Sistema basado en Internet de las Cosas para la detección temprana y prevención de incendios forestales: un enfoque innovador hacia la gestión sostenible de ecosistemas vulnerables
Palabras clave:
Internet de las cosas, Sistemas IoT, incendios forestales, sensores ambientalesResumen
Los incendios forestales se han convertido en un problema global cada vez más alarmante debido al impacto combinado de las actividades humanas en las zonas forestales y los efectos del cambio climático. En las últimas décadas, la frecuencia e intensidad de estos eventos han aumentado significativamente, causando daños irreversibles a los ecosistemas y poniendo en riesgo vidas y propiedades. En respuesta, la investigación científica ha centrado sus esfuerzos en el desarrollo de soluciones tecnológicas capaces de detectar incendios en sus etapas iniciales, maximizando el tiempo de reacción para mitigar sus efectos. Esto nos motivó a investigar un enfoque para abordar este problema crítico. En este artículo, proponemos un sistema que utiliza sensores basados en el Internet de las Cosas (IoT) para monitorear variables ambientales críticas como la temperatura, la humedad relativa y la concentración de CO2 en tiempo real, lo que permite la detección temprana de condiciones propicias para los incendios forestales. El sistema propuesto mejora significativamente la prevención y respuesta ante incendios, generando un impacto positivo en la seguridad ambiental. Además, la investigación valida la viabilidad del uso del IoT en la gestión de emergencias ambientales, posicionándolo como un modelo replicable. Los resultados experimentales confirman la eficacia del enfoque propuesto en la detección temprana de síntomas de incendio, contribuyendo a la sostenibilidad de los ecosistemas vulnerables.
Descargas
Citas
REFERENCIAS BIBLIOGRÁFICAS
Akhloufi, M. A., Couturier, A., & Castro, N. A. (2021). Unmanned aerial vehicles for wildland fires: Sensing, perception, cooperation and assistance. Drones, 5(1). https://doi.org/10.3390/drones5010015
Almeida, J. S., Huang, C., Nogueira, F. G., Bhatia, S., & De Albuquerque, V. H. C. (2022). EdgeFireSmoke: A Novel Lightweight CNN Model for Real-Time Video Fire-Smoke Detection. IEEE Transactions on Industrial Informatics, 18(11), 7889–7898. https://doi.org/10.1109/TII.2021.3138752
Arellano, L., & Castillo-Guevara, C. (2014). Efecto de los incendios forestales no controlados en el ensamble de escarabajos coprófagos (Coleoptera: Scarabaeidae) en un bosque templado del centro de México. Revista Mexicana de Biodiversidad, 85(3), 854–865. https://doi.org/10.7550/rmb.41756
Bushnaq, O. M., Chaaban, A., & Al-Naffouri, T. Y. (2021). The Role of UAV-IoT Networks in Future Wildfire Detection. IEEE Internet of Things Journal, 8(23), 16984–16999. https://doi.org/10.1109/JIOT.2021.3077593
Chan, C. C., Alvi, S. A., Zhou, X., Durrani, S., Wilson, N., & Yebra, M. (2024). A Survey on IoT Ground Sensing Systems for Early Wildfire Detection: Technologies, Challenges, and Opportunities. IEEE Access, 12, 172785–172819. https://doi.org/10.1109/ACCESS.2024.3501336
Fouda, M. M., Sakib, S., Fadlullah, Z. M., Nasser, N., & Guizani, M. (2022). A Lightweight Hierarchical AI Model for UAV-Enabled Edge Computing with Forest-Fire Detection Use-Case. IEEE Network, 36(6), 38–45. https://doi.org/10.1109/MNET.003.2100325
Giannakidou, S., Radoglou-Grammatikis, P., Lagkas, T., Argyriou, V., Goudos, S., Markakis, E. K., & Sarigiannidis, P. (2024). Leveraging the power of internet of things and artificial intelligence in forest fire prevention, detection, and restoration: A comprehensive survey. Internet of Things. Elsevier B.V. https://doi.org/10.1016/j.iot.2024.101171
Haq, B., Jamshed, M. A., Member, S., Ali, K., Kasi, B., Arshad, S., Kasi, M. K., Ali, I., Shabbir, A., Abbasi, Q. H., & Ur-Rehman, M. (2024). Tech-Driven Forest Conservation: Combating Deforestation With Internet of Things, Artificial Intelligence, and Remote Sensing. IEEE Internet of Things Journal, 11(14), 24551–24568. https://doi.org/10.1109/JIOT.2024.3378671
Kumar, K., Verma, A., & Verma, P. (2024). IoT-HGDS: Internet of Things integrated machine learning based hazardous gases detection system for smart kitchen. Internet of Things (The Netherlands), 28. https://doi.org/10.1016/j.iot.2024.101396
Macheso, P. S., & Zekriti, M. (2024). Modelling and analysis of fiber Bragg grating temperature sensor for Internet of things applications (FBG-4-IoT). International Journal of Intelligent Networks, 5, 224–230. https://doi.org/10.1016/j.ijin.2024.05.006
Mohsin, A. S. M., Choudhury, S. H., & Muyeed, M. A. (2025). Automatic priority analysis of emergency response systems using internet of things (IoT) and machine learning (ML). Transportation Engineering, 100304. https://doi.org/10.1016/j.treng.2025.100304
Nosouhi, M. R., Sood, K., Kumar, N., Wevill, T., & Thapa, C. (2022). Bushfire Risk Detection Using Internet of Things: An Application Scenario. IEEE Internet of Things Journal, 9(7), 5266–5274. https://doi.org/10.1109/JIOT.2021.3110256
Singh, V. K., Singh, C., & Raza, H. (2022). Event Classification and Intensity Discrimination for Forest Fire Inference With IoT. IEEE Sensors Journal, 22(9), 8869–8880. https://ieeexplore.ieee.org/document/9744118
Sulthana, S. F., Wise, C. T. A., Ravikumar, C. v., Anbazhagan, R., Idayachandran, G., & Pau, G. (2023). Review Study on Recent Developments in Fire Sensing Methods. Institute of Electrical and Electronics Engineers Inc. https://doi.org/10.1109/ACCESS.2023.3306812
Vidal-Riveros, C., Souza-Alonso, P., Bravo, S., Laino, R., & Ngo Bieng, M. A. (2023). A review of wildfires effects across the Gran Chaco region. Forest Ecology and Management (Vol. 549). Elsevier B.V. https://doi.org/10.1016/j.foreco.2023.121432
Yalli, J. S., Hasan, M. H., Jung, L. T., & Al-Selwi, S. M. (2025). Authentication schemes for Internet of Things (IoT) networks: A systematic review and security assessment. Internet of Things (The Netherlands) (Vol. 30). Elsevier B.V. https://doi.org/10.1016/j.iot.2024.101469
Yamini, B., Pradeep, G., Kalaiyarasi, D., Jayaprakash, M., Janani, G., & Uthayakumar, G. (2024). Theoretical study and analysis of advanced wireless sensor network techniques in Internet of Things (IoT). Measurement: Sensors, 33, 101098. https://doi.org/10.1016/j.measen.2024.101098
Zheng, Z., Tao, Y., Chen, Y., Zhu, F., & Chen, D. (2019). An efficient preference-based sensor selection method in internet of things. IEEE Access, 7, 168536–168547. https://doi.org/10.1109/ACCESS.2019.2953045
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Anthony Limber Morán-Cabezas, Bryan Steven Lara-Castro, Jefferson Leandro Moran-Cabezas, Andres Alexander De La Torre-Macias
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores que publican en la Revista UGC están de acuerdo con los siguientes términos:
1. Derechos de Autor
Los autores conservan los derechos de autor sobre sus trabajos sin restricciones. Los autores otorgan a la revista el derecho de primera publicación. Para ello, ceden a la revista, de forma no exclusiva, los derechos de explotación (reproducción, distribución, comunicación pública y transformación). Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2. Licencia
Los trabajos se publican en la revista bajo la licencia de Atribución-NoComercial-CompartirIgual 4.0 Internacional de Creative Commons (CC BY-NC-SA 4.0). Los términos se pueden consultar en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
Esta licencia permite:
- Compartir: copiar y redistribuir el material en cualquier medio o formato.
- Adaptar: remezclar, transformar y crear a partir del material.
Bajo los siguientes términos:
- Atribución: ha de reconocer la autoría de manera apropiada, proporcionar un enlace a la licencia e indicar si se ha hecho algún cambio. Puede hacerlo de cualquier manera razonable, pero no de forma tal que sugiera que el licenciador le da soporte o patrocina el uso que se hace.
- NoComercial: no puede utilizar el material para finalidades comerciales.
- CompartirIgual: si remezcla, transforma o crea a partir del material, debe difundir su creación con la misma licencia que la obra original.
No hay restricciones adicionales. No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer cualquier cosa que la licencia permita.
