Sistema de detección temprana de incendios forestales
1. Sistema para la detección oportuna de incendios
forestales. Caso de estudio: municipio de
Warnes del departamento de Santa Cruz
Gregory Pekynov Bustamante R., Jorge Antonio Nava A.
Resumen—Se presenta un Sistema de Detección Oportuna de
Incendios Forestales, como aplicación de los sistemas de control
con instrumentación distribuida, a procesos ambientales donde el
modelado de las características suele ser complejo y la aplicación
de criterios ingenieriles para la óptima ubicación de la
instrumentación, suele estar ausente. Este sistema supervisorio
(SCADA), estructurado bajo la metodología RUP y UML,
considera tres fuentes de información complementarias entre sí
y/o alternativas, que se generan por: instrumentación distribuida
que contiene dispositivos sensores; imágenes satelitales
integradas para disponer de información más general; y un
modelo matemático del ecosistema para la estimación del
comportamiento dinámico de las distintas variables. La ubicación
de la instrumentación se efectuó en base a la aplicación de un
Algoritmo Genético Multiobjetivo, y la definición del Modelo de
la Dinámica del Ecosistema para la estimación del
comportamiento, se realizó en base a la aplicación de técnicas de
Modelado Multicriterio. Se concluyó con un prototipo
simplificado para evaluar algunas de las funcionalidades del
sistema, para aplicarse en el Municipio de Warnes del
Departamento de Santa Cruz.
Índices—Algoritmo Genético Multiobjetivo, modelado
multicriterio, RUP, sistema supervisorio y UML, SCADA.
I. INTRODUCCIÓN
E
NTRE los problemas ambientales que están afectando al
país están los efectos producidos por los incendios
forestales, debido a que estos agreden al ecosistema y a la
sociedad. Las zonas afectadas han sido las que tienen recursos
forestales, y que se encuentran ubicadas en los valles y llanos.
En Bolivia la falta de prevención contra incendios es una
primera etapa del problema que debería vencerse, para luego
estar absolutamente preparados en toda la logística, sistemas y
recursos para su extinción. Algunas de las cuestiones que
surgen del porqué de los incendios, es su fuente de generación,
las cuales básicamente parecen ser producto de situaciones
fortuitas, por vandalismo o por prácticas culturales en el agro
como los “chaqueos” de plantaciones; muchas de estas
situaciones se encuentran también vinculadas a las estaciones
del año. Para minimizar los casos mencionados, se requiere de
procesos educativos o divulgación de consideraciones sobre el
uso del fuego, campañas de prevención, y vigilancia
disuasoria entre otras consideraciones. No obstante, ello no
evita la producción de incendios en distintas áreas para las que
no se tiene los suficientes recursos que combatan de manera
oportuna el fuego, ya que una vez identificado lugar de
ocurrencia de un incendio forestal, podría extinguirse el
mismo con los medios y recursos adecuados (camión cisterna
con agua o químicos, helicópteros o avión con depósitos de
agua, tractores, cortafuegos, motobombas, vehículos, etc.). Por
tanto, la identificación inmediata de los focos de temperaturas
elevadas o diferentes en determinadas zonas es un
requerimiento que debe también ser atendido. Una vez
realizada la identificación, será necesario contar con técnicas,
procedimientos y estrategias de combate del fuego adecuadas
[1], [2] y [3]. Para definir tales metodologías, es necesario
identificar algunos elementos [4], como por ejemplo la
caracterización del área o zona en particular (vegetación,
suelo, relieve, clima, precipitación pluvial, etc.). No obstante
los incendios se vienen sucediendo de manera recurrente y van
devastando extensiones de recursos maderables y no
maderables que no se los podrá recuperar, por lo menos en el
corto plazo, y que terminaran afectando los ecosistemas que
los rodean, provocando efectos migratorios en general. Las
acciones que llevan a cabo las distintas instituciones en
Bolivia sobre esta temática no son suficientes y por tanto, es
necesario contar con instrumentos que paulatinamente se
vayan escalando e integrando para lograr tener una visión
general del amplio territorio existente en Bolivia para disponer
de información oportuna para la toma de decisiones y
realización de acciones oportunas en lo que hace al combate
de incendios.
Ante la descripción de esa problemática se plantearon como
Id: ELC-01
Página 1 de 11
2. soluciones los siguientes objetivos específicos:
1. Definir y caracterizar el área de trabajo inicial en
territorio boliviano desarrollando un modelo
matemático que permite estimar el comportamiento
del bosque ante cambios en las variables
ambientales (temperatura y humedad).
2. Establecer los puntos de toma de información que
permite contar con información completa del área
observada a través de un algoritmo genético
multiobjetivo que ubica de manera óptima los
equipos de medida (micro unidades remotas) en toda
el área sujeto de estudio.
3. Establecer las especificaciones que requiere el
sistema supervisorio evaluando y documentando los
requerimientos para tres fuentes de información:
información desde las unidades remotas,
información por el modelo de estimación del
comportamiento del bosque e información de las
imágenes satelitales, siendo esta última información
complementaria al sistema.
4. Realizar el diseño del sistema siguiendo la
metodología RUP (Rational Unified Process)[5] y
empleando conceptos de sistemas supervisorio y
SCADA (Supervisory Control And Data Acquisition)
([6],[7] y [8]) presentado en una arquitectura tanto
el hardware como el software.
5. Desarrollar un prototipo que permite apreciar los
alcances del proyecto recogiendo algunas de las
funcionalidades del sistema.
Para lograr los objetivos planteados, se consideraron los
siguientes alcances y límites:
El área sujeto de estudio corresponde al municipio
de Warnes siendo una de las más afectadas por los
incendios forestales reportados en la gestión 2010
por la ABT (Autoridad de fiscalización y control de
Bosques y Tierras).
Se presentó mediante un modelo matemático el
comportamiento del área mediante un modelo de
estimación, en el cual no se desarrolla una etapa de
“Control” para gestionar dicho comportamiento.
El desarrollo del proyecto abarca hasta el nivel del
diseño del sistema dejando para una siguiente etapa
su implementación, sin embargo se presenta un
prototipo que recoge algunas de las funcionalidades
del sistema.
II. MARCO REFERENCIAL
El área de estudio corresponde al municipio de Warnes del
departamento de Santa Cruz, una de las más afectadas por los
incendios forestales (reporte de la ABT en la gestión 2010).
El Municipio de Warnes, está localizado en el
Departamento de Santa Cruz, en el sector Oeste de la
Provincia Warnes, ubicado a 30 Km. de la capital del
departamento a la que se halla vinculada por una moderna
carretera de dos vías.
Cubre una superficie de 3.489 ha, lo que equivale al 2.0%
de la superficie total del Municipio. Básicamente comprende
parte del bosque medio, bajo donde predominan especies de
altura media cuyo dosel superior alcanza en muchos casos
hasta los 20 m de altura total.
III. DESARROLLO DEL PROYECTO: REQUERIMIENTOS
Esta sección describe los requerimientos fundamentales
para el diseño del Sistema de Detección Oportuna de
Incendios Forestales (SDOIF). Con la ayuda de la metodología
RUP (Process Unified Rational), se presenta inicialmente una
Visión General de las características del sistema y
posteriormente documentar los requerimientos en Matrices
de Atributos Funcionales. Toda la parte de interacción entre
los Actores y los diferentes componentes del SDOIF se
capturan en Modelos de Casos de Uso.
A. Visión General
La detección oportuna de incendios forestales podría ser
realizada de distintas maneras, entre las que se encuentran:
Imagen en tiempo real; imágenes actualizadas con
una alta frecuencia de muestreo.
Mediciones de campo en tiempo real; bien
proveniente de sistemas de meteorología o de
sistemas de propósito específico.
Comunicaciones por Radio Frecuencia; ya sea
efectuadas por un Radio Aficionado, por los sistemas
de comunicación con los que cuenta un
Guardabosque o por sistemas de comunicación de las
Radios Comunitarias.
En Bolivia el uso de los sistemas de información en tiempo
real es aún incipiente para este propósito; no obstante, se
pueden aprovechar aquellos sistemas existentes de
comunicación por radio frecuencia, para informar
oportunamente acerca del desarrollo de un incendio.
En el presente trabajo se desarrolla dicho sistema
integrando tres fuentes de información, las cuales son:
Mediciones de Campo: Se obtiene información
ambiental de temperatura, humedad, presión,
precipitación, velocidad y dirección del viento.
Permitiendo observar el estado actual del Bosque.
Modelo Matemático de Estimación: Permite
predecir el comportamiento dinámico del bosque en
base a información histórica e información del
Id: ELC-01
Página 2 de 11
3.
propio sistema (mediciones de campo) [9].
Imágenes Satelitales: Se observa información de las
características del área de estudio con puntos
correspondientes a los focos de calor [10].
B. Descripción del sistema SDOIF
proveniente de imágenes satelitales.
C. Matriz de Atributos de Requerimientos
Agrupando los requerimientos mencionados en las distintas
funcionalidades de acuerdo a características similares de
categorías, complejidad, entorno y, prioridad se ha construido
una Matriz de Requerimientos -orientada a los atributos
funcionales. Como ejemplo se muestra los requerimientos del
subsitema de Adquisición de Señales:
TABLA I
MATRIZ DE ATRIBUTOS DE REQUERIMIENTOS, ADQUISICIÓN DE SEÑALES.
Grupo
Funcional
Tipo
Funcional
Requerimiento
1.
Procesar Señales Analógicas
2.
3.
4.
Procesar Señales Discretas
Configuración
Operación
5.
Procesamiento
Adquisición de
Señales
Fig. 1. Descripción General del sistema SDOIF
6.
La Fig. 1 muestra los principales subsistemas del Sistema
de detección oportuna de incendios forestales, las cuales son:
Adquisición y Procesamiento; Sistema de Comunicación;
Centro de Control; Almacenamiento Histórico de la
Información; Sistema de Teledetección, Modelo del
Comportamiento Dinámico del Bosque y Visualización.
Los datos adquiridos por las uRTU’s son enviadas al
Centro de Control a través de dos subsistemas de
comunicación que se identificaron como: Comunicación entre
uRTU’s y Comunicación Global.
El subsistema Centro de Control, es el principal
componente del sistema, comprendido por los subsistemas:
Unidad Terminal Maestra (MTU), Almacenamiento Histórico
y una Interfaz Hombre-Máquina (HMI), dicho subsistema se
encarga de gestionar todas las micro Unidades Terminales
Remotas (uRTU) distribuidas en campo permitiendo visualizar
las variables ambientales recogidas de campo mediante
gráficos y tablas. Así mismo, desde el Centro de Control se
permite ejecutar el subsistema de Comportamiento Dinámico
del Bosque por petición del usuario, este modelo está
desarrollado más adelante en función de los requerimientos
previamente establecidos Otra particularidad con la que cuenta
este subsistema, es la de observar las características del área
por medio de imágenes satelitales.
El sistema que se presenta en este trabajo, se alimenta de
tres fuentes de información complementarias entre sí y/o
alternativas: Información desde las unidades remotas;
Información del modelo de estimación; y la Información
Configurar uRTU’s
Mostrar Medidas y
Gráficos
Mostrar Estado de las
uRTU’s
Mostrar área y Focos de
Calor
IV. DESARROLLO DEL PROYECTO: MODELADO DEL ÁREA DE
ESTUDIO
La estructura para el modelado de estimación del
comportamiento del bosque comienza describiendo las
consideraciones generales para luego describir la dinámica del
ecosistema, posteriormente se define el área de estudio y se
pasan a describir las consideraciones para el diseño y a partir
de aquello se realiza el modelo matemático mediante
ecuaciones en diferencia, y finalmente se realiza la simulación
y se presentan los resultados.
Las consideraciones generales para el comportamiento del
ecosistema son:
El comportamiento del sistema pasa por 3 etapas
principalmente: Bosque Húmedo, Bosque Seco y
Materia Orgánica Muerto. Este último no se toma en
cuenta para el modelado matemático, porque presenta
muchas más variables además de coeficientes de
variación
mucho
más
elevados
que
los
comportamientos de bosque húmedo y seco, esto
implica que al contar con estas características su
estimación sea menos confiable.
La Temperatura y el contenido hídrico (Humedad) del
suelo son los principales factores ambientales que
controlan la dinámica de la biomasa y son las
consideradas en este trabajo.
Id: ELC-01
Página 3 de 11
4. A. Descripción del Comportamiento del Ecosistema
conocidas. Así mismo la vegetación se caracteriza por ser
propia de un Bosque puro con el 9% del total, presentando una
diversidad de árboles, arbustos, hierbas, entre otras. El área de
estudio corresponde al lugar mostrado en color verde claro
pequeño en la Fig. 3. La precipitación pluvial promedio anual
alcanza a 740,95 mm con oscilaciones entre 500-2000 mm y la
temperatura promedio es de 23,4[C] (datos de la estación del
Aeropuerto Viru Viru).
Fig. 2. Descripción General Comportamiento del Bosque
En la Fig. 2 se muestra el comportamiento del ecosistema,
que comienza con el CO2 atmosférico (ATMOSFERA) fijado
en la biomasa del Bosque Húmedo (BHumedo) mediante el
proceso conocido como productividad primaria neta aérea
(Flujo Fah), éste proceso es controlado por la cantidad de
biomasa de bosque húmedo existente y por otras dos variables
de control: temperatura y humedad del suelo. La biomasa de
bosque húmedo se transforma en bosque seco (BSeco)
mediante la etapa conocida como senescencia (Flujo Fhs) que
corresponde al envejecimiento de los bosques, flujo
controlado por la cantidad de biomasa de bosque húmedo
presente, la temperatura y la disponibilidad de agua. La
biomasa de bosque seco se transforma en CO2 atmosférico
(ATMOSFERA2), que regresa a la atmósfera (Flujo Fsa). Este
flujo resulta de la sucesión de 3 flujos distintos: la
transformación del material seco en material muerto en pie, la
caída de gajos, hojas y partes primordiales del árbol al suelo y
su posterior descomposición [11].
B. Área de estudio para el modelado
Fig. 3. Área de estudio para el modelado
El área de estudio está localizada en el municipio de
Warnes del departamento de Santa Cruz, cuyas características
estructurales y funcionales son recogidas por tareas de campo
o por información satelital y por tanto son aceptablemente
C. Representación en Bloques para el modelado
La representación en bloques del modelado matemático
(ver Figura 4) muestra que para determinar el comportamiento
de la dinámica del ecosistema es necesario algunos parámetros
iniciales como la cantidad de bosque húmedo y seco además
de las variables de control (temperatura y humedad) que son
las que regulan el comportamiento del mismo.
Fig. 4. Diagrama en Bloques del modelado
D. Consideraciones para el diseño
Las consideraciones para el diseño del modelado son:
El modelo matemático se realiza para intervalos de un
año, comenzando por el mes de Enero.
Las variables de estado: bosque húmedo y seco, son
expresadas en gramos de materia por metro cuadrado
(
).
Las transiciones entre estados son denominadas flujos
de materia (Fxy) y se expresan en gramos de materia
por metro cuadrado y por mes (
).
En cada mes, ninguna variable de estado puede ganar o
perder más biomasa de la que tenía antes. Permitiendo,
que todos los flujos sean menores o iguales a una
proporción máxima de la variable de estado que los
controla (por mes). Dicha proporción máxima se mide
en (
) y se denomina Kxy, donde el subíndice
“x” es la variable de estado donde se origina el flujo y
el subíndice “y” es aquella donde llega el flujo.
Los valores de Kxy se consideran constantes e
Id: ELC-01
Página 4 de 11
5.
independientes de la biomasa que los controla.
La información proveniente de las variables de control:
Temperatura y Humedad regulan la magnitud de los
flujos de materia respecto a sus valores máximos
predefinidos. Dado que para cada flujo la influencia de
humedad y temperatura son diferentes, se define un
parámetro denominada Coeficiente Ambiental que es
diferente para cada uno. Estos coeficientes son función
de las variables de control y es por ello que se recurre a
técnicas de modelado multicriterio para su
correspondiente análisis.
Los Coeficientes Ambientales son función de los
valores medios mensuales de temperatura y contenido
hídrico del suelo registrados previamente, estos datos
oscilan entre un máximo de 1 (el flujo alcanza su
máximo valor) y 0 (el flujo correspondiente se hace
cero).
El modelo se alimenta de datos de los 3 años anteriores
(2008, 2009 y 2010), estos datos son básicamente de
temperatura, humedad, cantidad de bosque húmedo y
seco del mes de diciembre del último año anterior.
E. Resultados
Para la simulación son necesarios 6 archivos de datos
mensuales de temperatura y humedad correspondientes a los
últimos 3 años, a partir de estos datos el programa calcula los
valores de los Coeficientes Ambientales de acuerdo a la
técnica de análisis multicriterio para luego obtener la cantidad
de bosque húmedo y seco mensual reguladas por estos factores
ambientales.
Los resultados que muestra este modelo corresponden a
tablas con valores de las variables calculadas y las gráficas
para la cantidad de bosque húmedo y seco.
A partir de los datos calculados de las variables Kxy,
CAxy, Fxy y de los parámetros de ajuste de las variables de
control θxy, se pasan a mostrar las gráficas correspondientes a
la cantidad de bosque húmedo y seco mensual para todo un
año. La Fig. 5 muestra el resultado obtenido para el
comportamiento de la cantidad de Bosque Húmedo.
Fig. 5. Resultado del Comportamiento del Bosque Húmedo
Se puede observar en la Figura 5 que a partir de una
cantidad de bosque húmedo inicial (esta medida fue tomada de
manera aleatoria, sin embargo en un trabajo a futuro estos
datos son estimados mediante otra técnica y queda abierta la
posibilidad de trabajar en ello) se obtiene el comportamiento a
lo largo de un año, regulado por las variables de control
consideradas en el modelado (temperatura y humedad del
suelo), mientras exista mayor temperatura y mayor humedad
del suelo, al cabo del año se obtiene una mayor cantidad de
bosque húmedo, cuando no se tenga temperatura y humedad,
es decir que no exista ni temperatura ni humedad presente en
el suelo, la cantidad de bosque húmedo crece poco (con
valores reales se pretende que la cantidad de bosque húmedo
se mantenga a la cantidad inicial), y en el otro extremo cuando
se tenga cantidades de temperatura y humedad menores (datos
mensuales) se obtiene un crecimiento mucho menor y con
valores reales esto bajaría una pequeña cantidad.
De manera similar al análisis anterior se tiene el
comportamiento para la cantidad de Bosque Seco mostrado en
la Fig. 6.
Id: ELC-01
Página 5 de 11
6. Algoritmo Genético Multiobjetivo, dicha representación
matemática es el núcleo para obtener resultados esperados, y
está representada por la siguiente formulación matemática.
Fig. 6. Resultado del Comportamiento del Bosque Seco
El comportamiento pasa por los mismos valores de
temperatura y humedad pero en esta oportunidad para la
cantidad de bosque seco, se observa en la Fig. 6 que para la
misma cantidad de bosque seco inicial, cuando la temperatura
y la humedad sean mayores existe un crecimiento al termino
del año (color verde), mientras que para una temperatura y
humedad cero existe un decrecimiento de la cantidad de
bosque seco (color “magenta”) y en el otro extremo cuando la
temperatura y humedad sean las menores de los datos
mensuales se obtiene un decrecimiento (color azul).
El objetivo del modelado matemático es encontrar el
individuo que presente el mejor compromiso entre los
siguientes criterios:
Minimizar la cantidad de las uRTU’s: Para el área
definida se desea obtener el menor número de uRTU’s
necesarias para tener el cien por ciento de cobertura.
Minimizar el Costo: Expresa el valor monetario que se
tiene por metro cuadrado para una determinada
solución. Con este factor se da equilibrio a la función
de optimización, buscando la mejor solución en cuanto
a precisión y cobertura con un número de módulos
razonables. Su valor está dado por: [
]
Maximizar la cobertura en el área de trabajo: Hallar la
configuración de las uRTU’s que dan máxima
cobertura en cuanto a comunicación cumpliendo con
los demás parámetros.
Por tanto el modelo propuesto busca configuraciones de
uRTU’s cuya ubicación permita obtener resultados de posición
confiables, mínimo costo de los módulos, manteniendo la
cobertura deseada.
La metodología para el proceso de análisis de la
distribución óptima de las uRTU’s sigue tres etapas
fundamentales, estas son mostradas en la Fig. 7:
V. DESARROLLO DEL PROYECTO: DISTRIBUCIÓN ÓPTIMA DE
LAS URTUS
El municipio de Warnes y todas las zonas municipales son
un espacio infinito dimensional, donde para poder identificarlo
talvés es más adecuado distribuir muchos sensores en todo el
área, pero esto conlleva a colocar sensores en lugares donde
no sea necesario, sin embargo esto se vence siguiendo una
técnica para ubicar los sensores de manera óptima
persiguiendo unos objetivos, por tanto en esta sección se
presenta un modelo matemático en base a algoritmos
genéticos multiobjetivos que permitirán distribuir las micro
unidades remotas en todo el espacio predefinido y así poder
contar con información segura y confiable para la
identificación del ecosistema.
El modelo propuesto en este apartado tiene como objetivo
principal entregar en la solución un listado de coordenadas xi;
yi correspondientes a las posiciones optimizadas de las
uRTU’s, con
, donde N es el número total
uRTU’s a distribuir en el área sujeto de estudio. Mediante la
técnica de modelado multicriterio se establece una función que
recoge diversos criterios para su optimización mediante
Fig. 7. Proceso de análisis para la distribución de las uRTU’s.
Id: ELC-01
Página 6 de 11
7. Esencialmente las etapas mostradas en la Fig. 7 de Inicio,
Pre-proceso y Optimización describen la secuencia que se
debe seguir para lograr el objetivo anteriormente planteado.
En la etapa de Inicio, se establecen las condiciones
iniciales del proceso, primero se definen las coordenadas del
área de trabajo, luego aleatoriamente se generan los puntos
iniciales donde ubicar las uRTU’s y finalmente se establecen
algunos parámetros de funcionamiento del Algoritmo
Genético (AG).
El Pre-proceso es una etapa importante previo al modelo
de optimización ya que permite establecer parámetros iniciales
para el Algoritmo Genético Multiobjetivo. Este pre-proceso
consta de dos etapas, la primera se encarga de seleccionar el
tipo de distribución inicial para las uRTU’s y su densidad (un
ejemplo de ello se muestra en la Fig. 8), la segunda etapa se
encarga de reducir cobertura redundante y esta sigue un
algoritmo la cual es presentada mediante el diagrama de flujo
mostrada en la Fig. 9.
El proceso de Optimización se basa en la técnica de
análisis multicriterio, en este apartado se describirá dicha
técnica mediante un Algoritmo Genético Multiobjetivo
(AGMO). La Fig. 10 muestra los pasos que se debe seguir
para llevar a cabo esta tarea [12].
Fig. 8. Tipos de distribución para las micro unidades remotas a) cuadrada
b) triangular
Fig. 10. Diagrama de Flujo: Algoritmo Genético Multiobjetivo (AGMO)
Fig. 9. Diagrama de Flujo: Eliminación de la redundancia
La aplicación que se desarrolló es básica y se pretende en
un trabajo futuro poder hacer mejoras para llegar a su
implementación.
La simulación desarrollada en MATLAB se limita a lo
siguiente:
El resultado de la simulación se hizo ajustando el
área para tener distancias fijas.
El área de simulación corresponde a 1 hectárea.
Sólo se desarrolló la etapa de Optimización
dejando como “función” la etapa del preproceso.
Los criterios para el modelo matemático se
Id: ELC-01
Página 7 de 11
8.
tomaron de manera aleatoria, sin embargo con
datos reales se debe poder ajustar dichos criterios
fácilmente.
No se cuenta con un proceso para determinar el
error de cómputo.
La simulación entrega en la solución un mapa del
área con los puntos donde ubicar las uRTU’s a
escala, este mapa son representadas por líneas y la
letra “S” por simplicidad.
A. Resultados
Los resultados corresponden a los mapas de la distribución
inicial de las uRTU’s (gráficas en Matlab) y la solución a nivel
de escala donde cada espacio representa 10m. La distribución
inicial de las uRTU’s están mostradas en la Fig. 11, donde la
primera gráfica corresponde a una distribución aleatoria en
base a su radio de cobertura, que claramente se aprecia que
solo son necesarias 4 uRTU’s pero se tiene un área descubierta
la cual puede ocasionar problemas lo que implica recurrir a la
técnica de optimización. Las Figuras que se encuentran en la
parte inferior son para la distribución cuadrada y triangular.
Fig. 12. Resultado Básico de la distribución de Unidades Remotas
La letra “S” corresponde a cada uRTU. Cada espacio (línea
horizontal) corresponde a 10 metros de distancia. Con esto se
logra tener cobertura total cumpliendo con los tres objetivos
anteriormente planteados.
VI. DESARROLLO DEL PROYECTO: DISEÑO DEL SISTEMA
El propósito de la arquitectura general que se describe en
este apartado es mostrar los elementos de interconectividad
intra-aplicación e inter-aplicación utilizados como esqueleto
para construir el sistema SDOIF. El detalle que implica cada
uno de estos elementos y los mecanismos internos se
describen en los siguientes apartados de este trabajo. En la
Fig. 13 se muestra el modelo en capas de la arquitectura
general del sistema. Éste es el modelo de mayor nivel de
abstracción representando la arquitectura del sistema SDOIF.
Fig. 13. Arquitectura General del Sistema SDOIF
Fig. 11. Resultado de la distribución inicial de las uRTUs
El resultado después de la etapa de Optimización se
muestra en la Fig. 12 la cual fue realizada en MATLAB.
Todos los bloques mostrados en la Figura 13 representan
los subsistemas del sistema SDOIF a excepción del bloque de
comunicaciones, es así que a continuación se realiza una breve
descripción de la funcionalidad de cada subsistema y
posteriormente hacer un detalle de los componentes de
Hardware para el subsistema de Medidas.
1.
Subsistema HMI: implementa la aplicación SDOIF de
cara a los usuarios (actores), permitiendo ejecutar todas
Id: ELC-01
Página 8 de 11
9. 2.
3.
4.
5.
6.
7.
las acciones de operación, obtener el estado de los
componentes de lectura y administrar el sistema
computacional. La información es solicitada al
subsistema
de
MEDIDA,
INFORMACIÓN
SATELITAL Y MODELO DINÁMICO.
Subsistema INFORMACIÓN SATELITAL: Las
actividades de procesamiento de información satelital
como: coordenadas de focos de calor, fecha,
susceptibilidad, etc. son llevadas a cabo en este
subsistema, por lo que no requiere un punto de extensión
con las demás actividades a excepción del subsistema de
Almacenamiento de Datos. Toda esta información
básicamente es recogida por un servidor externo a través
de un archivo “.kml”, permitiendo hacer cambios y
poder interactuar con el subsistema de visualización para
desplegar todo aquella información necesaria por el
usuario. Este subsistema no ha sido diseñado en el
presente trabajo y sólo se enuncia su funcionalidad.
Subsistema MODELADO MATEMÁTICO: Para poder
evaluar un posible incendio forestal sin recurrir a los
subsistemas de monitoreo por sensores o por satélite, se
recurre a una simulación en MATLAB para estimar el
comportamiento del Bosque Húmedo y Seco ante
cambios de las variables ambientales que se
consideraran fundamental, esta tarea se activa por
petición del usuario estableciendo una cobertura
(periodo de datos para seleccionar temperatura y
humedad) para la ejecución del programa.
Subsistema CONTROL: Permite ejecutar acciones sobre
las uRTU’s ante un evento o bien ejecutar secuencias de
acciones programadas. Para llevar a cabo estas tareas se
requieren, de un conocimiento de los datos procesados
por los componentes de hardware por tanto su acceso al
subsistema de MEDIDA es por medio del subsistema de
comunicación.
Subsistema ALMACENAMIENTO HISTÓRICO: Se
efectúa el almacenamiento en la base de datos para su
explotación por petición del usuario. La información
almacenada es solicitada al subsistema de MEDIDA a
través del subsistema de comunicación.
Subsistema GESTIÓN DEL SISTEMA: Este subsistema
realiza las funciones de monitoreo de los programas y
hardware del sistema, realiza los arranques y paradas de
los subsistemas, gestiona la seguridad en el acceso y la
gestión de la información satelital. Este subsistema no
ha sido diseñado en el presente trabajo y sólo se enuncia
su funcionalidad.
Subsistema MEDIDA: Captura los datos de las uRTU’s,
a través del sistema de comunicaciones y, procesa la
información realizando los cálculos programados sobre
las medidas, procesando las alarmas y eventos. La
información resultante la almacena en la base de datos.
Este subsistema no requiere los servicios de ningún otro
subsistema de la arquitectura, pero en cambio
proporciona servicios a otros subsistemas.
El diseño del sistema se clasificó en dos componentes
principales: Componentes del Sistema SDOIF y Componentes
de Medida correspondiente al hardware [13]. A continuación
se describen de manera general ambos componentes.
Fig. 14. Diagrama en bloques del Dispositivo de Medida
Los componentes del sistema SDOIF son aquellos que
hacen al software del sistema, esto comprende: subsistema de
medida, subsistema de control, subsistema de almacenamiento
histórico, subsistema HMI, subsistema de modelo dinámico,
subsistema de información satelital y el subsistema de gestión
del sistema que no se detalla en este trabajo. Mientras tanto los
componentes de medida hacen referencia a todos los
elementos de hardware necesarias para el diseño e
implementación del sistema. La Fig. 14 muestra un diagrama
en bloques del dispositivo de medida.
VII. IMPLEMENTACIÓN DE UN PROTOTIPO
La implementación del prototipo cuenta con todos los
bloques mostrados en la Fig. 15. De manera general lo que se
tiene son dos bloques identificados como recursos de
Hardware y Software y de Sensores. El bloque de Hardware
básicamente se encarga de realizar el procesamiento y el
cálculo de las variables de interés, también realiza la
comunicación con la computadora a través del puerto USB,
los recursos de Software se encargan de visualizar dichas
variables (monitoreo) y almacenar esos valores en una Base de
Datos. También se cuenta con la visualización del mapa del
departamento de Santa Cruz el cual se realizó aprovechando
Id: ELC-01
Página 9 de 11
10. los mapas de Google Earth. En la Fig. 15 se muestra los
componentes involucrados en el prototipo.
[7]
[8]
[9]
[10]
[11]
[12]
Fig. 15. Descripción General del Prototipo.
VIII. CONCLUSIONES
[13]
Se diseñó un sistema para la detección oportuna de
incendios forestales, como aplicación de los sistemas de
control con instrumentación distribuida. El referido sistema
fue estructurado bajo la metodología RUP y UML,
considerando tres fuentes de información complementarias
entre sí y/o alternativas, generadas por: instrumentación
distribuida que contiene dispositivos sensores; imágenes
satelitales integradas para disponer de información más
general; y un modelo matemático del ecosistema para la
estimación del comportamiento dinámico de las distintas
variables. La ubicación de la instrumentación se efectuó en
base a la aplicación del Algoritmo Genético Multiobjetivo; y
la definición del Modelo de la Dinámica del Ecosistema para
la estimación del comportamiento, se realizó en base a la
aplicación de técnicas de Modelado Multicriterio. Finalmente
se concluyó con un prototipo simplificado para evaluar
algunas de las funcionalidades del sistema, para aplicarse en el
Municipio de Warnes del Departamento de Santa Cruz.
IX. REFERENCIAS
[1]
[2]
[3]
[4]
[5]
[6]
H. ESPINOZA, J. NAVA., Integrating Real- Time Engineering into
Development of a Power Distribution SCADA System, Object
Management Group. OMG’s workshop on Distributed Object
Computing for Real Time and Embedded Systems - Poster Session, 2 Arlington, VA. July 14-17, 2003. Estados Unidos.
J. NAVA., Evolución de los sistemas de supervisión y control de
energía, 1999. Electromundo - CIEE. (Bolivia).
MÓNICA M. DENHAM Tesis: Predicción de Incendios Forestales
Basada en Algoritmos Evolutivos Guiados por los Datos, Universidad
Autónoma de Barcelona - España, Julio 2007.
RAUSTE Y Forest Fire Detection with Satellites For Fire Control, 1995.
RODOLFO A. GULLISCO, PABLO A. ROSET, OSVALDO E. SALA
y JOSE M. PARUELO, Modelos en Ecología, Instituto de
Investigaciones Fisiológicas y Ecológicas vinculadas a la Agricultura
(IFEVA), Argentina 1994.
MANUEL LAGUNA, JAVIER O. ROA, ANTONIO R. JIMENEZ
AND FERNANDO SECO, Diversified Local Search for the Optimal
Layout of Beacons in an Indoor Positioning System, 2007.
ANTONIO MANUEL PALMA GÓMEZ, Tesis: Análisis de Protocolos
de Enrutamiento para Redes de Sensores Inalámbricas, Universidad
Carlos III de Madrid - España, Diciembre 2009.
X. BIOGRAFÍAS
Gregory Pekynov Bustamante R., nació el
4 de abril de 1989 en la ciudad de La Paz,
Bolivia. Estudiante de la carrera de
Ingeniería Electrónica mención Sistemas de
Control de la Universidad Mayor de San
Andrés (UMSA). La experiencia es a nivel
académico en el ejercicio de auxiliar de docencia y practicante
en el Instituto de Investigaciones de Electrónica Aplicada
(IEA) de la Facultad de Ingeniería en la UMSA, realizando
seminarios, proyectos, talleres, etc. Sus áreas de conocimiento
son: Sistemas de Supervisión y Control, Automatización de
Procesos, Sistemas Empotrados, Procesamiento de Señales,
Sistemas de Comunicación Inalámbrica y Sistemas de
Computación.
J STIPANICEV, D., VUKO, T., KRSTINIC, D., STULA, M., Y
BODROZIC L. Forest Fire Protection by Advanced Video Detection
System –Croatian Experiences, 2007.
SON, B., HER, Y.S., Y JUNG-GYU, K. A Design and Implementation
of Forest-Fires Surveillance System based on Wireless Sensor Networks
for South Korea Mountains, IJCSNS International Journal of Computer
Science and Network Security, 2006.
SAHIN, Y. G., Y TURKER I. Early Forest Fire Detection Using RadioAcoustic Sounding, Sensors 2009.
SAHIN, Y. G., Y TURKER, I. Artículo: Early Forest Fire Detection
Using Radio- Acoustic Sounding, 2009.
NAVA, H. ESPINOZA, Aplicación de la metodología RUP al desarrollo
de proyectos en sistemas electrónicos, 2001. Congreso Internacional
CISAISI. (Perú).
J.M. DRAKE, V. MORENO, J. NAVA, R. MENENDEZ, J. BARROS.,
Monitorización y análisis de la calidad de servicio a nivel de red, 2001.
Julio 1991. Jornadas LUSO-ESPANHOLAS de Engenharia
Electrotecnica. Coimbra (Portugal). Vol. 2, pp. 3.38-3.45.
Id: ELC-01
Página 10 de 11
11. Jorge A. Nava A., Docente titular de la
UMSA en Ingeniería Electrónica, en las
menciones de Sistemas de Control y
Sistemas Computacionales. Su formación
es a nivel de licenciatura, maestría, y
doctorado en Ingeniería de Sistemas
Electrónicos, Electrónica, e Ingeniería de
Telecomunicaciones, respectivamente. La experiencia es a
nivel académico en el ejercicio docente investigador, y
práctico en la industria de energía eléctrica, automatización,
telecomunicaciones y desarrollo de sistemas; con actividades
desde la operación y mantenimiento de sistemas y equipos
comerciales, hasta el diseño y desarrollo de sistemas y
productos. Sus áreas de conocimiento son: Sistemas de
Supervisión y Control, Automatización de procesos,
Regulación de sistemas y procesos, Sistemas de Tiempo Real,
Sistemas de Eventos Discretos, Sistemas Distribuidos,
Sistemas Inteligentes, Procesamiento de Señales, Redes de
Datos, Sistemas de comunicación inalámbrica, Arquitectura de
computadoras, y Sistemas empotrados.
Id: ELC-01
Página 11 de 11