Generación de rutas mediante ACH para detección de incendios forestales en el Estado de México
DOI:
https://doi.org/10.29298/rmcf.v14i77.1349Palabras clave:
Colonia de hormigas, inteligencia artificial, incendios forestales, planificación de recorridos, vehículos aéreos autónomos, Algoritmo genéticoResumen
Los incendios forman parte del ciclo de algunos ecosistemas, los cuales pueden ser causantes de la degradación de otros. Algunas de sus causas son principalmente antropogénicas, entre ellas las fogatas mal apagadas, actividades de agricultura y liberación de basura, que generan la pérdida de hábitats y contaminación aérea a gran escala. El presente trabajo hace referencia a la aplicación de un algoritmo genético basado en una colonia de hormigas para generar, de forma teórica, las rutas de verificación para el monitoreo y la detección temprana de incendios forestales en el Estado de México mediante dispositivos aéreos no tripulados, debido a que es una de las entidades con mayor número de este tipo de incidencias en México. Los datos que se emplearon en la propuesta se extrajeron de los registros que genera la Comisión Nacional Forestal (Conafor). Durante el proceso de análisis se realizó el filtrado de los municipios en donde se han presentado afectaciones en al menos tres localidades geográficas distintas. En el proceso de evaluación, el software desarrollado desplegó las rutas en las que se obtuvieron las distancias más cortas, reordenando las localidades extraídas. Finalmente, se despliega el mapa en el cual se ubican aquellas en donde se ha presentado un incendio forestal, así como la distancia aproximada del recorrido total de la ruta. Los resultados presentaron 54 % de media de reducción en las nuevas rutas planificadas, en comparación con una ruta secuencial.
Descargas
Citas
Aakvaag, N. y J. E. Frey. 2006. Redes de sensores inalámbricos, nuevas soluciones de interconexión para la automatización industrial. Revista ABB 2:39-42. https://www.researchgate.net/profile/NielsAakvaag/publication/28135303. (1 de diciembre de 2022).
Aguilar M., S., E. Valtierra P., M. de J. González G., J. M. Salas G., A. L. Merino y M. Hernández J. 2021. Brigadas comunitarias para la conservación y gestión de los recursos forestales en San Miguel Topilejo, Tlalpan, Ciudad de México. Sociedad y Ambiente (24):1-24. Doi: 10.31840/sya.vi24.2361. DOI: https://doi.org/10.31840/sya.vi24.2361
Alanís-Rodríguez, E., J. Jiménez-Pérez, D. Espinoza-Vizcarra, E. Jurado-Ybarra, O. A. Aguirre-Calderón y M. A. González-Tagle. 2008. Evaluación del estrato arbóreo en un área restaurada post-incendio en el Parque Ecológico Chipinque, México. Revista Chapingo Serie Ciencias Forestales y del Ambiente 14(2):113-118. https://www.scielo.org.mx/pdf/rcscfa/v14n2/v14n2a6.pdf. (15 de enero de 2023).
Berzal, F. 2019. Redes Neuronales and Deep Learning 1: Entrenamiento de redes neuronales artifiales. Editorial Independiente. Madrid, Md, España. 450 p.
Cama, A., E. De la Hoz y D. Cama. 2012. Las redes de sensores inalámbricos y el internet de las cosas. INGE CUC 8(1):163-172. https://revistascientificas.cuc.edu.co/ingecuc/article/view/253/232. (20 de enero de 2023).
Cárdenas-Salgado, J. C. y C. Pizano. 2019. Efecto de temperaturas que simulan incendios sobre la germinación de semillas de un bosque seco tropical. Colombia Forestal 22(2):55-66. Doi: 10.14483/2256201X.14702. DOI: https://doi.org/10.14483/2256201X.14702
Casbeer, D. W., R. W. Beard, T. W. McLain, S. M. Li and R. K. Mehra. 2005. Forest fire monitoring with multiple small UAVs. In: American Automatic Control Council. Proceedings of the 2005, American Control Conference 2005. Institute of Electrical and Electronics Engineers (IEEE). Portland, OR, United States of America. pp. 3530-3535.
Ceballos, G., R. List, G. Garduño, R. López C., … y J. E. San Román (Comps.). 2009. La diversidad biológica del Estado de México. Estudio de estado. Editorial Biblioteca Mexiquense del Bicentenario, Gobierno del Estado de México y Comisión Nacional para el Conocimiento y Uso de la Biodiversidad. Toluca, Edo. Méx., México. 535 p. https://biblioteca.semarnat.gob.mx/janium/Documentos/Ciga/Libros2011/EEB_EDOMEX_baja.pdf. (7 de abril de 2023).
Chaudhari, K. and A. Thakkar. 2019. Travelling Salesman Problem: An empirical comparison between ACO, PSO, ABC, FA and GA. In: Kacprzyk, J. (Edit.). Advances in intelligent systems an computing. Springer Singapore. Gateway East, SG, Singapore. pp. 397-405. DOI: https://doi.org/10.1007/978-981-13-6001-5_32
Chowdhury, S., M. Marufuzzaman, H. Tunc, L. Bian and W. Bullington. 2019. A modified ant colony optimization algorithm to solve a dynamic traveling salesman problem: A case study with drones for wildlife surveillance. Journal of Computational Design and Engineering 6(3):368-386. Doi: 10.1016/j.jcde.2018.10.004. DOI: https://doi.org/10.1016/j.jcde.2018.10.004
Comisión Nacional Forestal (Conafor). 2022. Histórico Incendios Forestales en México 1970-2022. https://snif.cnf.gob.mx/estadisticas-de-incendios/. (10 de febrero de 2023).
Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (Conabio). 2022. Nuevo sitio web del Sistema de Alerta Temprana de Incendios Forestales para México y América Central (SATIF). https://www.gob.mx/conabio/prensa/nuevo-sitio-web-del-sistema-de-alerta-temprana-de-incendios-forestales-para-mexico-y-america-central-satif?idiom=es#:~:text=http%3A%2F%2Fincendios%2Dbeta.conabio.gob.mx,-%2D%2D%2D%2D%2D&text=Fue%20creada%20por%20Acuerdo%20Presidencial%20el%2016%20de%20marzo%20de%201992. (10 de febrero de 2023).
Correa G., A. 2020. Contaminación atmosférica por incendios forestales en Morelia, Michoacán. Ciencia Nicolaita (80):56-75. Doi: 10.35830/cn.vi80.511.
Dinh, Q. T., D. D. Do and M. H. Hà. 2021. Ants can solve the parallel drone scheduling traveling salesman problem. In: Chicano, F. (Edit.). GECCO´21: Proceedings of the Genetic and Evolutionary Computation Conference. Association for Computing Machinery. New York, NY, United States of America. pp. 14-21. DOI: https://doi.org/10.1145/3449639.3459342
Dorigo, M., V. Maniezzo and A. Colorni. 1996. Ant System: Optimization by a colony of cooperating agents. IEEE Transactions on Systems, Man, and Cybernetics–Part B (Cybernetics) 26(1):29-41. Doi: 10.1109/3477.484436. DOI: https://doi.org/10.1109/3477.484436
Dupuy, J. L., H. Fargeon, N. Martin, F. Pimont, ... and P. Fernandes. 2020. Climate change impact on future wildfire danger and activity in southern Europe: a review. Annals of Forest Science 77(2):35. Doi: 10.1007/s13595-020-00933-5. DOI: https://doi.org/10.1007/s13595-020-00933-5
Espinoza J., A. R. y L. Gómez M. 2019. Incendios forestales y el fenómeno de sequía: el caso de San Luis Potosí, México. Tlalli Revista de Investigación en Geografía 1(1):13-24. Doi: 10.22201/ffyl.26832275e.2019.1.381. DOI: https://doi.org/10.22201/ffyl.26832275e.2019.1.381
Gambardella, L. M. and M. Dorigo. 1996. Solving symmetric and asymmetric TSPs by ant colonies. In: Institute of Electrical and Electronics Engineers (IEEE). Proceedings of IEEE International Conference on Evolutionary Computation. IEEE. Nagoya, N, Japan. pp. 622-627.
Goss, S., S. Aron, J. L. Deneubourg and J. M. Pasteels. 1989. Self-organized shortcuts in the Argentine ant. Naturwissenschaften 76:579-581. Doi: 10.1007/BF00462870. DOI: https://doi.org/10.1007/BF00462870
Haque, K., A. K. Azad, Y. Hossain, T. Ahmed, M. Uddin and M. Hossain. 2021. Wildfire in Australia during 2019-2020, its impact on health, biodiversity and environment with some proposals for risk management: a review. Journal of Environmental Protection 12(6):391-414. Doi. 10.4236/jep.2021.126024. DOI: https://doi.org/10.4236/jep.2021.126024
Harikumar, K., J. Senthilnath and S. Sundaram. 2018. Multi-UAV oxyrrhis marina-inspired search and dynamic formation control for forest firefighting. IEEE Transactions on Automation Science and Engineering 16(2):863-873. Doi: 10.1109/TASE.2018.2867614. DOI: https://doi.org/10.1109/TASE.2018.2867614
Hirschberger, P. 2016. Forests ablaze: Causes and effects of global forest fires. WWF Deutschland. Berlin, BER, Germany. 107 p. https://www.wwf.de/fileadmin/fm-wwf/Publikationen-PDF/WWF-Study-Forests-Ablaze.pdf. (1 de abril de 2023).
Kinaneva, D., G. Hristov, J. Raychev and P. Zahariev. 2019. Early forest fire detection using drones and artificial intelligence. In: Koricic, M., Z. Butkovic, K. Skala, Z. Car, … and M. Janjic (Edits). 42nd International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO). Institute of Electrical and Electronics Engineers (IEEE). Opatija, HR, Croatia. pp. 1060-1065. DOI: https://doi.org/10.23919/MIPRO.2019.8756696
Li, S., L. Qiao, Y. Zhang and J. Yan. 2022. An early forest fire detection system based on DJI M300 Drone and H20T Camera. In: Institute of Electrical and Electronics Engineers (IEEE). 2022 International Conference on Unmanned Aircraft Systems (ICUAS). IEEE. Dubrovnik, DU, Croatia. pp. 932-937. DOI: https://doi.org/10.1109/ICUAS54217.2022.9836119
Madridano C., A. 2020. Arquitectura de software para navegación autónoma y coordinada de enjambres de drones en labores de lucha contra incendios forestales y urbanos. Tesis de Doctorado, Departamento de Ingeniería de Sistemas y Automática, Universidad Carlos III de Madrid. Madrid, MD, España. 232 p.
Manríquez Z., H. M. 2019. Especies forestales afectadas en incendios ocurridos en Amazonas: Un análisis de la información fiscal de los casos de Chachapoyas y Luya. Arnaldoa 26(3):965-976. Doi: 10.22497/ARNALDOA.263.26307.
Mendoza A., S., R. Z. Ríos M. y M. A. Díaz R. 2012. Optimizando el despliegue de recursos en la extinción de un incendio forestal. Ingenierías 15(55):58-64. http://eprints.uanl.mx/id/eprint/10494. (5 de abril de 2023).
Merkle, D. and M. Middendorf. 2000. An ant algorithm with a new pheromone evaluation rule for total tardiness problems. In: Cagnoni, S. (Edit.). Real-World Applications of Evolutionary Computing. Springer Berlin. Edinburgh, SC, United Kingdom. pp. 287-296. DOI: https://doi.org/10.1007/3-540-45561-2_28
Momeni, M., H. Soleimani, S. Shahparvari and B. Afshar-Nadjafi. 2022. Coordinated routing system for fire detection by patrolling trucks with drones. International Journal of Disaster Risk Reduction 73:102859. Doi: 10.1016/j.ijdrr.2022.102859. DOI: https://doi.org/10.1016/j.ijdrr.2022.102859
Pérez-Sánchez, H. A., E. U. Benítez-Rendón y M. Díaz-Rodríguez. 2017. Sistema de georeferenciado de imágenes con drones. Ra Ximhai 13(3):65-77. Doi: 10.35197/rx.13.03.2017.04.hp. DOI: https://doi.org/10.35197/rx.13.03.2017.04.hp
Pérez-Salicrup, D. R., R. Ortíz M., E. Garduño M., H. L. Martínez-Torres, … y A. González C. 2018. Coordinación institucional para la realización de quemas prescritas y quemas controladas en México. Revista Mexicana de Ciencias Forestales 9(49):252-270. Doi: 10.29298/rmcf.v9i49.169. DOI: https://doi.org/10.29298/rmcf.v9i49.169
Ramos R., M. P. 2010. Manejo de fuego. Editorial Félix Varela. La Habana, LH, Cuba. 240 p. https://gfmc.online/wp-content/uploads/Manejo-del-Fuego-Ramos-Rodriguez-Cuba-2010.pdf. (15 de diciembre de 2022).
Rodríguez T., D. A., P. Martínez M., J. A. Pulido L., P. J. Martínez L. y J. D. Cruz L. 2020. Combustibles, comportamiento del fuego y emisiones en un pastizal y una sabana artificiales en Chiapas, México. Revista de Biología Tropical 68(2):641-654. Doi: 10.15517/rbt.v68i2.33954. DOI: https://doi.org/10.15517/rbt.v68i2.33954
Saeed, R. A., M. Omri, S. Abdel-Khalek, E. S. Ali and M. F. Alotaibi. 2022. Optimal path planning for drones based on swarm intelligence algorithm. Neural Computing and Applications 34(12):10133-10155. Doi: 10.1007/s00521-022-06998-9. DOI: https://doi.org/10.1007/s00521-022-06998-9
Sandoval D., B., T. Reyes R. y M. Oyarzún G. 2019. Mecanismos de los efectos nocivos para la salud de la contaminación atmosférica proveniente de incendios forestales. Revista Chilena de Enfermedades Respiratorias 35(1):49-57. Doi: 10.4067/S0717-73482019000100049. DOI: https://doi.org/10.4067/S0717-73482019000100049
Secretaría de Medio Ambiente y Recursos Naturales (Semarnat). 2018. Incendios forestales y cambio climático. https://www.gob.mx/semarnat/articulos/incendios-forestales-y-cambio-climatico. (1 de diciembre de 2022).
Shaji, K. 2022. Using ant colony optimization to route a team of UAVs to fires based on known fire intensities. In: Tiwari, S. and S. Chaudhary (Edits.). 15th Innovations in Software Engineering Conference. Association for Computing Machinery. New York, NW, United States of America. pp. 1-8. DOI: https://doi.org/10.1145/3511430.3511462
Shao, J., J. Cheng, B. Xia, K. Yang and H. Wei. 2021. A novel service system for long-distance drone delivery using the “Ant Colony+A*” algorithm. IEEE Systems Journal 15(3):3348-3359. Doi: 10.1109/JSYST.2020.2994553. DOI: https://doi.org/10.1109/JSYST.2020.2994553
Stodola, P., P. Otřísal and K. Hasilová. 2022. Adaptive ant colony optimization with node clustering applied to the Travelling Salesman Problem. Swarm and Evolutionary Computation 70:1-18. Doi: 10.1016/j.swevo.2022.101056. DOI: https://doi.org/10.1016/j.swevo.2022.101056
Sun, Z. H., X. Luo, E. Q. Wu, T. Y. Zuo, Z. R. Tang and Z. Zhuang. 2022. Monitoring scheduling of drones for emission control areas: An ant colony-based approach. IEEE Transactions on Intelligent Transportation Systems 23(8):11699-11709. Doi: 10.1109/TITS.2021.3106305. DOI: https://doi.org/10.1109/TITS.2021.3106305
Sungheetha, A. and R. Sharma R. 2020. Real time monitoring and fire detection using internet of things and cloud based drones. Journal of Soft Computing Paradigm 2(3):168-174. Doi: 10.36548/jscp.2020.3.004. DOI: https://doi.org/10.36548/jscp.2020.3.004
Wang, C., P. Liu, T. Zhang and J. Sun. 2018. The adaptive vortex search algorithm of optimal path planning for forest fire rescue UAV. In: Institute of Electrical and Electronics Engineers (IEEE). 3rd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC). IEEE. Chongqing, CN, China. pp. 400-405. DOI: https://doi.org/10.1109/IAEAC.2018.8577733
Wang, Y. and Z. Han. 2021. Ant colony optimization for traveling salesman problem based on parameters optimization. Applied Soft Computing 107:107439. Doi: 10.1016/j.asoc.2021.107439. DOI: https://doi.org/10.1016/j.asoc.2021.107439
Wiatowski, T. and H. Bölcskei. 2016. A mathematical theory of deep convolutional neural networks for feature extraction. IEEE Transactions on Information Theory 64(3):1845-1866. Doi: 10.1109/TIT.2017.2776228. DOI: https://doi.org/10.1109/TIT.2017.2776228
Williams, A. P., J. T. Abatzoglou, A. Gershunov, J. Guzman‐Morales, … and D. P. Lettenmaier. 2019. Observed impacts of anthropogenic climate change on wildfire in California. Earth's Future 7(8):892-910. Doi: 10.1029/2019EF001210. DOI: https://doi.org/10.1029/2019EF001210
Wu, P., Y. Wang and B. Wang. 2020. An ant colony algorithm for drone path planning. In: IEEE Computer Society. 2020 5th International Conference on Mechanical, Control and Computer Engineering (ICMCCE). The Institute of Electrical and Electronics Engineers, Inc. Harbin, Hei, China. pp. 1559-1562. DOI: https://doi.org/10.1109/ICMCCE51767.2020.00341
Yang, K., X. You, S. Liu and H. Pan. 2020. A novel ant colony optimization based on game for traveling salesman problem. Applied Intelligence 50(12):4529-4542. Doi: DOI: https://doi.org/10.1007/s10489-020-01799-w
1007/s10489-020-01799-w.
Zhou, D. X. 2020. Theory of deep convolutional neural networks: Downsampling. Neural Networks 124:319-327. Doi: 10.1016/j.neunet.2020.01.018. DOI: https://doi.org/10.1016/j.neunet.2020.01.018
Zhou, J., W. Zhang, Y. Zhang, Y. Zhao and Y. Ma. 2019. Optimal path planning for UAV patrolling in forest fire prevention. In: Zhang, X. (Edit.). The Proceedings of the 2018 Asia-Pacific International Symposium on Aerospace Technology (APISAT 2018). Springer Singapore. Gateway East, SG, Singapore. pp. 2209-2218. DOI: https://doi.org/10.1007/978-981-13-3305-7_178
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Revista Mexicana de Ciencias Forestales
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores que publiquen en la Revista Mexicana de Ciencias Forestales aceptan las siguientes condiciones:
De acuerdo con la legislación de derechos de autor, la Revista Mexicana de Ciencias Forestales reconoce y respeta el derecho moral de los autores, así como la titularidad del derecho patrimonial, el cual será cedido a la revista para su difusión en acceso abierto.
Todos los textos publicados por la Revista Mexicana de Ciencias Forestales –sin excepción– se distribuyen amparados bajo la licenciaCreative Commons 4.0 Atribución-No Comercial (CC BY-NC 4.0 Internacional), que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista. (no permite el uso comercial)
Los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en la Revista Mexicana de Ciencias Forestales (por ejemplo, incluirlo en un repositorio institucional o darlo a conocer en otros medios en papel o electrónicos) siempre que indique clara y explícitamente que el trabajo se publicó por primera vez en la Revista Mexicana de Ciencias Forestales.
Para todo lo anterior, los autores deben remitir el formato de carta-cesión de la propiedad de los derechos de la primera publicación debidamente requisitado y firmado por los autores/as. Este formato debe ser remitido en archivo PDF al correo: editorial.forestal@inifap.gob.mx
Esta obra está bajo una licencia de Creative Commons Reconocimiento-No Comercial 4.0 Internacional.
