar conectadas a su infraestructura, en donde cualquier persona, en cualquier lugar y en
cualquier momento debe garantizarse.
Inteligencia e identidad: La extracción de conocimiento de los datos generados es muy
importante. Un sensor genera datos, pero esos datos solo serán útiles si se interpretan
correctamente. Cada dispositivo de IoT tiene una identidad única. Esta identificación es útil para
rastrear el equipo y, en ocasiones, para consultar su estado.
Escalabilidad: La cantidad de elementos conectados a la zona de IoT aumenta cada día. Por lo
tanto, una configuración de IoT debería ser capaz de manejar la expansión masiva de esta. Los
datos generados como resultado son enormes y deben manejarse de manera adecuada.
Heterogeneidad: Los dispositivos en IoT son heterogéneos, ya que se basan en diferentes
plataformas y redes de hardware. Pueden interactuar con otros dispositivos o plataformas de
servicios a través de diferentes redes.
Dinámicos y autoadaptativos (complejidad): Los dispositivos de IoT deben adaptarse
dinámicamente a los contextos y escenarios cambiantes. Una cámara destinada a la vigilancia,
debe ser adaptable para trabajar en diferentes condiciones y diferentes situaciones de luz
(mañana, tarde, noche).
Arquitectura: La arquitectura de IoT no puede ser de naturaleza homogénea. Debe ser híbrido,
que permita que los productos de diferentes fabricantes funcionen en la red de IoT.
Seguridad: A medida que obtenemos beneficios del IoT, no se debe dejar de lado la seguridad.
Como desarrolladores y creadores de sistemas avanzados de IoT, es conveniente diseñar una
estructura de red, basada en la seguridad de la informacion dada su magnitud e importancia.
Esto incluye la seguridad de nuestros datos personales y la seguridad de nuestro bienestar
físico, asegurando que los nodos finales, las redes y los datos que circulen, puedan asegurar
un nuevo paradigma de seguridad en un futuro.
Interoperabilidad: En IoT se refiere a la capacidad que tienen dos o más dispositivos,
sistemas, plataformas o redes para trabajar en conjunto. La interoperabilidad permite la
comunicación entre dispositivos o sistemas heterogéneos para lograr un objetivo común. Sin
embargo, los dispositivos y sistemas actuales están fragmentados con respecto a las
tecnologías de comunicación, protocolos y formatos de datos. Esta diversidad dificulta que los
dispositivos y sistemas de la red de IoT se comuniquen y compartan sus datos entre sí. La
utilidad de la red IoT está limitada por la falta de interoperabilidad en algunas ocasiones.

2.9.3. Estándares de Comunicación Inalámbrica en IoT

Una de las herramientas tecnológicas más representativas de IoT es la comunicación
inalámbrica, puesto que esta se ha ido desarrollando en la última década con la integración del
5G y con ya planes recientes para el 6G. Los estándares de comunicación inalámbrica se
pueden clasificar en cinco grandes grupos, según el área y el alcance de aplicación,
encontrando desde las redes inalámbricas de área personal (Wireless Personal-Area Networks -
WPAN) hasta las redes inalámbricas de área amplia (Wireless Wide-Area Networks - WWAN)
[45]. A continuación, se dan a conocer algunos estándares de comunicación inalámbrica y sus
características más elementales:
Estándar IEEE 802.15.4: Es un estándar desarrollado por el Instituto de Ingenieros Eléctricos y
Electrónicos (IEEE) para comunicaciones inalámbricas de bajo consumo y una baja
transferencia de datos, en redes inalámbricas personales (WPAN). IEEE 802.15.4 define una
capa de comunicación en el nivel 2 en el modelo OSI, que corresponde a las capas PHY y
MAC. [46].
ZigBee: Es un protocolo de red inalámbrica dirigido para aplicaciones industriales y comerciales
[47]. Fue desarrollado por el comité IEEE 802.15.4 y ZigBee Alliance y está definida para las
capas de comunicación en el nivel tres y superiores en el modelo OSI, correspondientes a las
capas de red y aplicación. Tiene como principal objetivo crear una topología de red (jerárquica),
permitiendo la comunicación de múltiples dispositivos y estableciendo funciones de
comunicación adicionales como autenticación, cifrado, asociación y servicios de aplicación en la
capa superior, además se considera una interesante tecnología para aplicaciones específicas.
ZigBee proporciona una conectividad en una WSN de bajo costo y consumo de energía para
dispositivos que necesitan una duración de la batería de varios meses a varios años de uso,
actualmente se encuentra en su versión 3.0 [48] [49] [50].
6LoWPAN: Es un estándar abierto desarrollado por IEEE para redes de área personal de bajo
consumo (LoWPAN) y proporciona un medio para transportar paquetes de datos en forma de
IPv6 sobre IEEE 802.15.4. Incluye un protocolo de enrutamiento de malla (RPL), para permitirle
construir una solución PAN inalámbrica de baja potencia que se ejecute completamente sobre
el protocolo IP, totalmente estandarizada y escalable. En un principio 6LoWPAN se concibió
originalmente para ser construida sobre IEEE 802.15.4, no obstante, se ha desarrollado y
adaptado para funcionar con muchos otros portadores inalámbricos, incluyendo Bluetooth, PLC,
Wi-Fi, entre otros [51] [52].
WirelessHART: Es un estándar de comunicación que opera actualmente en la banda de radio
ISM de 2.4GHz adaptado a IEEE 802.15.4. Es una variante del protocolo HART y uno de los
estándares más utilizado en las aplicaciones de automatización e industriales que requieren de
sistemas de monitoreo en tiempo real, ocupando el Protocolo de malla sincronizada en el
tiempo (TSMP), que tiene características de autoorganización y se autoreparación [53].
Z-Wave: Es un protocolo de comunicaciones inalámbricas de baja potencia desarrollada por
Zensys Inc, opera en las bandas ISM y Utiliza tecnología de red de malla con conectividad a
través de dispositivos IoT. Se utiliza principalmente para redes domesticas inteligentes,
automatización del hogar y domótica, en aplicaciones, como el control de luces, calefacción y
aire acondicionado, electrodomésticos y seguridad del hogar, entre otras funciones [54].
ISA SP100.11a: Es un protocolo de comunicación para redes inalámbricas de bajo consumo y
baja tasa de transferencia de datos, desarrollado por Sociedad Internacional de Automatización
(ISA). Basa sus capas de red y transporte en 6LoWPAN, IPv6 y estándares UDP, utilizando
tecnología de malla con atributos de auto organización y auto reparación, mientras que su capa
enlace de datos y física usa una adaptación IEEE 802.15.4 [55] [56].
LoRa: Es un protocolo de comunicación de largo alcance y de bajo consumo (LPWAN)
desarrollado por Semtech. Opera en las bandas de frecuencias ISM, con distancias de alcance
en la comunicación de hasta 20 [km]. Las principales características es que usa topologías de
red de estrella, tecnologías integradas de geolocalización, además de ocupar una seguridad
con cifrado AES128, con autenticación mutua, protección de integridad y confidencialidad [63].
Emplea tecnología de modulación Chirp Spread Spectrum (o CSS) con el objetivo de conectar
de forma inalámbrica múltiples dispositivos a IoT en aplicaciones en el área industrial, Smart
Cities, la salud, monitoreo ambiental, etc. [64] [65].
SigFox: Es una estándar de comunicación de largo alcance y bajo consumo de energía
(LPWAN), que requiere una baja velocidad de datos, y ha sido desarrollado para proporcionar
conectividad hacia IoT en dispositivos remotos tales como sensores, actuadores, dispositivos
móviles [66]. Opera en las bandas ISM y emplea banda ultra estrecha. Al igual que LoRa posee
un sistema de geolocalización denominado para aplicaciones masivas de IoT sin necesidad de
un GPS [67].
LTE-M y NB-IOT: NB-IOT y LTE-M son estándares para redes de área amplia y bajo consumo
(LPWAN) desarrolladas por 3GPP, para aplicaciones IOT. Su desarrollo está basado para ser
dispositivos de reducido tamaño, alta penetración a través de infraestructuras y bajo tierra.
Estas tecnologías poseen características de altas velocidades de datos y eficiencia ante la
movilidad. Sus desempeños en IoT hacen que estas tecnologías sean una propuesta muy
beneficiosa para muchas aplicaciones con propósitos control y monitoreo de entornos como
hogares inteligentes, vehículos eléctricos, sensores industriales, Smart Cities, etc. [57].
 CAPÍTULO III
ESTADO DEL ARTE Y DISCUSION BIBLIOGRAFICA
3.1. Introducción
Existen en la actualidad empresas, corporaciones y naciones, enfocadas
principalmente en implementar soluciones de sistemas relacionadas en la detección y acción
temprana de IF, utilizando las últimas tecnologías existentes. En ello podemos destacar los
sistemas que ya operan a nivel comercial, siendo en una gran parte de compañías extranjeras.
Además, existen una gran variedad de artículos que proponen mejorar el rendimiento de
modelos de detección de incendios, entre ellos se destacan los modelos de reducción de
energía, modelos de control a partir de drones, modelos basados en la geolocalización,
modelos que mejoran la gestión y control del tráfico de datos relacionadas a la comunicación,
etc. Actualmente en Chile existen una variedad muy escasa de sistemas comerciales que
proponen seriamente prototipos de lucha contra incendios. Sin embargo, la Corporación
Nacional Forestal (CONAF) dispone de una serie de medidas de aviso y detección de IF
organizados por la Central de Coordinación Regional de CONAF (CENCOR). Entre los sistemas
de detección que se proponen, están el método terrestre móvil, detección de terrestre fija,
detección aérea, detección a través de sistemas televisivos y detección mediante satélites. En
este apartado se busca obtener un conocimiento acumulado mediante el estudio de la discusión
bibliográfica y del estado del arte, con objetivos de conocer una gran variedad de sistemas
existentes como de técnicas que nos aporten conocimiento inaudito de las tecnológicas más
recientes, relacionadas a la detección y combate en los IF.

3.2. Estado del Arte

3.2.1. Sistemas Comerciales Existentes en el Mundo
En esta sección, se pretende dar a conocer los sistemas en la temática de detección y
monitoreo de forestales existentes a nivel mundial.

3.2.1.1. PYRO (España)

PYRO es una empresa española dedicada al diseño y fabricación de productos
relacionados a la prevención y control de IF, con objetivos son dar soluciones innovadoras,
desarrollando e implementando tecnologías habilitantes para sistemas de prevención, control y
extinción de los IF [58]. Entre sus normativas incluyen una serie de mecanismos de operación y
actuación frente a la acción de los IF, en las que se destacan la protección activa de incendios,
detección y monitorización, además de una rápida intervención y “protocolos de acción. PYRO
se basa en un sistema denominado Bseed WATCH para poder realizar el monitoreo y la
detección de los IF, incorporando en sus mediciones sensores de temperatura, Humedad,
Viento, fuego, CO y CO2, realizando mediciones de estas variables ambientales en tiempo real
con una frecuencia de muestreo menor a los 5 segundos y una vida útil de aproximadamente 10
años. La comunicación empleada es mediante el sistema Sigfox ocupando la banda de
frecuencia europea ISM de 868 MHz (norma europea) y una comunicación punto a punto.
PYRO se alimenta completamente por baterías, dando un grado de autonomía al sistema. Para
el monitoreo de las variables ambientales, se realiza a través de una plataforma en línea, que
recoge, almacena y procesa la información en tiempo real. Luego son enviadas a un sistema de
almacenamiento en una nube, para que finalmente pueda ser visualizada y notificada en un
tercero mediante un mapa de niveles de riesgo, mediante un SMS, un email y una aplicación
web (véase Fig. 7).

Figura 7. Sistema completo de funcionamiento Pyro.

Durante el incendio, la plataforma muestra en tiempo real las condiciones ambientales

de la zona, la evolución del fuego dentro de la red y su dirección, ofreciendo informaciones
importantes a los encargados de la extinción del fuego. PYRO incorpora a sus sistemas a través
una compatibilidad con las herramientas informáticas SIG, para poder visualizar, manejar y
controlar en tiempo real a través de la información geográfica y satelital en una página web.
PYRO actualmente trabaja en un proyecto llamado ETHON-2, que tiene como objetivo el
desarrollo de una plataforma para gestión de emergencias centrada en la extinción de los IF,
donde se vincularán drones, sensores y sus comunicaciones, concentrando la información en
un punto de visualización único, para ser usado por los operativos en la gestión de la
emergencia.

Figura 8. Visualización Satelital del entorno a estudiar.

3.2.1.2. IQ FireWatch (Alemania)
IQ wireless es una empresa de innovación y tecnología de origen alemán ubicada en
Berlín. Entre sus principales tecnologías se destacan el desarrollo de IQ-Spacecom y IQ-
FireWatch, entregando la primera un servicio de comunicación satelital por radio, y la segunda
un sistema predicción, control y alerta temprana de los IF [59]. IQ FireWatch incorpora un
sistema con tecnología basada en un sensor óptico que gira 360°, integrado en un mástil y una
torre de control de incendios. IQ FireWatch toma muestras del entorno en un tiempo de entre 4
a 8 minutos, capturando tres imágenes con ángulos de corte de 10 grados de rotación. Además,
el sensor óptico funciona detectando la diferencia entre 16,384 tonos del color gris y tiene una
serie de algoritmos matemáticos sofisticados que pueden discernir las características únicas del
humo, presentando una gran ventaja a la hora de distinguir el tipo gas [60].

Figura 9. Procedimiento de monitorio mediante cámaras ópticas.

Unas de las características de los sistemas FireWatch es que puede detectar columnas
de humo a 60 km de distancia en condiciones perfectas, alcanzando un rango de 70.000
hectáreas de superficie. No obstante, cuando existen días con condiciones meteorológicas más
complejas, como lluvia o niebla, que obstruyen la visión de las cámaras, el rango promedio de
vigilancia disminuye a 15 km aproximadamente [60]. IQ FireWatch cuenta con un sistema de
procesamiento de datos inteligente con tecnología de herramientas GIS y una plataforma IoT,
para que los usuarios puedan monitorear remotamente las variables ambientales en tiempo real
las 24 horas del día y todos los días del año, empleando una comunicación desde la torre de
incendios hacia la estación remota, en donde se visualizan los datos y las imágenes, utilizando
computadoras, monitores y plataformas virtuales mediante Dashboard. El control y el monitoreo
lo realizan experto profesionales, como bomberos, analistas, ingenieros y técnicos
observadores de incendios, para evaluar falsas alarmas o incendios, con el objetivo de mejorar
el rendimiento y la eficiencia de los recursos disponibles para la acción y extinción de los IF.
Cuando el incendio es monitoreado a través de los sensores, y no se entregan los datos del
tamaño, la dirección y velocidad de propagación del fuego, las autoridades reciben la ubicación
exacta del IF y pueden desplegar rápidamente los recursos adecuados para extinguir el
incendio y tomar acciones importantes respecto al fuego [60]. Las pruebas de la torre FireWatch
realizadas en Victoria y Nueva Gales del Sur demostraron resultados impresionantes en la
detección de incendios diurnos y nocturnos hasta a 65,5 km de las torres superando a cualquier
método o tecnología convencional de detección temprana de los IF, tales como los detectores
de incendios, CCTV, espectroscopía, satélite e infrarrojos térmicos” [61].

3.2.1.3. URSALINK (China)

URSALINK es una empresa mundial que tiene origen en China, dedicado a generar
tecnologías de instrumentación de sistemas inteligentes, mediante el desarrollo y la
implementación de sensores funcionales, conectividad de tecnologías inalámbricas, servicios de
almacenamiento de nube, entre otros, con aplicación total en el sector industrial, la agricultura,
transporte, medicina, Smart-City y domótica.
Ellos proponen un sistema de monitoreo de los IF, mediante sensores de medición de
CO2 (modelo EM500-C02), temperatura, humedad y presión barométrica. Entre los sensores
más destacados está el modelo de sensor EM500-C02 y este tiene la capacidad de recopilar
constantemente los datos de las variables ambientales con una frecuencia de muestreo de 2
minutos, y configurable a un intervalo de muestreo de 30 minutos. El sistema activa una alarma,
al momento que algunas de las mediciones superen los límites de un umbral permitido. Luego el
nodo de sensor (véase Fig. 10) a través del protocolo de comunicación inalámbrica LoRa se
comunica con una Gateway remoto ubicada en una “estación base”, con el fin de recopilar todos
los datos adquiridos por los sensores. Los datos son almacenados en una nube mediante IoT,
en donde son interpretado y visualizados en un Dashboard a través de una plataforma web. El
sistema tiene contemplado una opción de visualización a través de un App con objetivos de
monitorear las condiciones medioambientales a través de un teléfono móvil, con ingreso
específico al personal especializado, asegurando un sistema de alarma y emergencia que
busca prevenir futuros eventos de los IF. El nodo de sensor es protegido para los ambientes
extremos de invierno y verano con una carcasa de grado de protección de IP66, además de un
buen soporte en resistencias a temperaturas extremas y en caso de IF, llegando incluso a
soportar un máximo de 70°C. El nodo de sensor posee características de bajo consumo de
energía con duración de la batería es hasta 10 años de duración aproximadamente.
 Figura 10. Sistema de monitoreo y detección propuesto por Ursalink.

3.2.2. Sistemas Comerciales Existentes en Chile

A continuación, se pretende dar a conocer los sistemas de detección y monitoreo de
forestales a nivel comercial e investigativo en el ámbito local y actual de Chile.

3.2.2.1. ACOT Systems

ACOT Systems es una empresa de tecnológica ubicada en Chile, está a cargo en el
desarrollo de una gran cantidad de servicios tecnológicos dedicados especialmente a la
seguridad medioambiental [62]. Entre sus principales servicios, ellos desarrollan un sistema de
detección de IF en sus etapas iniciales. Integra en su modelo de hardware cámaras IP,
sensores térmicos y ópticos de alta resolución, alimentados indefinidamente por un sistema
fotovoltaico. El nodo de sensor posee funcionamiento de rotación en 360 grados con una
adquisición de datos del alrededor de los tres minutos y medio, además de poseer un rango de
detección temprana de incendios de alrededor de 15.000 hectáreas.
 Figura 11. Sistema de detección temprana de IF de Acot System.

Los sensores se comunican a través de enlaces locales y satelitales, y los videos

obtenidos por la cámara son analizados por algoritmos de machine Learning (ML), que busca
encontrar de forma simultánea, la presencia de fuego y/o humo en los alrededores, a través de
un software entrenado para detectar focos de IF. ACOT posee una plataforma web en donde se
podrá gestionar las alertas entrantes, revisar un historial de alertas con imagen del evento y su
respectiva geolocalización, visualización y ubicación geográfica. Cuando un foco de incendio es
detectado por los sensores, inmediatamente se geolocaliza mediante visualización en la
plataforma de Google Map, luego se activa una alerta informativa que es enviada a los
responsables de la gestión, control y extinción de los IF, tales como a bomberos y a brigadas
profesionales especializadas.

3.2.2.2. Sea the Forest

Sea the Forest es un sistema aún en desarrollo a cargo de la empresa Entel. Está
basada en una WSN de bajo consumo, desplegados directamente en los árboles del bosque. El
modelo incorpora innovadoras tecnologías, tales como IoT e IA (Inteligencia Artificial),
detectando variables ambientales mediante los nodos, en donde se involucran la medición de la
concentración de material particulado, temperatura, viento y humedad, permitiendo la detección
temprana de incendios. Las mediciones de los sensores son monitoreadas cada 90 segundos y
reportados en línea a una estación base, donde son cargados a la nube y procesados con un
motor de inteligencia artificial que analiza los datos, permitiendo detectar incendios incluso
antes de que sean descubiertos a simple vista. Luego esta información desencadena una alerta
que es comunicada por mensajes de texto o correo electrónico. Sea the Forest es un sistema
que tiene el potencial de detectar un incendio 12 minutos antes que los sistemas actuales de
monitoreo [63] [64].

Figura 12. Nodo de sensor de Sea the Forest [63].

3.3. Revisión Bibliográfica

En el estudio de la literatura, los autores de [65] describieron cómo se predice el área
quemada en el bosque después de un IF. Aquí se ha utilizado la programación basada en
genética para desarrollar un sistema inteligente sobre la base de datos metrológicos. En [66], se
ha diseñado una WSN basada en ZigBee, un sistema de monitoreo para detectar IF. En [67], el
autor propuso un esquema de conectividad mejorada para la red ZigBee y este reconstruye de
manera eficiente partes de la red, proporcionando un método de intercambio para extender la
vida útil de la red. La arquitectura de este sistema está constituida por los nodos sensores,
enrutadores y hosts. Se describe el uso del agente móvil en una WSN [68], en donde el IF se
puede detectar y monitorear aplicando un enfoque basado en el disminuir los consumos de
energía. En [69], se implementó un enfoque de aprendizaje automático distribuido para la
detección de eventos: técnicas de agrupamiento y SVM aplicadas para la detección de IF. Se
emplea una tecnología acústica de alcance para la detección de incendios en la ubicación [70].
Los autores en [71] han presentado un enfoque basado en el aprendizaje automático utilizando
una regresión para la detección de incendios y han analizado los resultados con el error
cuadrático medio del árbol de decisión y la técnica de localización basada en SVM. En [72], el
estudio de diferentes protocolos de enrutamiento tolerantes a fallas para la detección de IF,
como el Protocolo de enrutamiento multinivel, heterogéneo y disjunto de múltiples rutas
(HDMRP) y el protocolo de enrutamiento consciente de QoS basado en Ant mejorado para
WSN heterogéneas, en términos de la vida útil de la red y el tiempo de respuesta de la red. En
[73], el sistema denominado EEFFL, propone un modelo de clasificación semi-supervisado,
dividiendo el área del bosque en tres diferentes zonas (Activo alto (HA), Activo medio (MA) y
Activo bajo (LA)). El modelo se diseñó de tal forma, que pueda predecir el estado de la zona de
incendio (HA, MA, LA), tomando en consideración la restricción de energía de los sensores y
con un 90% de precisión. En [74], se diseñó e implemento un sistema en basado en Arduino,
ZigBee y comunicación GSM/GPRS. El sistema incorpora sensores de temperatura, humedad y
dióxido de carbono, monitoreados mediante un software local a través de una plataforma virtual,
el cual se denominó Guardabosques. Se evalúan en [75] propuestas de métodos para WSN,
observando sus características principales, métodos de comunicación inalámbrica, con un
enfoque en las variables de medición, para un método eficaz en el comportamiento y la
prevención de los IF. En [76] se analiza una red de sensores inalámbrica con objetivos de
monitorear la temperatura, la humedad, los niveles de humo y oxígeno en varios puntos de un
entorno forestal. El sistema ocupa comunicación satelital (Inmarsat-M2M) y envía los datos a
una estación de monitoreo remota, que alerta en caso de una medición alterada, en la cual
utiliza un algoritmo lógico que evalúa los umbrales y entrega una localización del incendio, para
que finalmente se despliegan drones autónomos que mitiguen el fuego, utilizando extintores
clase A. En [77] se presenta una red de bajo costo basada en tecnología LoRa, con objetivos de
evaluar de manera autónoma el nivel de riesgo y la presencia de un IF en áreas rurales. El
sistema está compuesto por varios nodos e incorpora sensores para medir la temperatura, la
humedad relativa, la velocidad del viento y el CO2 del ambiente. Los datos de los nodos se
almacenan y procesan en un servidor denominado The Things Network, que envía los datos a
un sitio web para la visualización gráfica de la información recopilada por los sensores.

3.4. Análisis del Problema

Las técnicas aplicadas en los IF han variado, respecto a las épocas de demanda e
implementación y dadas a las circunstancias actuales en los avances en la tecnología, los
modelos de detección de IF han ido variando a medida que avanza la cuarta era industrial y
principalmente relacionadas a las tecnologías inalámbricas e instrumentación, asociadas al
hardware y software de los dispositivos finales. Respecto a los sistemas de comunicación
inalámbrica a principios de la década pasada las tecnologías inalámbricas más adoptadas en
los modelos de detección de IF eran Zigbee, GSM y GPRS, puesto que su versatilidad de
conexión y lo que representaba tener tecnologías inalámbricas en aquellos años, era una labor
de innovación atractiva. En los últimos años (finales de la década anterior y principios de la
década actual) el mercado se ha extendido con relación a las comunicaciones inalámbricas de
los dispositivos finales, optando por más opciones de elección y abriendo un mundo de nuevos
paradigmas y técnicas, para la inclusión de tecnologías de vanguardia, como es el caso de IoT,
Smart City, IA y Big-Data. Los modelos Incendios en la actualidad han incluido a los estándares
de comunicación basados en redes de área amplia y bajo consumo (LPWAN), puesto a
beneficios de bajo consumo, servidores de red altamente sofisticados y monitoreo de variables
meteorológicas a las largas distancias, con comunicación hacia estaciones base remotas y
lejanas, con directa integración a IoT. En cuanto al hardware, también se ha ido observando
una evolución, con dispositivos actuales de procesamiento más potentes, técnicas enfocadas
en el ahorro energético y con dimensiones del nodo más pequeñas.
Teniendo en cuenta que la mayoría de los IF son causados por manipulación humana y
debido a la naturaleza turísticas de Parque Arboretum, nuestro modelo estará basado en
estrategias de control y monitoreo, estrictamente relacionadas al desplazamiento de las
personas en diversas áreas, con objetivos de evaluar el desplazamiento promedio y aproximado
de las personas en el parque. El combustible forestal también se tendrá presente, generando
mapas de acumulación de estos y clasificándolos para diferentes zonas. En muchas literaturas
se hablan de los combustibles, puesto que es una variable muy importante por definir y
comúnmente se le asocia a la propagación del fuego. Finalmente, casi la mayoría de los
modelos de detección se destacaron las variables meteorológicas del lugar a estudiar, donde
las principales mediciones hechas por sensores estaban orientados a la medición de variables
como CO2, CO, Temperatura y Humedad.

CAPÍTULO IV
REQUERIMIENTOS
4.1. Introducción
Una red de sensores presenta una serie de desafíos, a fin de obtener un óptimo
rendimiento. En la acción de controlar y alertar de forma temprana los casos de IF, es
fundamental realizar un estudio profundo de las herramientas más necesarias a la hora de
abordar un desafío de esta envergadura, con pronósticos de integrar una sección técnica
orientada al desarrollo de futura secciones, totalmente necesarias para este trabajo de
titulación. El rendimiento óptimo que nos entregue el sistema va a depender en estricto rigor de
las mejores decisiones y proyecciones que se van a ir evaluando en los análisis de los
requerimientos, alcances y limitaciones.
Los recursos comerciales y técnicos son necesarios para desarrollar un sistema
sustentable, duradero y modular, en donde preferentemente usar nuevas tecnologías
incluyendo modelos que propongan un sistema habilitante, con proyecciones a futuro y que
ayuden a promover un mejor desempeño a nivel de Macrosistema. Sin embargo, el mayor
inconveniente recae en cómo utilizar estas herramientas de manera correcta y sin perjudicar a
largo plazo la capacidad y las condiciones que el sistema propone. Por este motivo es
importante y fundamental gestionar estos recursos para asegurar que los requerimientos del
sistema sean completos, consistentes y relevantes. Esta sección se pretende realizar un estudio
profundo de una necesidad tecnológica que presenta en el sector parque Arboretum, además
de especificar algunas características operacionales detalladas respecto al hardware de trabajo,
restricciones geográficas y los métodos de análisis que se van a proponer para llevar a cabo un
diseño optimo, respecto a las todas condicionantes que se podrían presentar en dicho lugar.

4.2. Requerimientos del Sistema

4.2.1. Requerimientos Generales del Sistema
El sistema tiene que estar dotado de características específicas con tal de obtener un
óptimo rendimiento, potenciando ciertas áreas de funcionamiento en las que se requieren:
 Generar un sistema de bajo consumo y alargar la vida útil de los nodos de sensor,
permitiendo no afectar el rendimiento total del sistema, a fin de certificar una red
robusta, enérgicamente sustentable y duradera en el tiempo. Es determinante
considerar los sensores y controladores de bajo consumo para ahorrar con una
capacidad de gasto en relación con las baterías, y mantener el presupuesto energético
del nodo de sensor en un consumo mínimo. Sin embargo, el uso de sensores de baja
 potencia permite monitorear el ambiente las 24 horas del día, aun cuando el nodo esté
en el modo dormido o en modo en espera.
 Utilizar una red adaptativa y dinámica respecto a las mediciones y toma de datos de los
sensores para ciertas circunstancias favorables, en situaciones iniciales de IF. Esto
propone una hipótesis y condiciones que son muy necesarias e importantes en el
desarrollo del diseño, y se les puede atribuir los factores climáticos y demográficos
como los agentes estratégicos más destacables en cuanto a la optimización de la red.
 Utilizar sensores con una alta adaptabilidad a los ambientes extremos, que permitan la
detección individual a distancias discretas y certificadas, con respecto al punto crítico,
dentro del escenario real del parque, cubriendo la mayor parte del área superficial del
bosque y asegurándose de no perder la efectividad de la cobertura, para que cada
punto del área esté dentro del radio de detección del sensor, sin dejar zonas muertas
para la medición.
 Evaluar las tecnologías (sobre todo las inalámbricas) para poder hacer posible la
interconexión de los decenas o cientos de dispositivos finales mediante IoT. Es
fundamental definir la tecnología adecuada y que pueda estar sujeto a las restricciones
antes recomendadas. Es necesario analizar todas las condicionantes, tales como QoS,
Latencia, cantidad de datos a transferir, alcances y cobertura, compatibilidad en el
hardware, etc., además de las principales problemáticas que puedan surgir en el
momento de alojar los datos en los servidores remotos. Sin embargo, con objetivos de
abastecer el sistema completo, en donde principalmente se van a evaluar las
características de comunicación, el hardware de procesamiento, los sensores de
medición y finalmente la recepción de estos datos.
 Definir la ubicación en donde se van a recibir los datos, para que estos puedan estar
operativos para los requerimientos del sistema.
 Las especificaciones técnicas del sistema son fundamentales para definir en forma
óptima los alcances, las limitaciones y por tanto las decisiones respecto a la
instrumentación, herramientas de desarrollo y en la elaboración del diseño, según sean
los requerimientos que se pidan en el sistema. Este punto es fundamental, puesto que
es la base a secciones posteriores, correspondientes al modelado y diseño en cuestión.
Estas son algunas de las requisitos y aspectos más importante que requieren y en las que
se van a ir presentando como soluciones a medida que pasen las secciones del capítulo 4.

4.2.2. Índices de Probabilidad en Ocurrencia (IPO)

Las funciones de medición en [78] tienen como objetivos utilizarse en este trabajo de
titulación y en estas se proponen un modelo de índices de riesgo en base a factores que
afectan la probabilidad de ocurrencia de IF en la mayor parte de las regiones de Chile, en los
que se involucran antecedentes meteorológicos, poblacionales y topográficos.
Los índices de ocurrencia miden parámetros fundamentales para prevenir IF,
destacando la temperatura del aire (°C), HRR rel humedad relativa (%), VRR vie velocidad del
viento (nudos), FRR est factor de estacionalidad y FCR seq factor de sequía, dentro de una función
general que demuestra los índices de riesgo en IF ( IFOinc ) . En el artículo se define una función
para un caso general de Chile, pero también se propone un modelo de mayor precisión,
aplicando una función IFOinc destinadas a cada región del país. En las condiciones
meteorológicas y climáticas de la región de los ríos y aledaños a la ciudad de valdivia, se definió
una función específica que demuestra los índices de riesgo de la región de los ríos.

IPOinc=1 , 79 T air −0 , 44 H rel +0.35 V vie +18 ,69 F est−0 ,27 F seq +17 , 66 (1)

En donde se establecen cinco categorías de riesgos, con rangos de valores

determinados y evaluados en la ecuación (1). Estos valores y niveles varían en una escala de 0
a 100 en categorías que van desde un riesgo nulo a un riesgo extremo con una baja y alta
probabilidad de IF respectivamente y como se presenta en la Tab. 2.

Tabla 2. Categorías de índices IPO para la región de los ríos.

Categorías de Riesgo Rango de Valores del Índice
Nulo <30
Bajo 31 - 45
Medio 46 – 60
Alto 61 – 75
Extremo 76 - 100

El Factor de sequía de la ecua. (1) viene dado por:

2
FCR seq=70−12 ,36 N dias +0 , 53 N dias (2)

En donde N dias de la expresión (2) corresponde al número de días transcurridos desde el

término de la lluvia, y estos se observan en la Tab. B. 1 (ANEXO B).
Los datos y la información meteorológica, para realizar los cálculos relacionados a los
factores IPO de la ecua. (1), se realizarán obteniendo los datos de la plataforma de pronósticos
online, METEORED.
METEORED es una aplicación online de meteorología que basa sus predicciones y
pronósticos mediante los datos, utilizando el modelo ECMWF (European Centre for Medium-
Range Weather Forecasts). Los pronósticos meteorológicos son realizados con una anticipación
de alrededor de 14 a 15 días aproximadamente. Cuenta con un App para Android y iOS con
más de 20 millones de descargas, obteniendo un éxito rotundo al ser galardonada por Google
como una de las mejores Apps del 2016. Los datos proporcionados por METEORED son
múltiples, en lo que podemos encontrar datos de pronósticos meteorológicos cada una hora,
detallando con información relacionadas a los Índice UV, Humedad, Nubosidad, Viento, Presión,
Visibilidad, Sensación térmica, Temperatura, etc. (véase Fig. B. 1 ANEXO B).
4.2.3. Lugar de Asentamiento y Estación Base
Para poder llevar a cabo las mediciones de los sensores, se necesita una estación base en
donde se puedan recibir los datos. Debido a las condiciones idóneas y centralizada el lugar de
referencia en donde se tiene contemplado alojar la recepción de los datos medidos por los
sensores, será en el instituto forestal (INFOR) de la Ciudad de Valdivia, ubicada en el sector Isla
Teja en la ribera del rio Cau-Cau, colindante con fundo teja norte y parque Arboretum. INFOR
es un Instituto Tecnológico de Investigación creado por el gobierno de Chile y tienen como
objetivos contribuir al desarrollo forestal chileno, fomentando el uso sustentable de los
ecosistemas forestales para el beneficio de la sociedad.

Figura 13. Distancias totales desde INFOR a los extremos de parque.

En la Fig. 13 se pueden observar las distancias a los extremos del parque (en un rango
aproximado), desde el lugar de recepción de los datos en INFOR, con rango de distancias de
1,17 [Km], 0,97 [Km] y 1,06 [Km], hacia el sur, oeste y norte, respectivamente. Esta información
es de importancia, puesto que será un factor por considerar, para la elección de un posible
candidato en la comunicación inalámbrica, en medida que se van evaluando las limitaciones en
futuras secciones.

4.2.6. Recomendaciones para la Comunicación

Actualmente existen muchas tecnologías inalámbricas orientadas a IoT. Es por este
motivo es bueno analizar las especificaciones requieren nuestro diseño, para encontrar una
mejor elección. Las características de la tecnología inalámbrica, es que deben cumplir los
siguientes requisitos básicos, para mayor confiabilidad y éxito en la detección de los IF:
  El modelo debe de incluir un diseño que detecte riesgos de IF en tiempos determinados
y estratégicos.
 Debe soportar una red densa de nodos, con cantidades de entre los 100 a 200 nodos
conectados a la red aproximadamente.
 Se requiere de una tecnología con capacidad de transmitir baja cantidad de datos,
puesto que son mediciones de sensores de operación limitada.
 Debe poseer un bajo consumo de energía para la comunicación inalámbrica, para una
mayor vida útil de los dispositivos finales.
 Debe poseer una cobertura de recepción de los datos de largo alcance, con rangos de
distancias aproximados de entre 0,5 a 2 [Km].
 Redes con topología estrella y comunicación M2M.
 Activación por eventos e implícitamente en tiempo real (no necesariamente
transmisiones constantes sino envíos de datos periódicos y tras eventos importantes en
la medición de los sensores).

Estos son los requisitos mínimos que se le exigen al modelo. Según las condiciones que se
rigen en el sistema, las tecnologías más aptas y con mayor probabilidad de incorporarse a
modelo, corresponden a Zigbee, Sigfox, LoRaWAN, NB-IoT, WIFI, entre otras (Se elaboro una
tabla Tab. B. 2 y un diagrama radial en la Fig. B. 2 en ANEXO B, en donde se realizan una
comparativa de la mayoría de estas tecnologías inalámbricos emergentes en IoT). Para
determinar posibles candidatos en la elección final, en donde se evaluaron las siguientes
características; la cobertura y la amplitud de alcance de cada nodo, la calidad de servicio (QoS),
la vida útil en el funcionamiento de las baterías, los Costos respecto a la eficiencia y finalmente
la latencia que presenta en la red a la hora de realizar comunicación de los datos hacia una
estación remota. A partir de esto podemos inferir que:

 Como se requiere de una aplicación de largo alcance, baja tasa de bits y bajo consumo
de energía. Las soluciones basadas en tecnologías de corto alcance o áreas personales
no son adecuadas para este tipo de entornos de largo alcance, por lo que los estándares
como ZigBee y WIFI se descartan para nuestro propósito. Además, estas tecnologías
necesitan depender de una configuración en malla, siendo ineficientes para nuestro
modelo, en donde se planea desplegar los nodos en lugares específicos y estratégico
del parque.
 Las que mejor se posicionan en ese ámbito podrían corresponder a las tecnologías
LPWAN (redes de área amplia y bajo consumo), puesto que cumplen con los requisitos
antes mencionados y suficientes para poder implementar una red distribuida por el
parque con comunicación M2M. Además, estas cumplen con la función y posibles
soluciones efectivas para conectar un sinnúmero de dispositivos, autónomos e
inteligentes con proliferación directa a aplicaciones IoT.

Actualmente las tecnologías LPWAN se encuentran en distintos niveles de desarrollo,

siendo las más difundidas y conocidas Sigfox y LoRa. Sin embargo, recientemente se ha
introducido al mercado nuevas tecnologías con grandes proyecciones en innovación, como es
el caso de NB-IoT (mencionadas en la sección 2.9.3.). Sin embargo, NB-IoT siendo una
tecnología que promete grandes expectativas en un futuro y funcionando a bajo niveles de
latencia en su funcionamiento, aún sigue siendo una tecnología muy nueva para aplicaciones
medioambientales en Chile, además de un alto costo en la implementación para posibles redes
con un despliegue denso de los nodos. Por lo tanto, se van a evaluar como posibles candidatas
las tecnologías de LoRa y Sigfox.
Las distinciones y diferencias entre las tecnologías LoRa y Sigfox, podrían realizarse
mediante la comparación de algunas de sus características técnicas y sus prestaciones para la
implementación. Una diferencia entre Sigfox y LoRa es que la primera fue desarrollada por una
compañía francesa del mismo nombre y opera con tecnologías de aplicación en propiedades
cerradas y privadas, mientras que LoRa, funciona mediante una tecnología propiedad abierta,
dotando a cualquier miembro y usuario de la alianza LoRa, con opciones de implementar
soluciones en base a las especificaciones técnicas de IoT. Sigfox está diseñada para una
transmisión de datos extremadamente limitada, entregando tasas de transferencia de datos que
limitan los 100 a 600 [bps], para un límite por dispositivo de mensajes por día, además de un
Ancho de banda de tan solo 100 [Hz]. LoRa, por su parte, está diseñada, tanto para transmitir y
recibir igual número de mensajes a su estación remota, operando de forma bidireccional. Las
tasas de transmisión de LoRa suelen ser bastante mayores que en SigFox, en donde opera en
rangos de 22 [Kbps] para modulación LoRa y 100 [Kbps] aproximadamente para la modulación
GFSK, con anchos de banda que van desde los 125, 250 y 500 [KHz], y permiten transportar
mayores cantidades de flujos de datos, además de utilizar chips LoRa, Gateways y nodos
totalmente propios. Sin embargo, en LoRa para crear una red propia, es necesario llevar a cabo
un constante mantenimiento del software (actualizaciones y cambios técnicos). En cuanto a la
integración de los datos, Sigfox ofrece una API muy simple para integrar el módulo de radio. En
cambio, LoRa ofrece una API altamente adaptable y configurable (depende del proveedor de
nube en dichas tecnologías).
Se hizo evidente que, al evaluar las características más influyentes en ambas
tecnologías, se pudo obtener ciertas ventajas y debilidades respecto unas de otras. Por otro
lado, se llegó a una decisión que, para nuestro sistema, el enfoque principal es el del incorporar
modelos que sean altamente configurables, robustos, mayormente funcionales, adaptable a
cualquier situación en particular, para la incorporación de tecnologías emergentes hacia el
futuro. Finalmente, con la mención anterior, se llegó a la conclusión que para este trabajo de
titulación se va a adoptar un enfoque basados en las tecnologías LoRa y redes LoRaWAN.

4.2.7. Estructura LoRa y LoRaWAN

4.2.7.1. Características de LoRa
LoRa es un esquema de modulación que utiliza una técnica de modulación denominada
Chirp Spread Spectrum (CSS), en la cual se usa pulsos chirp con una variación lineal de la
frecuencia en el tiempo para codificar la información como se presenta en la Fig. 14. Debido a
la linealidad de los pulsos chirp, los desfases de frecuencia entre el receptor y el emisor son
equivalentes a los desfases en el tiempo, lo que hace que esta modulación tenga inmunidades
a ciertos fenómenos indeseados en su propagación, que hace que funcione bien con ruido del
canal, desvanecimiento por trayectos múltiples, interferencia Inter-Símbolo y efecto Doppler,
incluso a baja potencia [79].
Una particularidad en el funcionamiento de LoRa es que mantiene en su comunicación,
una relación en la señal entre el ancho de banda (BandWidth - BW), el factor de dispersión
(Spread Factor - SF) y la Tasa de código (Code Rate - CR), lo que le hace atractivo para
aplicaciones en IoT.

Figura 14. Factores de ensachamiento (SF) (Fuente: Elaboración Propia).

Los enlaces de comunicación están sometidos a una serie de parámetros,

principalmente al BW, SF y CR. Un símbolo en LoRa está compuesto por 2SF chirps que cubren
el ancho de banda completo, debido a esto un símbolo puede efectivamente codificar SF bits de
información y por ende SF bits de información son transmitidos por símbolo. Definiendo el
periodo por símbolo (Ts) y el Tasa de símbolo (Symbol Rate - R S), se describe que [80]:

R S= =
[
1 BW symbol
T S 2 SF s
(3)
]
Al obtener el valor de R S, se puede establecer una relación para la Tasa de Chirp (Chirp-
Rate - RC ¿ con el Ancho de banda de la señal sustituyendo la ecua. (3) y resultando [80]:

RC =R S∗2SF =BW
[ chirps
s ]
(4)

De esta forma, se podría suponer la tasa de bits (bit-Rate - Rb ) como:

Rb =SF
BW
SF
4 b
2 ( CR +4 ) s []
(5)
 Donde el termino 4 / ( CR+4 ) corresponde a los esquemas de corrección de errores

definidos para los rangos: { 45 , 46 , 47 , 48 }

, y los parámetros CR pueden seleccionarse para los

valores de: { 1 , 2, 3 ó 4 }, según el tercer término de la ecua. (5) [80].

4.2.7.2. Canales de frecuencia

La banda para uso no comercial de frecuencias ISM es la usada por LoRa y los anchos
de banda disponibles operan en los 125 [kHz], 250 [kHz] y 500 [kHz] (esta última definida para
las bandas 902 y 928 [MHz]). Las asignaciones de canales específicos se ven con detalle en la
Fig. 15, en donde se resume la asignación de frecuencias para distintas zonas, impuestas por
LoRa Alliance [81] [82], especialmente para Europa (EU868), América (US915) y Australia
(AU915), respectivamente.

Figura 15. Canales de frecuencia Europa (EU688), América (US915) y Australia (AU915),
(Fuente: [82]).

De la Fig. 15 se puede obtener información de la similitud entre Estados Unidos y

Australia, en donde ambos tienen un esquema de canales similar con 64 canales de enlace
ascendente, utilizando un ancho de banda de 125 kHz que se incrementan linealmente en
bandas de 200 kHz. Ambas regiones también implementan ocho canales con un ancho de
banda de 500 kHz y se incrementan linealmente en bandas de 1,6 MHz. La diferencia entre
US915 y AU915 es el canal de enlace descendente. Ambos tienen ocho canales que utilizan un
ancho de banda de 500 kHz, pero US915 usa una banda separada del esquema de enlace
ascendente, mientras que en AU915 el enlace descendente se superpone a las frecuencias del
enlace ascendente. Los países y regiones también pueden determinar la cantidad de tiempo
que un solo dispositivo podría usar el canal mediante la implementación de restricciones de
ciclo de trabajo. En Europa, el ciclo de trabajo es del 1%, mientras que en US915 y AU915
utilizan la restricción del tiempo en el aire de 400 [ms], a cambio de un ciclo de trabajo ilimitado
y libre de restricciones [81] [82].
4.2.7.3. Consideraciones
Se pueden describir algunas consideraciones, de plano al funcionamiento de las
transmisiones de los nodos finales en ciertos BW, SF y CR, en donde podemos manipular estos
parámetros a nuestro beneficio para obtener el rendimiento deseado que involucran la
sensibilidad del receptor, la capacidad del canal y el consumo de energía.

Sensibilidad del receptor:

 Aumentar el BW disminuye la sensibilidad del receptor, lo cual la empeora.
 Aumentar el SF incrementa la sensibilidad del receptor, mejorando el desempeño de
transmisión a largas distancias e implicando en una menor velocidad de transmisión de
datos [b/ s].
 Disminuir el CR ayuda a reducir el PER. Para paquetes con CR de 4/8 se tendrá más
tolerancia a la interferencia que un paquete con CR de 4/5.

Tabla 3. Sensibilidad del receptor en [dBm] para distintos anchos de bandas y SF.
SF
BW [kHz] 7 8 9 10 11 12
125 -123 -126 -129 -132 -133 -136
250 -120 -123 -125 -128 -130 -133
500 -116 -119 -122 -125 -128 -130

Capacidad del canal [80]:

 Para la recepción de varias señales, la red también utiliza SF para controlar la
congestión. Los SF cumplen la propiedad de ortogonalidad, por lo que las señales
moduladas con diferentes SF y transmitidas en el mismo canal de frecuencia
simultáneamente, no interfieren entre sí, si los niveles de la señal no son tan
drásticamente diferentes.
 Señales transmitidas un canal con el mismo SF, no son ortogonales y por lo tanto
colisionan (dos SF7 recibidas simultáneamente), a menos que estas señales superen el
umbral de los 6 dB de diferencia entre ellas.
 Las señales que tienen un ancho de banda de Chirp diferente, también son ortogonales,
y se pueden recibir y transmitir al mismo tiempo, incluso si sus espectros de frecuencia
se superponen.
 Se puede tener dos tipos diferentes de asignaciones para SF en la configuración de un
dispositivo final. Una se realiza asignándole manualmente un SF una distancia fija y la
otra es mediante la técnica denominada tasa de datos adaptativa (ADR) [83].

Consumo de energía:
 La duración de la batería de un dispositivo final depende en gran medida del SF
utilizado. Los SF más altos dan como resultado tiempos de actividad más largos para los
transceptores de radio y un mayor consumo de energía, por lo tanto, una vida útil más
corta de la batería.
4.2.7.4. Estructura de Trama LoRa
El protocolo LoRa pertenece a la capa Física, mientras que los protocolos de la capa
MAC y la capa de aplicación pertenecen a LoRaWAN. En la Fig. 16 se describe gráficamente
mediante bloques, la estructura de la trama LoRa para las capas Física, MAC y de Aplicación.
La capa Física comienza con un preámbulo que define el esquema de modulación de
paquetes, seguido de la cabecera Física (PHY), CRC Cabecera Física y una Payload CRC. La
cabecera PHY contiene la información sobre la longitud de la Payload de la capa Física,
mientras que la Payload CRC es un campo opcional para chequeo de redundancia cíclica
(CRC), solo presente para los enlaces ascendente [84] [85].
De forma similar, la capa MAC presenta tres bloques de trama, en donde el campo
Cabecera MAC define la versión de protocolo del mensaje (join, data o proprietary) y la versión
del estándar del dispositivo que está siendo utilizado. La Payload MAC contiene todas las
tramas de la capa de aplicación. El Código de integridad del mensaje (MIC) se crea utilizando
información específica para cada mensaje y cifrándola con AES128, en donde contiene la clave
de sesión de red mediante un NwkSkey. En el servidor de red utiliza el código de 4 bytes
(NwkSkey) para saber si el mensaje pertenece a la red [85] [81].
La capa de Aplicación contiene la cabecera FRAME, el puerto FRAME y el Payload
FRAME. El puerto FRAME se utiliza para ayudar a la aplicación final a identificar el contenido
de la Payload (Carga útil), indicando a que aplicación corresponde. En el Payload FRAME se
cifran los valores de la clave de sesión de la aplicación, manteniendo la Payload original
encriptada y usando una clave de sesión de la aplicación mediante un AppSkey. La cabecera
FRAME incluye una dirección de dispositivo que es única para cada dispositivo, mientras que el
contador FRAME, contiene un contador incremental con cada mensaje recibido [84] [85] [81].

Figura 16. Estructura de trama LoRa y LoRaWAN (Fuente: Elaboración Propia).

El tamaño de la Payload PHY puede alcanzar un máximo de 250 [bytes], en donde

encontramos la trama de sobrecarga y la trama de carga útil (Payload FRAME). La trama de
sobrecarga alcanza una capacidad de 12 a 13 [bytes] de almacenamiento, teniendo como
suma; Cabecera Mac (1 byte) + Control FRAME (1 bytes) + Contador FRAME (2 bytes) +
Puerto FRAME (1 byte) + MIC (4 bytes) + Dirección Dispositivo (4 bytes). Al incluir la carga útil
de la aplicación se hace presente el valor del puerto FRAME y esta puede alcanzar un máximo
de 222 [bytes], asumiendo una trama de sobrecarga de 13 [bytes] [81].

4.2.8. Normativas Vigentes Chile

LoRa opera en las bandas ISM de frecuencias 902 – 928 [MHz] para los países como
Estados Unidos (US915) y Australia (AU915). Sin embargo, en la mayoría de los países
americanos ocupan la banda US915 y en algunas las zonas de Sudamérica adoptan la norma
AU915 australiana, como es el caso de Chile y Brasil. Aunque en [81] se define que en Chile
podría operar en la banda de los 915 [MHz] (tanto para AU915 y US915). No obstante, la usable
para el territorio nacional debería corresponder a las bandas de intervalos de 915 – 928 [MHz],
específicamente en el intervalo de AU915 [86], con un total de 64 + 8 canales de enlaces
ascendentes en BW de 125 y 500 [KHz] respectivamente, y 8 canales de enlaces descendentes
de BW de 500 [KHz]. Existen una serie de registros y parámetros regionales descritos por LoRa
Alliance, Inc. [81], respecto a la banda AU915 que se dividen en los siguientes planes
regulatorios:

 Los dispositivos finales AU915-928 Deberán funcionar en la banda de frecuencia de 915

a 928 [MHz] y Deberán tener una estructura de datos de canal para almacenar los
parámetros de 72 canales. Una estructura de datos de canal corresponde a una
frecuencia y un conjunto de velocidades de datos utilizables en esta frecuencia.
 Enlaces Ascendentes (Upstream): 64 canales numerados del 0 al 63 que utilizan LoRa
una BW de 125 [kHz] que varía de DR0 a DR5, con una tasa de codificación 4/5,
comenzando en 915,2 [MHz] e incrementándose linealmente de 200 [kHz] a 927,8 [MHz]
 Enlaces Ascendentes (Upstream): 8 canales numerados del 64 al 71 que utilizan LoRa
un BW de 500 [kHz] en DR6 comenzando en 915,9 MHz y aumentando linealmente de
1,6 [MHz] a 927,1 [MHz]
 Enlaces Descendentes (Downstream): 8 canales numerados del 0 al 7 que utilizan LoRa
un BW de 500 [kHz] que varía de DR8 a DR13, comenzando en 923,3 [MHz] e
incrementándose linealmente de 600 [kHz] a 927,5 [MHz].
 Los dispositivos finales de la banda ISM, en las frecuencias AU915 pueden utilizar una
EIRP máxima de +30 [dBm].
 Si usa el procedimiento de activación por aire, el dispositivo final DEBE transmitir el
mensaje “JoinReq” alternativamente en un canal aleatorio de 125 kHz entre los 64
canales definidos usando DR2 y un canal aleatorio de 500 kHz entre los 8 canales
definidos usando DR6. El dispositivo final DEBE cambiar de canal para cada
transmisión.
 Los dispositivos personalizados DEBEN tener los 72 canales habilitados después de un
reinicio.
 La velocidad de datos JoinReq predeterminada es DR2 (SF10 / 125KHz), esta
configuración asegura que los dispositivos finales sean compatibles con el límite de
tiempo de permanencia de 400 [ms] hasta que el servidor de red notifique el límite de
tiempo de permanencia real al dispositivo final a través del comando MAC
TxParamSetupReq.
 En Chile se publicó en 2005 la Resolución Exenta 755, elaborada por la Subsecretaria
de Telecomunicaciones para equipos de alcance reducido, que regula la mayoría de los
dispositivos en las bandas VHF y UHF, con actualización en el año 2017. En una serie de
artículos y normativas en los que se aplican a diferentes dispositivos, se proponen normativas
respecto a la potencia máxima ([mW]) que puede irradiar estos dispositivos en la transmisión y
recepción. Sin embargo, no se habla de las tecnologías LP-WAN, y solo se refieren a las
bandas de frecuencias 902[MHz] a 928[MHz] en cuanto al rango de potencia máxima de 7
[mW], por lo tanto ateniéndose a la normativa de las bandas ISM dadas por este articulo y
debido a la falta de actualización de las normativas nacionales para equipos de largo alcance y
bajo BW, se optó por utilizar el criterio de las normativas reguladas por LoRa-Alliance, en el cual
tiene su principal acuerdo internacional suscrito para Chile con la banda de operación de AU915
[MHz] en materia de radiocomunicaciones para dispositivos LoRa y redes LoRaWAN.

4.4. Selección de las Tecnologías

En esta sección se definirán los principales componentes del hardware del nodo de
sensor, que involucran los módulos de procesamiento, los módulos de radio, los componentes
de la recepción y los sensores de medición.

4.4.1. Módulo de Comunicación

Evaluando el requisito de la comunicación inalámbrica se optó por utilizar el módulo
SX1276 que cumple con las siguientes características [87] (ANEXO D, para más información):
 Cumple con las normativas y permisos de trabajo para frecuencias de 915 [MHz]
referente a la zona nacional de Chile.
 Cumple los requerimientos de distancias impuestos en la sección 4.2.3. dado que
proporciona un rango de visión de 2 [km] con antenas unidireccionales
sintonizadas. Sin embargo, las obstrucciones y obstáculos podrían afectar la
frecuencia y la potencia de salida, obteniendo rangos más bajos, especialmente
si no se tiene línea de visión.
 Rango de operación del módulo, varía desde los -40° a 85° [C].
 Un bajo consumo en Tx y Rx, proporcionando hasta 100[mA] durante la
transmisión (+ 20dBm) y 10[mA] durante la escucha activa.

Además, este módulo es ideal, dado que presenta un costo relativamente bajo en su
precio. Es importante incluir una antena para su óptimo funcionamiento, mediante la relación
A L ( cm )=29.979,2458 /( f [ MHz ]∗4), resultando para una frecuencia de 915 [MHz], un largo total
de 8.19 [cm] aproximadamente.
 Figura 17. Módulo de comunicación LoRa SX1276 (Fuente: Aliexpress).

4.4.2. Módulos de Sensor

Para poder determinar las condiciones ambientales del sector parque arboretum se
requieren de dispositivos que sean capaces entregar un buen desempeño en la detección del
IF. Se van a requerir de las siguientes características para el sensor:

 Definir qué tipos de variables se desean medir, para determinar qué tipos de sensores
se requieren la predicción y detección.
 Utilizar sensores con un umbral absoluto bajo que permita descubrir el fuego etapas
primarias y tempranas, en donde el factor de propagación del fuego es bajo, para unas
condiciones de detección en ambientes naturales.
 Utilizar sensores que sean capaces de adaptarse sin problemas a las condiciones
meteorológicas extremas presentes en la zona.
 Disminuir el tiempo que requiere el sensor en hacer la predicción verdadera del fuego, el
tiempo de transmisión de los datos del sensor y del procesamiento en el análisis
respectivo del mismo.

Estos corresponden a los requerimientos mínimos que debemos enfrentar a la hora de

predecir un evento de IF. Se menciono en la sección 2.4.3. que los gases con mayor
predominancia en los IF corresponden al CO y CO2. Además, la temperatura, la humedad, y la
presión, son condiciones meteorológicas que también se ven afectadas por los IF. En efecto, se
tienen en consideración estas variables de medición en la incorporación de los módulos de
sensor.
Se destacan en la literatura [88] que los sensores electroquímicos (o químicos), tienen
ventajas y mayor efectividad por sobre los sensores de medición infrarroja y térmica. Esto se
debe a que a que las emisiones de los gases se difunden por el aire y pueden llegar a todos los
rincones del bosque sin ningún inconveniente, no necesitando de una línea de vista, ni ubicarse
a gran altura para determinar signos de incendio. Es por esta razón, que se tiene considerado
utilizar sensores de variables químicas, dado que en parque Arboretum y Teja Norte posee una
gran cantidad de obstáculos que obstruyen la visibilidad y capacidades de funcionamiento de
los sensores de variables infrarrojas y térmica, debido principalmente a la gran masa y densidad
de objetos presentes en un bosque valdiviano, tales como hojas, ramas, troncos, arbusto,
árboles y una topografía irregular (en cuanto a inclinación y pendiente).
Para las mediciones de CO se va a utilizar el sensor MQ-7, mientras que para el CO2 se
tiene considerado el MG-811. Estos sensores tienen un funcionamiento peculiar, ya que
pertenecen a la gamma de sensores MQ, que utilizan un pequeño calentador en su interior.
El MQ-7 ocupa un método de detección de monóxido de carbono al ejecutar ciclos de
temperaturas altas y bajas. El sensor detectará CO a baja temperatura (cuando el elemento
calefactor está conectado a un voltaje de 1,4 [V] durante 90 [s]). Mientras que al final del ciclo
en alta temperatura, el sensor limpia los otros gases que han sido absorbidos a baja
temperatura (5[V] durante 60 [s]) [89]. El MG-811 adopta un método de funcionamiento similar y
análogo al sensor MQ-7. Ambos sensores tienen salidas analógicas y necesitan de un voltaje
de operación en particular para su funcionamiento, en el MQ-7 se necesita un voltaje de 5[V],
mientras que en el MG-811 requiere de 6 [V] [90].

Figura 18. Sensor MQ-7 (A), Sensor BME680 (B) y Sensor MG-811 (C) (Fuentes: [91], [92],
[93]).

Para medir variables meteorológicas que relacionan la temperatura, humedad relativa y

presión, se optó por utilizar el sensor BME680 desarrollado por BOSCH. Este sensor ambiental
mide variables físicas individuales, adoptando ciertas ventajas al incorporar cuatro sensores
individuales en un solo dispositivo, además de poseer dimensiones de muy reducido tamaño y
de Ultra-Bajo consumo de energía. El BME680 puede funcionar en 2 modos: modo de
suspensión y modo forzado. Para obtener un consumo de energía mínimo durante el modo de
suspensión, no se realizan mediciones durante este estado. Durante el modo de forzado, los
sensores están operativos (activos) y realizan mediciones secuencialmente. El módulo tiene un
consumo de energía diferente según el estado actual y las mediciones en curso (véase Tab B.
7, ANEXO B).

4.4.3. Módulo de Localización

Para poder localizar el nodo, se utilizará el método de sistema de Posicionamiento
Global (GPS- Global Positioning System) especialmente el módulo GPS Ublox NEO-6M,
basado en el receptor de la marca Ublox. Este posee voltajes de operación que varían entre los
3.3[V] a 5[V], no obstante, la lógica del puerto serial (Tx, Rx) trabaja en los 3.3[V], necesitando
en algunas ocasiones de un regulador de voltaje. Utiliza en la comunicación con el MCU
mediante interfaz serial UART, con cuatro pines de salida (TX, RX, VCC y GND) e incluye una
memoria EEPROM que permite guardar los últimos datos de posicionamiento, con objetivos de
poder lograr una detección más rápida [94].

Figura 19. Módulo GPS Ublox NEO-6M (Fuente: [95]).

4.4.3. Módulo de Procesamiento

La unidad de procesamiento debe cumplir los requisitos mínimos y recomendados
(mayores detalles en las Tab B. 3 y Tab B. 4 en ANEXO B), para poder integrar los módulos
SX1276, modulo posicionamiento GPS y los módulos de sensor. Debido a lo señalado
anteriormente, se decidió en utilizar la placa de desarrollo ESP32 de código abierto (véase
Fig.20), dado que cumple con la mayoría de los requisitos asignados por estos componentes.
El ESP32 es un módulo de bajo costo, bajo consumo y de un reducido tamaño, que
pertenece a una de las familias de microcontroladores desarrolladas por la empresa Espressif
Systems. Esta placa basa su funcionamiento en el microprocesador Xtensa Dual-Core de 32-bit,
que alcanza frecuencias de operación de 160 [MHz] (en modelos más reciente se han
observado modelos con velocidades de 240 [Mhz]). Entre sus tecnologías más destacadas son
la incorporación de los módulos WIFI y Bluetooth. Posee una gran capacidad modular, con una
gran variedad de interfaces, soportes e integración a otras tecnologías, en la que destacan un
total de 39 pines, de los cuales 34 se pueden usar como GPIO. Además, admite 18 canales
para ADC de 12 bits y 2 canales para DAC de 8 bits, 16 canales para la generación de señales
PWM (por software) y 10 pines GPIO que admiten funciones táctiles capacitivas. El ESP32
cuenta con 4 entradas SPI, 2 entradas I2C, 2 entradas UART y admite tres formas de
alimentación; Interfaz USB, entrada de 5[V] o entrada de 3,3[V] [96]. Lo que lo hace realmente
interesante es su bajo precio comercial, que ronda entre los $2.000 y $6.000 (pesos chilenos),
siendo económicamente viable para la implementación a gran escala de cualquier proyecto.
El ESP32 fue diseñado con un sistema de gestión de energía avanzado que opera en
diferentes modos de consumo. En concreto puede funcionar en cinco modos configurables
según sea el requisito de energía, haciendo que el chip ESP32 pueda cambiar a diferentes
modos de consumo, en donde se resaltan un modo activo y cuatro modos de bajo consumo
(mayores detalles de los consumos en Tab B. 1, ANEXO B) [96]:
 Modo Activo: El módulo WiFi, Bluetooth o el modelo de radio están encendidos y puede
recibir, transmitir y escuchar. Es el modo en el que más energía se consume.
 Modo Modem Suspendido (Modem Sleep): Es el modo predeterminado del ESP32,
aunque solo se habilita cuando está conectado a un punto de acceso. Cuando entra en
este modo, la CPU está en operativa y el reloj es configurable, pero el módulo WiFi,
Bluetooth o módulo de radio están desactivados. Es posible configurar el ESP32 entre el
modo activo y modo Modem Suspendido, activando y desactivando los módulos de
comunicación de radio en tiempos predeterminados.
 Modo sueño ligero (Light Sleep): En este modo se realizan las mismas funciones que
en el modo Modem suspendido. La diferencia es que, durante el modo de sueño ligero,
los periféricos digitales, la mayor parte de la RAM y la CPU están controlados por reloj,
la CPU se detiene al apagar los pulsos de reloj, mientras que el coprocesador RTC y
ULP se mantienen activos.
 Modo Sueño profundo (Deep Sleep): En el modo de sueño profundo, la CPU principal,
la RAM y todos los periféricos digitales están apagados. Las únicas partes del chip que
permanecen encendidas son, el controlador RTC, periféricos RTC (incluido el
coprocesador ULP) y memorias RTC. El resto de los componentes están apagados.
Durante este modo, la CPU principal se apaga, mientras que el coprocesador ULP
realiza las mediciones del sensor y activa el sistema principal, en función de los datos
medidos de los sensores. Este patrón de sueño se conoce como patrón monitoreado por
sensor ULP.
 Hibernación: A diferencia del modo de sueño profundo, en el modo de hibernación, el
chip también desactiva el oscilador interno de 8 MHz y el coprocesador ULP. La
memoria de recuperación RTC también está apagada, lo que significa que no hay forma
de que podamos conservar ningún dato durante el modo de hibernación. Todo lo demás
se apaga, excepto el temporizador RTC y algunos GPIO RTC, que son los responsables
de despertar el chip del modo de hibernación.

Figura 20. Placa de desarrollo MCU ESP32 (Fuente: [97]).

4.4.4. Módulo de Energía
Como módulo de energía se tiene considerado utilizar un prototipo de almacenamiento
solar con objetivo de retroalimentar constantemente el sistema, y de aumentar la vida útil de los
dispositivos finales. En ese sentido se decidió en incluir un cargador solar de LiPo (o Solar LiPo
Charger) desarrollado por la compañía DFRobot (véase Fig. 21 (B)). Este componente se
caracteriza por tener dos funciones. Por un lado, nos permite cargar una batería LiPo de 3,7[V]
mediante una celda solar y por otro lado nos permite alimentar la placa ESP32 y los sensores
(Utilizando ese mismo voltaje de 3,7[V]). Una particularidad de este cargador es que la gestión
para conmutar entre alimentar o cargar la batería la hace de forma automática y utiliza un
sistema de carga inteligente para no dañar la batería, suministrando un voltaje de corte de
carga de 4,2 [V]. Cuando la alimentación llegue a los 3,7 [V] el cargador dejará de suministrar
corriente de carga a la batería (Las baterías LiPo se pueden dañar si se aplica tensión
indefinidamente).

Figura 21.Celda solar (A), Cargador Solar de Lipo (B) y Bateria de Lipo (C) (Fuentes: [98]).

En la Tab B. 9 (ANEXO B) se especifica el valor del voltaje de entrada

que se debe suministrar al cargador solar, permitiendo rangos de entradas
que varían desde los 4,4[V] y 6[V] como máximo y por otro lado la corriente
de carga nos dice la corriente máxima para cargar la batería. Esto datos nos
indican qué panel solar debemos utilizar, por lo tanto, sabiendo que la
potencia viene expresada por la expresión (6).

P=V ∗I [ W ] (6)

Al evaluar los márgenes máximos aceptados en voltaje y corriente, para un panel

solar de 6V que tenga una corriente de carga máxima de 500[mA], resulta como un máximo de
3[W] de potencia aproximadamente. No obstante, si se considera un panel solar con menos
potencia, lo que sucederá es que batería se cargará más despacio.
La carga dependerá totalmente de donde se encuentre el sistema. Es recomendable en
lugares soleados como en las zonas norte y centro-sur del país una batería 1.000 [mAh],
mientras que, en zonas sureñas como la región de los ríos, es recomendable asegurarse con
una batería de 2000 [mAh] debido al clima. Hay que tener en cuenta que mientras más
capacidad en [mAh] tenga una batería, mayor será sus dimensiones.
Anteriormente mencionamos que los sensores CO y CO2 requieren de un voltaje de
alimentación de 5[V] y 6[V], respectivamente y dado que la salida del cargador solar solo
suministra un voltaje de 3,7 [V], se va a incorporar un elevador de voltaje Boost Step Up (véase
Fig. 22), para abastecer en energía a los sensores, la placa ESP32 y el resto de los dispositivos
en el nodo. Este elevador está basado en el chip MT3608 y admite en una entrada de voltaje de
2 [V] a 24 [V] y una salida de voltaje de 5[V] a 28 [V], según las especificaciones técnicas [99].

Figura 22. Modulo elevador de Voltaje Boost Step Up basado en MT3608 (Fuente: [100]).

El elevador ocupa un potenciómetro que regula los cambios de voltaje de salida

mediante un divisor de tensión, como se observa en la expresión (7).

( )
V OUT =V REF 1+
R1
R2
(7)

Donde el voltaje de referencia interna V REF es de 0.6[V], y el voltaje de salida es

dependiente de la relación entre las resistencias R1 y R2 en el pin FB (relacionado al MT3608).
Finalmente, la tensión de salida viene dada por el V OUT de la expresión (7) [99].

4.4.5. Módulo de recepción y Servidor de Red

Lo más probable es que se deba realizar un prototipo de diseño de red desplegada con
una cantidad enorme de sensores montados densamente sobre el parque. Dada a esta
información podríamos disponer de una pasarela con una gran cantidad de canales (idealmente
superior a los 16 canales) para la retransmisión de los datos recibidos de los nodos a los
servidores de red. En ese contexto se determinó de utilizar una pasarela Kerlink Wirnet iBTS
adaptable en canales y que incorpora cuatro módulos de módem LoRa-RF (64 canales en total),
en donde cada uno permite una capacidad de 16 canales, en un BW de 125 kHz con múltiples
SF en los enlaces ascendentes. Además, este gateway permite recibir 2 canales para factores
de difusión mono de 250 kHz y 500 kHz, FSK de 2 canales, transmisiones de 2 canales, hasta
obtener un total de 80 canales [101].

Tabla 4. Comparación general de los servidores TTN y Chirpstack.

Características The Things Network (TTN) ChirpStack
Tipo de Red Publica Privada
Tiempo Max. enlaces 30 [s] en total ilimitado En
ascendentes (por día)
Mensajes Max. en
enlaces descendentes 10 por día ilimitado
(por día)
De 8 a 10 canales ilimitado (pudiendo de
Max. planes de (especialmente una sub- disponer de todas las sub-
frecuencia por sub- banda definida por TTN bandas permitidas en la
banda para la región en región a trabajar)
específico)
Tipo de Arquitectura Ya implementada OpenSource (adaptable y
de red configurable)
Permite la entrada a
Limitadas y definidas por múltiples integraciones de
Innovación TTN desarrollo en la Aplicación
incluida tecnologías
emergentes de Big-Data
cuanto a los servidores de red LoRaWAN, se decidió debido a las limitaciones en su uso,
funcionamiento y prestaciones que ofrecen. Entre los servidores de alojamiento de datos más
reconocidos y utilizados, se encuentran The Things Network (TTN) y ChirpStack. En donde se
optó por utilizar Chirpstack, puesto que este servidor no está limitado por políticas de uso, como
ocurre en el caso de TTN [102] (véase Tab. 10). Además, TTN limita los planes de frecuencia
de enlaces ascendentes y descendentes para parámetros regionales por país, donde para
AU915, solo tienen disponibilidad 9 canales para enlaces ascendentes (Entre los intervalos de
la Sub-banda de canales de 916,8 – 918,2 [MHz], para SF7 – SF12 y BW de 145 [KHz]) y 9
canales de enlaces descendentes (Entre los intervalos de la Sub-banda para los canales de
923,3 – 927,5 [MHz], para SF7 – SF12, con BW de 500[KHz]) [103]. Estos planes de frecuencia
y políticas de uso no se aplican en Chirpstack, acotando que nuestro sistema requiere de un
gran uso de disponibilidad en canales de enlaces ascendentes, con objetivos de obtener un
elevado rendimiento en el Gateway Kerlink iBTS.
En sus inicios Chirpstack se fundó con el nombre de LoraServer y es un Stack Open-
Source (código libre) que ofrece el desarrollo soporte de infraestructura (pila de componentes)
para redes LoraWAN. El Stack completo es una solución lista para su uso incluyendo una
interfaz web amigable y una API para integración de aplicaciones de terceros. Todos los
componentes de Chirpstack están sujetos a la licencia MIT y pueden utilizarse con fines
comerciales [104].

Figura 23. Puerta de enlace Kerlink iBTS y (A) y pila de servidor de red ChirpStack (B).

4.6. Conclusiones del Capitulo

Las herramientas y componentes descritas en este capítulo corresponden a los
principales requerimientos del hardware, analizados con una estricta evaluación, respecto a las
normativas que se rigen en la nación de Chile. Dada a la enorme cantidad de recursos que se
podrían de disponer y a elección del diseñador, como múltiples alternativas en los sensores de
medición, unidades de procesamiento o inclusive tecnologías inalámbricas de comunicación,
fue de suma importancia poder resolver las especificaciones del sistema acorde a los
requerimientos de todos los componentes. En el caso de los sensores y el módulo de
comunicación, fue importante que estos componentes fueran compatibles con las interfaces de
entrada/salida de la unidad de procesamiento ESP32.

CAPITULO V
DISEÑO Y ARQUITECTURA DE RED
5.1 Introducción
En esta sección se detallan los diferentes elementos que componen nuestro sistema. Se
analiza en primera instancia un modelo desarrollado a partir de la recopilación de datos
presentes en el parque Arboretum, destinados para el desarrollo del sistema y funcionamiento
de este. Además, se propone una arquitectura de red LoRaWAN basado en dispositivos de
nodo de sensores. Con objetivos de obtener un modelo más preciso del entorno del sector
parque Arboretum, se van a evaluar los puntos estratégicos donde exista un mayor flujo de
personas, dado que como anteriormente se mencionó, estudios demuestran que los IF son
desencadenados en su mayoría por acciones humanas. Bajo este criterio se decidió que sería
un factor relevante en la inclusión del modelo, dado que, en lo cotidiano, y sobre todo a lo que
respecta en épocas estivales, en donde existe un alto flujo de transeúntes. Dicho esto, se va a
elaborar una estrategia basada en el seguimiento demográfico para diferentes sectores del
parque, en conjunto de una serie de pruebas, con propósitos de cuantificar la información
obtenida y demostrar gráficamente las zonas más y menos transitadas. En similitud al análisis
anterior, se van a generar modelos que clasifiquen en grados la cantidad de combustible
forestal existentes en el parque, localizando las zonas de mayor riesgo y predominancia que
beneficien la activación y la propagación de un IF. El criterio de cuantificación de la zona será
realizado de la misma forma al modelo de desplazamiento del flujo de personas por el parque,
localizando las superficies con mayor superficie de combustible forestal, especialmente
materiales de origen natural, tales como el pasto seco, bosque caído (principalmente Árboles),
arbusto, matorrales, áreas de pastizales, material orgánico muerto, entre otras.

5.2 Modelos de Estrategia y Optimización

Los sistemas utilizados en el parque Arboretum tienen que estar implementados de tan
manera que no haya perdida de la información, además de soportar las condiciones hostiles
que se dan en temporada de verano e invierno. El diseño en cuestión estará sujeto a ciertos
factores que entregaran información expedita y valiosa, como el conteo del flujo de personas y
la cantidad de combustible forestal en la zona, siendo estas variables determinantes para poder
evaluar un posible escenario de IF.
El modelo de probabilidad de un posible IF está restringido para ciertas condiciones
propuestas en la Figura C. 1 (ANEXO C), en donde los factores externos, climáticos y
geográficos son el pilar primario para obtener un modelo predictivo que involucren etapas
iniciales del fuego. La actividad humana es un factor importante por considerar, dado que puede
presentar situaciones y circunstancias favorables para que sea posible un evento de riesgo de
IF. Luego de condiciones climáticas extremas como temperaturas elevadas, bajos valores en
porcentaje humedad relativa o fuertes ráfagas de viento, hacen en el peor de los casos un
escenario ideal para una alta probabilidad de propagación de un IF. Además, algunos de estos
fenómenos afectan directamente la cantidad de combustible forestal presente en el lugar,
producto de las prolongadas temporadas de sequía.
En primera instancia, se van a clasificar tres sectores, que involucran la cantidad de
combustible forestal de la zona, en la que llamaremos Combustible Natural e inflamable (CNI),
buscando signos de pasto, matorral, Hojarasca bajo arbolado y restos de operaciones silvícolas
(basado en el modelo de combustibles de Rothermel y procedimiento explicado con mayor
detalle en ANEXO C) determinados en tres grandes áreas:

 Alta cantidad de combustible (ACC): Esta área se caracteriza por tener un alto
volumen en [t/ha] de material seco e inflamable que es capaz de generar grandes IF,
afectando principalmente en la propagación de este.
 Media cantidad de combustible (MCC): Se caracteriza por tener un volumen en [t/ha]
más reducido de combustible, sin embargo, puede también producir grandes IF, pero a
menor intensidad que ACC, además a diferencia del primero este posee la característica
de generar una menor tasa de propagación.
 Baja cantidad de combustible (BCC): Se caracteriza por tener una baja concentración de
combustibles forestales (en [t/ha]), sin embargo, aunque posean estas características, es
 necesario acotar que aún existe una probabilidad mínima de incendio solo que la
propagación y el impacto es menor que en los casos de ACC y MCC. Además, esta zona
puede que tenga algunas cepas de combustible seco, pero con alto grado de dispersión.

La cantidad de combustible forestal en invierno puede ser casi nula, con altos porcentaje
de humedad y bajas temperaturas, lo que ocasiona en una probabilidad baja de IF.
Para el caso del flujo de personas, fue necesario realizar una clasificación que dependa
completamente de desplazamiento de personas que circulan por el parque. Por lo que se
evalúo a partir del conteo de personas que transitaron los diferentes lugares del parque, ya sea
con propósitos de estacionarse o simplemente desplazarse por la zona (Mayores detalles del
procedimiento en ANEXO C). Se realizó una distinción entre los lugares más y menos
habitados, denominado Flujo de Circulación Humana (FCH) y clasificado en tres áreas:

 Alta Tasa de Circulación (ATC): Corresponde a las zonas transitadas, donde hay un
mayor flujo de personas. Se relaciona a todas aquellas personas que se desplazan
constantemente por el lugar (personas en movimiento) o simplemente a los que
prefieren quedarse en un lugar por largos periodos de tiempo (personas estáticas). Se
relacionan a las zonas de mayor interés por el visitante.
 Media Tasa de Circulación (MTC): Refleja los lugares en donde existe un flujo de
personas moderado. En estas zonas las personas por lo general se desplazan y no
tienen un atractivo o un alto impacto para los usuarios que están transitando por el lugar.
Además, la tasa de personas que pasan por esto lugares en un determinado tiempo es
menor que en ATC.
 Baja Tasa de Circulación (BTC): Corresponde a los sectores donde hay un nulo y bajo
flujo de personas. Comúnmente estos lugares son aquellos donde el terreno no es muy
accesible y la geografía no acompaña mucho, debido principalmente a que posee un
terreno irregular, en conjunto a obstáculos, viéndose involucrada vegetación, material
muerto, mayor densidad de árboles, nula existencia de senderos, etc. Además, se
consideran lugares remotos, alejadas de las zonas atractivas y más populares presentes
en el parque.
 Figura 24. Sistema completo de monitoreo, predicción y control de eventos en IF.

Las condiciones estratégicas CNI y FCH son dependientes de los factores estacionales y
climáticos, eso quiere decir que la cantidad de personas en la zona y la cantidad de combustible
forestal en invierno, difieren completamente de las temporadas de primavera, otoño y verano,
adquiriendo cambios progresivos durante periodos de tiempo relativamente largos. Esto lo
podemos relacionar con el diagrama sistemático en bloques descrito en la Fig. 24, en donde se
describen las variables más influyentes de nuestro sistema. Aquellas variables relacionadas
directamente a las condiciones meteorológicas corresponden a CNI, FCH e IPO y están
estrictamente relacionadas a los niveles de riesgo que puedan surgir en futuros eventos de IF.
El sistema de medición, procesamiento, recolección, análisis y evaluación de datos estarán a
cargo de obtener información del parque (mediciones de las variables meteorológicas,
procesamiento de la MCU, etc.) y sentadas sus bases sobre el sistema de optimización y el
despliegue, que serán el resultado una serie de medidas y estrategias que se van a ir
desarrollando de acuerdo con el avance de las siguientes secciones. Finalmente, el modelo
estará dotado de un sistema de gestión, alarma y emergencia en consecuencia, producto de
una serie de eventos predictivos relacionados a los IF, siendo visualizados mediante un sistema
de monitoreo en línea.
Para determinar la cantidad de material inflamable y el flujo de personas promedio en
sector parque Arboretum, se elaboraron mapas de área presentados en la Fig. 25. Para este
propósito se utilizó la herramienta de software denominado Arcmap (con su Módulo de ArcGis)
mediante el método Clasificación de intervalo geométrico para una determinada superficie de
puntos dispersos en el área del parque (explicación en ANEXO C). Las regiones con mayores
cantidades de ACC corresponden a las zonas con superficie roja, las MCC a las zonas de
superficie amarillas y BCC las zonas de color azul (o neutral sin color). Se determinaron que las
zonas con mayor cantidad de combustible se presentan en las superficies intermedias
referentes al parque. Sin embargo, las zonas más cercanas a las riberas del río fueron aquellas
regiones que presentaron menores niveles de combustible forestal y mayores índices de
humedad.
Para el caso particular de la cantidad de personas que se desplazan por el parque, el
proceso fue realizado de manera similar al análisis del combustible forestal. Se realizo un
muestreo de los lugares con mayor flujo y circulación de personas, en donde se observaron las
zonas con mayor tránsito y presencia por los usuarios activos del lugar (véase Fig. 25). La
región ATC se determinó con un área superficial de tono rojo, correspondiendo a la variable con
mayor flujo de personas en el parque. Estas áreas destacaron por tener senderos y caminos
con un fácil acceso, y con privilegios, dando una mayor atracción al turismo como es el caso del
mirador fundo Teja Norte, ubicada en la zona más norte del parque entre las intersecciones del
rio cruces y Cau-Cau. Sin embargo, no todo el parque es visitado con la misma intensidad,
dando lugar a sectores del parque que tienen una menor de circulación de personas.

Índices IPO ZAR ZRM ZBR

ATC – ACC MTC – MCC MTC – BCC
Extremo – Alto – Medio ATC – MCC ATC – BCC MCC – BTC
IPO ≥ 46 MTC – ACC ACC – BTC BTC – BCC
ATC – ACC MTC – MCC
Bajo – Nulo – ATC – MCC MTC – BCC
IPO<46 MTC – ACC MCC – BTC
BTC – BCC
Tabla 5. Zonas de riesgo en parque Arboretum a partir de las condiciones de CNI y FHC.

Las áreas intermedias MTC, se caracterizaron como aquellas superficies con

tonalidades amarillas. Estas zonas corresponden a senderos de menor rango de acceso, con un
grado de desnivel importante en el terreno y donde se practica bastante actividad deportiva.
Finalmente, las zonas con menores y nula circulación de personas corresponden a las regiones
de áreas de tonalidades color azul (y sin tonalidad de colores). Estas zonas son de difícil acceso
por el hecho tener irregularidades importantes en el nivel del suelo, además de no contar con
caminos y senderos directos para circulación de personas, ya sean para el turismo, actividades
deportivas y público en general.
Estas magnitudes estimativas entregadas en los mapas son una aproximación promedio
en épocas de pandemia, el FCH podría aumentar en condiciones normales. Finalmente se van
a determinar las zonas de riesgo dependiendo de los grados de cada área, como se puede
observar en la Tab. 5, en donde se incorporó una estructura clasificada por zonas de riesgo y
condicionadas principalmente por los índices IPO. Estas zonas fueron el resultado de la
intersección y unión entre FHC y CNI, obteniendo las zonas de Alto riesgo ( ZAR), zonas de
riesgo moderado ( ZRM ) y zonas de bajo riesgo (ZBR).

Figura 25. Análisis y evaluación de las áreas CNI y FCH.

Las ecuaciones para diferentes zonas de decisiones se muestran a continuación para

condiciones de IPO ≥ 46:

ZAR=( ATC ∩ A CC ) + ( A TC ∩ A CC ) + ( M TC ∩ A CC ) ( 8)
 ZRM= ( M TC ∩ M CC ) + ( ATC ∩ BCC ) + ( ACC ∩ BTC ) (9)
ZBR=( M TC ∩ BCC ) + ( M CC ∩ BTC ) + ( BTC ∩B CC ) (10)

Mientras que para el caso de IPO<46 tenemos que:

ZAR=∅ (11)
ZRM= ( A TC ∩ ACC ) + ( ATC ∩ A CC ) + ( M TC ∩ ACC ) (12)
ZBR=( M TC ∩ BCC ) + ( M CC ∩ BTC ) + ( BTC ∩B CC ) + ( M TC ∩ M CC ) (13)

Figura 26. Áreas ZAR, ZRM Y ZBR demostrada gráficamente.

Las áreas resultantes de ZAR, ZRM y ZBR, se observan en la Fig. 26 y

corresponden a la unión e intersección entre las variables FCH y CNI , como se predice en las
ecuaciones (8), (9), (10), (11), (12) y (13). El área total de ZAR es de un total de 509.053 m2
(sumando las Zona_4 y la Zona_11), mientras que para las zonas de riesgo ZRM bordean los
 2
538.518 m en total. Sin embargo, existen áreas en la zona ZAR en la que no incorporan
árboles, presentando solo combustibles del modelo 1 y 2. Esto se debe tener en consideración
si se llegar a desplegar una red de sensores, dado que en esta clase de entornos la base y el
montaje de estos nodos podría estar relacionada al soporte de los árboles del sector.
Para los índices IPO<46 el sistema adopta un esquema reducido, en donde solo se
presentan las zonas ZRM (véase Fig. 24 B). Esto es debido a que en condiciones de IPO<46 ,
el estado actual de parque con respecto a los IF es de una menor y escasa probabilidad, lo que
podría permitir en un futuro ahorrar recursos operativos en el funcionamiento del nodo de
sensor.

5.3 Propuesta de Arquitectura del Nodo de Sensor

Se especifica la arquitectura del nodo de sensor en la Fig. 30 (Arquitectura detallada en
la Fig D. 1, ANEXO D), clasificándolo en seis secciones, representada cada una de ellas con
sus respectivos módulos e interfaces de comunicación, siendo la unidad de procesamiento el
intermediario entre ellas. Los dispositivos descritos en el nodo corresponden al módulo de
medición, el módulo de procesamiento, los módulos de almacenamiento de energía, el módulo
de localización GPS y el módulo de comunicación, que se discutieron con mayor detalle en el
capítulo 4.
El módulo principal estará a cargo de la unidad de procesamiento ESP32. Mientras que
el módulo SX1276 será el encargado de establecer la comunicación entre los nodos y las
pasarelas locales mediante protocolo LoRa. La comunicación entre el ESP32 y el SX1276 será
a través de interfaz SPI.
Los sensores que midan CO, CO2, Temperatura, Humedad y presión, estarán a cargo
de los módulos MQ-7, MG-811 y BME680. Estos dispositivos tienen una serie de interfaces de
conexión. El MQ-7 y el MG-811 utilizan ambas dos salidas, una análoga A0 y otra digital D 0
aprovechando las entradas ADC del ESP32, mientras que BME680 ocupa una conexión I2C. La
alimentación en voltaje difiere en cada dispositivo, el sensor MQ-7 y el módulo ESP32 requieren
de un voltaje de3 , 3[V ], mientras que el sensor MG-811 necesita de 6 [V ] para funcionar. En
cambio, el sensor BME680, el módulo GPS NEO-6M y el módulo de comunicación SX1276 solo
requieren de 3 , 3[V ]. Para aumentar la vida útil del nodo de sensor, se optó por incorporar un
sistema fotovoltaico a través de un panel solar con capacidad de 2[W] y con una salida de
voltaje de 6 [V ] . Este va enlazado a un módulo de carga solar y una batería de litio con
capacidad de 2000 [mAh]. Como las salidas de voltaje de este cargador son de alrededor de los
3 , 7[V ], se integró un elevador de voltaje basado en los MT3608 para compensar las entradas
de voltaje en los sensores MQ-7, MG-811 y ESP32. Además, se incluyeron divisores de tensión
para suministrar los voltajes necesarios, sin comprometer el funcionamiento de cada dispositivo.
Por otra parte, el nodo de sensor debe cubrir un área superficial y ser representada a
través de un modelo circular, en donde el radio de detección debe ser capaz de localizar en
toda su área el posible evento de IF. Mientras más sensible sean los sensores, adquieren un
mayor rango de medición, lo que causa un menor despliegue de dispositivos finales resultantes
en un campo de sensores, debido a que los nodos son capaces de cubrir un área superficial
muchos más amplia.
 Figura 27. Arquitectura de nodo de sensor.

Para desplegar un determinado campo de sensores, el nodo adoptara los siguientes

protocolos:
 Los nodos de sensores serán desplegados solo en las zonas estratégicas descritas
anteriormente como ZAR y ZRM , dado que son los únicos sectores con potencial
suficiente para provocar y propagar eventos iniciales de IF. Esta es una decisión que
conlleva en su mayoría beneficios económicos asociadas a la implementación, y por
ende a los costos de instrumentación (menor número de sensores o controladores),
como también una disminución en la latencia, colisiones y consumo de la red.
 Cada zona de despliegue estará sometida a un estricto control en la adquisición de
datos y mediciones realizadas en los nodos de sensor. Estos van de la mano con las
mencionadas zonas ZAR y ZRM , generando una estructura única, en donde se van a
transmitir los datos a los servidores en forma ordenada, periódica y jerarquizada. Esto
permite controlar los mensajes transmisión de datos hacia el servidor, evitando saturar
los sistemas de recepción.
 Ahora bien, para desplegar una red estructurada y ordenada en la superficie del parque
Arboretum, es necesario determinar un área superficial para cada nodo, en donde clasificamos
la cantidad de nodos en una determinada región superficial como:

Ms
C n= 2
(14)
πl

En donde M s es el área total de dispositivos (en [m2] ), respecto las zonas ZAR y ZRM , y
l el radio de detección de los sensores (en [m]). La expresión (14) representa la cantidad de
nodos que pueden desplegarse en un área definida, en donde el termino π l2 representa el área
circular de un nodo de sensor. En consecuencia, si esta área se hace mayor, menor cantidad de
dispositivos se desplegarán dentro de las zonas ZAR y ZRM , sin embargo, esto podría causar
una menor capacidad de detección de los sensores en la fase de medición.

Figura 28. Funcionamiento general del nodo de sensor.

 En secciones anteriores se destacó que el funcionamiento del sistema estaría
condicionado por los parámetros IPO, afectando al funcionamiento individual de cada nodo.
Inicialmente cuando se obtiene un índice IPO ≥ 46, el funcionamiento adopta una configuración
que involucran las zonas ZAR y ZRM como se aprecia en el diagrama de flujo de la Fig.30. En
un principio el ESP32 y el BME680, ambos adoptaran el modo modem Sleep y modo
suspensión, respectivamente, dejando operativos solo los sensores MQ-7 y MG-811. Esto tiene
como objetivo que el modelo sea de bajo consumo de energía en el nodo, alternando sus
modos de funcionamiento para diferentes circunstancias. En cada medición se procesarán los
datos a través del ESP32, comparando estos datos obtenidos y verificando si existe
anormalidades. Los umbrales de medición CO ≥ 10[ ppm] se consideran alterados para el
sensor de MQ-7, mientras que los valores CO 2 ≥ 800[ ppm] se consideran anormales en el
sensor MG-811. Estos rangos podrían considerarse relativamente bajos, sin embargo, es
beneficioso para aumentar la sensibilidad en la medición, dado que el CO y CO2 son gases
dispersivos, que pierden su intensidad a medida que se expanden. En el caso que no se
detecte ninguna anormalidad en la medición, el nodo entra en un ciclo periódico condicionado
por los tiempos de espera y alerta t s, con valores de 15 y 27 minutos para las zonas ZAR y
ZRM , respectivamente. Cuando las condiciones iniciales del tiempo t s se cumplen, el sensor
BME680 entra en modo forzado, realizando las mediciones de la Temperatura, humedad y la
presión. Luego se realiza la transmisión de los datos mediante el módulo SX1276 (LoRa), sin
antes cambiar al modo activo. Los datos son enviados y recibidos por los servidores en donde
son procesados y distribuidos hacia el sistema de detección IF.
En caso de no existir riesgos de IF, el sistema evalúa los tiempos de reinicio (TDR), con
objetivos realizar actualizaciones en relación con los parámetros IPO. En cambio, si la
evaluación de riesgo de incendios es positiva, desencadena que el sistema entre en un estado
de emergencia y alarma. Es importante destacar que los valores anormales de CO y CO2, son
comprobados, complementando las mediciones realizadas por el sensor BME680, además de
proporcionar una mayor información a los sistemas de análisis de IF en estaciones remotas.
Para los valores de IPO<46 el funcionamiento es similar, con la diferencia que solo
existe la zona ZRM debido a un menor riesgo de IF. Las mediciones se realizan ocupando un
sensor menos para la comprobación (utilizando solo los sensores de Temperatura y humedad),
para disminuir los consumos totales en los dispositivos finales. La zona anteriormente descrita
como ZRM (cuando los índices IPO ≥ 46) se inactiva completamente. Esto se realiza dejando el
ESP32 en modo Deep Sleep (sueño profundo), correspondiendo a uno de los estados con
menor consumo de energía del dispositivo. En este modo se desactivan automáticamente los
periféricos con entradas digitales y analógicas, inhabilitando las funciones de los sensores y
dejando solo al módulo de comunicación SX1276 como temporizador ante nuevas
actualizaciones de los índices IPO.

5.4. Propuesta de Arquitectura de Red IoT

5.4.1. Arquitectura de Red Chirpstack
La arquitectura de red se basó en la topología estrella de la red LoRaWAN como se
anticipó anteriormente, recopilando los datos de los sensores distribuidos en las zonas ZAR y
ZRM del parque. En donde se propuso a ChirpStack como servidor principal de nuestro modelo
de arquitectura tal y como se observa en la Fig. 29. Este nos proporciona una serie de
componentes que interactúan entre sí, generando una infraestructura necesaria que tiene como
finalidad recibir información de dispositivos y pasarelas LoRa. Además, genera capacidades de
gestión en los nodos y adminsitra la información que envían los dispositivos a disposición de
terceros, para que la consuman. El funcionamiento de los Bloques del servidor Chirpstack es el
siguiente:
 Los dispositivos finales emiten la información del entorno mediante enlaces ascendentes
LoRa, en donde son recibidos por pasarelas ubicadas en INFOR. Luego se recopilan los
datos de los nodos, en donde el módulo Packet forwarder transformará un paquete
LoRa en un paquete UDP, transfiriendo la información que proporciona el dispositivo
hacia el puente de puerta de enlace (Gateway Bridge) que es el encargado de
transformar el dato enviado desde el Packet Forwarder para ser utilizado como sistema
de mensajería interna para el resto de los componentes de ChirpStack en la nube. El
Gateway Bridge utiliza MQTT para publicar eventos y recibir comandos, volcándola en
un servidor Broker MQTT pub/sub.
 El Broker conecta al servidor de red (Network Server), considerado uno de los bloques
más importante de la red de nube Chirpstack y es el encargado de monitorear el estado
de la red y de los dispositivos conectados. Además, cumple el rol de administrar el
acceso de nuevos dispositivos, consolidar la información, autentificar los dispositivos y
gestionar el envío de mensajes desde ChirpStack a los dispositivos (gestión de la capa
MAC LoRaWAN).
 Luego el servidor de aplicaciones (App Server) es el que proporciona una interfaz web y
API para la gestión de usuarios, organizaciones, aplicaciones, puertas de enlace y
dispositivos. Los datos de enlace ascendente recibidos se reenvían a una o varias
integraciones configuradas.
 Finalmente, la Aplicación final recibe los datos de los dispositivos a través de una de las
integraciones configuradas (mediante JSON/REST desde el App Server o directamente
desde el bróker MQTT). Se pueden utilizar las APIs existentes en el servidor de
aplicaciones ChirpStack para programar una carga útil de enlace descendente a los
dispositivos finales. El propósito de una aplicación final podría ser análisis, alertas,
visualización de datos, acciones de activación, etc.

La estructura de red interna en la nube de Chirpstack (elementos del Back-end) son

fundamentales para realizar el puente entre los dispositivos finales a los elementos externos del
sistema (elementos del Front-end), en donde encontramos todo lo visible mediante interfaces
graficas con integración a nuevas tecnologías API.

5.4.2. Funcionamiento General de la Red

A partir de estas circunstancias el modelo tendrá un método jerarquizado en la
transmisión, clasificando en dos tipos, para enlaces ascendente de nodos a servidores y un tipo
de descendentes de servidores a nodos:
  1° Enlace ascendente: Los nodos enviaran los datos en un intervalo de tiempo
predeterminado, inclusive si no existen eventos inesperados.
 2° Enlace ascendente: Los nodos van a enviar los datos a partir de eventos
inesperados, por la ocurrencia de mediciones alteradas en los sensores.
 Enlaces Descendentes: Los servidores de datos enviaran información de los
parámetros IPO mediante un intervalo de tiempo predeterminado.

El funcionamiento del sistema se puede apreciar en los diagramas de flujo de las Figuras
30 y 31, separando el modelo en dos apartados. La primera sección corresponde a la estructura
de alerta predictiva y riesgo medición temprana de los sensores (incluyendo el procesamiento y
el análisis de los factores meteorológicos), mientras que el segundo menciona los protocolos a
seguir en caso de una posible emergencia de IF.

Figura 29. Propuesta de Arquitectura LoRaWAN.

En un principio se deberán evaluar los valores meteorológicos de valdivia en los rangos

de índices IPO para programar los posibles escenarios de funcionamiento en el sistema. En
donde los valores de IPO ≥ 46, representaran un escenario riesgo máximo en cuanto a alertas
de IF, generando un mayor uso de recursos disponibles y por los tanto, un mayor consumo
energético en los nodos. Adicionalmente se integrará un algoritmo que pueda analizar y evaluar
las mediciones de los sensores. Luego un bucle condicionado por los tiempos de Reinicio
(TDR), permitirá al sistema actualizarse con respecto a los horarios del día y futuros valores de
índices IPO.
El sistema completo de detección cumple con las siguientes condiciones, para índices
IPO ≥ 46:
 En el modo de alerta y espera el nodo tendrá un funcionamiento cíclico y de bajo
consumo. Esto quiere decir que el módulo de comunicación inalámbrica
(SX1276), una parte del MCU (ESP32), los sensores de temperatura, presión y
humedad (BME680), estarán en modo suspensión y sueño profundo, con un
estado de alerta asociado respecto a los cambios que pueden suceder en la
medición de los sensores de CO y CO2.
 El modo alerta estará condicionado para cada zona ZAR y ZRM , con un tiempo
de espera y alerta de t s=900[s ] (cada 15 minutos) y t s=1620 [s] (cada 27
minutos), respectivamente.
 Los sensores de CO y CO2 estarán siempre activos puesto que para su
funcionamiento necesitan elevar las temperaturas de sus calentadores internos,
sin embargo, por defecto este realiza mediciones cada 30[ s]. Si las mediciones
de estos sensores presentan alteraciones, simultáneamente se van a realizar las
demás mediciones del resto de sensores y realizando transmisión mediante
Enlaces Ascendentes (EA). En ese preciso momento, es en donde el nodo más
energía consume.
 Cada vez que se cumplan los tiempos t s estipulados por las zonas ZAR y ZRM ,
de forma similar al caso anterior, simultáneamente se realizan las mediciones de
los demás sensores. Luego son transmitidas mediante EA hacia las pasarelas
locales y retransmitidas a un servidor, para su posterior procesamiento.
Finalmente, se realizarán las evaluaciones y análisis “Análisis de los datos”,
mediante algoritmos decisión y predicción, siendo los encargados de determinar
si existe riesgo de IF. Además, los datos serán registrados en una plataforma
web a través de un Dashboard, almacenando un historial de registros en las
mediciones.
 El tiempo de reinicio (TDR) para la actualización de los parámetros IPO, será de
aproximadamente de 90 minutos (TDR ≥ 5400 [s]) .

En forma similar al caso anterior, se tienen las siguientes características cuando se

cumpla la condición de IPO<46 :
 A diferencia del caso anterior ( IPO ≥ 46), la zona ZRM pasan a quedar inactiva,
mientras que ZAR adopta el funcionamiento de la zona ZRM (véase Fig. 30).
 En este estado no se tienen riesgos de máxima peligrosidad, por ende, las
condiciones aplicadas son mucho más flexibles. El Modo Alerta estará
caracterizado por solo ZRM , con holguras de tiempo de espera y alerta de
t s=1800 [ s ] (cada 30 minutos). El sensor de CO y CO2 siempre estarán activo,
mientras que los demás en modo espera.
  Cuando se realice la medición total de los sensores, solo se realizarán mediante,
Temperatura y Humedad.
 Los valores de las mediciones en los sensores serán procesados por una MCU y
luego enviados a través de EA, para realizar su respectivo evaluación y análisis
en el sistema de “Análisis de datos”, mediante los algoritmos de decisión y
predicción de IF.
 El tiempo de reinicio (TDR) para la actualización de los parámetros IPO, será de
aproximadamente de 120 minutos (TDR=7200[s]).

Este modelo pretende solo utilizar sus máximos recursos en situaciones determinadas y en
un contexto que lo requiera (cuando los índices IPO sean muy grandes por condiciones
meteorológicas extremas).

Figura 30. Diagrama de flujo del funcionamiento principal (parte 1).

 La parte 2 del diagrama de flujo se presenta en la Fig. 31. En estas circunstancias se
asume que el sistema final ha confirmado un posible caso de IF, por lo que se tomarán una
seria de medidas para su proceso de control y extinción, jerarquizados en la siguiente
estructura:
 El sistema con antelación debe haber enviado una alarma de riesgo de fuego, labor que
fue realizada por los algoritmos de decisión y localización del sistema de detección IF.
Estas tareas fueron realizadas seleccionando algunos datos meteorológicos (como la
velocidad y dirección del viento, CO, CO2, Temperatura, Presión y Humedad relativa).
 Los datos medidos por los sensores serán visualizados en una plataforma web en línea
mediante un Dashboard.
 Se dispersarán Vehículos aéreos no tripulados (VAANT) por medio de Drones
autónomos ubicados en los centros remotos de recepción de datos (seria en INFOR,
lugar donde están las pasarelas), realizando un despliegue hacia el lugar localizado en
donde se originó el posible foco de incendio. Estos drones deben enviar la confirmación
de la existencia de IF.

Figura 31. Diagrama de Flujo Funcionamiento Principal (Parte 2).

 Para el caso de confirmación de incendio, los drones se preparan y realizan un análisis

de las probabilidades de éxito en una posible acción (o extinción) contra el fuego del
incendio, además están encargados proveer información extra e importante,
principalmente relacionadas con las características del incendio (como morfología,
 intensidad o su tendencia a la propagación). Es por este motivo que estos drones tienen
que estar equipados con toda clase de instrumentación.
 En caso de que los drones no tengan la capacidad de respuesta necesaria, se va a
informar para un posible despliegue del personal capacitado (como bomberos y
miembros de la CONAF) para realizar el plan de acción, coordinación y control frente al
siniestro.
 Los sensores seguirán enviando información a los servidores, activando la totalidad de
estos, en donde se medirán variables de Temperatura, Humedad, CO2 y CO, con
tiempos cíclicos de espera de t s=180 [s] (cada 3 minutos).
 La geolocalización del fuego se ira actualizando constantemente, para observar las
tendencias en la propagación y comportamiento del fuego, con objetivos de ir aplicando
estrategias de control, gestión en la seguridad del personal capacitado y resguardo de
las localidades cercanas a estas (casas, departamentos, villas, etc.)
 El sistema no dejara de estar en estado emergencia, a menos que logre controlar la
situación de fuego, por lo tanto, se van a ir realizando mediciones de los sensores con
una mayor frecuencia, para ir evaluando las condiciones del fuego constantemente y
sus pérdidas asociadas a estas, con un registro de las pérdidas materiales, pérdidas
humanas o perdidas asociadas a la biodiversidad. En caso de que el incendio sea
controlado, se procederá a la mantención de los daños materiales de nuestra red.

5.5. Sistema de Detención IF

El sistema fue entrenado en secciones anteriores con el propósito de entregar
una cantidad finita de datos medidos a través de los sensores durante un periodo de tiempo
determinado y programado. Estos se van a incluir como datos de medición real, para luego ser
evaluados y discriminados por un sistema de análisis de muestras que van a determinar en
cada envió si existe algún riesgo de incendio. Para realizar el seguimiento de los datos
retransmitidos por los servidores y enviados a los sistemas de algoritmo de detección y
decisión, se ha propuesto realizar el análisis mediante dos métodos de evaluación que
dependen netamente de las circunstancias y el contexto en el que fueron extraídos estos datos:

Valores Medibles Primarios (VMP): Son aquellos valores que el sensor distingue como
alterados en un tiempo indeterminado t y se asocia totalmente a la medición de CO y CO2, ya
que es el responsable de dar alerta de riesgo y establecer la transmisión de los datos fuera del
tiempo programado por los nodos. En definitiva, corresponden a la medición anormal de los
parámetros CO y CO2.
Valores Medibles Secundarios (VMS): Son aquellas mediciones realizadas por los sensores y
enviados periódicamente en intervalos de tiempos t predeterminados, y recibidos en los
sistemas de algoritmos de decisión y predicción. Generalmente no presentan datos alterados,
en vista de que son mediciones que están por debajo del rango de umbral de riesgo de
incendios. No obstante, entregan una medición que ayuda a realizar análisis comparativo con
resultados de mediciones futuras, haciendo que quede un registro temporal e histórico de las
mediciones t−1.
 En la Fig. 32 se observa como los datos son evaluados en el sistema de detección IF,
en donde se incluyen bloques estructurados a fin de predecir posibles eventos de IF. El bloque
de “valores de medición real” es el encargado de recibir los datos transmitidos por los nodos,
correspondientes a las mediciones VMP o VMS.

Figura 32. Sistemas de detección y decisión en IF.

Sea nT el número total de nodos en el campo ZAR y nT el número total de nodos en

α μ

ZRM . Los nodos con riesgos y posibles valores anormales en los sensores alcanzaran un total
de nra nodos alterados y este no es más que el valor nT total en las mediciones de VMP. Sin
i i

embargo, en el caso de no registrar valores alterados, nT pasa a ser un máximo valor,

i

correspondiendo en estricto rigor a las mediciones VMS. Cada retransmisión de datos por parte
del servidor de red, hacia el servidor de aplicación viene dado con un conjunto de datos λ C que
contienen las mediciones en un tiempo determinado, en donde se tiene que la media de los
valores alterados tomados por VMP está determinada por:

nra i
λC
λ C =∑ ra
(15)
rat
c=1 nra i

donde nra =nT ∀ nT ∈ { nT ; n T } ∨ i, α , μ ∈ N

i i i α μ

La expresión (15) nos entrega el valor medio alterado λ C , donde λ C corresponde a un

rat ra

valor anormal cualquiera, medido por los sensores en el último tiempo t determinado. Los
valores correspondientes a t−1, son aquellos que fueron enviados anteriormente y
almacenados en una base de datos del servidor de aplicaciones. Estos están definidos en la
expresión (16) y no presentaron alteración, por lo tanto, no cumple las condiciones de la
expresión (15).
 nT i
λc
λ C =∑ (16)
t−1

t−1
c=1 nTi

Asumiendo que se cumple la condición de total de nodosnT , que corresponde a los i

valores no están alterados VMS. Podemos realizar la comparativa entre los valores de
expresión (15) y (16) resultando:

k j ( λC − λC ) =β N [ u . m ] (17)
t −1 rat

La expresión (17) representa una estimación comparativa de los eventos ocurridos en el

tiempo t respecto a los transcurridos en el tiempo t−1, tanto para VMP como VMS y a medida
que decrecen los valores de β N , existe un mayor riesgo de IF. Además, esta es dependiente del
parámetro de correlación k j, determinada por la cantidad de nodos alterados nra y transmitidos i

en los enlaces ascendentes mediante en el periodo de mediciones VMP. Esta variable amplifica
la probabilidad de incendio, haciendo que el sistema sea mucho más sensible, puesto que, si la
cantidad de nodos alterados es mayor, más decrece el valor de β N . Las unidades medidas
[u .m] pueden corresponder a las unidades de ([ ppm],[hPa],[° C ]) y los rangos de umbrales
de β N se observan en la Tab. 6.

Tabla 6. Rangos de valores para determinar los estados de IF.

Condiciones Intervalos en riesgo
de β N
[0−9] Normal
Valores de CO [10−19] Alerta
(Valor Ref. 0 [ppm]) [≥20 ] Peligro
[0−799] Normal
Valoras CO2 [800−1199] Alerta
(Valor Ref. 350 [ppm]) [≥1200] Peligro
[0−5 ] Normal
Valores de T° [6−9] Alerta
(Valor Ref. 30 [°C]) [≥12] Peligro

Mientras que los parámetros de correlación k j se podrían considerar para los siguientes valores:
k j=1 , 2, cuando se k j=1 , 8, cuando se k j=2 , 3, cuando se
ha recibido 1 nodo han recibido 2 nodos han recibido 3 o más
alterado, ósea alterados, ósea nodos alterados, ósea
nra =1
i
nra =2 nra ≥ 3
i
i
 Este análisis nos demuestra que no solo el sistema es sensible a los cambios en las
mediciones respecto a los tiempos t y t−1, sino que también es dependiente de la cantidad de
nodos nra . Lo niveles de alerta y peligrosidad, harán que el sistema entre en un estado de
i

alarma.
En las Tab.D.3, Tab.D.4 y Tab.D.5 (en ANEXO D) se presentan un rango de valores que
podría alcanzar β N , en donde podemos observar las diferencias de medición y la probabilidad
que el sistema adopte un estado de alerta o peligro.

5.8. Conclusiones del Capitulo

Los modelos desarrollados en este capítulo buscaron restringir las zonas con mayor
riesgo de IF, empleando estrategias de optimización respecto a las condiciones actuales del
parque Arboretum y fundo teja norte. Este análisis y evaluación se tuvo presente para futuros
escenarios de implementación, a fines de estructurar y administrar de mejor forma el
funcionamiento de la red, además de beneficios relacionados a los recursos materiales, al
rendimiento y al bajo consumo que el sistema propone. Esto cambio completamente la
mecánica de funcionamiento del diseño, dado que las áreas de interés se redujeron
significativamente, realizando una estructura jerárquica por áreas, en las que se destacaron
ZAR y ZRM . La arquitectura final del sistema desarrollada para redes LoRaWAN, fue
dependiente del comportamiento de las variables meteorológicas IPO, con objetivos de
establecer periodos predeterminados de medición y por lo tanto reducir el consumo de energía
en los nodos de sensor, dado el contexto y las circunstancias. Además, fue desarrollado un
sistema de detección IF, trascendental para detectar futuros eventos de incendios y activar los
protocolos de alarma y emergencia, destacando los parámetros de correlación k j con objetivos
de aumentar la sensibilidad del sistema y proponiendo un algoritmo de análisis que compara los
valores actuales con los anteriormente transmitidos.

CAPÍTULO VI
ANÁLISIS TÉCNICO-ECONÓMICO
6.1. Introducción
En esta sección se pretende realizar un plan de implementación, orientado a las metas
que se proponen en el sistema, con propuestas que podrían ser realizadas en un futuro
despliegue de la red. Adicionalmente se desea incluir un plan operativo que involucra al diseño
de arquitectura presentado en el capítulo 5, relacionándolo a la escalabilidad y los recursos
disponibles con objetivos de abastecer la necesidad de predecir y controlar futuros eventos de
IF.
Además, es importante incluir el cálculo de los recursos materiales para ver las
estimaciones financieras de nuestro proyecto, en los que se involucran los costos tangibles,
especialmente los asociados al hardware e instalación de los nodos de sensor y de la red en
general, incluyendo los costos operativos, los costos relacionados al montaje dispositivos de
recepción, nube de datos y plataformas de aplicación para el monitoreo.
6.2. Despliegue de la Red
El área superficial de despliegue del nodo esta descrita por la expresión (14) (sección
5.3), en donde a cada nodo le corresponde un área de detección circular con radio l . En la Tab.
7 se presentan la cantidad de nodos para distintos radios de detección en las zonas ZAR y
ZRM , definiendo un área de M s=382.955[m¿¿ 2]¿ y M s=538.518 [m¿¿ 2]¿ , Respectivamente.
Para el caso de ZAR se excluyeron las zonas sin árboles que correspondieron a
87.064 [m¿ ¿2 ]¿ para la Zona_4 y 39.034 [m¿¿ 2]¿ en la Zona_8 (véase Fig. 26, Cap. 5, sección
5.2).

Tabla 7. Cantidad de nodos totales para las superficies ZAR y ZRM.

Superficie ZAR Superficie ZRM
Radio l [m] Cantidad de Radio l [m] Cantidad de
nodos C n nodos C n
Es
l=20 305 l=20 428
l=25 195 l=25 259
l=30 135 l=30 190
l=40 76 l=30 107
importante determinar los radios de captación de los sensores y la distribución espacial de estos
en el parque. Estos radios de distribución espacial nos beneficiaran en calcular la cantidad de
nodos que son necesarios en cada área por [m 2]. Sin embargo, para este proyecto, se tiene
considerado utilizar para un radio de l=40[m], puesto que es importante disminuir la cantidad
de nodos en las zonas de inspección, resultando en una cantidad de C n=76 en la zona ZAR y
C n=101 para ZRM . Hay que destacar que a medida que el nodo de sensor tiene un radio
mayor, mejor será la probabilidad detección, pero mayor será la cantidad de nodos y saturación
que tendrá la red.
Los nodos estarán distribuidos en diferentes zonas del parque y las distancias de cada
dispositivo final a la pasarela será variable, por lo tanto, la configuración en él envió de datos
puede diferir para diferentes dispositivos finales. En LoRaWAN los datos transmitidos deben
cumplir las normativas regidas para AU915 [MHz] en territorio chileno, en donde el máximo
tiempo que la señal puede permanecer en el aire, es de 400 [ms] por canal sin limitaciones para
los ciclos de trabajo en enlaces ascendentes. El rendimiento del canal va a depender de como
administramos los SFm aprovechando de las propiedades de ortogonalidad que nos
proporciona el canal. Aplicando este criterio sería ideal distribuir una amplia diversidad de SFm
a la totalidad de los dispositivos finales. Esto se puede realizar asignando los SFm en relación
con el rango de alcance de cada nodo, donde las regiones con mayores distancias entre las
pasarelas y los nodos puedan adquirir un mayor SFm. Estas distancias varían con rangos que
van desde los 0 , 5[ Km] a los 1 , 6[ Km] como máximo, según lo presentado en la Tabla E. 1
(ANEXO E).
 Los cálculos del canal dictan que se podrán recibir múltiples paquetes de enlaces
ascendentes simultáneos si consideramos una carga útil máxima de 13 Bytes, en un máximo de
400 [ms] de tiempo en el aire. Esto podría realizarte si se utilizan tres factores de propagación
(o ensanchamiento) distintos, tales como SF 7, SF 8 y SF 9. Sin embargo, podría darse el caso
de dos paquetes con similares factores de propagación SFm, causando una colisión entre
ambos paquetes. Sin embargo, en ese sentido, se tendría que considerarse la norma de los 6
[dBm], con objetivos de recuperar al menos un paquete.
Para el despliegue de los campos de SFm, se utilizó el método de asignación denominado
distancia SFm, en donde los factores de dispersión se asignan de acuerdo con la distancia d i
como se aprecia en la Fig. 33, en donde se distribuyen equitativamente los factores de
ensanchamiento SFm a través de áreas circulares con límites de distancias predeterminadas.
Esto dotara a la pasarela de un mayor control y desempeño, logrando equilibrar la carga de
enlace en el canal, para una recepción simultanea de los SFm en cada transmisión de enlaces
ascendente del nodo. Las distancias se observan con mayores detalles en la Tab. 8, en donde
cada distancia de SFm tendrá una velocidad Bit-rate y sensibilidad distinta, esto es debido a las
propiedades de LoRa respecto a sus factores de ensanchamiento SFm discutidos con mayor
detalle en capítulos anteriores (Cap. 4. Sección 4.2.7.).

Tabla 8. Características para los limites predefinidos en SFm.

SFm Bit-rate [b/s] Sensibilidad Limites [Km]
del receptor di
[dBm]
SF 7 5468 -123 0 - 0.875
SF 8 3125 -126 0.875 – 1.103
SF 9 1757 -129 1.103 – 1.585
 Figura 33. Despliegue de los factores SFm.

Los nodos cercanos a la puerta de enlace utilizan una alta velocidad de datos ocupando
SF 7, por lo tanto, pasan menos tiempo en el aire y aprovechan el bajo presupuesto de enlace
que necesitan. Para los nodos más distantes, la velocidad de datos es menor, como es el caso
de los SF 8 y SF 9, donde su tiempo en el aire y consumo de energía también son mayores.
Esta mecánica de funcionamiento es fundamental para aprovechar al máximo las capacidades
del canal en la pasarela. Se tienen que configurar los canales de transmisión según la demanda
que los nodos requieran y habilitando solo los canales que sean necesarios. Las Zonas 3 y 8
son las más demandadas, con una cantidad de 39 dispositivos finales desplegados en ambas
zonas. Para tal cantidad se requieren de entre 13 y 20 canales activos en las pasarelas para
recibir la información de esa cantidad de nodos, simultáneamente para diferentes SFm.
 Otro aspecto fundamental a considerar, es referida a la carga util de los datos. Los tiempos
que le demoran en el aire a los datos disminuyen a medida que la carga util es de menor
tamaño (en Bytes). La carga util puede variar según sean las necesidades de los datos, en
donde se tienen que considerar los 13 bytes ya utilizados en el protocolo LoRaWan. Esta
cantidad se le suma el total de la carga útil que nosostros vamos a utilizar, repartidos en los
sensores de T, HR, P, CO, CO2 y el modulo de posicionamiento GPS. En la Fig. 34 se presenta
la cantidad total de carga util disponibles para este modelo, definidos para 13 bytes, repartidos
en:

 2 [bytes] para el CO, que varia entre un rango de 0 a 2.000 [ppm]

 2 [bytes] para CO2 con variación entre 0 y 10.000 [ppm]
 1 [bytes] para la humedad relativa con porcentajes de variacion entre 0 – 100%
 2 [bytes] para la presion variando entre 300 y 1.100 [hPa]
 1 [bytes] para la temperatura para valores de 0 a 85°C
 5 [bytes] para la localizacion geografica del dispositivo mediante el GPS

La mayoría de los datos se pueden enviar entre los rangos de 1 a 2 [bytes] de capacidad
(excepto al módulo GPS, que ocupa un total de 5 [bytes]). Obtener los valores de carga útil son
de gran utilidad, puesto que de ellos calculamos el tiempo en el aire de las señales SFm. Estos
cálculos ocupando un BW de 145 [Khz] para enlaces ascendentes, con tamaños de 13 bytes
para el protocolo LoRaWan y 13 bytes de carga útil definidos para los sensores y el módulo
GPS:

 Para SF 7 se tiene un tiempo en el aire de alrededor de 61,7 [ms]

 Para SF 8 se obtienen un tiempo en el aire de 113,2 [ms]
 Para SF 9 se obtiene un tiempo en el aire de 205,8 [ms]

Figura 34. Tamaño total del dato.

Se podrían transmitir tres enlaces ascendentes para factores de propagación SF 7 , SF 8

y SF 9 simultáneamente en un canal, puesto que la suma total da como resultado un valor de
380,7 [ms], estando dentro de las normativas que rigen a los estándares aplicados en chile
(específicamente en AU915), para un rango máximo de tiempo en el aire de 400 [ms] por canal.
Según las especificaciones técnicas, la pasarela Kerlink iBTS ocupa polarización dual, esto
quiere decir que las regiones de recepción son esferas orientas totalmente al campo de
sensores en el parque Arboretum. Entre uno a dos módulos LoRa (entre 16 y 32 canales),
técnicamente serían más que suficiente para esta pasarela recibir periódicamente los mensajes
enviados por las Zonas ZAR y ZRM , se concluye en la Tab. 15.

Tabla 9. Zonas predefinidas para la transmisión de datos.

Cantidad de Cantidad de
Zonas Nodos Canales en la
(Suma total) Pasarela
ZAR (Zonas 4 y 11) 66 22 - 27
ZRM_1 (Zonas 8, 9, 10 y 12) 53 18 - 23
ZRM_2 (Zonas 1, 2, 3, 5, 6, 7) 48 16 - 21

6.3. Configuración de la Red

La Configuración de la red viene dada por una serie de elementos y pasos a seguir. La
pasarela Kerlink está capacitada para resistir las condiciones climáticas del exterior, dado que
usa protección IP66 y es alimentado mediante un cable ethernet usando un adaptador PoE
injector que además provee de datos y conexión en al sistema. En en INFOR se utilizarán un
Switch administrable, Router y un computador como se presenta en la Fig. 35.

Figura 35. Instalación física de la estación base.

En el computador se podrán instalar los elementos más importantes para alojar el

servidor de red y aplicación chirpstack, el bróker MQTT y las respectivas bases de datos. Lo
importante es distribuir localmente todas las herramientas mediante un switch administrable y
mediante el Router tener un acceso de conexión a internet para alojar las integraciones Web
que administrara el servidor de aplicación a través de las bases de datos recolectada por las
mediciones de los sensores.
 Para la implementación de nuestra red, se definieron los nodos como dispositivos clase
B, dado que necesitamos abrir ventanas de recepción en tiempo predeterminados con objetivos
de registrar los valores IPO calculados en los registros de alguna aplicación en el servidor de
aplicación. Además, como la red es densa con una totalidad de 166 dispositivos finales
repartidos entre ZAR y ZRM, lo más recomendable es usar una red con configuración ABP
(activación por personificación), asignando una dirección del dispositivo (DevAddr), claves de
sección de red (NwkSKey) y claves de sección de aplicación (AppSkey), predefinidos entre los
nodos y los servidores de red (NSever) y aplicación (AppServer). Esto proporciona una ventaja
a la red, dado que no hay necesidad de un Join Request entre los enlaces ascendentes para
validar la recepción de los datos (como es el caso de la configuración OTAA), lo que podría
causar una saturación en los enlaces descendentes.
La red de nube será desplegada y montada en un mismo equipo, solo será necesario
abrir los puertos para cada aplicación en específico. Los GBridge serán instaladas en las
pasarelas con IP:192.168.20.100, mediante los puertos 1700 (Por defecto), mientras que los
servidores AU915_IF_1 y AU915_IF_2 se le asignarán los puertos 21915 y 20915,
respectivamente. Además, el Broker pub/sub-Mosquito se le asigna la dirección y puerto
@localhost:1883, de la misma forma que el AppServer con @localhost:8080.

Figura 36. Sistema Final en la Red LoRaWAN mediante nube Chirpstack.

Para segregar el tráfico de las pasarelas se decidió utilizar cuatro instancias definiendo
cuatro puentes de pasarelas GBridge (AU915_AU_1 al AU915_AU_4) y dos servidores de red
(AU915_IF_1 y AU915_IF_2) por recomendación del proveedor, permitiendo una mejor
administración de los datos hacia los servidores y elevando el rendimiento de la red LoRaWAN.
Esto se puede realizar asignando cada Sub-bandas de frecuencias en la salida
distribuida del Kerlink iBTS (Véase ANEXO Tab.16) en cada GBridge. En la configuración de
cuatro módulos en Kerlink iBTS, incorpora por defecto una antena para la recepción, no
obstante, para las redes más densas es recomendable incluir la antena opcional (ver figura
ANEXO). El reenviador de paquetes ahora tiene toda la información que necesita para enviar
datos al Gateway brigde.
Los identificadores de red net-id del Gateway Bridge y NServer tienen como principal
objetivo filtrar las señales de las pasarelas de dispositivos que no corresponden al protocolo
LoRa ni tampoco a esa red. Sin embargo, es preferible asignar a cada dispositivo final una net-
id asociada al DevAddr. Esto permite que nuestra Red LoRaWAn sea completamente privada.
Para realizar la publicación de pub/sub de los datos y resultados de las mediciones
(después de ser analizadas en el App Server) serán distribuidos mediante la herramienta
Mosquitto a través del broker MQTT (como protocolo IoT) a los diferentes destinatarios que
quieran acceder a esta información (personal de bombero, personal de CONAF, etc.), utilizando
la interfaz web API y App.
Cuando se realice los enlaces ascendentes los servidores de red y aplicación tiene que
recibir las claves NwkSKey y las claves AppSkey de cada dispositivo final para validar la
integridad de cada mensaje. El NServer y el AppServer requieren de un lugar de
almacenamiento con datos permanentes, Chirpstack propone idealmente la base de datos
PostgreSQL donde se almacenan todos aquellos datos relacionados a los dispositivos, el
usuario, la organización y de la red en general. Sin embargo, los NServer requieren de una
base de datos adicional en donde se almacenen los datos transitorios (no permanentes), como
las claves ABP de sesiones del dispositivo final, por recomendación del proveedor debería
utilizarse la base de datos Redis.

6.4. Aplicación Web

Para poder visualizar el estado de los nodos y notificar sobre posibles riesgos de
incendios, disponemos de un sistema de monitoreo y seguimiento en línea mediante una
plataforma web, como se presentan en las Figuras 35, 36, 37, 38 y 39. Esta página Web
funcionara de cierta forma, que solo el personal capacitado y calificado pueda acceder. Dispone
de las siguientes características:
 Se realizará un proceso previo de identificación mediante registro que involucran el
nombre de usuario, contraseña e información personal referentes al plan de acción y
emergencia calificado y a cargo de las emergencias en IF (miembros de CONAF,
brigada de Bomberos, etc.). Solo aquellos inscrito en el sistema, podrán acceder como
un operador activo.
 Se va a distribuir una serie de paneles de Monitoreo gráfico, que tienen estricta relación
con las variables de mediciones de los sensores, aquellos presentaran los datos de
Temperatura, Humedad Relativa, CO, Presión y CO2, en los tiempos estipulados para la
transmisión de datos de ZAR y ZRM.
 Los valores IPO asociadas los valores meteorológicos obtenidos por la página
METEORED, con un tiempo TDR de 90 minutos, actualizando constantemente los
valores meteorológicos.
 Se notificará el estado actual de los nodos mediante una tabla descriptiva. Esta
registrara los horarios de transmisión de datos, coordenadas de localización, la
identificación del nodo y el estado en que se encuentra. En estos podemos encontrar
estados de Alerta, Peligro y Normalidad.
 Habrá una plataforma de visualización satelital mediante un mapa GIS, para solo el
seguimiento en caso de riesgo en los estados de “Peligroso” y “Alerta”. Esta aplicación
entregara gráficos de localización, relacionados a los nodos que contengan alteración en
las mediciones, además de la ubicación aproximada de un foco de IF. En ello se
identifican el número de nodo y la cantidad de nodos afectados.
 Se va a integrar un App de monitoreo en línea como plataforma opcional con ingreso
mediante identificación de clave de seguridad (usuario y contraseña). Esta App va a
incluir un sistema que alerte mediante una notificación dispositivos móviles, signos de IF.

Figura 37. Plataforma de monitoreo: Valor histórico de variables.

 Figura 38. Plataforma de monitorio: Notificaciones y localización de nodos.

Figura 39. Mapa de cobertura para los Nodos.

6.5. Costos totales del Sistema

Se realizaron presupuestos de diferentes proveedores de comercio en línea,
encontrando una gran variedad de componentes, especialmente en el área del nodo de sensor.
Entre las páginas más populares destacamos proveedores extranjeros como AliExpress,
Alibaba y proveedoras locales, que incluyen precios más accesibles al por mayor. A
continuación, se presenta el presupuesto de los costos por sección para una cantidad de 166
dispositivos finales, comentadas en secciones anteriores (Véase sección 6.2).

Producto descripción Cantidad Precio Precio Total

Unitario [$]
 Computador de instalación de la estructura 1 500.000 500.000
Escritorio Chirpstack
TPLink® Switch administrable 1 94.000 94.000

Kerlink Wirnet iBTS Pasarela (Gateway) 1 1.221.227 1.467.588

TOTAL 2.061.588
Tabla 10. Precios totales en el sistema de recepción.

Producto Descripción Cantidad Precio Unitario Precio Total [$]

[$]
ESP32 Módulo MCU 166 1.535 254.810
SX1276 Módulo LoRa 166 2.504 415.664
MT3608 Modulo Elevador 166 349 57.934
GPS NEO-6M Módulo GPS 340 1.732 588.880

TOTAL 1.317.288
Tabla 11. Módulos de Procesamiento, Localización y Comunicación.

Producto Descripción Cantidad Precio Unitario Precio Total [$]

[$]
MG-811 Sensor de CO2 166 14.517 2.409.822
MQ-7 Sensor de CO 166 702 116.532
BME680 Sensor de T, H, Pr y VOC. 166 13.432 2.229.712

TOTAL 4.756.066
Tabla 12. Precio total de los módulos de medición.

Producto Descripción Cantidad Precio Unitario [$] Precio Total [$]

Celda Solar 6 [V], 2[W] 166 3.279 522.614

Cargador DFRobot 166 3.271 542.986
Batería Lipo de 2000 [mA] 166 3.024 501.984
TOTAL 1.567.584
Tabla 13. Precio total de los módulos de energía.
 Tabla 14. Costos totales del sistema.
Sección Precio Total [$]

Módulos de Procesamiento,
1.317.288
Localización y comunicación

Módulos de energía 1.567.584

Módulos de Medición 4.756.066

Recepción, Red y
2.061.588
Aplicaciones
Envió y transporte 300.000
TOTAL 10.002.526

6.6. Conclusiones del Capitulo

En esta sección se aprovechó de conocer en detalle los objetivos que se tiene para una
futura implementación. El enfoque de este capítulo fue el desarrollo de un sistema que tiene
como propósito controlar el flujo de los enlaces ascendentes de un amplio campo de nodos
desplegados en las zonas ZAR y ZRM, con objetivos recolectar los datos en los servidores de
red y aplicación Chirpstack de forma ordenada, tratando de disminuir las probabilidades de la
saturación y las colisiones de la red. Dicho esto, se adaptó nuestro modelo a los protocolos y
técnicas mejor elaboradas relacionadas a las tecnologías LoRa y LoRaWAN, en donde se
priorizo un sistema de comunicación basada en ABP, nodo clase B y sistema de selección
predeterminada de SFm mediante distancia nodo-pasarela. Además, se desarrolló un sistema
de nube Chirpstack basada en bloques de instancia para facilitar las retransmisiones desde las
pasarelas a los servidores. Finalmente se desarrolló un prototipo de web (y una App), con
disponibilidad solo al personal profesional mediante un ingreso con identificación de usuario y
contraseña, para poder realizar el monitoreó en línea del parque.
 CAPÍTULO VII
CONCLUSIONES
7.1. Conclusiones
El desarrollo de un modelo orientado a detectar IF en el parque Arboretum y
fundo teja norte, requirieron de un arduo trabajo principalmente en el estudio y evaluación de los
factores meteorológicos, demográficos y topográficos del sector. Esto sentó las bases mediante
el uso de estrategias, reduciendo notablemente el diseño un modelo simplificado que trajo
beneficios en el prototipo de implementación a gran escala. El estudio demográfico del prototipo
se modelo en base al flujo humano, observando los lugares más y menos transitados, mientras
que para los factores geográficos se tomó en cuenta la cantidad de combustible forestal en
ciertos lugares de la zona, observando su volumen total.
Los resultados demostraron las áreas de mayor riesgo de incendios pertenecieron a las
zonas ZAR y ZRM, principalmente las ZAR, con potencia peligro en presentes y eventuales
signos de IF.
Otra de las herramientas que afecto positivamente al funcionamiento en relación con la
adquisición de datos relacionadas a la red de sensores, fueron los parámetros IPO. Se observo
que estas variables podrían afectar a la red en cortos periodos de tiempos, producto de los
cambios en las condiciones meteorológicas. El modelo en cuestión adopto ciertas modalidades
de comportamiento que definieron para valores IPO ≥ 46 los estados máximos de operabilidad
en el sistema.
Se presentaron diversos componentes relacionados al hardware, en los que se
destacaron las funcionalidades de procesamiento y los modos de bajo consumo de la ESP32.
además de disponer de sensores electroquímicos para la medición gases más abundantes
generados en un IF. La tecnología inalámbrica LoRa fue necesaria por las dependencias de una
red tipo estrella en la elaboración de nuestro modelo de estrategias relacionadas a las zonas
ZAR y ZRM.
Se puede aprovechar de la propiedad ortogonalidad de las señales LoRaWAN para
transmitir múltiples datos a un canal de LoRa. Esto resulto de una gran utilidad para el
despliegue de la red, destacando el rendimiento en base a los factores de ensanchamiento SF7,
SF8 y SF9, a su vez cumpliendo con las normativas regionales que en estas se imponen,
principalmente los 400 [ms] para enlaces ascendentes, para un ciclo de trabajo ilimitado.
La estructura en bloque de la nube y servidores Chirpstack, nos aportó una red privada
totalmente configurable y adaptable a las necesidades de la pasarela Kelink iBTS, ampliando y
potenciando las capacidades de una red densa de 166 nodos repartidos en los sectores ZAR y
ZRM.
Los Costos Finales demuestran que para una red optima y moderadamente densa en
LoRaWAN, tiene un costo en estimativo final de alrededor de los $8.000.000 relacionados a los
gastos tangibles del hardware, como nodos de sensor y la estación base.
Finalmente, este un proyecto muy ambicioso, que puede traer muchos beneficios a la
contribución medioambiental de la región de los ríos y en Chile, como también ser un apoyo en
conjunto con organismos como CONAF, Bomberos o brigadas especializadas en el ámbito de
los IF.
7.2. Trabajo Futuro
Actualmente en países como España están realizando proyectos pioneros en relación
con los IF y robótica a través de drones. Sin embargo, aún queda mucho por desarrollar y es un
proyecto que tiene mucho que aportar en diferentes ámbitos, sobre todo referente a la
innovación tecnológica y la robótica. Además, este podría ser un modelo pionero que enfoque
hacia otras áreas y sectores con un gran atractivo natural, donde se requiera el cuidado del
medio ambiente y beneficios a la biodiversidad (como monumentos nacionales, patrimonios
naturales, reservas, Parques, etc.).
Se podría ampliar y potenciar este diseño a otros sectores, como Parque Oncol, Parque
Santa Inez, jardín botánico, Parque alerce costero, reserva costera Valdiviana, etc. Esto podría
potenciar a una red global en la región de los ríos, en donde se podrían incluir nuevas
instancias e integraciones en las pilas de estructuras de Chirpstack, como es el caso del
análisis del Big-Data o Fog-Computing (a través de la integración Kafka).

Bibliografía
[1] T. Naulin Gysling, V. Píriz Millar, X. Rosales Neira y V. Rojas Mujica, «Educación
Ambienta y prevensión de incendios forestales,» CONAF, 2020. [En línea]. Available:
https://www.conaf.cl/wp-content/files_mf/1550863101Introduccción.pdf.

[2] CONAF, «Prevenir un incendio forestal es más fácil que combatirlo,» Lazos S.A., 2018.
[En línea]. Available: https://www.prevencionincendiosforestales.cl/investigacion-de-
incendios-forestales/causas-de-incendios-forestales/.

[3] D. d. Panguipulli, «Alcalde Valdivia: “Sietelagos aumentó más de un 16% el flujo de

turistas en comparación al 2019",» Diario futrono, 10 de enero de 2020. [En línea].
Available: https://www.diariofutrono.cl/noticia/actualidad/2020/01/alcalde-valdivia-
sietelagos-aumento-mas-de-un-16-el-flujo-de-turistas-en-comparacion-al-2019.

[4] P. S. R. d. L. Ríos, «Los Ríos registró récord en llegada de turistas extranjeros y

crecimiento del turismo regional,» Diario futrono, 2017. [En línea]. Available:
https://www.diariofutrono.cl/noticia/actualidad/2017/01/los-rios-registro-record-en-llegada-
de-turistas-extranjeros-y-crecimiento-del-turismo-regional.

[5] A. País, «Advierten que incendios forestales de 2020 podrían ser peores que en 2019 en
Sudamérica y el mundo,» El mostrador, 29 agosto, 2020. [En línea]. Available:
https://www.elmostrador.cl/agenda-pais/2020/08/29/advierten-que-incendios-forestales-
de-2020-podrian-ser-peores-que-en-2019-en-sudamerica-y-el-mundo/.

[6] N. Díaz y C. López, «Incendios forestales en región de Los Ríos han consumido 571
hectáreas durante esta temporada,» Biobio Chile, 28 Febrero 2020. [En línea]. Available:
https://www.biobiochile.cl/noticias/nacional/region-de-los-rios/2020/02/28/incendios-
forestales-en-region-de-los-rios-han-consumido-571-hectareas-mas-que-la-temporada-
anterior.shtml.

[7] M. Araus, «¿Por qué cuesta tanto apagar los incendios?,» El Definido, 15 Abril 2014. [En
línea]. Available:
https://eldefinido.cl/actualidad/pais/2140/Por_que_cuesta_tanto_apagar_los_incendios/.

[8] ValdiviaTouch, «Parque Urbanos: Parque Arboretum,» ValdiviaTouch: Turismo

Interactivo, 28 Septiembre 2018. [En línea]. Available:
http://chilecontacto.cl/losrios/index.php/ciudad/valdivia/parques-urbanos/arboretum.

[9] C. Frêne, «Bosques antiguos sureños almacenan y entregan más agua que cualquier otro
ecosistema vegetal,» El Instituto de Ecología y Biodiversidad, 2020. [En línea]. Available:
https://ieb-chile.cl/noticia/bosques-antiguos-surenos-almacenan-y-entregan-mas-agua-
que-cualquier-otro-ecosistema-vegetal/.

[10] P. Ávila, «Investigadores explican por qué el bosque patagónico almacena tres veces más
carbono por hectárea que la Amazonía,» Desafío Tierra, 1 Octubre 2020. [En línea].
Available: https://www.uchile.cl/noticias/169386/explican-por-que-el-bosque-patagonico-
almacena-tres-veces-mas-carbono.
[11] WikiBosque, «Bosque Valdiviano,» Bosque y Cultura, 2020. [En línea]. Available:
https://bosqueycultura.fandom.com/es/wiki/Bosque_Valdiviano.

[12] «sobre el bosque antiguo Valdiviano,» Bosque Antiguo Valdiviano, 2020. [En línea].
Available: https://www.bosqueantiguovaldiviano.cl/.

[13] «Chilean Winter Rainfall-Valdivian Forests,» Critical Ecosystem Partnership fund, 2020.
[En línea]. Available: https://www.cepf.net/our-work/biodiversity-hotspots/chilean-winter-
rainfall-valdivian-forests.

[14] Chile, Sociedad de ecología, «EL Impacto de los incendios forestales en la flora y fauna
nacional podría ser “irrecuperable”,» La tercera, 2019. [En línea]. Available:
https://www.socecol.cl/el-impacto-de-los-incendios-forestales-en-la-flora-y-fauna-nacional-
podria-ser-irrecuperable/.

[15] «El mirador de Santa Elvira,» Parques y reservas naturales de la región de los ríos, 2014.
[En línea]. Available: http://www.parques-selvavaldiviana.cl/index.php/parques/destino-
valdivia-corral/el-mirador-de-santa-elvira/.

[16] Uach, «Teja Norte,» Facultad de Ciencias Forestales y Recursos Naturales, 2020. [En
línea]. Available: http://www.forestal.uach.cl/predios/teja-norte.php.

[17] C. Castro, «El Arboretum valdiviano: un lugar donde se respira naturaleza,» 14Sur
"Descubriendo el sur", 2014. [En línea]. Available: https://www.14sur.cl/el-arboretum-
valdiviano-un-lugar-donde-se-respira-naturaleza/.

[18] DisfrutaChile, «Ocho parques urbanos que visitar en Valdivia,» DisfrutaChile, 2016. [En
línea]. Available: http://www.disfrutachile.info/8-parques-urbanos-que-visitar-en-valdivia/.

[19] Terram, Fundacion, «El 72% de los megaincendios en Chile ha ocurrido en la última
década,» Fundacion Terram, 2020. [En línea]. Available: https://www.terram.cl/2020/01/el-
72-de-los-megaincendios-en-chile-ha-ocurrido-en-la-ultima-decada/.

[20] C. Montes, «Sequía y cambio climático: Incendios forestales ya suman más de 2.000 en
la temporada, casi el doble del último registro,» La tecera, 19 Diciembre 2019. [En línea].
Available: https://www.latercera.com/que-pasa/noticia/incendios-forestales-ya-suman-
mas-de-2-000-en-la-temporada/943851/.

[21] C. N. Forestal, «Incendios forestales, Guía práctica para comunicadores,» Zapopan, Jal y
Efecto Marketing, San Juan de Ocotán, México , 2010.

[22] G. Benítez y M. Equihua, «Incendios Forestales: una amenaza constante,» INECOL,

Instituto de Ecología, A.C., 2020. [En línea]. Available:
https://www.inecol.mx/inecol/index.php/es/transparencia-inecol/17-ciencia-hoy/914-
incendios-.

[23] Z. López y L. Guadalupe, «Estudio de las características físicas y geométricas de la llama

en los incendios forestales,» Universidad politecnica de Cataluña, Departamento de
ingenieria Quimica, Barcelona, 2004.
[24] G. Sánchez, J. M. d. Saavedra y S. Pérez, «Estimación del volumen de Gases de Efecto
Invernadero liberados por Incendios Forestales en España,» Wildfire, Sevilla, 2005.

[25] P. Ciccioli, M. Centritto y F. Loreto, «Biogenic volatile organic compound emissions from
vegetation fires,» Plant, Cell and Environment, Italia, 2014.

[26] M. Wang, «Study of Volatile Organic Compounds (VOC) in the cloudy atmosphere :
air/droplet partitioning of VOC,» HAL, Clermont-Ferrand , 2020.

[27] Gobierno de España, «Particulas,» Ministerio Para la transicion ecologica y el reto

demografico, España, 2020.

[28] R. W. M. Jiménez, «Emisiones de gases y Partículas producto de los Incendios forestales

en Cuba entre 1989 y 1999,» Centro de Contaminación y Química Atmosférica, CITMA,
La Habana, Cuba, 2000.

[29] Ministerio de medio Ambiente, «Sistema de informacion Nacional de calidad del Aire
(SINCA),» Gobierno de Chile, Chile, 2020.

[30] M. Possell, M. Jenkins y T. Bell, «Greenhouse gas emissions from fire and their
environmetal effect,» University of Sydney, Faculty of Agriculture and Enviroment,
Sydney, 2013.

[31] N. E. T. Laboratory, «What is carbon Dioxide?,» U.S. Departament of Energy, 2020.

[32] W. T. Sommers, R. A. Loehman y C. C. Hardy, «Wildland fire emissions, carbon, and

climate: Science overview and knowledge needs,» ELSERVIER, Montana y Virginia, USA,
2014.

[33] Uach, Udec y Uchile, «Incendios en Chile: Causas, impactos y resilencia,» Center for
Climate and resilience Research, Santiago, 2018.

[34] L. G. Pedraza y M. P. Garcia, «La metereología y los incendios forestales,» Ministerio de

Agricultura, pesca y alimentación, Madrid.

[35] Y. Pinar, A. Zuhair, A. Hamad, A. Resit, K. Shiva y A. Omar, «Wireless Sensor Networks
(WSNs),» de IEEE Long Island Systems, Applications and Technology Conference
(LISAT), Farmingdale, NY, USA, 2016.

[36] M. Carlos-Mancilla, E. López-Mellado y M. Siller, «Wireless Sensor Networks Formation:

Approaches and Techniques,» Journal of Sensors, Guadalajara, Mexico, 2015.

[37] U. Farooq, «Wireless Sensor Network Challenges and Solutions,» Dept. of Computer
Science/Information Technology, Pakistan , 2019.

[38] C. Mallick y S. Satpathy, «Challenges and Design Goals of Wireless Sensor Networks: A
Sate-of-the-art Review,» Biju Pattnaik University of Technology, Rourkela, India, 2018.
[39] M. A. M. Vieira, A. B. d. Cunha y D. C. D. Silva, «Designing Wireless Sensor Nodes,» de
Embedded Computer Systems: Architectures, Modeling, and Simulation, Samos, Greece,
2006.

[40] S. Tarannum, «Energy Conservation Challenges in Wireless Sensor Network: A

Comprehensive Study,» Department of Telecommunication Engineering AMC Engineering
College, Bangalore, India, 2010.

[41] R. R. Selmic, V. V. Phoha y A. Serwadda, Wireless Sensor Networks Security, Coverage,

and Localization, Texas, USA: Department of Electrical Engineering and Computer
Science, 2016.

[42] A. Kochhar, P. Kaur, P. Singh y S. Sharma, «Protocols for Wireless Sensor Networks: A
Survey,» Institute of Engineering and Technology, Phagwara, India, 2018.

[43] A. E. Saddik, A. Rahman y W. Gueaieb, «Wireless Sensor Network Transport Layer: State
of the Art,» Springer-Verlag Berlin Heidelberg, Ottawa, Canada, 2008.

[44] M. A. Matin y M. N. Islam, «Overview of Wireless Sensor Network,» INTECH,

Bashundhara, Bangladesh, 2012.

[45] B. S. Chaudhari, M. Zennaro y S. Borkar, «LPWAN Technologies: Emerging application

characteristics, requirements, and design considerations,» Future internet, India, 2020.

[46] ElectronicsNotes, «Standard: a tutorial IEEE 802.15.4,» 2020. [En línea]. Available:
https://www.electronics-notes.com/articles/connectivity/ieee-802-15-4-wireless/basics-
tutorial-primer.php.

[47] K. Sporre, «Understanding the Zigbee 3.0 Protocol,» Digi, 19 abril 2018. [En línea].
Available: https://www.digi.com/blog/post/understanding-the-zigbee-3-0-protocol.

[48] Rouse, Margaret, «Definition of Zigbee,» IoT agenda, 2017. [En línea]. Available:
https://internetofthingsagenda.techtarget.com/definition/ZigBee.

[49] Digi, «Zigbee Wireless Mesh Networking,» Digi, 2020. [En línea]. Available:
https://www.digi.com/solutions/by-technology/zigbee-wireless-standard.

[50] alliance, Zigbee, «Zigbee Technical Specifications,» Zigbee alliance, 2020. [En línea].
Available: https://zigbeealliance.org/solution/zigbee/.

[51] G. Glissa y A. Meddeb, «6LoWPAN multi-layered security protocol based on IEEE

802.15.4 security features,» NOCCS Laboratory, Tunisia, 2017.

[52] ElectronicsNote, «What is 6LoWPAN - the basics,» 2020. [En línea]. Available:
https://www.electronics-notes.com/articles/connectivity/ieee-802-15-4-wireless/
6lowpan.php.

[53] P. Estremadoyro, «Extendiendo las capacidades del protocolo HART,» ElectroIndustria

Soluciones tecnologicas para la mineria, Energia e Industria, mayo 2010. [En línea].
Available: http://www.emb.cl/electroindustria/articulo.mvc?xid=1399&ni=wirelesshart-
 extendiendo-las-capacidades-del-protocolo-hart.

[54] «About Z-Wave Technology,» Z-Wave alliance, 2020. [En línea]. Available: https://z-
wavealliance.org/about_z-wave_technology/.

[55] J. S. Fayos, «Redes Wireless industriales,» Universidad Oberta de Catalunya, Barcelona,

España, 2014.

[56] T. Hasegawa, H. Hayashi, T. Kitai y H. Sasajima, «Industrial wireless standardization —

Scope and implementation of ISA SP100 standard,» de SICE Annual Conference 2011,
Tokyo, Japan, 2011.

[57] R. Ligero, «Diferencias entre NB-IoT y LTE-M,» Accent System, 3 Mayo 2018. [En línea].
Available: https://accent-systems.com/es/blog/diferencias-nb-iot-lte-m/.

[58] Pyro, «Pyro Fire Extinction,» Ciudad Politécnica de la Innovación CPI, 2020. [En línea].
Available: http://www.pyro.es/.

[59] IQ-wireless, «IQ-wireless and Spacecom Products,» IQ-wireless, 2019. [En línea].
Available: https://www.iq-wireless.com/_wp/en/223-2/.

[60] FireWatch-Australia, «The FireWatch System,» IQ-Wireless, 2020. [En línea]. Available:
https://firewatchaustralia.com/the-firewatch-system/.

[61] FireWatch-Australia, «Why FireWatch,» IQ-Wireless, 2020. [En línea]. Available:

https://firewatchaustralia.com/why-firewatch/.

[62] AcotSystem, «Detección Temprana de Incendios Forestales,» AcotSystem, 2020. [En

línea]. Available: http://www.acotsystems.com/deteccion-temprana-incendios-
forestales.html#about.

[63] Entel, «The Sea the Forest, el innovador sistema que promete detectar incendios
forestales antes de que se forme humo,» Fundación Terram, 13 mayo 2019.

[64] Entel OCEAN, «Conoce nuestra solución Sea The Forest,» pp. https://medium.com/entel-
ocean/conoce-nuestra-soluci%C3%B3n-sea-the-forest-29dda74cae4a, 12 Septiembre
2019.

[65] L. Vanneschi, M. Castelli y A. Popovic, «Predicting Burned Areas of Forest Fires: An

Artificial Intelligence Approach,» NOVA IMS, Universidade Nova de Lisboa, Lisboa,
Portugal, 2015.

[66] U. A. Ganesh, M. Anand, S. Arun, M. Dinesh, P. Gunaseelan y R. Karthik, «Forest Fire

Detection Using Optimized Solar-Powered Zigbee Wireless Sensor Networks,» de
International Journal of Scientific & Engineering, 2013.

[67] C.-M. Wu, R.-S. Chang, J.-H. Yen y P.-I. Lee, «An innovative scheme for increasing
connectivity and life of ZigBee networks,» de The Journal of Supercomputing, 2011.

[68] K. Trivedi y A. K. Srivastava, «An energy efficient framework for detection and monitoring
of forest fire using mobile agent in wireless sensor networks,» de IEEE International
 Conference on Computational Intelligence and Computing, Coimbatore, India, 2014.

[69] S. Gaglio, G. L. Re, G. Martorella y D. Peri, «A Symbolic Distributed Event Detection

Scheme for Wireless Sensor Networks,» de In Proceedings of the International
Conference on Emerging Technologies and Factory Automation (ETFA'16), Berlin,
Germany, 2016.

[70] V. Pande, K. Elleithy y W. M. Elmannai, «Optimized Algorithm for Fire Detection over
WSN using Micaz Motes,» de 5th International Conference on Computers and Their
Applications in Industry and Engineering (CAINE-2012), New Orleans, Louisiana, USA,
2012.

[71] A. Kansal, Y. Singh, N. Kumar y V. Mohindru, «Detection of forest fires using machine
learning technique: A perspective,» de International Conference on Image Information
Processing, Waknaghat, India, 2015.

[72] M. Noureddine, A. A. E. B. El y C. Claude, «A novel approach of WSN routing protocols

comparison for forest fire detection,» Springer Link, Bellevue, Switzerland, 2018.

[73] R. Vikram, D. Sinha, D. De y A. K. Das, «EEFFL: energy efficient data forwarding for
forest fire detection using localization technique in wireless sensor network,» Springer
Science, Business Media, LCC, part of Springer Nature 2020, Patna, India, 2020.

[74] J. Gonzalez, «Mini-red para alerta temprana ante la ocurrencia de incendios forestales,»
Instituto de Electricidad y Electrónica, Valdivia, 2013.

[75] J. A. V. Arredondo, «Análisis y Propuesta de un Metodo de Prevención de Incendios

Forestales Utilizando Redes de Sensores Inalambricos (WSN",» UACH, Valdivia, Chile,
2013.

[76] B. Subramanian, S.-S. Chen y K. R. Reddy, «WSN-Based System for Forest Fire,» de
Emerging Technologies for Agriculture and Environment, Taipei City, Taiwan, Spriger,
2018, pp. 249 - 261.

[77] S. Sendra, L. García, J. Lloret, I. Bosch y R. Vega-Rodríguez, «LoRaWAN Network for

Fire Monitoring in Rural Environments,» MDPI, Valencia, España, 2020.

[78] G. Julio, «Diseño de índices de riesgo de incendios forestales para Chile,» Universidad
Austral de Chile, Valdivia, 1990.

[79] Semtech Corporation, «SX1272/3/6/7/8: LoRa Modem,» Designer’s Guide, 2013.

[80] Semtech, «AN1200.22 LoRa™ Modulation Basics,» Semtech Aplication Note, 2015.

[81] L. A. T. C. R. P. Workgroup, «LoRaWAN 1.0.3 Regional Parameters,» LoRa Alliance, Inc.

All rights reserved, San Ramon, California EEUU, Julio 2018.

[82] J. R. Cotrim y J. H. Kleinschmidt, «LoRaWAN Mesh Networks: A Review and

Classification of Multihop Communication,» Center of Engineering, Modeling, and Applied
Social Sciences, Federal University of the ABC, Santo André, Brazil, Julio 2020.
[83] A. Waret, M. Kaneko, A. Guitton y N. E. Rachkidy, «LoRa Throughput Analysis With
Imperfect Spreading Factor Orthogonality,» National Institute of Informatics, Tokyo, Japan,
2018.

[84] L. P. V. Reinoso, «Análisis comparativo entre LoRaWAN y LTE en un escenario de red

para la internet de las cosas usando el software de simulación NS3,» Universidad de
Chile, Facultad de ciencias fisicas y matematicas, Departamento de Ingeniería Elétrica,
Santiago, Chile, 2018.

[85] A. S. Mendes, D. M. Jiménez-Bravo, M. Navarro-Cáceres, G. V. González y V. R. Q.

Leithardt, «Multi-Agent Approach Using LoRaWAN Devices: An Airport Case Study,»
MDPI, Salamanca, Spain; Lisboa, Portugal; Portalegre, Portugal, Julio 2020.

[86] T. t. Network, «Frequency Plans by Country,» The Things Network, 2021. [En línea].
Available: https://www.thethingsnetwork.org/docs/lorawan/frequencies-by-country/.

[87] Semtech Corporation, «SX1276/77/78/79 - 137 MHz to 1020 MHz Low Power Long
Range Transceiver,» Semtech, 2016.

[88] N. H. Hostaller, «Evaluación de tecnologías de sensores para la detección temprana de

incendios forestales,» Revista Tecnología en Marcha, Costa Rica, 2016.

[89] Hanwei Electronics CO, LTD, «Technical Data MQ-7 Gas Sensor,» 2021. [En línea].
Available: https://www.sparkfun.com/datasheets/Sensors/Biometric/MQ-7.pdf.

[90] Zhengzhou Winsen Electronics Technology Co., Ltd, «Solid Electrolyte CO2 Gas Sensor
(Datasheet),» 10 Marzo 2015. [En línea]. Available:
https://sandboxelectronics.com/files/SEN-000007/MG811.pdf.

[91] DFROBOT, «Gravity: Analog CO2 Gas Sensor For Arduino (MG-811 Sensor),» 2021. [En
línea]. Available: https://www.dfrobot.com/product-1023.html.

[92] DFROBOT, «Gravity: I2C BME680 Environmental Sensor,» 2021. [En línea]. Available:
https://www.dfrobot.com/product-1697.html.

[93] UNIT ELECTRONICS, «Detector de Monóxido de Carbono Módulo MQ-7,» 2021. [En
línea]. Available: https://uelectronics.com/producto/modulo-detector-de-monoxido-de-
carbono-mq-7/.

[94] u-blox, «NEO-6 u-blox 6 GPS Modules, DataSheet,» 2011.

[95] Electronilab, «Módulo GPS Ublox NEO-6M v2 con memoria EEPROM,» Junio 2021. [En
línea]. Available: https://electronilab.co/tienda/modulo-gps-ublox-neo-6m-v2-con-memoria-
eeprom/.

[96] Espressif Systems, «ESP32 Series Datasheet, Version 3.6,» 2021. [En línea]. Available:
https://www.espressif.com/sites/default/files/documentation/esp32_datasheet_en.pdf.

[97] UNIT-ELECTRONICS, «ESP32 38 Pines ESP WROOM 32,» UNIT-ELECTRONICS,

2021. [En línea]. Available: https://uelectronics.com/producto/esp32-38-pines-esp-wroom-
 32/.

[98] DFRobot drive the future, «Solar Lipo Charger (3.7V),» 2021. [En línea]. Available:
https://www.dfrobot.com/product-1139.html.

[99] Xian Aerosemi Technology, Ltd, «Features MT3608,» 2021. [En línea]. Available:
https://www.olimex.com/Products/Breadboarding/BB-PWR-3608/resources/MT3608.pdf.

[100] Unit Electronics, «MT3608 Elevador de Voltaje Boost Step Up 6W 2A,» 2021. [En línea].
Available: https://uelectronics.com/producto/modulo-regulador-mt3608-step-up-5-28v-2a/.

[101] Kerlink comunication is everything, «Kerlink Wirnet iBTS LoRaWAN® Outdoor Gateway
for the Internet of Things,» 2015. [En línea]. Available:
https://es.sphinxfrance.com/comunicar/pasarelas-lora-iot/3644/datasheet.

[102] The Things Network, «Duty Cycle,» 2021. [En línea]. Available:
https://www.thethingsnetwork.org/docs/lorawan/duty-cycle/.

[103] The Things Network, «Frequency Plans,» 2021. [En línea]. Available:
https://www.thethingsnetwork.org/docs/lorawan/frequency-plans/.

[104] Orne Brocaar, «Pila de servidores de red Chirpstack,» 2021. [En línea]. Available:
https://www.chirpstack.io/.

ANEXOS
Anexo A:
 Figura A. 1. Características y partes de un incendio.

Tabla A. 1. Niveles y límites de exposición al CO.

Niveles de CO (ppm) Condiciones resultantes en los seres humanos
44 Nivel de exposición permitido durante 8 horas.
200 Posible cefalea frontal leve de 2 a 3 horas
400 Dolor de cabeza frontal y náuseas después de 1 a 2
horas.
800 Dolor de cabeza, mareos y náuseas en 45 minutos.
Colapso y posible muerte en 2 horas.
1.600 Dolor de cabeza, mareos y náuseas en 20 minutos.
Colapso y muerte en 1 hora.
3.200 Dolor de cabeza y mareos en 5 a 10 minutos. Pérdida del
conocimiento y peligro de muerte en 30 minutos.
6.400 Dolor de cabeza y mareos en 1 a 2 minutos. Pérdida del
conocimiento y peligro de muerte en 10 a 15 minutos.
12.800 Efectos inmediatos: inconsciencia. Peligro de muerte en 1
a 3 minutos.
Límites De (OSHA) PEL\TWA:50 [ppm]
exposición (ACGIH) STEL: 400 [ppm] /15 [min]
(OSHA) IDLH: 1.500 [ppm] /15 [min]
 Tabla A. 2.Niveles y límites de exposición al CO2.
Niveles de CO2 (ppm) Condiciones resultantes en los seres humanos
300 Sin efectos, concentración normal en el aire
(0,03% Vol.)
Las concentraciones bajas provocan aumento de la
3000 – 5000 respiración y dolor de cabeza.

5000 La ventilación pulmonar aumenta en un 5%. PEL.

(0,05% Vol.)
Los síntomas pueden comenzar a ocurrir, como
sensación de calor y humedad, falta de atención a los
detalles, fatiga, ansiedad, pérdida de energía, debilidad
10.000 en las rodillas comúnmente conocidas como (piernas de
(1,0% Vol.) gelatina).
La ventilación pulmonar aumenta en un 50%, dolor de
20.000 cabeza después de varias horas de exposición.
(2,0% Vol.)
Jadeos violentos y fatiga hasta el punto de agotamiento
simplemente por respiración y dolor de cabeza severo. La
>30.000 exposición prolongada al 5% podría resultar en efectos
(5 – 10% Vol.) irreversibles para la salud.

Límites De (OSHA) PEL\TWA: 500 [ppm]

exposición (ACGIH) STEL: 30.000 [ppm]
(OSHA) IDLH: 40.000 [ppm]
Tabla A. 3. Concentraciones típicas de estos compuestos y gases en la atmosfera terrestre.
Gas Composición
Gases Principales Seco [ppm] Húmedo [ppm]
N2- nitrógeno 780.840 768.543

O2- oxigeno 209.450 206.152

H2O – vapor de Agua 0 15.748

Ar - argon 9.340 9.193

CO2 – Dióxido de carbono 340 335

Oligogases
Ne – neón 18 18
He – helio 5 5

CH4 – metano 1.8 1.8

Kr – criptón 1.1 1.1

H2 - hidrogeno 0.5 0.5

N2o – óxido nitroso 0.3 0.3

CO – monóxido de carbono 0.09 0.09

Xe – xenón 0.09 0.09

O3 – ozono 0.07 0.07

Otros oligogases 3.05 3.0

En total 100.000 100.000

Tabla A. 4. Modelos y tipos de combustible forestal de Rothermel.
 Figura A. 2. Pila de protocolos de red de sensores.

ANEXO B

Monto Factor de sequía en los días siguientes (mm)

de Agua
caída
1 2 3 4 5 6 7 8 9 10 11
(mm)
>70 70.0 58.2 47.4 37.7 28.9 21.4 14.8 9.3 4.8 1.3 0.5
70 – 58.3 58.2 47.4 37.7 28.9 21.4 14.8 9.3 4.8 1.3 0.5 0.5
58.2 – 47.5 47.4 37.7 28.9 21.4 14.8 9.3 4.8 1.3 0.5 0.5 0.5
47.4 – 37.8 37.7 28.9 21.4 14.8 9.3 4.8 1.3 0.5 0.5 0.5 0.5
37.7 – 29 28.9 21.4 14.8 9.3 4.8 1.3 0.5 0.5 0.5 0.5 0.5
28.9 – 21.5 21.4 14.8 9.3 4.8 1.3 0.5 0.5 0.5 0.5 0.5 0.5
21.4 – 14.9 14.8 9.3 4.8 1.3 0.5 0.5 0.5 0.5 0.5 0.5 0.5
14.8 – 9.4 9.3 4.8 1.3 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
9.3 – 4.9 4.8 1.3 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
4.8 – 1.4 1.3 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
1.3 – 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
<0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
Tabla B. 2. Valores del factor de sequía días siguientes de las precipitaciones para el cálculo
de las variables IPO.
Figura B. 1. Pronósticos de medición meteorológica, entregados por la página METEORED.

Características LoRa Sigfox Wi-Fi Zigbee NB-IoT

 868 [MHz] 868 [MHz](EU), 868 [MHz] (EU), Depende de la
(EU), 915 [MHz] 2.4 [GHz] y 5 915 [MHz] (USA), frecuencia con
Frecuencia 915 [MHz] (USA), [GHz]. 433 [MHz] (Asia), licencia para LTE.
(USA), 433 [MHz] 2.4 [GHz].
433 [MHz] (Asia).
(Asia).
Estándar IEEE802.15.4 Sigfox IEEE802.11 IEEE802.15.4 3GPP
g, LoRa
Alliance
Ancho de Banda 125-250 [KHz] 100 [Hz] 20 – 40 – 80 600 [KHz]– 200 [KHz]
– 160 [MHz] 2 [MHz]–
5 [MHz],
topología Estrella Estrella Estrella, Malla Estrella
Malla
BPSK,
QPSK, QPSK, OFDM
Modulación 16 QAM, 64 (DL, SC-FDMA
LoRa, FSK, BPSK, GFSK BPSK, Q-QPSK
GFSK QAM, 256 (UL)
QAM, 1024
QAM
50 [m]
Cobertura 5 [Km] 10[Km] (interior), 5 1[Km] (urbano),
(urbano), 20 (urbano), 40 [km] 10–100 m 10 [Km] (rural)
[Km] (rural) [Km] (rural) (exterior, en
función de la
visibilidad)
Consumo de Bajo Bajo Alta Medio-Baja Bajo
Potencia

2.4[Gbps] 250 [Kbps] a 2.4

Tasa de (IEEE [GHz],
Transferencia de 22 [Kbps]
(LoRa), 100-600[bps] 802.11 ax, 20 [Kbps] a 200 [Kbps]
Datos
100 [Kbps] 2 streams 868 [MHz], 40
(GFSK) with [Kbps] a 915
1024 QAM) [MHz]
Precios en los
Dispositivos >$3.000 >$2.000 >$3.000 >$2.000 >$20.000
Finales (nodos)
Precios de
Gateway/Estació >$70.000 >$2.000.000 >$20.000 >$40.000 >$13.000.000
n Base

Tabla B. 3. Características de las tecnologías de comunicación inalámbrica IoT.

 Figura B. 2. Comparación y características de las tecnologías inalámbricas en IoT.

Requisitos del
Microcontrolador Requisitos mínimos Requisitos Recomendados
LoRaWAN
Memoria Flash 128 kilobytes 256 kilobytes o más
RAM 8 kilobytes 16 kilobytes o más
Encriptación AES-128 Rutina de firmware Bloqueo de hardware
Reloj en tiempo real No requerido si se utiliza un Requerido para actualizaciones de
(RTC) con una resolución temporizador interno como base firmware por OTA, multidifusión y
de 1 milisegundo de tiempo. sincronización del reloj en la red
Pines de interrupción
externos para Dos pines IRQ: OCUPADO y un Cuatro pines IRQ: OCUPADO y
interrupciones generadas IRQ programable (DIO1) tres IRQ programables (DIO1:3)
del SX1276
Interfaz SPI para SX1276 Requiere: SCK, MOSI, MISO, CS Requiere: SCK, MOSI, MISO, CS
Generación de EUI de 64 Requerido, rutina de firmware Requerido, rutina de firmware o
bits del IEEE bloqueo de hardware
CPU del 8 bits 16 o 32 bits
microcontrolador
Tabla B. 4. Requisitos de una placa de microcontrolador de una terminal simple LoRaWAN que
recopila y transmite datos de un sensor con un procesamiento mínimo.
Tabla B. 5. Requisitos que la placa microcontroladora debe de tener para los sensores y
módulos GPS.
Total, Requisitos Requisitos E/S Alimentación [V]
BME680 Interfaz I2C 3–5
MG-811 Interfaz GPIO-ADC 6
MQ-7 Interfaz GPIO-ADC 5
GPS Ublox NEO-6M Interfaz UART 3–5

Modo Consumo
Activo 95 [mA] a 240 [mA]
Modem Sleep 27 [mA] a 68 [mA]
Light Sleep 0,8 [mAh]
Deep Sleep 10 [uAh] a 100 [uAh]
Hibernación 5 [uAh]
Tabla B. 6. Modos de consumo de la ESP32(Fuente: Información en [103]).
Especificaciones Modulo LoRa SX1276: Especificaciones Microcontrolador ESP32:
 Presupuesto de enlace de 168 dB máximo  Voltaje de Alimentación: 5[V] y 3,3[V] DC
 Salida de RF constante de +20 dBm -100 mW  Voltaje de Entradas/Salidas: 3.3[V] DC (No
en comparación con la alimentación V usar 5V)
 PA de alta eficiencia de +14 dBm  CPU: Tensilica Xtensa Tensilica Xtensa 32-bit
 Índice de bits programable hasta 300 kbps LX6
 Alta sensibilidad: reducida hasta -146.5 dBm  Frecuencia de Reloj (RTC): 160 a 240[MHz].
 Front-end a prueba de balas: IIP3 = -12 dBm  Bluetooth 4.2 2.4 Ghz; BT 2.0 y 4.0 BLE
 Inmunidad de bloqueo de 100 dB  Pines de entrada analógica: 12 bits, 18
 Baja corriente RX de 10 mA, retención de canales
registro de 200 nA  Wifi integrado: AP (punto de acceso) &
 Sintetizador completamente integrado con una estación
resolución de 61 Hz  Bluetooth 4.2 a 2.4 [Ghz]; BT 2.0 y 4.0 BLE
 FSK, GFSK, MSK, GMSK, LoRa y  36 pines GPIO.
modulaciones OOK  16 convertidores análogo a digital (ADC) de 12
 Sincronizador de bits incorporado para bits de resolución y se pueden programar con
recuperación de reloj límite de entrada a 1V, 2 V y 4V
 Reconocimiento de palabra sincronizado  Memoria ROM de 448 [KB]
 Detección de preámbulo  Memoria RAM de 520 [KB]
 RSSI de rango dinámico 115 dB+  Memoria SRAM de 512 [KB]
 Detección automática de RF con AFC  Memoria Flash mayores a 16 [MB]
ultrarrápido  2 x Convertidor digital a analógico DAC de 8
 Motor de paquete de hasta 64 bytes con CRC bits.
 Sensor de temperatura integrado e indicador  Corriente CC en pines de E / S: 40 mA
de batería baja  Consumo de corriente promedio: 80[mA]
 Consumo en modo sueño (Sleep Mode):
2,5[uA]
 Coprocesador de bajo consumo inferior a
150[uA]
 2 x UART (puertas serie)
 2 canales I2C, 2 canales I2S y 4 canales SPI.
 Dimensiones: 28,42x58,3 [mm]
Tabla B. 7. Especificaciones de los módulos LoRa SX1276 y MCU ESP32.

Tabla B. 8. Valores de consumo energético del BME680.

Sensor activo Consumo de corriente
Humedad y Temperatura 2,1[uA]
Presión y Temperatura 3,1[uA]
Humedad, Presión, y Temperatura 3,7[uA]
Gas (VOC) 0,09-12[mA]
Especificaciones Sensor BME680: Especificaciones Sensor MQ-7:
 Voltaje de entrada: 3,3 [V] a 5,0 [V].  Modelo MQ-7
 Corriente de funcionamiento: 5 mA (25  Voltaje del Calefactor: 5[V] ± 0.2[V].
[mA] en VOC).  Corriente de Operación: 150[mA].
 Conector de cable: Gravity I2C.  Potencia de Consumo: 350[mW]
 Conector en reserva: SPI.  Resistencia de carga: 2~20[KΩ]
 Rango de Medición de Temperatura: -40 (Ajustable).
°C a 85 °C.  Concentración: 20-2000 [ppm].
 Precisión de medición de temperatura: ±  Sensibilidad: ≥ 3%.
1.0 [℃] (0 a 65 [℃]).  Tiempo de respuesta: ≤ 1S (Tiempo de
 Rango de medición de humedad: 0-100% calentamiento inicial: 3-5 min).
[rH].  Tiempo de Recuperación: ≤ 30 [s].
 Precisión de medición de humedad: ± 3%  Temperatura de trabajo: - 10~70 °C.
[rH] (20-80% [Rh], 25 °C).  Humedad de operación: 95% RH.
 Rango de medición de presión  4 pines de Utilización (Pin 1: Vcc, Pin 2:
atmosférica: 300-1100 [hPa]. A0, Pin 3: D0, Pin 4: GND)
 Precisión de medición de la presión  Dimensiones:35[mm] × 22[mm] × 18[mm]
atmosférica: ± 0,6 [hPa] (300-1100 [hPa], (Largo × Ancho × Alto).
0 a 65 °C).
 Rango IAQ (calidad del aire interior): 0-
500 (cuanto más grande, peor)
 Dimensiones: 30 [mm] × 22 [mm]
Especificaciones Sensor MG-811:
 Voltaje de operación: Entre 2 a 4 [V].
 Principio de medición: Electroquímica.
 Rango de medición: 0 a 10000 [ppm].
 Exactitud: ± 100ppm a 400 [ppm].
 Tiempo de respuesta: <20 [s].
 Energía promedio: <1 [W].
 temperatura de operación: -20 °C a 50 °C.
 Operación Humedad: 0 a 95% RH (sin condensación).
 Salida: Analógica (2,7 a 4,1V) + Salida digital de encabezado 3P (alarma).
Tabla B. 9. Características de los sensores BME680, MQ-7 y MG811.

Tabla B. 10. Características requeridas por el cargador solar DFRobot.

Características Valores
Voltaje de Entrada 4,4 [V] a 6 [V]
Corriente de carga 500 [mA]
Voltaje de corte de Carga 4,2 [V]
batería requerida Litio de 3,7 [V]
Especificaciones Cargador Solar Lipo: Especificaciones de batería de Lipo:
 Voltaje de entrada: 4,4 ~ 6 [V]  Marca: Tewaycell/OEM
 Corriente de carga: 500 [mA] máx. (Según  Modelo: TW113450
la capacidad de suministro de la batería  Tipo: Li-Ion
solar)  Voltaje: 3,7[V] (Nominal) y 4,2[V] (Voltaje
 Voltaje de corte de carga: 4,2 [V] Completo)
 Temperatura de funcionamiento: -40 ~  Peso: 0,5[Kg]
85℃  Capacidad Normal: 2000[mAh]
 Tamaño del módulo: 33 [mm] * 33 [mm] *  Material Polímero de Litio
12 [mm] (1,30 "* 1,30" * 0,47 ")  Cuenta con enchufe, conector JST, cable
 Batería requerida: batería de litio de y PCM
3,7[V] (tenga en cuenta la corriente de  Dimensiones: 11x34x50[mm] (LxWxH)
carga máxima permitida de la batería de
litio)
 Indicador de carga: Sin batería: LED rojo
parpadeando; Cargando: LED rojo; Listo:
LED verde

Especificaciones Placa Solar:

 Material: silicio policristalino de nivel A
 Voltaje de funcionamiento: 6[V]
 Voltaje de circuito abierto: 7,5[V]
 Corriente de trabajo: 0-330[mA]
 Corriente de cortocircuito: 400[mA]
 Potencia máxima: 2(W)
 Dimensiones: 136x 110x3[mm]
 Peso neto: aprox. 59[g]
Tabla B. 11. Características técnicas del Cargador Solar DFRobot, batería Lipo de 2000[mAh] y
la placa solar de 6 [V].
Especificaciones Puerta de Enlace Kerlink Wirnet iBTS:
 Capacidades de comunicaciones bidireccionales de banda sin licencia de largo alcance
(Lora ™)
 Un módulo LoRa RF (16 canales) ampliable a cuatro módulos LoRa RF (64 canales)
 Bandas admitidas: 863-873MHz, 902-928MHz, 915-928MHz
 Configurable para antena omnidireccional única, diversidad espacial, polarización dual,
trisectorización
 Geolocalización LoRa que combina RSSI y diferencia horaria de llegada (TDOA)
 Conectividad de backhaul a través de GPRS / EDGE / HSPA / LTE (bandas Europa /
APAC o América) o Ethernet
 Dispositivo de alta seguridad que se basa en un núcleo seguro de hardware
 Carcasa compacta o de grado portador

Módem de largo alcance:

 Arquitectura evolutiva SDR que incluye dos procesadores SoC DSP y ARM de doble
núcleo por módem LoRa RF
 Un módem LoRa RF ampliable a tres módems LoRa RF con carcasa estándar
 Incorporar tecnología de comunicaciones bidireccionales LoRa (TM)
 Arquitectura modular "LoRa RF Modem":
 96 demoduladores LoRa en 16 canales por módulo RF LoRa (1x16 o 2x8 canales)
 Más de 15 km de alcance en situación suburbana
 Más de 2 km de alcance en situación urbana
 Ampliar el número de canales agregando módulos:
 1 módulo de RF LoRa: 1x16 o 2x8 canales (diversidad única o espacial o polarización
dual)
 2 módulos RF LoRa: 2x16 canales o 2x2x8 canales (diversidad espacial y / o polarización
dual)
 3 módulos de RF LoRa: 3x16 canales o 3x2x8 canales (tri-sectorización con o sin
polarización dual)
 Bloque de 4 módulos LoRa RF (versiones 915 y 923): 1x64 o 2x32 canales (diversidad
única o espacial o polarización dual)

Tabla B. 12. Especificaciones de la pasarela (Gateway) Kerlink Wirnet iBTS.

 ANEXO C

Figura C. 2. Factores y condiciones relacionadas a la probabilidad de incendios forestales.

Herramienta ArcGis:
Para poder realizar el análisis geográfico y poblacional, se va a utilizar el software
ArcGis. Este software nos permite recopilar, organizar, administrar, compartir y distribuir
información, además de crear una base de datos geográficas y Resolver problemas con análisis
espacial. ArcGis integra múltiples módulos y aplicaciones de trabajo, siendo ArcMap,
ArcCatalog y ArcToolBox los más fundamentales en el análisis de estrategias de evaluación.
ArcMap es una Aplicación para entrada de datos, búsquedas estadísticas y geográficas, lugar
donde se crean y editan los Dataset SIG para ciertas áreas de estudio. Además, este módulo
sigue una línea de múltiples flujos de trabajos en la que se destacan la publicación de los
mapas y modelos de geoprocesamiento, compartiendo los Geodatabases a otros usuarios de
internet a través de su plataforma online. ArcCatalog es una Herramienta para organizar y
documentar los datos geográficos (metadata). Es aquí donde se administra, crea y acondiciona
la Geodatabase. Mientras que ArcToolBox es usado para el geoprocesamiento, en donde se
pueden combinar capas de información, manipulación de los datos, definición y transformación
de sistemas de coordenadas, entre otros.
ArcMap incluye una ventana Catálogo que se utiliza para organizar y administrar varios
tipos de información geográfica como colecciones lógicas, por ejemplo, los datos, mapas y
resultados de sus proyectos GIS. Además, es una de las aplicaciones centrales y más utilizadas
en el entorno ArcGIS Desktop. Como se aprecia en la Fig.C. 2, hay dos vistas de mapa
principales en ArcMap, la vista de datos y la vista de diseño. En la vista de datos de ArcMap, el
mapa es el marco de datos y esta se presenta como una ventana geográfica en la que se
muestran y utilizan las capas del mapa, ocultando todos los elementos del mapa en el diseño,
como títulos, flechas, barras de escala y le permite enfocarse en los datos en un solo marco de
datos, como es el caso de editar o analizar. En el marco de datos, se trabaja con información
GIS presentada a través de capas de mapa utilizando coordenadas geográficas (mundo real).
Generalmente estas serán medidas del suelo en unidades como pies, metros o medidas de
latitud-longitud (como grados decimales). Los mapas generados y creados en ArcMap, se
guardan como un archivo en el disco y se denomina documento de mapa o mxd, ya que la
extensión del nombre del archivo (.mxd) se agrega automáticamente al nombre del documento
de mapa. Además, el marco de datos, se muestran los datasets geográficos como capas, donde
cada capa representa un dataset particular superpuesto en el mapa. Las capas de mapa
ayudan a transmitir información a través de:

 Clases de entidades discretas, como colecciones de puntos, líneas y polígonos

 Superficies continuas, como la elevación, que se pueden representar de varias formas,
por ejemplo, como una colección de curvas de nivel y puntos de elevación o como un
relieve sombreado.
 Fotografía aérea o imágenes de satélite que cubren la extensión del mapa

Principalmente en este trabajo de titulación está orientado al geoprocesamiento de los

datos, y la generación de estos en modelos robustos en ArcMap a la hora de analizar las
muestras de información obtenida en el parque, para que finalmente se puedan generar los
mapas de densidad de calor para cada nivel de clasificación y peligrosidad de los IF.

Figura C. 3. Panel de trabajo de la herramienta Arcgis (Arcmap).

 Figura C. 4. Método intervalo geométrico de 3 clases.

Para la resolución de los mapas ArcGis adoptó el método de clasificación de datos

mediante intervalos geométricos de tres clases (tres colores, como se observa en la Fig. C. 3.
El algoritmo de Argis crea intervalos geométricos al minimizar la suma de cuadrados del número
de elementos de cada clase. Con esto se garantiza que cada rango de clase tenga
aproximadamente el mismo número de valores en cada clase y que el cambio entre intervalos
sea bastante coherente. Además, este método crea un equilibrio entre los cambios resaltados
en los valores centrales y en los valores extremos, produciendo así un resultado visualmente
atractivo.
Los combustibles Forestales fueron clasificado respecto a su volumen y cantidad
(modelos de Rothermel en [t/ha]). En la Fig C. 4 se observan 3 clases de combustibles,
combustible reducido, combustible medio y mayor combustible representadas en
circunferencias con puntos internos, en donde a mayor cantidad de combustible en un área,
mayor será la cantidad de puntos almacenados dentro de esta circunferencia. Estas clases de
combustibles se observan en las Fig D.4, Fig D.5 y Fig D.6. El resultado final de aplicar el
método de intervalos geométricos resulto en las áreas de color azul amarillas y rojas,
determinando finalmente las zonas CNI con sus respectivas áreas ACC, MCC y BCC.
 Figura C. 5. Técnica grafica de medición respecto al combustible forestal y desplazamiento
humano en Parque Arboretum.

Las personas desplazadas por el parque se observan en la Fig. C. 4. Esta inspección se

realizó por áreas (tres específicamente) donde se realizó un conteo en un lapso de 5 horas
difiriendo en los días de inspección (se buscaron los días donde pueda existir mayor flujo,
siendo comúnmente los viernes, sábados y domingo, lamentablemente por las condiciones
sanitarias de fase 1 y 2, los sábados y domingos se descartaron). Para el Área_1 se
visualizaron entre 30 a 50, por lo tanto, el flujo fue de 6 a 10 [p/h]. Esto podría ser normal y
lógica, dado que en esta zona se tienen múltiples accesos de entrada hacia el parque. En el
Área_2 se visualizaron 20 a 30 personas, dando un flujo de 4 a 6 [p/h], mientras que en el
ÁREA_3 en la zona del mirador es en donde más concentración de personas hubo, con un flujo
total de 5 a 8 [p/h]. Estos puntos dispersos se le aplico el método de intervalos geométricos
resultando las zonas FCH con sus respectivas áreas ATC, MTC y BTC. En la Fig. D. 7 se
observan créditos de la inspección. Estos flujos se consideran moderados, comparado a los
periodos normales de turismo (sin pandemia), en donde la cifra respecto al flujo podría
duplicarse e incluso triplicarse.
Figura C. 6. Representa el combustible reducido en parque y corresponden a los modelos 1, 5,
8 y 9.
Figura C. 7. Representa el combustible medio en el parque y en ellos están los modelos 2, 6,10
y 11.
Figura C. 8. Representa a los mayores combustibles y pertenecen a los modelos 3, 4, 7, 12 y
13.
Figura C. 9. Flujo de personas en Parque Arboretum y fundo Teja norte.
 ANEXO D

Figura D. 2. Arquitectura detallada del nodo de sensor.

Conexiones del nodo de sensor:

Tabla D. 1. Conexión modulo LoRa SX1276 y la MCU ESP32 mediante SPI.

RFM95W ESP32
VCC 3,3[V]
GND GND
SCK SCK (GPIO18)
MISO MISO (GPIO19)
MOSI MOSI (GPIO23)
SS GPIO5
DIO0 GPIO2
 Tabla D. 2. módulos de sensores con conexión a la MCU ESP32.
BME680 ESP32 MQ-7 ESP32
VCC 3,3[V] VCC 5 [V]
GND GND GND GND
SCL GPIO22 A0 GPIO0
SDA GPIO21 DO GPIO32
MG-811 ESP32 GPS-NEO-6M ESP32
VCC 6 [V] VCC 3,3[V]
GND GND GND GND
A0 GPIO15 TX GPIO9
- - RX GPIO10
 Tabla D. 3. Posibles Valores para CO.
Tabla de resultados para el CO [ppm]
k i=1 nodo k i=2 nodos k i ≥ 3 nodos λ C −λC
t−1 ARt
βN 1 βN 2 βN 3
1,2 1,8 2,3 0 0 0 0
1,2 1,8 2,3 -1 -1,2 -1,8 -2,3
1,2 1,8 2,3 -2 -2,4 -3,6 -4,6
1,2 1,8 2,3 -3 -3,6 -5,4 -6,9
1,2 1,8 2,3 -4 -4,8 -7,2 -9,2
1,2 1,8 2,3 -5 -6 -9 -11,5
1,2 1,8 2,3 -6 -7,2 -10,8 -13,8
1,2 1,8 2,3 -7 -8,4 -12,6 -16,1
1,2 1,8 2,3 -8 -9,6 -14,4 -18,4
1,2 1,8 2,3 -9 -10,8 -16,2 -20,7
1,2 1,8 2,3 -10 -12 -18 -23
1,2 1,8 2,3 -11 -13,2 -19,8 -25,3
1,2 1,8 2,3 -12 -14,4 -21,6 -27,6
1,2 1,8 2,3 -13 -15,6 -23,4 -29,9
1,2 1,8 2,3 -14 -16,8 -25,2 -32,2
1,2 1,8 2,3 -15 -18 -27 -34,5
1,2 1,8 2,3 -16 -19,2 -28,8 -36,8
1,2 1,8 2,3 -17 -20,4 -30,6 -39,1
1,2 1,8 2,3 -18 -21,6 -32,4 -41,4
1,2 1,8 2,3 -19 -22,8 -34,2 -43,7
1,2 1,8 2,3 -20 -24 -36 -46
 Tabla D. 4. Posibles Valores para CO2.
Tabla de resultados para el CO2 [ppm]
k i=1 nodo k i=2 nodos k i ≥ 3 nodos λ C −λC
t−1 ARt
βN 1 βN 2 βN 3
1,2 1,2 2,3 0 0 0 0
1,2 1,8 2,3 -50 -60 -90 -115
1,2 1,8 2,3 -100 -120 -180 -230
1,2 1,8 2,3 -150 -180 -270 -345
1,2 1,8 2,3 -200 -240 -360 -460
1,2 1,8 2,3 -250 -300 -450 -575
1,2 1,8 2,3 -300 -360 -540 -690
1,2 1,8 2,3 -350 -420 -630 -805
1,2 1,8 2,3 -400 -480 -720 -920
1,2 1,8 2,3 -450 -540 -810 -1035
1,2 1,8 2,3 -500 -600 -900 -1150
1,2 1,8 2,3 -550 -660 -990 -1265
1,2 1,8 2,3 -600 -720 -1080 -1380
1,2 1,8 2,3 -650 -780 -1170 -1495
1,2 1,8 2,3 -700 -840 -1260 -1610
1,2 1,8 2,3 -750 -900 -1350 -1725
1,2 1,8 2,3 -800 -960 -1440 -1840
1,2 1,8 2,3 -850 -1020 -1530 -1955
1,2 1,8 2,3 -900 -1080 -1620 -2070
1,2 1,8 2,3 -950 -1140 -1710 -2185
1,2 1,8 2,3 -1000 -1200 -1800 -2300
1,2 1,8 2,3 -1050 -1260 -1890 -2415
 Tabla D. 5. Posibles Valores para la Temperatura.
Tabla de resultados para la Temperatura [C]
k i=1 nodo k i=2 nodos k i ≥ 3 nodos λ C −λC
t−1 ARt
βN 1 βN 2 βN 3
-1,2 1,8 2,3 0 0 0 0
-1,2 1,8 2,3 1 -1,2 1,8 2,3
-1,2 1,8 2,3 2 -2,4 3,6 4,6
-1,2 1,8 2,3 3 -3,6 5,4 6,9
-1,2 1,8 2,3 4 -4,8 7,2 9,2
-1,2 1,8 2,3 5 -6 9 11,5
-1,2 1,8 2,3 6 -7,2 10,8 13,8
-1,2 1,8 2,3 7 -8,4 12,6 16,1
-1,2 1,8 2,3 8 -9,6 14,4 18,4
-1,2 1,8 2,3 9 -10,8 16,2 20,7
-1,2 1,8 2,3 10 -12 18 23
-1,2 1,8 2,3 11 -13,2 19,8 25,3
ANEXO E
Tabla E. 2. distribución espacial de los nodos de sensores dentro en el Parque.
Superficie [ Cantidad de dm a la Factor S Fm
Zonas m]
2 Nodos ( pasarela
l=40[m]) [Km]

Zona 1 (ZRM) 8.239 2 1,48 - 1,57 SF 9

Zona 2 (ZRM) 1.710 1 1,44 SF 9
Zona 3 (ZRM) 197.436 39 1,44 - 0,69 SF 7 , SF 8 , SF 9
Zona 4 (ZAR) 190.328 38 0,52 - 1,55 SF 7 , SF 8 , SF 9
Zona 5 (ZRM) 5.392 1 0,60 SF 7
Zona 6 (ZRM) 18.813 4 0,5 - 0,71 SF 7
Zona 7 (ZRM) 2.785 1 0,76 SF 7
Zona 8 (ZRM) 198.470 39 0,51 - 1,27 SF 7 , SF 8 , SF 9
Zona 9 (ZRM) 14.292 3 0,62 - 0,8 SF 7
Zona 10 (ZRM) 7.201 2 1,11 SF 8 , SF 9
Zona 11 (ZAR) 140.405 28 0,62 - 1,16 SF 7 , SF 8 , SF 9
Zona 12 (ZRM) 45.146 9 0,82 - 1,22 SF 7 , SF 8 , SF 9
Figura E. 1. Esquema interno en pasarela Kerlink iBTS para la recepción y Transmisión.

Figura E. 2. Diagrama de bloques de conexión.

Figura E. 3. Estructura de bloques en 4 módulos lora (64 canales).