Available via license: CC BY 4.0
Content may be subject to copyright.
138
ISSN 2542-3401/ 1316-4821
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021(pp. 138-154)
Sistemas inteligentes para la protección de ecosistemas, ora y fauna
Recibido (14/05/21 ) Aceptado (11/07/21)
Resumen: La presente investigación se centra en desarrollar una propuesta para aplicaciones
sostenible y conservación del hábitat natural de la ora y fauna. Esto manteniendo un equilibrio entre
las tecnologías, los avances cientícos y la simplicación fractal, orientada a la protección ambiental.
En tal sentido, se ha estudiado la correspondencia entre esquema de reciclaje y recuperación de calor
residual, como soluciones desde el campo de la ingeniería, para el diseño bioinspirados, aprendizaje
inteligente del entorno, simplicación modular de sistemas, como método de optimización sostenible.
Se presenta un conjunto de propuestas, a partir de elementos recongurables, biodegradables (meta-
materiales) y realimentación, para minimizar el impacto ambiental. Finalmente, se obtiene como
resultado el modelo regenerativo con las ecuaciones descriptivas y los parámetros adaptados a la
aplicación de conservación de ecosistemas, áreas forestales y glaciares. Lo que permite concluir,
que el estudio multidimensional aporta soluciones dentro del rigor cientíco en materia ambiental,
protección de los recursos naturales, mitigación de impacto ambiental, respeto del equilibrio
y ciclos de la naturaleza, para la recuperación de los sistemas y calidad de vida de los seres vivos.
Palabras Clave: Remediación Ambiental, Protección de la Fauna, Conservación de ecosistemas,
Sistemas Regenerativos.
Smart systems for the protection of ecosystems, ora and fauna
Abstract: The present research focuses on developing a proposal for sustainable engineering
applications and conservation of the natural habitat of ora and fauna. This is maintaining a balance
between technologies, scientic advances and fractal simplication, aimed at environmental protection.
In this sense, the correspondence between recycling scheme and waste heat recovery has been studied,
as solutions from the engineering eld, for bio-inspired design, intelligent learning of the environment,
and modular simplication of systems, as a sustainable optimization method. A set of proposals is
presented, based on recongurable, biodegradable elements (meta-materials) and feedback, to minimize
environmental impact. Finally, the regenerative model with descriptive equations and parameters
adapted to the application of conservation of ecosystems, forest areas and glaciers is obtained as a result.
This allows us to conclude that the multidimensional study provides solutions within the scientic rigor
in environmental matters, protection of natural resources, mitigation of environmental impact, respect
for the balance and cycles of nature, for the recovery of systems and quality of life of living beings.
Keywords: Environmental Remediation, Fauna Protection, Ecosystem Conservation, Regenerative Systems
Sandoval Ruiz Cecilia E.
http://orcid.org/0000-0001-5980-292X
cesandova@gmail.com
Facultad de Ingeniería, Instituto de Matemática y
Cálculo Aplicado,
Universidad de Carabobo
Carabobo-Venezuela.
ISSN-e: 2542-3401, ISSN-p: 1316-4821
DOI: 10.47460/uct.v25i110.486
139
ISSN 2542-3401/ 1316-4821
I. INTRODUCCIÓN
La investigación cientíca viene realizando estudios
en materia ambiental, con el objetivo de fomentar el
conocimiento, respeto, empatía y responsabilidad son
valores importantes para la conservación de la natura-
leza y encontrar soluciones viables y ecientes para la
conservación de hábitats naturales. Entre estos se en-
cuentran los glaciares [1-4], que reejan la luz solar,
presentando un efecto de escudo térmico natural, siendo
esta característica objeto de estudio en la restauración
del hielo glaciar, tomando en cuenta los conceptos de
geoingeniería, considerando los métodos para el enfria-
miento controlado de zonas de riesgo, la aplicación de
sustancias reectantes en la atmosfera, los ltros sola-
res o elementos discretos sobre la supercie de glacia-
res, este último expuesto en detalle en [5], con técnicas
responsables, no invasivas para la vida silvestre y ma-
teriales que sean biodegradables, los cuales no deben
afectar el equilibrio natural del entorno, la interacción
con otros ecosistemas y la biósfera.
Actualmente, la educación ambiental debe orientar
y concientizar en la protección al hábitat de la ora y
fauna, impacto ambiental asociado a cada actividad y
soluciones sostenibles. La efectividad de las medidas
de protección de la fauna urbana y silvestre depende
del comportamiento humano, es necesario el acceso a
información y asesoría oportuna, a través de programas
de formación y capacitación, asesoría especializadas en
línea, centros de ayuda y atención veterinaria, dispen-
sadores de alimentos y parques ecológicos. Así mismo
promover la migración a un estilo de comportamiento
simple y sostenible: alimentación sostenible (de origen
vegetal y natural), identicación del impacto socio-am-
biental asociado a las actividades y tecnologías, dis-
minución de los residuos y emisiones contaminantes,
migración a un modelo circular de energías renovables
(sistemas de energía realimentados, minimización de
disipación de energía térmica, reciclaje de energía y
componentes del sistema), selección de opciones loca-
les (sin transporte), ecológicos (sin aditivos químicos
articiales), biodegradables y la aplicación de técni-
cas de remediación ambiental, desde un tratamiento
eco-responsable en los diseños, para una revalorización
de los recursos (Ver Figura 1), todo esto con el objetivo
de contribuir signicativamente en las mejoras de ca-
lidad de vida de la fauna y las condiciones ambientales
de su hábitat, respetando el desarrollo de los espacios
naturales.
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
Fig. 1. Modelo Sostenible de Protección del Hábitat de la Flora y Fauna
A las medidas de protección se deben incluir medi-
das correctivas, considerando que en los procesos tér-
micos industriales, se desperdicia entre el 20 y el 40%
de la energía, la cual es disipada al ambiente, por lo
que se han desarrollado tecnologías de recuperación de
calor móviles (portátiles) y almacenamiento térmico
móvil [6], en las que se aplican intercambiadores de ca-
lor para la captación de la energía residual, que pueden
ser aplicados igualmente en refrigeración de paneles
fotovoltaicos, compuestos por bombas, válvulas, sen-
sores de caudas y líneas refrigerantes y estas tecnolo-
gías pueden ser extrapoladas, para el reciclaje de calor
ambiental y energía térmica oceánica, por ser el océano
una gran fuente de almacenamiento de energía térmica
solar [7], sin embargo su calentamiento origina efectos
tales como alteración del nivel de oxígeno, el CO2 se
disuelva directamente en la supercie, así el pH del mar
disminuye y el agua se acidica, lo que afecta el correc-
ISSN-e: 2542-3401, ISSN-p: 1316-4821
140
ISSN 2542-3401/ 1316-4821
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
to desarrollo de ciertas especies, lo que no solo afecta su
funcionamiento como ltros de contaminantes, el equi-
librio de la vida marina.
Para corregir los efectos de la elevación de tempera-
tura de los glaciares, áreas forestales y océanos, sobre
las especies de estos ecosistemas, se plantea la gestión
de calor regenerativo. En tal sentido, se desarrolló un
diseño orientado al direccionamiento inteligente de la
radiación solar [8], para ltrar de forma selectiva, los
componentes espectrales para protección de áreas natu-
rales (con énfasis en áreas forestales, océanos y glacia-
res). Este modelo de gestión selectiva de radiación solar,
puede permitir el control de temperatura y prevención
de incendios en áreas forestales, océanos o deshielo en
el caso de glaciares. El elemento aéreo puede tratarse
de un globo aerostático solar, con paneles fotovoltaicos
integrados, un elemento reectante o una tecnología de
conversión fotovoltaica y almacenamiento térmico so-
lar [9], de forma remota. La idea consiste en realizar un
uso eciente de la energía solar, de manera focalizada,
para revertir los efectos de calentamiento y contribuir a
la recuperación de hábitat de su fauna nativa. Así mis-
mo, se observan métodos de disminución de calor hasta
4.5°C, de forma natural, el cual consiste en aplicar espe-
cies nativas, por su capacidad de adaptación y eciencia
en el enfriamiento, para restauración ambiental [10].
La presente investigación tiene como objetivo desa-
rrollar una propuesta sobre criterios sostenibles y aná-
lisis de soluciones tecnológicas en el área de la inge-
niería orientados a la protección y bienestar de la fauna
urbana, marina, nativa, silvestre y polinizadores, entre
otros. Siendo uno de los primeros aspectos a estudiar
los factores incidentes que crean cambios en la diná-
mica de los ecosistemas, alterando las condiciones del
hábitat de estas especies y las alternativas de solución
más simples, hasta la inclusión de tecnologías avanza-
das. De esta manera se busca relacionar los parámetros
de optimización, a través de una ecuación matemática
descriptiva, de un sistema realimentado con etapas de
desplazamiento de energía programables, para mínimo
impacto ambiental.
A. Diseño de materiales y sus efectos ambientales.
El uso industrial de materiales o aditivos no bio-
degradable, inciden en la emisión de sustancias o mi-
cro-partículas al ambiente (tal es el caso de residuos
plásticos y sus efectos sobre la fauna marina). En tal sen-
tido, se requiere una normativa de gestión de residuos,
así como la regulación de uso de productos descartables
a base de estos materiales. La educación ambiental, cul-
turización en sostenibilidad y profesionalización de las
actividades conservacionistas, con el rigor cientíco de
las investigaciones y nuevas tecnologías emergentes, es
un método de minimizar este impacto. A nivel de in-
geniería se plantea el diseño de módulos robóticos de
recolección de plástico, limpieza oceánica, clasicación
inteligente y reciclaje con procedimientos ecientes, en
cuanto al consumo de energía y agua, así como sistemas
modulares recongurables para actualización dinámica.
A nivel de tecnología se plantea el diseño de materiales
biodegradables y manejo sostenible de materiales.
B.Emisiones de calor residual y su impacto sobre
ecosistemas.
La producción de energía eléctrica convencional y
otras actividades disipan energía térmica al ambiente,
lo que puede incidir en un impacto ambiental negativo
sobre los ecosistemas, por alteración de la temperatura
natural en el hábitat pueden originar variación de la di-
námica de comportamiento de las especies locales (au-
tóctonas) y el equilibrio en su interacción funcional. Es
por ello, que para la disminución de emisiones de calor
se plantea el diseño de tecnologías con aislamiento tér-
mico, aumento de la eciencia térmica de los procesos
y la captación de calor del ambiente, usando procedi-
mientos de transferencia de energía térmica (bombas de
calor, sistemas aerotérmicos), para almacenamiento de
energía y recuperación eciente de la energía térmica.
Una vez detectados los aspectos a optimizar, se plan-
tean métodos de solución desde el área de ingeniería:
C. Observación y aprendizaje a nivel cientíco de
los procesos de optimización de la naturaleza.
Los bio-procesos, muestran un importante equilibrio
en el aprovechamiento eciente de todos los estados de
los materiales y la energía. El diseño de observadores
biológicos (identicadores/caracterizadores) y paráme-
tros para entrenamiento neuronal, se propone para un
modelo de desarrollo sostenible, basado en soluciones
fundamentadas sobre los principios de la naturaleza. El
comportamiento de las plantas, en el seguimiento solar,
la capacidad de clasicación/selección de los animales
(inteligencia natural), uso eciente de la energía, alma-
cenamiento, interacción de los árboles en sistemas de
conexiones en bosques nativos, entre otras muchas ca-
racterísticas de la naturaleza, son modelos a seguir, don-
de las redes neuronales de entrenamiento fractal sobre
hardware (Fractal-ANN), se perlan como herramien-
tas de aplicación para alcanzar el desarrollo sostenible.
D. Tecnologías Sostenibles en protección de la
fauna urbana y silvestre.
La identicación de fauna, valorización de los seres
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
ISSN-e: 2542-3401, ISSN-p: 1316-4821
141
ISSN 2542-3401/ 1316-4821
vivos comprendiendo su importancia en el equilibrio de
la naturaleza y conociendo el diseño de sus funciones en
los ecosistemas, así como el monitoreo de condiciones
de la fauna, comportamiento y características, permitirá
garantizar su calidad de vida. En el caso de la fauna
urbana, la educación y concientización son prioritarias,
para lograr un compromiso en su tratamiento responsa-
ble, los dispensadores urbanos de alimentos saludables
(sin aditivos o conservantes articiales), dispensadores
de agua, reservas ecológicas como bosques urbanos,
jardines verticales, espacios verdes, etc., que les permi-
ta contar con condiciones estables para su óptimo desa-
rrollo. El diseño de tecnologías de baja o neutra emisión
residuales, corresponde a los criterios de diseño para la
sostenibilidad de la fauna, presentado en la Tabla 1.
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
Tabla 1. Estudio de efectos y alternativas ecológicas.
Ti po de
Emisiones
Preventivo Correctivo Tecnología Solución Estratégica
Calor /
Energía
Térmica
Disminuir el
calor
residual Captadores de calor
por
inducción sobre recopiladores
.
Nuevo modelo aero-térmico.
Aislación Térmica en
procesos con disipación
de calor.
Equipos móviles para la
captación de energía
térmica yalmacenamiento.
Plásticos
residuales Sustitución
por
materiales
biodegradables
Clasificación para reciclaje,
con
tecnología eficiente de
energía
ymínimo consumo de agu a
Redes Neuronales de
clasificación de
materiales
Re-estructuración de los
productos locales /
Simplificación
CO
2
Modificación
del
modelo de transporte
Filt ros int eligentes Captadores de CO
2
Disminuir las
movilizaciones laborales
NO
x
,SOx,
particularizado Disminución
de
actividades emisoras Captación de p articularizado F ilt ros Geométricos Equipos pasivos (sin
consumo de energía)
Metales de
electrónicos Hardware
de
electrónica flexible Reciclaje de electrónicos RAEE M at r iz de compuertas
de efecto campo Formación en electrónica
reconfigurable
Sub-productos
Orgánicos Aprovechamiento
en
alimentación ala fauna Deshidratación, post
-
procesamiento, fermentado Tecnología de
alimentos Re-utiliz ación de alimentos
sostenible
De esta manera, se denen alternativas preventivas y
correctivas, las cuales pueden ser generalizadas, desde
el criterio de diseño u optimización para máxima e-
ciencia, la gestión responsable de subproductos de eta-
pas intermedias y mínimo consumo de recursos y ener-
gía, como en el caso del calor residual que se identica
como energía térmica reciclable, esto con el objetivo
de revalorizar y realimentar esta energía al sistema e-
ciente.
Todo esto orientado a tecnologías eco-responsables,
sin aleaciones no reciclables, control de particularizado
en procesos industriales y gases de efecto invernadero,
radiación electromagnética, ionizante y no ionizante,
efecto térmico sobre los tejidos [11], en líneas de trans-
misión de energía y comunicaciones, así como uso de
equipos, lo que puede tener un efecto en la salud cog-
nitiva de los seres vivos [11-12], cambio en la estruc-
tura molecular y efectos a nivel cuántico por el campo
electromagnético incidente, así como sobre los hábitos
de comportamiento de la fauna y polinizadores y libre
de aditivos no naturales en el sector de alimentos y cul-
tivos (como fertilizantes, conservantes químicos), todo
esto a n de minimizar los efectos sobre la calidad de
recursos naturales como agua, aire y suelo.
E. Diseños de ingeniería para la fauna urbana
Los dispensadores de alimentos para fauna urbana,
deben contemplar alimentos saludables de acuerdo a
las características de las mascotas, así mismo alimentos
sostenibles, basados en proteínas vegetales compati-
bles. En tal sentido, se plantea una red neuronal pro-
funda CNN para extraer los rasgos o características de
la imagen captada por una cámara digital en el dispen-
sador. De esta manera, se puede ofrecer los alimentos
idóneos, las cantidades más convenientes, dosicación
de alimentos, distribución de los alimentos en laberin-
tos para que puedan comer de forma lenta y estimular
su capacidad cognitiva, juegos, actividades o retos cog-
nitivos, estudio de patrones de comportamiento, diag-
nóstico oportuno de condiciones de salud y atención
veterinaria remota o asesoría en línea para las personas
que interactúan con la fauna urbana. Retos cognitivos:
Distribuir alimentos, para que la mascota deba encon-
trarlos, guiado por su olfato. Juego de inteligencia como
laberintos. Colocar de forma no visible algún premio
comestible o juguete, para que realice actividades de
búsqueda. También se pueden colocar barreras en cir-
cuitos de retos cognitivos, colocar algunas barreras, que
requiera solucionar y encontrar el camino hacia la meta.
Juegos interactivos y estimulación sana para las mas-
ISSN-e: 2542-3401, ISSN-p: 1316-4821
142
ISSN 2542-3401/ 1316-4821
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
cotas, siempre de forma segura. Lo que se busca es que
no se estrese y pueda mantener su salud mental y cogni-
tiva en buen estado, realizar algunas actividades como
ejercitarse de forma segura y mantenerse feliz. A esta
actividades se pueden incluir módulos de inteligencia,
masajes a través se cepillos suaves, estaciones de juego,
entre otros.
F. Conservación ambiental, ora y fauna.
Para mitigar el impacto ambiental se requieren ac-
ciones preventivas como nuevos modelos de desarrollo,
hábitos y educación ambiental y redes de asesoría en
líneas puede ser una herramienta para superar el des-
conocimiento (cultural) y revalorizar la fauna y ora y
acciones correctivas, tales como la remediación y res-
tauración de los ecosistemas. Una conciencia colectiva,
basada en criterios de sostenibilidad, que promueva la
reforestación y disminución/mitigación de emisiones
de calor y elementos contaminantes al ambiente, como
forma de remediación ambiental para proteger el hábitat
de los animales y todos los seres vivos, con un esquema
como el presentado en la Tabla 2.
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
Tabla 2. Componentes del esquema regenerativo de remediación ambiental.
Es qu e ma
Regenerativo
Clasificación Registro /
Almacenamiento
S umatoria de Aporte Realimentación
CompostajeNatural /
Reciclaje Inteligente Descomposición /
Síntesis
de componentes Reservas de recursos /
etapas del proceso Composición ecológica (alimentos vegetales), sin
aditivos químicos artificiales, reciclaje por
realimentación de componentes biodegradables, sin
contaminación del suelo, ni las fuentes hídricas.
Ciclo Hídrico /
Plantas recuperadoras Cambios de estado
y
Filt rado
Acumuladores
regenerativos
Fotovoltaica
Regenerativa Se p lantea un estudio en el comportamiento de interacción de los fotones yenlaces de los materiales
constructivos del panel fotovoltaicos [13], para la regeneración de propiedades fotovoltaicas, arquitectura
inteligente p ara ampliar la eficiencia.
Energía Térmica-FV Tecnología de
recup eración
de calor yCO2
Bancos de calor [14] Captación orecuperación del calor ambiental para
uso de la energía térmica reciclada.
II. DESARROLLO
Entre los conceptos a estudiar se presenta las apli-
caciones tecnológicas de redes neuronales recongu-
rables, orientadas a la protección de la fauna en sus
diversas actividades. Dado que las redes neuronales ar-
ticiales profundas (deep learning), permiten identicar
patrones, formas de ondas e imágenes, ha sido amplia-
mente aplicado para reconocimiento y clasicación, es-
tos avances puede ser orientados para la protección de la
fauna, desde identicación de especies, caracterización
para suministro de alimentos saludables de acuerdo a su
talla y requerimientos, diagnóstico de comportamiento,
entre otras funciones. En esta oportunidad se propone
identicar la forma de onda de los sonidos emitidos por
la fauna urbana para reconocer condiciones de salud y
caracterización de rasgos especícos, a n de alcanzar
una atención óptima. En la Figura 2 se presenta el es-
quema de las capas de la red neuronal.
Fig. 2. Reutilización de Redes Neuronales CNN pre-entrenadas
ISSN-e: 2542-3401, ISSN-p: 1316-4821
143
ISSN 2542-3401/ 1316-4821
Las CNN permitirían identicar mascotas perdidas,
ubicación de fauna en sus hábitats de origen, comporta-
miento, monitoreo, etc. Para la conguración de la red
neuronal se plantea la reutilización de capas pre-entre-
nadas, en el marco de los esquemas colaborativos de
diseño y entrenamiento profundo, dando oportunidad
de implementar el diseño de la red resultante sobre
hardware recongurable, para su adaptación dinámica
y ajuste de las capas en relación a los datos obtenidos
en las aplicaciones.
Modelo de sistemas regenerativos y redes neuro-
nales articiales.
Desde el modelo conceptual se reconocen compo-
nentes dados por pesos o coecientes para las etapas
funcionales y sub-etapas con la misma descripción de
comportamiento, registros de almacenamiento o re-
sultados intermedios entre etapas, la combinación de
aportes, una matriz espacio-temporal, selectividad en
procesos de clasicación inteligente y conguración di-
námica, así como una realimentación, que se correspon-
de con la re-utilización o reciclaje de los sub-productos
o emisiones. Esto supone que la solución ambiental
debe estar basada en una arquitectura de modelo fractal.
A la vez, debe estar inspirada en los ciclos naturales, los
tiempos activos y pasivos (de recuperación), así como
conceptos de sistemas bi-estables. Esto último se inter-
preta, no como un esquema con n ciclos o registros, que
requiere n instantes de tiempo, sino más bien como un
modelo de n etapas espaciales, con dos ciclos correla-
cionados, los valores en el ciclo t en función de los va-
lores en el ciclo t-1.
Esto supone un tratamiento novedoso en los siste-
mas auto-regresivos, donde la dependencia temporal se
ve reducida a un ciclo anterior, por tanto se logra una
simplicación en el modelo, a partir de funciones ite-
radas en el espacio, asociadas a la arquitectura fractal
espacial. Corresponde a una trama o arreglo que se con-
gura de manera dinámica, donde el modelo descripti-
vo se concentra en una ventana de tiempo, cuya expan-
sión permite construir el entramado especíco. Aparece
igualmente, un tercer factor correspondiente a la ener-
gía, la cual no tiene representación en el espacio físico,
pero se relaciona con las estructuras de conversión.
Impacto ambiental de las energías renovables. La
baja densidad energética de la tecnología de conversión
fotovoltaica, hace que esta energía renovable requiera
grandes extensiones de terreno, suelo fértil, áreas fores-
tales y hábitat de diversas especies, por lo que es nece-
sario avanzar en el estudio de alternativas más ecientes
y con menor impacto ambiental. Por otra parte, la foto-
voltaica distribuida sobre tejados de edicaciones ha-
bitadas por seres vivos puede tener incidencia sobre la
salud, tal es el caso de la contaminación electromagné-
tica que puede afectar la memoria, concentración y las
neuronas de sus habitantes. Finalmente, una tecnología
emergente corresponde a la fotovoltaica otante, con
varias ventajas sobre los otros modelos, pero con igual
incidencia sobre el ambiente marino, temperatura de las
aguas oceánicas, afectación de las actividades de la fau-
na marina, entre otros efectos que deben ser mejor es-
tudiados. Por todo esto, la bio-fotovoltaica otante con
recuperadores de calor se perla como una tecnología
más sostenible, aun cuando la eciencia de conversión
actualmente se encuentra por debajo de los porcentajes
alcanzados en el caso de la fotovoltaica convencional,
resulta más armónico la implementación de módulos o
paneles compuestos de algas marinas vivas, para la con-
versión de energía solar a eléctrica, mitigación de CO2
y su incorporación con aplicaciones productivas en la
supercie marina.
La propuesta comprende aplicaciones en línea, para
protección, restauración y conservación de hábitats de
la fauna urbana, silvestre, marina, polinizadores, a tra-
vés de herramientas de tele-servicio, sistemas regene-
rativos, optimizadores de energía, y redes neuronales,
como se presenta en la Figura 3.
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
ISSN-e: 2542-3401, ISSN-p: 1316-4821
144
ISSN 2542-3401/ 1316-4821
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
Fig. 3. Esquema Conceptual de Aplicaciones Tecnológicas de protección a la Fauna.
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021(pp. 138-154)
La naturaleza es una fuente de conocimiento, para
el diseño de los sistemas sostenibles, es necesario ob-
servar y estudiar sus modelos de optimización, para la
construcción de modelos regenerativos y la restaura-
ción de condiciones ambiental. La protección del suelo,
bosques, árboles, revestimiento vegetal, reforestación,
germinación de semillas nativas (restauración forestal),
promueve el restablecimiento del equilibrio, por lo que
deben ser medidas básicas. Las máquinas de aprendiza-
je y elementos inteligentes en las actividades agrícolas
e industriales pueden hacer éstas más sostenibles, sin
introducir químicos, ni otros elementos contaminantes.
Siendo el tema energético un eje de contribución, que
facilita la migración hacia tecnologías sostenibles. Todo
esto desde la consideración que el respeto a los animales
y seres vivos inspira soluciones ambientales ecientes.
A. Servicio colaborativo para optimización de
sistemas y energías renovables.
Comprende el diseño de un optimizador colabora-
tivo, desde un servidor entrenamiento neuronal remoto,
para aplicaciones de restauración ambiental, bioinge-
niería, protección de la biodiversidad en ora y fauna,
tecnologías sostenibles inspiradas en la eciencia de la
naturaleza. A través de un modelo distribuido, soportado
en un software de entrenamiento colaborativo, integran-
do los aportes de diversos diseñadores al sistema. La
innovación viene dada por la capacidad de seguimiento
de un comportamiento especíco de elementos natu-
rales, es decir, por bio-entrenamiento en las funciones
objetivo (target), es orientado a tecnologías sostenibles:
energías renovables, seguimiento solar, clasicación
de compuestos para reutilización de sus componentes
(subproductos), síntesis de estructuras inteligentes, en-
tre otras aplicaciones. El principal aporte consiste en
formular un sistema distribuido de alta eciencia que se
basa en el aporte de capacidad de cómputo de elemen-
tos distribuidos, para obtener una conguración simpli-
cada de los resultados en tecnología FPGA dinámica.
Así como de las ideas y criterios de diseños, de forma
colaborativa. Adicionalmente, la función objetivo es
particular inspirada en animales y vegetación, en proce-
sos naturales como inteligencia y foto-síntesis.
Tecnologías Sostenibles aplicables a remediación
ambiental.
1.Diseño arquitectónico con vegetación, musgo en
espacios funcionales para mejorar el impacto ambiental
[15-18].
Energía solar fotovoltaica y agricultura sostenible,
en relación simbiótica. Inteligencia de enjambre como
herramienta para el seguimiento solar, en aplicaciones
ISSN-e: 2542-3401, ISSN-p: 1316-4821
145
ISSN 2542-3401/ 1316-4821
fotovoltaicas y termosolares, donde los agentes activos
se encuentran sincronizados y auto-organizados, con
optimización colectiva, sin coordinación central. Se
plantea un entrenamiento neuronal del control basado
en los procesos naturales de las plantas, como pilotos
para el seguimiento de sus funciones de optimización
en fotosíntesis, se entrenarían las redes neuronales de
control del sistema fotovoltaico, donde el campo foto-
voltaico sería un modelo bio-inspirado de un bosque
nativo y cada panel en el sistema, tendría funciones de
optimización de su rendimiento y del sistema como ele-
mentos colaborativos.
2. Bio-entrenamiento neuronal, basado en compor-
tamiento de fauna para reconocimiento de patrones y
clasicación de compuestos, lo que tiene alto grado de
aplicación en bio-remediación, reciclaje y tecnologías
sostenibles. Paneles de geometría fractal para ltros de
partículas de 5 nm. con tecnología CNN de inteligencia
articial para la separación, clasicación y remediación
de material particularizado y agentes químicos.
3.Redes neuronales CNN y RNN para reconoci-
miento de especies de fauna urbana, local (autóctona),
silvestre, marina y comportamiento de biodiversidad,
en protección de ecosistemas ambientales. Plataforma
de remediación ambiental, protección de mascotas y
fauna silvestre, asesorías especializadas para gestión
ambiental y soporte técnico. El objetivo es diseñar
una plataforma colaborativa, donde los especialistas
de áreas de ingeniería, veterinaria, sostenibilidad, acti-
vistas, puedan aportar sus conocimientos en una guía
práctica de casos generalizados y atención particulari-
zada a usuarios que requieran apoyo en situaciones de
colaboración ambiental. Desde estrategias de adopción
de mascotas de forma individual o colaborativa, acti-
vidades tele-operadas de asistencia médica veterinaria,
formación en alimentación saludable para mascotas,
técnicas de clasicación y reciclaje colaborativo, entre
otras: Programa de rescate de animales sin hogar, para
su cuidado individual o colaborativo.
4. Redes de Asesoría para tele-salud, información
veterinaria y alimentación saludable de mascotas. Huer-
tas urbanas individuales o colaborativas, con apoyo
técnico. Compostaje y fertilizantes ecológicos para cul-
tivos orgánicos en las ciudades. Incorporación de agri-
cultores en el modelo distribuido de tecnología de segu-
ridad alimentaria. Colmenas ecológicas para promover
espacios para polinizadores. Germinadores inteligentes
y sistemas de invernaderos verticales con optimiza-
ción de espacios, direccionamiento de luz solar para
los módulos multi-niveles, eciencia en la utilización
y bio-tratamiento del agua, luz solar, nutrientes natura-
les, agro-robótica, funcionalidades ecológicas, ciudades
verdes, e-alimentos vegetales [19-21].
5. Recuperadores de calor regenerativo RCR, en red
urbana de energía residual. Sistemas colaborativos con
seguimiento de consumo de agua, eciencia energética,
impacto ambiental, gestión de residuos, reincorpora-
ción de subproductos, estrategias de sostenibilidad. Red
de robótica teleoperada [22], de servicio para recolec-
ción y distribución funcional, distribución de insumos
bajo normas de bioseguridad, recolección de residuos
eléctricos y electrónicos para gestionar su reutilización.
III. METODOLOGÍA
Se identican diversas tecnologías que tienen un alto
impacto ambiental, como corresponde al sector energé-
tico, movilidad, actividades urbanas e industriales. En
todos estos, el factor común corresponde a las emisio-
nes de calor. Se ha introducido el concepto de energía
regenerativa, que comprende un ciclo combinado de
recuperación de calor: ambiental, oceánico (OTEC por
gradiente térmico), a n de revalorizar el calor emitido
o disipado y reinsertarlo en el ciclo productivo, como
energía térmica regenerativa, a partir de un modo de
energía térmica residual. La remediación ambiental a
través de diseños tecnológicos se plantea como la herra-
mienta para la protección de la fauna y la conservación
de la naturaleza, desde los aspectos energéticos, control
de emisiones de calor residual, eciencia en los diseños
y reutilización de energía en sistemas regenerativos.
Con esta idea, se plantea iniciar el sistema con algún
elemento ignitor, luego de alcanzar su régimen perma-
nente, continuar el proceso con energía térmica solar
y realimentación de calor regenerativo o conversión de
energía eléctrica realimentada para quemadores eléctri-
cos, en una eciencia máxima dada por el aislamiento
térmico del sistema. El método consistió en un análisis,
la tabulación de métodos y estrategias se presentan en
las tablas 3.
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021(pp. 138-154)
ISSN-e: 2542-3401, ISSN-p: 1316-4821
146
ISSN 2542-3401/ 1316-4821
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
Tabla 3. Estrategias de remediación ambiental.
Tabla 4. Estrategias y métodos de protección a la fauna y sus hábitats.
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
Comportamiento Objetivo Estrategia Criterios Diseños sostenibles
Disminuir los residuos Seleccionar aliment o
de
origen vegetal Compostaje de cascar as
y
siembra de semillas Utiliz ación
de
subproductos Compostaje
inteligente
deshidratador solar
Reutilizar componentes
y
materiales Tejidos de material
plástico
reciclado.Reutilización yReciclaje Tejedora para
materiales
reciclados.
Ahorrar recursos naturales Ahorrar agua, ener gía
y
recursos naturales Desinfección ecológica
con
vapor oaire sobrecalentado Conservación de
fuente
hídricas Optimizador en
consumo
de agu a .
Reciclaje de calor Utilizar eco-tecnologías Sistemas t érmicos cerrados. Ventilación forzada Op timizador térmico.
Eco -Educaci ón Alimentos completos Concentración S olar Luz S olar UV
Tele-trabajo A lgas / nopal / Amaranto Cocina Solar [23] Germinados oleaginosas
Estructuras re-plegables Deshidratador Solar Aislante térmico Germinados Leguminosas
Atención a Mascotas, Agua,
Alimentos Sostenibles,
Asesoría en Línea
Refrigeración sostenible Cultivo de Frutas
Filt ros concatenados Cultivo de Algas M arinas Cultiva de Hortalizas
Compostajede Residuos. Cereales
Almacenamiento Red de Energías Híbridas: Energías Térmica recuperada / Energía Potencia Aire Comprimido / Energía Solar
A.Métodos y Técnicas de protección a la fauna.
Entre los métodos convencionales, se expresa las
normativas, prácticas y respeto del espacio en que ha-
bitan. Más aún se pueden establecer tecnologías al ser-
vicio de la fauna y su conservación, que minimice la
intervención de espacios, impacto sobre los bosques y
áreas forestales y alteraciones del hábitat autóctono de
la fauna. En tal sentido, se requieren diseñar estrategias
de conservación, reforestación funcional de espacios
urbanos, con énfasis en el desarrollo natural, interac-
ción de polinizadores y fauna nativa (local). Conocidas
las características de los espacios ecológicos de la fauna
se pueden promover micro-ecosistemas diseñados, en
función de la aptitud bioclimática para cada especie y
calidad del paisaje urbano en términos de la disponibili-
dad de hábitat. La restauración de los espacios debe ser
diseñada con especies botánicas nativas, para crear las
condiciones bioclimáticas óptimas. El análisis realizado
permite identicar la necesidad de un equilibrio entre
alternativas tecnológicas, valores éticos y educación,
con lo que se puede lograr un método de solución soste-
nible, avances en materia de eco-ingeniería y responsa-
bilidad ambiental, como se presenta en la Tabla 4
Especies / sector natural
Estrategia
Tecnología
Educación
Perro, Gatos, Aves,
Ardillas, etc.
Protección Ambiental de la Fauna
Urbana, adopciones, asistencia
veterinaria.
Dispensadores automáticos de
alimentos, monitoreo, asistencia
veterinaria en línea.
Formación en empatía, respeto
por la fauna local, conocimiento
general.
Osos Polares, pingüinos
Protección del hábitat de los
animales
Disminuir la temperatura
ambiental con RCR
Turismo Sostenible
Glaciares
Recuperación de calor y regeneración climática para glaciares, re- direccionamiento de radiación solar y
protección de zonas de interés [8].
Osos Panda, Koalas,
Canguros
Protección Ambiental de la Fauna
Silvestre
Monitoreo de condiciones de la
fauna silvestre [24]
Minimizar consumos asociados
con deforestación
Árboles, vegetación, bosques, selvas, manglares, áreas forestales
Estrategias forestales para preservar el equilibrio natural
Vacas, toros, becerros,
gallinas, pollos, ovejas, ...
Protección de los derechos de los
animales, alimentación vegetariana
Desarrollo de ingeniería de
alimentos vegetal [21]
Nuevos modelos alimenticios.
Delfines, focas, leones
marinos, ballenas, peces
Protección a la fauna marina y
condiciones de plástico en los mares.
Filtros dinámicos, recuperadores
de calor y sustancias en aguas
residuales
Disminuir el uso de productos
descartables, reciclaje y
reutilización.
Océanos / Naturaleza
Indicadores y control de temperatura, algas, limpieza oceánica y protección ambiental.
Técnica
Descripción de la Técnicas propuesta para regeneración de condiciones ambientales y hábitat de fauna y flora
Servicio de
optimización
móvil.
Inspección de reservas naturales, sin afectar a la fauna del lugar, detectando y corrigiendo riesgos las zonas protegidas.
Monitoreo forestal, impacto ambiental, fauna y de especies en peligro de extinción, reservas hídricas, optimización de
condiciones ambientales para prevención de incendios forestales (relación radiación solar-temperatura). Módulos
portátiles (no invasivos), para recuperación de calor ambiental y oceánico, en aplicaciones energéticas eficientes.
Sistemas
Realimentados
Energía eólica con realimentación de aire comprimido, para reconversión de energía almacenada. Hidroeléctrica,
accionadas por bombeo hidráulico. Fotovoltaica Bifacial (realimentada), realimentación de energía térmica residual.
Simplificación
Nuevos modelos con menos procesamiento, alimentos vegetales integrales, tiempo de calidad, ciclos regenerativos.
Educación
Ambiental
Valores éticos, respeto a la naturaleza, conservación, ahorro de recursos, compromiso ambiental. Fomentar hogares para
fauna urbana, protección de hábitat y optimización de la calidad de vida de los animales, empatía y atención.
ISSN-e: 2542-3401, ISSN-p: 1316-4821
147
ISSN 2542-3401/ 1316-4821
B. Método de modelado de sistemas regenera-
tivos, optimización bio-inspirada y simplicación
fractal.
El método cientíco de diseño sostenible, plantea
un rediseño de modelos hacia el ahorro de recursos y
valoración de subproductos, entre ellos energía térmi-
ca (calor residual). La revalorización de los recursos y
los programas de capacitación para reciclaje de estos
y reutilización programada, viene a aportar un espacio
de recuperación de los ciclos naturales. En este sentido,
se plantea un conjunto de pasos para la denición del
modelo (ver Tabla 5) y el concepto de simplicación
fractal por extrapolación, disminución del impacto am-
biental, por optimización de las etapas, que puede ser
replicado de manera eciente en otras etapas auto-si-
milares, como una solución para los modelos fractales
de simplicación y optimización energética. Donde el
sistema inteligente se diseñó con una etapa de optimiza-
ción regenerativa, en la que los coecientes adaptativos
de la capa de optimización (externa), se corresponden
con los coecientes de realimentación porcentual de
la/s salida/s del sistema de relación de variables físicas,
a n de establecer su capacidad regenerativa óptima
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
Tabla 5. Interrelación de las características para la propuesta del modelo regenerativo.
Tabla 6.a. Diseño de Tecnologías para protección de áreas naturales.
Pasos Subsistemas Método / Herramienta
Estimación de parámetros Relación de variables Explorador Solar, para estimar relación de radiación solar vs. temperatura
Modelado neuronal Red MPL(capas internas) Gradiente descendiente, cálculo de los pesos ybias.Validación yPrueba.
Identificación de
patrones
Optimización
bioinspi rada
Correlación e ntre los coeficientes de ganancia y realimentación.
RCR (calor residual) Energía regenerativa %Recup eración ycoeficiente de realimentación de calor regenerativo
Residuos cero Reciclaje Inteligente % Clasificación yformulación de mat eriales reciclados / biodegradables
Alimentos regenerativa Agricultura sostenible % Realimentación de subproductos post-cos echa /alimentos p ara mascotas.
IV. RESULTADOS
Se diseñó una propuesta tecnológica para protec-
ción de áreas naturales (ver Tabla 6), ora y fauna en su
hábitat natural. Regeneración de Glaciares, a través de
técnicas como una estructura supercial de contención,
basada en arquitectura fractal, tales como panales de
abejas, estructura entrelazada de raíces de árboles, que
constituyan un tejido de soporte para la cristalización
del hielo, diseñada de material no contaminante. Esta
alternativa puede ser integrada, con un sistema de reali-
mentación por bombeo de agua de deshielo, previo pro-
ceso de recuperación de calor (refrigeración el agua),
para propiciar la formación del hielo, proteger la super-
cie de fragmentación de la capa glaciar, contribuir con
la recuperación de volumen y regeneración (por etapas
a diferentes niveles de altura) del sistema glaciar. Así
mismo, el control de incidencia solar [8] para ltrar
componentes del espectro, de forma selectiva con un
elemento aéreo móvil de protección (no invasivo), a n
de proteger los glaciares, zonas de riesgo de incendios:
parques forestales y bosques, a través de la restauración
climática de la biósfera.
Tecnología
Criterios, consideraciones y altura
Esquema
Protección
Inteligente
A nivel de superficie. Incorporación de
revestimiento reflectante, sin impacto
sobre la fauna, de material reflectante y
biodegradable. Tejido-red de
entrelazado para recuperación de
volumen.
Fotovoltaica funcional a altura óptima.
Elemento aéreo a altura HOPT
adaptativa, con filtrado selectivo de
componentes espectrales de radiación
solar [8].
Captación de
energía térmica
Intercambiadores de calor en capas
(distintas alturas), para recuperación de
energía térmica.
LFSR
regenerativo
Realimentación (bombeo hidráulico)
por etapas de agua re-adaptada a las
condiciones de temperatura óptima,
para restauración del glaciar.
ISSN-e: 2542-3401, ISSN-p: 1316-4821
148
ISSN 2542-3401/ 1316-4821
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
Tabla 6.b. Modelado matemático del sistema regenerativo propuesto
* A partir de la arquitectura del modelo establecida, se realizó el cálculo de los pesos y bias, en base a la radiación
solar incidente y temperatura ambiental, a través del entrenamiento en software, para los coecientes dinámicos
de optimización se plantea el entrenamiento supervisado por bio-optimizadores de referencia, congurables en
hardware.
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
Subsistemas Concatenación de subsistemas en modelo AN N -LF S R
Selector (pre) Capa oculta externa 1, p esos de concentración, filtrado, orientación, seguimiento solar, función espectral.
Relación
física Capa oculta interna 1, pesos de relación de variables.Caso de estudio: Radiación Direct a yTemp eratura Ambiental.
RCR (post) Capa oculta externa 2, pesos de aislamiento, recuperación térmica yrealimentación de energía térmica regenerativa.
Descripción de l tratamiento mate mático de los subsi stemas / capas de red profunda DNN (DeepNeural Network)
Capas DNN Los subsistemas de conversión/optimización dinámica, son definidos como capas de la red neuronal fractal.
*Cálculo de coeficientes entrenamiento ANN p or gradiente descendiente, para la capa de op timización se fijarán targets de bio-eficiencia.
Interrelación de l os parámetros que definenel modelo
wSIST_REG Los pesos sinápticos de la red neuronal modeladora correspondealos parámetros físicos del sistema regenerativo
Capa opt. Capa Oculta
Interna
Capa de S alida Interna (elementos del sistema convertidor) Capa optimización externa
Pesos
P
e
s
o
s
Umbrales Pesos de la capa implementada Umbrales Targets de optimización
wFI LT 7
.
6
9
-1.62 6.34 0.93 5.24 8.95 % Filtrado componentes espectral
wRCR 1
.
1
5
-1.25 Capa Oculta 3 Neuronas F.A: Sigmoide ép ocas: 80 % calor regenerativo realimentado
wSEG 3
.
7
3
1.96 Capa Salida 1 Neurona F.A: Lineal Error: 1.45 Seg. solar bioinspirado en plantas
La propuesta comprende elementos robóticos fun-
cionales móviles o portátiles que no afecten las áreas
protegidas, para realizar un servicio de barrido dinámi-
co de los espacios en la función de remediación am-
biental (ltrado de aire , ltros UV de componentes de
radiación solar, siembra de árboles por dispersión de
semillas, suministro de alimentos a la fauna, atención
especializada, monitoreo, asistencia veterinaria, tore-
mediación, reciclaje de calor ambiental, optimización,
etc.), con alcance congurable, tal es el caso de ele-
mentos móviles satelitales, desde una altura especíca
o bien robótica de captación de energía térmica y dis-
minución de disipación de calor residual para aprove-
chamiento del calor ambiental y gradiente térmico de
los océanos para captación de energía térmica residual
y disminución de la temperatura global. En el marco de
sistemas regenerativos, energías renovables ecientes,
recuperación de calor residual, remediación ambiental
con tecnología. Fito-remediación a través de jardines
verticales y micro-ecosistemas diseñados para mejo-
rar las condiciones urbanas, condiciones del hábitat y
su interacción. Seguidamente, se resume los objetivos,
métodos y resultados, planteando estrategias para la im-
plementación de los diseños desarrollados bajo el mo-
delo para sistemas regenerativos, como se presenta en
la Tabla 7.
ISSN-e: 2542-3401, ISSN-p: 1316-4821
149
ISSN 2542-3401/ 1316-4821
Tabla 7. Aplicaciones del modelo desarrollado
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021(pp. 138-154)
Requerimiento Objetivo Método Resultado Estrategias
Disminución de
riesgos climáticos (en
océanos, glaciares,
bosques, …)
Aprovechamiento de l
calor re sidual de
equi pos /procesos
urbanos oindustriales.
Recup eración de calor,
conversión de ERNC,
almacenamiento y
realimentación.
Correspondencia con el
modelo LFSR para
optimizadores de ener gía
térmica regenerativa.
Módulos Aero-térmicos,
Bombas de calor,
módulos móviles de
reciclaje de calor.
Optimización de
Sistemas bajo
principios de
sostenibilidad
Micro-Ecosistemas para
espacios urbanos Revestimientos vegetales.
Mínimo consumo de agu a
Modelo de opt imización
bioinspirado Jardines, techos verdes,
huertas urbanas, bosques.
Entrenamiento de
clasificadores ANN, en
reciclaje inteligente
Aprendizaje natural.
Seguimiento solar
dinámico.
Red de Entrenamiento en
hardware yreutilización
de aprendizaje DL.
Sensores yCNN sobre
hardware.
Tecnología Sostenible
de Servicio ala fauna Módulos de Servicio ala
fauna.
Diseño de electrónica de
control inteligente, redes
de asesoría en línea.
Arquitectura del esquema
de control avanzado
parametrizable.
Tele- dispensadores de
alimento, monitoreo
remoto afauna.
Diseños tecnológicos en aplicaciones ambientales
THiLd-e (Transporte Híbrido de Levitación magné-
tica diferencial - eléctrico), para movilidad sostenible
[25]. Se seleccionó el concepto híbrido como alternati-
va de respaldo, con un esquema transitorio de impulsión
basado en energías convencionales (en menor grado) y
un régimen permanente basado en energías renovables
(siendo estas últimas el soporte para la tracción y con-
trol del sistema). De esta forma, se supera el reto de
intermitencia de las energías renovables, se proponen
tecnologías de almacenamiento térmico/mecánico, con
alto nivel de eciencia, alta densidad y sostenibilidad
coherente con la conversión de energía. Siendo el es-
quema de control inteligente el responsable de alcanzar
la eciencia del modelo híbrido, ajustado a la dinámi-
ca del sistema. Comprende un vehículo convencional
adaptado a vehículo híbrido eléctrico, aplicando plata-
forma móvil de monitoreo: Satelital, con convertidor
fotovoltaico y transmisión en energía al vehículo híbri-
do. Plataforma LevMag, con mecanismo de levitación
magnética, para direccionamiento eciente del vehículo
híbrido. Interacción de bajo consumo y alta eciencia, a
través de esquema diferencial.
Eco-net Una e-red neuronal colaborativa en línea,
para aplicaciones ecológicas, con entrenamiento distri-
buido de aportes en distintas localidades, a través de la
colaboración de diseñadores, entrenamiento colabora-
tivo y hardware, con entrenamiento distribuido sobre
varios equipos ampliando así la capacidad de cóm-
puto y demandas o requerimientos de recursos de las
redes neuronales, dando versatilidad al proyecto, con
las particularizaciones sobre hardware (entonación de
aplicaciones), funciones de identicación, diagnóstico,
optimización de condiciones de hábitat y protección de
la fauna. Bio-Trained Net, ANN entrenadas con targets
naturales.
Sistemas realimentados, aislamiento térmico, mode-
lo de sistemas aero-térmicos de recuperación de calor
ambiental y eciencia energética. Parques multifuncio-
nales: sistemas naturales de puricación de agua, basa-
dos en vegetación funcional, plantas acuáticas y hume-
dales, para ltrado, puricación y oxigenación del agua.
Finalmente, se dene una correspondencia con es-
tructura LFSR (ver Tabla 8), relacionando un conjunto
de sistemas y aplicaciones, lo que representa un impor-
tante aporte para la optimización sobre ecuaciones ma-
temáticas parametrizables.
ISSN-e: 2542-3401, ISSN-p: 1316-4821
150
ISSN 2542-3401/ 1316-4821
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
Tabla 8. Modelo de sistemas LFSR
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
Modeladores Auto-
organizador
Ope rador Coeficiente
s
FB Ref. Algoritmo
Diferencias Finitas LFSR(Δ(x)) Product 1/n!h
n
f(a) [26] Valorizar recurso:
= +1
+1
2!
1
1
+1
3!
1
1 ( 2)
+. . . Procesamiento eficiente y eco-
responsable:
.
FNN Fractal LF(c1,…, cn) Neural op. w
i,j
a(n-1) [27] Integración de etapas: ∑
=
,
,
.
+( 1) + ( 1) Re-valorización de
subproductos: ( 1)
Campos GF LFSR(p(x)) and p
i
p
m-1
(t.1) [28-29] Realimentar subproductos
Sistemas ERNC LFSR(S(x)) Conversión C. adap E
R
(t.1) [30-34] Evaluar impacto (comp.)
Código RS LFSR(D(x)) GF Product G
i
r
i
(t-1) [35] Targets bio-proceso
Sistemas Sostenibles LFSR (f(x)) Optimizador w
i
(t) ( 1) Optimizar (
:capa externa)
Donde es posible concatenar y extrapolar el mo-
delo matemático para obtener una combinación total,
que describe los sistemas, a n de establecer un algo-
ritmo de optimización generalizado, aplicando el cál-
culo de los coecientes óptimos con redes neuronales
entrenadas a partir de modelos bio-inspirados, siendo
una herramienta de diseño para el área de protección de
ecosistemas, ora y fauna, en los que se consideran los
modelos funcionales y alternativas de remediación, en
el campo de ingeniería sostenible.
El modelo puede ser aplicado en diversos sistemas
de protección al hábitat de la ora y fauna, ajustando
parámetros de coecientes, por medio de conguración
de hardware.
-Filtros de material particularizado o captadores de
CO2, la etapa de ltrado corresponde al procesamiento,
en este caso los coecientes de las etapas corresponde a
la función de ltrado de cada capa componente del sis-
tema diseñado, el resultado nal corresponde al aporte
de cada una de las capas, a su vez se debe realimentar la
salida para recuperar particularizado que no haya sido
ltrado en la etapa previa. De esta manera se puede no-
tar un comportamiento convolucional o procesamiento
multi-etapa con realimentación lineal.
-Reciclaje de materiales, de origen de residuos elec-
trónicos, plástico u otros, se realiza la clasicación in-
teligente por clase de material, en la que se tiene una
etapa de reconocimiento de patrones que se implementa
con una red neuronal CNN, la cual es entrenada a través
de un observador de clasicación natural (identicar los
target a partir de la selectividad de la fauna), las etapas
son concatenadas y se presenta la arquitectura común
LFSR en el proceso de clasicación y realimentación en
lo que corresponde a la reutilización de componentes o
reciclaje de compuestos residuales.
-Técnicas alternativas para subproductos de origen
vegetal, que va desde innovación, bio-plástico, compos-
taje o alimentos para mascotas, se realiza un procesa-
miento de germinación, deshidratación o fermentación,
para ser realimentados los compuestos en la elaboración
de un producto nal con valor agregado, cero residuos,
con lo que se controla la emisión de gases efecto in-
vernadero y se obtiene un aprovechamiento óptimo de
nutrientes y minerales, de los subproductos.
-Energías Renovables, se puede integrar cada mó-
dulo de conversión, almacenamiento por etapas y reali-
mentación de energía térmica.
-Remediación Ambiental, recuperación multi-etapa
de calor residual para recuperación de condiciones am-
bientales (sistemas aero-térmico/hidro-térmicos), alma-
cenamiento y realimentación a red de energía.
Se observa así una estructura compuesta por etapas
de ltrado LFSR o concentración por componente o
longitud de onda, etapa de clasicadores helicodiales
o neuronales para compuestos y foto-sensibilización
para componentes espectrales, etapa de conversión de
energía o procesamiento, etapas de almacenamiento y
realimentación, los cuales son descritos por la ecuación
generalizada (1), como se observa en la Figura 4.
(1)
ISSN-e: 2542-3401, ISSN-p: 1316-4821
151
ISSN 2542-3401/ 1316-4821
Fig. 4. Modelo LFSR para la Propuesta de Sistemas Regenerativos
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
Este modelo permite el diseño modular, partes inter-
cambiables y reemplazables, para garantizar compa-
tibilidad tecnológica en el tiempo y reutilización de
componentes, de forma sostenible. Así como, la imple-
mentación de ltros y recuperadores de calor portátiles,
para servicio de restauración del hábitat de la biosfera.
RCR aplicando principios termodinámicos y tecnolo-
gías de eciencia (aislamiento térmico y realimentación
de energía) en sistemas naturales: (a) Regeneración de
glaciares, (b) gradiente térmico oceánico OTEC, no para
los ecosistemas marinos, sistemas de servicio portátiles.
Considerando: que el océano absorbe alto porcentaje de
radiación solar, (c) Recuperación de calor ambiental
en áreas forestales, aplicando técnicas por diferencial
de presión (pasivo), captación de energía solar térmica
aérea y re-direccionamiento. cosechamiento de energía
eléctrica, a través energy shift [30-31]. Restauración de
suelos y agua, aplicando técnicas de to-remediación,
con sub-productos de post-cosecha. Diseño de sistemas
de energías renovables [32-35], e implementación de
dispensadores de alimentos con control inteligente [36-
37], asistencia remota y optimización de condiciones
de la fauna urbana micro-ecosistemas urbanos, para el
soporte del desarrollo de un hábitat para polinizadores y
fauna en espacios urbanizados. Optimización neuronal
por aprendizaje natural, bio-inspirado por la ora y fau-
na: (a) Reconocimiento y clasicación de componentes
para reciclaje, entrenados por patrones de selectividad
sensorial de animales (perros y gatos). (b) Seguimiento
óptimo de radiación solar en plantas (girasoles, enreda-
deras, árboles). Sistemas híbridos de aire comprimido
para minimizar el consumo de agua en actividades ge-
nerales. Diseño de Sistemas Regenerativos de energía,
con minimización de pérdidas, a través de técnicas, ta-
les como: (a) Levitación magnética en rodamientos de
conversión de energía cinética. (b) Aislamiento térmico
en sistemas. (c) Realimentación fractal de energía, entre
módulos convertidores de energía con almacenamien-
to intermedio. Educación Ambiental, concientización y
gestión remota de conocimientos en ciencia colabora-
tiva [38-41]. El diseño de ltros adaptativos con capas
de bra vegetal, musgo/algas, elementos minerales, en
módulos portátiles de servicio, así como, ltros solares
por concentración de radiación solar y sus componentes
especícos en las longitudes de onda infrarrojo, ultra-
violeta (UV) y luz visible.
V. CONCLUSIONES
Gracias al estudio realizado, se proponen un mode-
lo ANN para mejorar las condiciones de hábitat de la
fauna urbana, marina, silvestre y local, en los diversos
ecosistemas. Esto en base a una descripción matemática
fractal para diseño sostenible, comprende una etapa ja
y pesos adaptativos en relación a la eciencia óptima
establecidas in situ, para denir sistemas regenerativos
ISSN-e: 2542-3401, ISSN-p: 1316-4821
152
ISSN 2542-3401/ 1316-4821
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
por realimentación y seguimiento de modelos naturales.
Un esquema inteligente auto-organizado, basado en una
estructura distribuida, donde el modelo bio-inspirado
(ecuaciones) se encuentra auto-contenido para el des-
pliegue y desarrollo dinámico, como una semilla que
contiene la información genética de una planta. Se han
identicado estructuras auto-similares que se replican
con similitud estructural por tratarse de una fórmula
básica, aplicada para las dimensiones o escalas corres-
pondientes en cada capa de la DNN, con la denición
funcional dada por parámetros físicos.
De forma no invasiva, se puede desarrollar un pro-
grama que comprenda desde la educación, valorización
y reutilización de los recursos naturales, hasta la incor-
poración de tecnología ética y responsable, que permita
contribuir en el eco-diseño. Al momento de diseñar se
deben tener en cuenta los principios que rigen en la na-
turaleza, reconocer los sistemas, comprender su modelo
y replicar el diseño bioinspirado, en la remediación am-
biental se puede estudiar el comportamiento dinámico
de manglares, océanos, bosques, así como organismos
de la fauna y ora, como algas y musgo, para el diseño
de bio-procesadores altamente ecientes, que permitan
alcanzar el objetivo, aplicando las potencialidades de
los recursos naturales.
Investigación, innovación y desarrollo deben estar
orientados hacia el compromiso con la sostenibilidad,
para alcanzar un modelo de ingeniería inspirado en la
naturaleza y su conservación. Un análisis de impacto
ambiental en cada proyecto, el diseño de elementos mo-
dulares, portátiles, que permitan realizar ensayos de e-
ciencia y efectos sobre el entorno, a n de mantener las
condiciones de seguridad ambiental en todas las etapas
del proyecto, desde el diseño, implementación, opera-
ción y actualizaciones. La selección de las tecnologías,
los materiales biodegradables, las emisiones asociados,
entre ellas calor residual y emisiones electromagnéti-
cas, deben ser considerados de manera de mitigar el im-
pacto de estas de forma responsable.
Observación como principio de diseño por aprendi-
zaje natural, un concepto que se ha desarrollado en esta
investigación, que busca tecnologías pasivas, con alto
nivel de eciencia, a partir del entrenamiento según el
patrón de comportamiento de la ora y fauna. Los eco-
sistemas han mantenido su equilibrio, a través de las
funciones de cada uno de los organismos que lo compo-
nen, en un desarrollo colaborativo, dotado de una inte-
ligencia natural, que se integra de forma simbiótica con
el hábitat, este principio de diseño debe ser el criterio
fundamental, a n de encontrar soluciones sostenibles.
Así, un modelo de diseño contrastado con los modelos
naturales, puede ser entrenado de forma dinámica para
su optimización funcional.
Se han considerado varios ejes de remediación am-
biental para la protección de la fauna, desde un nuevo
modelo energético regenerativo, técnicas pasivas de re-
cuperación de calor, concentración o ltrado de com-
ponentes, a través de la relación de coecientes adap-
tativos del modelo o pesos sinápticos, almacenamiento
inteligente de energía, realimentación al sistema (reci-
claje) y optimización bioinspirada, para respuestas de
alta eciencia. Todo esto debe comprender la sanación
y regeneración de la naturaleza, animales, concientiza-
ción, educación y valores en los seres humanos, protec-
ción, conservación y avances en medidas estratégicas y
alternativas tecnológicas coherentes, para mejorar la ca-
lidad de vida del entorno y los seres vivos, esto a través
de respetar todas las formas de vida, valorizar la fauna
y ora y construir desde la responsabilidad ambiental.
REFERENCIAS
[1]J. Toro, A. García, L. Romeri, “¿Nieves eternas en la
Sierra Nevada de Mérida?”. Investigación, pp. 90-93,
2008.
[2]M. Herrera-Ossandón. “Estimación de las altitudes
de las líneas de equilibrio en glaciares de montaña para
el último ciclo glacial-interglacial en los Andes de San-
tiago, Chile Central”, 2016.
[3]C. Bravo Lechuga. “Reconstrucción de sistemas
glaciares en el volcán Villarrica región de Los Lagos,
Chile”, 2008.
[4]N. Barriga-Ávila. “Escenarios futuros de una mues-
tra de los glaciares más representativos de la zona cen-
tral de Chile, a partir de sus variaciones climáticas”,
2019.
[5]Ecoinventos (2020). “Ice911, el plan para cubrir con
minúsculas esferas de vidrio el Ártico y ayudar a res-
taurar el hielo y estabilizar el clima”. Tecnología Verde.
[Online]. Available: https://ecoinventos.com/ice911/
[6]Ecoinventos (2019). “Módulos de almacenamien-
to térmico industrial. Energías Renovables”. [Online].
Available: https://ecoinventos.com/eco-stock/
[7]M. Fallas. “Criterios ambientales de cumplimiento
para el desarrollo de proyectos de generación de energía
marina”, 2018.
[8]C. Sandoval-Ruiz, “Proyecto Cometa Solar–CS para
Optimización de Sistemas Fotovoltaicos”. Universidad
Ciencia y Tecnología, vol. 24, no. 100, pp. 74-87, 2020.
[9]V. Kashyap, S. Sakunkaewkasem, P. Jafari, M. Naza-
ri, B. Eslami, B., S. Nazi,… H. Ghasemi. “Full Spec-
trum Solar Thermal Energy Harvesting and Storage by
a Molecular and Phase-Change Hybrid Material”. Jou-
le, vol. 3, no. 12, pp. 3100-3111, 2019.
[10]Ecoinventos (2020). “Tecnología espacial desvela
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021(pp. 138-154)
ISSN-e: 2542-3401, ISSN-p: 1316-4821
153
ISSN 2542-3401/ 1316-4821
cómo reducir la temperatura en verano de forma natu-
ral”. Tecnologías Verdes. [Online]. Available: https://
ecoinventos.com/tecnologia-espacial-desvela-como-re-
ducir-la-temperatura-en-verano-de-forma-natural/
[11]A. Tchernitchin, R. Riveros. “Efectos de la Radia-
ción Electromagnética sobre la Salud”. Médicos Socia-
les, vol. 44, no. 4, pp. 221-234. 2004.
[12]M. Vérez, J. Ipiña. “Efectos biológicos del campo
electromagnético. Conceptos básicos de Electromagne-
tismo”, vol. 37, 2008.
[13]M. Vaqueiro-Contreras, V. Markevich, J. Coutinho,
P. Santos,..., A. Peaker. “Identication of the mecha-
nism responsible for the boron oxygen light induced
degradation in silicon photovoltaic cells”. Journal of
Applied Physics, vol. 125, no. 18, 185704, 2019.
[14]Ecoinventos, 2020. “Paneles fotovoltaicos con apa-
riencia de espejo para extraer más electricidad del ca-
lor”. Energías Renovables. [Online]. Available: https://
ecoinventos.com/paneles-fotovoltaicos-espejo
[15]C. Sandoval-Ruiz. “Sistema Eco-Adaptativo inte-
grado en elementos arquitectónicos con tecnología sos-
tenible”. REC Perspectiva, vol. 4, no. 8, pp. 96–109,
2015. https://issuu.com/recperspectiva/docs/rec8/96
[16]C. Sandoval-Ruiz. “Diseño Arquitectónico Inteli-
gente aplicando conceptos de Urbótica y Sostenibili-
dad”. REC Perspectiva, vol. 6, no.11, pp. 18-29, 2018.
[17]C. Sandoval-Ruíz. “Arquitectura Recongurable
y Redes Inteligentes aplicadas al Diseño Sostenible en
Smart City”. REC Perspectiva, vol. 7, no.12, pp. 8–21,
2018.
[18]C. Sandoval-Ruiz. “Arquitectura Fractal Recon-
gurable-AFR basada en Tecnologías Sostenibles y
Energías Renovables”. REC Perspectiva, vol. 8, no. 16,
2020.
[19]C. Sandoval-Ruiz, E. Ruiz-Díaz. “Eco-diseño de
propuestas de cocina de autor basada en productos y
tecnología sostenible”. Revista Qualitas, vol. 14, no. 1,
pp. 75-99, 2018.
[20]C. Sandoval-Ruiz, E. Ruiz-Díaz. “Optimizador de
Eco-Productos de origen vegetal aplicando Control
Neuronal en VHDL”. Agrollanía, vol. 15, pp. 58-64,
2018.
[21]C. Sandoval-Ruiz, E. Ruiz-Díaz. “Eco-Innovación
en Ingeniería de Alimentos Sostenible aplicando téc-
nicas Inteligentes de Eciencia Energética–EcoSVeg”.
Universidad Ciencia y Tecnología, vol. 22, no. 87, pp.
54-66, 2018.
[22]J. Valero-Moro, Y. Bonilla-Turmero, C. Sando-
val-Ruiz. “Estación tele-operada de robótica móvil,
para el laboratorio de micro-controladores”. Universi-
dad, Ciencia y Tecnología, vol. 21, no. 83, pp. 69–75,
2017.
[23]C. Sandoval-Ruiz.“Adaptive Control in VHDL
Applied to a Solar Oven”. Revista Colombiana de Tec-
nologías de Avanzada, vol. 1, no. 23, pp. 142–147, 2014.
[24]C. Seijas, G. Montilla, L. Frassato. “Identication
of Rodent Species Using Deep Learning”. Comp. y
Sist., vol. 23, no. 1, 2019.
[25]C. Sandoval-Ruiz. “Plataforma Recongurable de
Investigación aplicada a Movilidad Sostenible”. Uni-
versidad, Ciencia y Tecnología, vol. 20, no. 78, pp.
35–41, 2016.
[26]C. Sandoval-Ruiz. “Métodos Numéricos en Dife-
rencias Finitas para la Estimación de Recursos de Hard-
ware FPGA en arquitecturas LFSR(n,k) Fractales”. In-
geniería Investigación y Tecnología. vol. XX no. 03, pp.
1-10. 2019. doi: 10.22201/.25940732e.2019.20n3.032.
[27]C. Sandoval-Ruiz. “LFSR-Fractal ANN Model
applied in R-IEDs for Smart Energy”. IEEE Latin Ame-
rica Transactions, vol. 18, no 4, pp. 677-686, 2020.
doi:10.1109/tla.2020.9082210.
[28]C. Sandoval-Ruiz. “Fractal Mathematical over Ex-
tended Finite Fields Fp[x]/(f(x))”. Revista Proyeccio-
nes, vol. 40, no. 3, 2021.
[29]C. Sandoval-Ruiz. “Operador matemático LFC(n,k)
en campos nitos basado en concatenación fractal para
GF(2m) – Extendido”. Ciencia e Ingeniería, vol. 41, no.
2, pp. 197-204, 2020.
[30]C. Sandoval-Ruiz. “Arreglos fotovoltaicos inteli-
gentes con modelo LFSR-recongurable”. Revista In-
geniería, vol. 30, no. 2, pp. 32-61, 2020, doi: 10.15517/
ri.v30i2.39484.
[31]C. Sandoval-Ruiz. “Arreglo Inteligente de Con-
centración Solar FV para MPPT usando Tecnología
FPGA”. Rev.Téc.Fac.Ing.Zulia, vol. 43, no. 3, pp. 122-
133, 2020, doi: doi.org/10.22209/rt.v43n3a02.
[32]C. Sandoval-Ruiz. “Modelo VHDL de Control
Neuronal sobre tecnología FPGA orientado a Apli-
caciones Sostenibles”. Ingeniare, vol. 27, no. 3, pp.
383-395, 2019. https://scielo.conicyt.cl/pdf/ingeniare/
v27n3/0718-3305-ingeniare-27-03-00383.pdf
[33]C. Sandoval-Ruiz. “Control de Micro-Redes de
Energía Renovable a través de estructuras LFCS Recon-
gurables en VHDL”. Ciencia y Tecnología, vol. 18, pp.
71-86, 2018. https://doi.org/10.18682/cyt.v1i18.847.
[34]C. Sandoval-Ruiz. “Plataforma de Investigación de
Redes Eléctricas Recongurables de Energías Renova-
bles aplicando Modelos LFSR”. Universidad Ciencia y
Tecnología, vol. 23, no.95, pp. 103-115, 2019.
[35]C. Sandoval-Ruiz. “Códigos Reed Solomon para
sistemas distribuidos de energías renovables y smart
grids a través de dispositivos electrónicos inteligentes
sobre tecnología FPGA”. Memoria Investigaciones en
Ingeniería, vol. 16, pp. 37-54, 2018.
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021(pp. 138-154)
ISSN-e: 2542-3401, ISSN-p: 1316-4821
154
ISSN 2542-3401/ 1316-4821
Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna
[36]D. Steckler, C. Nava, J. Duarte, J. Zambrano, C.
Sandoval-Ruiz. “Design of Neural Networks on micro-
controllers, applied in functional modules for an eco-
park”. Ingeniería UC, vol. 25, no. 1, pp. 50–60, 2018.
[37]C. Sandoval-Ruiz. “Modelo Neuro-Adaptativo en
VHDL, basado en circuitos NLFSR, para control de un
sistema inteligente de tecnología sostenible”. Universi-
dad Ciencia y Tecnología, vol. 21, no. 85, pp. 140-149,
2017.
[38]C. Sandoval-Ruiz. “Plataforma de Gestión, Inves-
tigación y Formación en Tecnologías Sostenibles, para
soporte de un Laboratorio Remoto”. Eduweb, vol. 10,
no. 1, pp. 79–92, 2016.
[39]C. Sandoval.Ruiz. “Entorno colaborativo de inves-
tigación cientíca-ecic: propuesta basada en web-lab
y redes de asesorias”. Eduweb, vol. 8, no. 2, pp. 4-8,
2017.
[40]C. Sandoval-Ruiz, Tecnología R-IEDs para ERNC,
Teletrabajo y Mitigación de Impacto Ambiental. Indus-
trial Data, vol. 23, no. 2, pp. 151-167, 2020. https://doi.
org/10.15381/idata.v23i2.18633.
[41]C. Sandoval-Ruiz, Laboratorio Móvil para Optimi-
zación de Sistemas de Energías Renovables y Aplica-
ciones Ambientales. Ciencia e Ingeniería, vol. 42, no. 2,
pp. 169-178, 2021.
UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 25, Nº 110 Septiembre 2021 (pp. 138-154)
RESUMEN CURRICULAR
Cecilia E.Sandoval-Ruiz,es Ingeniera Electricista en
2002,Magister en Ingeniería Eléctrica en 2007 yDoctora
en Ingeniería en 2014,egresada de la Universidad de
Carabobo. Profesora Titu lar de Postgrado de Ingeniería
UC.Investigadora Nivel Cacreditada por el Programa de
Estímulo ala Investigación eInnovación –PEII.
ISSN-e: 2542-3401, ISSN-p: 1316-4821
