Sondagem Inteligente de Enlaces LoRa para Redução de Consumo Energético em Redes de Monitoramento Ambiental na Floresta Amazônica

• Alexandre S. Tupinambá UFAM
• Paulo V. F. Melo UFAM
• Pedro Souza UFAM
• Diogo S. Moreira UFAM
• Ronaldo Martins UFAM
• Gilmara Santos UFAM
• Edjair S. Mota UFAM

DOI: https://doi.org/10.5753/wcama.2026.23673

Resumo

O monitoramento ambiental em florestas densas exige enlaces sem fio confiáveis e energeticamente eficientes. Nesse cenário, a seleção de parâmetros LoRa é dificultada pela vegetação, pelo relevo irregular e pela ausência de linha de visada. Este artigo apresenta uma estratégia de seleção de parâmetros LoRa baseada em sondagens curtas de referência na floresta amazônica. O estudo utiliza medições de campo realizadas no campus da Universidade Federal do Amazonas (UFAM), em Manaus–AM, para caracterizar enlaces ponto a ponto e prever o SNR de configurações candidatas sem exigir a distância geométrica na operação. O Huber Regressor obteve o melhor desempenho, com MAE = 1,70 ± 0,40 dB e RMSE = 2,14 ± 0,53 dB. A configuração recomendada reduziu o consumo estimado de energia em 65,44% em relação a um baseline inspirado no ADR, preservando comunicação robusta.

Referências

Ansah, M. R., Sowah, R. A., Melià-Seguí, J., Katsriku, F. A., Vilajosana, X., and Banahene, W. O. (2020). Characterising foliage influence on LoRaWAN pathloss in a tropical vegetative environment. IET Wireless Sensor Systems, 10(5):198–207.

Azevedo, J. A. and Mendonça, F. (2024). A critical review of the propagation models employed in LoRa systems. Sensors, 24(12):3877.

Benkhelifa, F., Qureshi, H. K., and McCann, J. A. (2019). Experimental analysis of LoRa ADR. In Proceedings of the IEEE Global Communications Conference (GLOBECOM), pages 1–6, Waikoloa. IEEE.

Bouguera, T., Diouris, J.-F., Chaillout, J.-J., Jaouadi, R., and Andrieux, G. (2018). Energy consumption model for sensor nodes based on LoRa and LoRaWAN. Sensors, 18(7):2104.

Casals, L., Mir, B., Vidal, R., and Gomez, C. (2017). Modeling the energy performance of LoRaWAN. Sensors, 17(10):2364.

Cerar, G., Yetgin, H., Mohorčič, M., and Fortuna, C. (2021). Machine learning for wireless link quality estimation: A survey. IEEE Communications Surveys & Tutorials, 23(1):696–728.

Ferreira, A. E., Ortiz, F. M., Costa, L. H. M. K., Foubert, B., Amadou, I., and Mitton, N. (2020). A study of the LoRa signal propagation in forest, urban, and suburban environments. Annals of Telecommunications, 75(7-8):333–351.

International Telecommunication Union (2021). Recommendation ITU-R p.833-10: Attenuation in vegetation. Technical report, ITU, Geneva. Acesso em: 10 dez. 2025.

Lima, W. G., Lopes, A. V. R., Cardoso, C. M. M., Araújo, J. P. L., Neto, M. C. A., Tostes, M. E. L., Nascimento, A. A., Rodriguez, M., and Barros, F. J. B. (2024). LoRa technology propagation models for IoT network planning in the amazon regions. Sensors, 24(5):1621.

LoRa Alliance (2020). LoRaWAN l2 1.0.4 specification [ts001-1.0.4]. Technical report, LoRa Alliance, San Ramon. Acesso em: 10 dez. 2025.

Semtech Corporation (2015). An1200.22: LoRa modulation basics. Application note, Semtech Corporation, Camarillo.

Slabicki, M., Premsankar, G., and Di Francesco, M. (2018). How agile is the adaptive data rate mechanism of LoRaWAN? In Proceedings of the IEEE Global Communications Conference (GLOBECOM), pages 1–7, Abu Dhabi. IEEE.