Sistema de Internet das Coisas para Detecção de Incêndios Florestais
Resumo
Este artigo apresenta o resultado dos testes de sensores e de módulos de comunicação comerciais efetuados como parte do desenvolvimento de um protótipo de sistema de Internet das Coisas (IoT) de baixo custo para a detecção precoce de incêndios florestais. O sistema é composto por três partes: (1) nós sensores, que medem a temperatura, a umidade e a concentração de gases inflamáveis do ambiente; (2) um gateway, que recebe os dados lidos pelos nós e os envia para a Internet; e (3) um sistema Web para mostrar as medições dos sensores. Os testes dos sensores indicaram que estes captam apenas informações do ambiente próximo, dificultando o monitoramento de áreas extensas. Os testes dos módulos de comunicação em um ambiente de vegetação de cerrado mostraram transmissões de dados a distâncias de aproximadamente 200 metros para o padrão Wi-Fi e 500 metros para o LoRa, confirmando que este possui um maior alcance do que o Wi-Fi, porém não alcança a distância de alguns quilômetros, esperada segundo as especificações do padrão.
Referências
Alkhatib, A. (2013). A review on forest fire detection techniques. International Journal of Distributed Sensor Networks, 2014.
Alkhatib, A. A. (2014). A review on forest fire detection techniques. International Journal of Distributed Sensor Networks, 10(3):597368.
AllianceTM, L. (2018). LoRa AllianceTM. Disponível em: https://lora-alliance.org/. Acesso em: 19 jun. 2018.
Aslan, Y. E., Korpeoglu, I., and Özgür Ulusoy (2012). A framework for use of wireless sensor networks in forest fire detection and monitoring. Computers, Environment and Urban Systems, 36(6):614 – 625. Special Issue: Advances in Geocomputation.
Aziz, N. A. A., Aziz, K. A., and Ismail,W. Z.W. (2009). Coverage strategies for wireless sensor networks. World academy of science, Engineering and technology, 50:145–150.
Borunda, A. (2019). Climate change is contributing to California’s fires. Disponível em: https://www.nationalgeographic.com/science/2019/10/climate-change-californiapower- outage/. Acesso em: 28 jun 2020.
Farrell, S. (2018). Low-Power Wide Area Network (LPWAN) Overview. RFC 8376, RFC Editor.
Fearnside, P. M. (2002). Fogo e emissão de gases de efeito estufa dos ecossistemas florestais da amazônia brasileira. Estudos Avançados, 16(44):99–123.
Fonseca, D., Milanés, A., and Urrutia, S. (2019). Uma ferramenta para posicionamento em redes de sensores sem fio para detecção de incêndios florestais. In In: LI SIMPóSIO BRASILEIRO DE PESQUISA OPERACIONAL, 2019, Limeira. Anais eletrônicos. Campinas, Galoá, 2020. Disponível em:
G1 (2018). Incêndio mais letal da história da Califórnia deixa mais de 40 mortos; Veja números. Disponível em: https://g1.globo.com/mundo/noticia/2018/11/13/vai-a-42-ono-de-mortos-no-gigantesco-incendio-da-california.ghtml. Acesso em: 11 dez. 2018.
Lazarescu, M. T. (2015). Design and Field Test of a WSN Platform Prototype for Long-Term Environmental Monitoring. Sensors, pages 9481–9518.
Li, Y., Wang, Z., and Song, Y. (2006). Wireless sensor network design for wildfire monitoring. In Intelligent Control and Automation, 2006. WCICA 2006. The sixth world congress on, volume 1, pages 109–113. IEEE.
U. Ganesh, M. Anand, S. A. M. D. P. G. and Karthik, R. (2013). Forest fire detection using optimized solar-powered zigbee wireless sensor networks. In International Journal of Scientific and Engineering Research, volume 4, page 586–596.
Xu, Y.-H., Sun, Q.-Y., and Xiao, Y.-T. (2018). An environmentally aware scheme of wireless sensor networks for forest fire monitoring and detection. Future Internet, 10(10):102.
Yu, L., Wang, N., and Meng, X. (2005). Real-time forest fire detection with wireless sensor networks. In Wireless Communications, Networking and Mobile Computing, 2005. Proceedings. 2005 International Conference on, volume 2, pages 1214–1217. IEEE.
Zhang, K., Molina-Pico, A., Cuesta-Frau, D., Araujo, A., Alejandre, J., and Rozas, A. (2016). Forest monitoring and wildland early fire detection by a hierarchical wireless sensor network. Journal of Sensors, 2016.