Novasinergia 2022, 5(2), 76-89. https://doi.org/10.37135/ns.01.10.05 http://novasinergia.unach.edu.ec
Artículo de Investigación
Monitoreo térmico ambiental inalámbrico en cultivos
Wireless environmental thermal monitoring in crops
Luis Freire-Sánchez* , Magali Coello-Gavilanes
Departamento de Investigaciones, Instituto Superior Universitario San Gabriel, Riobamba, Ecuador, 060111
maggys8081@hotmail.com
*Correspondencia: luis_freire@sangabrielriobamba.edu.ec
Citación: Freire-Sánchez, L., &
Coello-Gavilanes, M., (2022).
Monitoreo térmico ambiental
inalámbrico en cultivos.
Novasinergia. 5(2). 76-89.
https://doi.org/10.37135/ns.01.10.05
Recibido: 03 mayo 2022
Aceptado: 15 junio 2022
Publicación: 05 julio 2022
Novasinergia
ISSN: 2631-2654
Resumen: Se desarrolló un sistema de monitoreo meteorológico con el
objetivo de alertar la presencia de temperaturas extremas que puedan
ocasionar daños en cultivos por estrés térmico. El diseño y construcción
está compuesto de dos módulos: el primero se instala en el cultivo y
contiene una sonda DS18B20 que captura muestras de temperatura
instantánea en un radio de 100 metros con una resolución de ±0.3°C y
periodicidad de 20 segundos, también incorpora un algoritmo
estadístico para validar cada medición antes de transmitirlo
inalámbricamente al segundo módulo instalado en la vivienda del
agricultor, el cual incorpora un menú de opciones en una pantalla táctil
de 3.2 pulgadas que permite configurar limites térmicos de acuerdo al
tipo de cultivo, entonces el sistema evalúa los datos y activa una alarma
sonora al detectar la aproximación de una temperatura de estrés. Los
resultados muestran una comunicación confiable en un radio de 19 km,
con capacidad para respaldar datos históricos por 200 años
convirtiéndolo en una fuente de información para futuros estudios. El
prototipo demostró un alto grado de confiabilidad y utilidad por parte
de los agricultores de la provincia de Chimborazo en Ecuador.
Palabras clave: Daños térmicos en cultivos, estrés térmico en cultivos,
monitoreo inalámbrico de cultivos, monitoreo térmico ambiental de
cultivos.
Copyright: 2022 derechos
otorgados por los autores a
Novasinergia.
Este es un artículo de acceso abierto
distribuido bajo los términos y
condiciones de una licencia de
Creative Commons Attribution
(CC BY NC).
(http://creativecommons.org/licens
es/by/4.0/).
Abstract: A meteorological monitoring system was developed to alert the
presence of extreme temperatures that may cause damage to crops due to
thermal stress. The design and construction is made up of two modules: the
first is installed in the crop and contains a DS18B20 probe that captures
instantaneous temperature samples within a radius of 100 meters with a
resolution of ±0.3°C and periodicity of 20 seconds, it also incorporates a
statistical algorithm to validate each measurement before transmitting it
wirelessly to the second module installed in the farmer's home, which
incorporates a menu of options on a 3.2-inch touch screen that allows setting
thermal limits according to the type of crop, then the system evaluates the data
and activates an audible alarm when it detects the approach of a stress
temperature. The results show reliable communication within a radius of 19
km, with the capacity to support historical data for 200 years, making it a
source of information for future studies. Furthermore, the prototype
demonstrated a high degree of reliability and usefulness by farmers in the
province of Chimborazo in Ecuador.
Keywords: Crop thermal damage, crop thermal stress, wireless crop
monitoring, environmental thermal crop monitoring.
Novasinergia 2022, 5(2), 76-89 77
1. Introducción
En los últimos años a nivel global se ha registrado un incremento del número de casos
en los que factores abióticos han desmejorado la productividad de los cultivos (Steiner,
2020). El estrés por altas temperaturas origina respuestas que afectan su fenología, fisiología,
metabolismo y en algunos casos se modifica la expresión genética que altere el rendimiento
de las plantas (Martínez, Ibacache, & Rojas, 2017; Álvarez, 2011). Por ejemplo, pequeños
incrementos de temperatura (de 30°C a 35 ºC) pueden dañar los órganos reproductivos de
cultivos tropicales como trigo (Triticum aestivum (L). Thell), maíz (Zea mays L.), arroz (Oryza
sativa L.), maní (Arachis hypogaea L.) y tomate (Solanum lycopersicum L.) (Chaves & Gutiérrez,
2016). Mientras que el estrés por bajas temperaturas puede causar daños más severos
(Lichtenthaler, 1996) que en lo posterior pudieran concluir con su muerte.
Es muy común que los agricultores no perciban a tiempo la llegada de las temperaturas
extremas (Trillo, 2020) debido a que por ejemplo las mínimas de temperatura aparecen
regularmente en horas de la madrugada (Martínez et al., 2017; Hernandez, 2006). Este
problema sucede con mayor frecuencia en zonas de clima tropical como Ecuador, donde las
plantas tienen poca resistencia a las bajas temperaturas pudiendo sufrir daños graves entre
12 a 10 °C o incluso morir a temperaturas de 5 a 0 oC (Fischer, Carvajal, & Bazurto, 2007;
Chaves & Gutiérrez, 2016).
Frente a esta problemática, los organismos estatales han invertido en capacitación y difusión
de diferentes métodos de mitigación para minimizar estos efectos como el riego por
aspersión y el uso de diferentes productos agroquímicos (Fuentes, 2015). No obstante, la
poca confiabilidad de las predicciones meteorológicas ha hecho que el día y la hora de
aplicar cada método aún siga dependiendo de la habilidad del mismo agricultor para
percibir los cambios climáticos (Altieri & Nicholls, 2008). Esto conlleva a otros problemas,
como la sobre utilización de productos agroquímicos que pudiera provocar un aumento en
la contaminación del suelo y los productos de consumo humano (Moreira & Vera, 2016;
Montoya, Restrepo, Moreno, & Mejía, 2014).
En base al analizadas realizado, se propone el desarrollo de un prototipo de monitoreo
meteorológico para alertar la presencia de temperaturas extremas que puedan ocasionar
daños en los cultivos, con el objetivo de otorgar a los agricultores una herramienta
tecnológica de prevención que ayude a decidir la aplicación del método de mitigación con
mayor eficiencia y de esta forma evitar la pérdida de las cosechas.
2. Metodología
En la figura 1 se muestra la arquitectura del Sistema para prevención de daños en
cultivos (SPDC) el cual está compuesto de dos módulos: de lado izquierdo se encuentra el
Sistema automatizado de observación en superficie (SAOS), el cual se encarga de tomar
muestras de temperatura de aire instantánea (WMO, 2018) y encapsularla en una trama de
datos para enviarla al segundo nodo denominado Sistema de supervisión remoto (SSR)
encargado de recibir los datos, procesar la información, almacenarlos en una base de datos,
y finalmente mostrar esta información a través de una interfaz gráfica implementada
Novasinergia 2022, 5(2), 76-89 78
mediante una pantalla táctil donde el usuario podrá configurar una alarma que alertará la
aproximación de una mínima o máxima temperatura de stress de acuerdo al tipo de cultivo.
Para la comunicación entre módulos se utilizaron tres módulos de transmisión inalámbrica
debido a la facilidad de instalación que esta conlleva.
Figura 1: Arquitectura del sistema SPDC.
2.1. Diseño del módulo SAOS
Este módulo se encarga de capturar los datos del medio ambiente y enviarlos hacia
el nodo de SSR. Como se muestra en la figura 2, su diseño está compuesto de cuatro
submódulos.
Figura 2: Diagrama de bloques del modulo SAOS.
El submódulo sensor es una de las partes más importantes de los sistemas de monitoreo
climático. La selección de un dispositivo sensor adecuado para la lectura de datos, así como
la planeación de pruebas es fundamental para evaluar su rendimiento a fin de evitar
comportamientos no deseados (Catelani, Ciani, Scotto, & Zanobini, 2016). Para tal fin se ha
elegido la sonda DS18B20 el cual puede medir temperatura desde los -55 °C hasta los 125
°C con una resolución programable de 9 a 12 bits ubicado a una altura de 2 metros, además
está sellado en un envoltorio tipo estanco que lo protege del agua y la intemperie. Dado que
es un sensor digital, la lectura no se degrada debido a la distancia del cableado. La tabla 1.
presentan las características más relevantes.
MÓDULO DE ALIMENTACIÓN
MÓDULO DE SENSOR
UNIDAD CENTRAL DE PROCESAMIENTO
CPU
MÓDULO DE TRANSMISIÓN
Novasinergia 2022, 5(2), 76-89 79
Tabla 1: Especificaciones del sensor DS18B20 (Maxim Integrated Products Inc., 2019).
DESCRIPCIÓN
CARACTERÍSTICA
Voltaje de operación:
Min 3.0 V / Max 5.5 V
Alimentación pullup:
Parasite power
Consumo de corriente:
4.0 mA
Tiempo de conversión de temperatura:
93.75 ms (9-bits de resolución) a 750 ms (12-bits de
resolución)
Recubrimiento de protección:
Capsula de acero inoxidable 304 a prueba de agua.
Dimensiones:
6 mm de diámetro por 30 mm de largo.
Rango de operación:
-55 °C hasta los 125 °C.
Tolerancia:
±0.5 °C
Señal de salida:
Digital.
Tipo de conexión:
1-Wire bus
El módulo DS18B20 a nivel general especifica un margen de error de ±0.5 °C, sin embargo,
por el amplio rango de operación del sensor en la figura 3 se especifica una tolerancia
máxima de ±0.3 °C para el rango de operación al cual estará expuesto (-2 °C a 38 °C), lo cual
se alinea a los parámetros de exactitud establecidos por la Organización mundial de
meteorología (OMM) para mediciones de temperatura en estaciones automáticas.
Figura 3: Curva de error típico de la sonda DS18B20 (Maxim Integrated Products Inc., 2019).
El submódulo CPU procesa los datos del sensor mediante una entrada analógica de una
placa Arduino uno la cual está basada en el microcontrolador ATmega328P quien cuenta
con un conversor Analógico-Digital de 10 bits de resolución.
El procedimiento estándar para obtener un dato en estaciones SAOS consiste en tomar
lecturas instantáneas cada 20 segundos por un periodo de 5 minutos. Cada lecturas
instantánea se valida individualmente, luego se calcula un valor medio o suavizado que
representa a todo el conjunto (WMO, 2018). El procedimiento de validación se apoya en el
cálculo estadístico para buscar posibles datos anómalos. El algoritmo consiste en comparar
cada dato (Xi) con umbrales de referencia mínimos y máximos (Ecuación (1)), si algún dato
esta fuera de este rango se le considera erróneo y deberá descartarse. Los umbrales
mencionados se calculan a partir de sumar o restar la media aritmética () con la desviación
estándar (σ) (Martínez, 2019) calculados con datos estadísticos de las últimas horas.
(1)
Los valores anómalos son un problema omnipresente en la recolección de datos (Marcano
& Fermín, 2013), en caso del SPDC al momento de su encendido este requiere un tiempo
aproximado de dos horas para generar suficientes datos históricos que permitan validar las
Novasinergia 2022, 5(2), 76-89 80
nuevas mediciones. Este tiempo de procesamiento conocido como tiempo de estabilización
del sistema genera datos poco confiables por tanto el SPDC no los almacenara en su base de
datos interna.
El submódulo de transmisión es el encargado de asegurar la transmisión de datos entre los
dos módulos, en este caso se ha elegido la tecnología inalámbrica por su facilidad de uso
debido a que los agricultores en su mayoría son personas con poca experiencia en el manejo
de equipos electrónicos. En cuanto al alcance de la comunicación depende en gran medida
del tamaño de la propiedad tomando en cuenta que la diferencia de costo entre una tarjeta
de corto y gran alcance es significativa, por tal motivo se ha decidido realizar pruebas con
tres módulos de transmisión inalámbrica más comunes: RF-NRF24L01+, TTGO T-Beam V1.0
ESP32 LoRa NEO-6M y RFD900 Radio Modem. La tabla 2 muestra las características más
destacadas de los módulos usados.
Tabla 2: Especificaciones de módulos de transmisión (Nordic Semiconductor ASA, 2008; Lilygo company, 2021; RFDesign
Pty Ltd., 2013).
CARACTERÍSTICA
RF-
NRF24L01+
TTGO T-Beam V1.0 ESP32 LoRa NEO-
6M
RFD900 Radio
Modem
Frecuencia de operación
2.4 GHz
433 MHz/868 MHz
902 M ~ 928 MHz
Costo aproximado en Ecuador
$15 (Tx y Rx)
$120 (dos módulos)
$440 (dos módulos)
Voltaje de operación
3 ~ 3.6 V
3.7 ~ 4.2 V
4 ~ 5.5 V
Corriente de operación
45 m ~ 115 mA
10 m ~ 14 mA
60 m ~ 1 A
Tasa de datos
250K ~ 2 Mbps
0.018K ~ 37.5Kbps
250kbps
Antena
Si (una antena)
Si (una antena)
Si (dos antenas)
Dimensiones
46 x 17 mm
100.13 x 32.89 mm
30 x 57 x 12.8 mm
Temperatura de
funcionamiento
-40 ~ +85 °C
-40 ~ +85 °C
-40 ~ +85 °C
Nota: El submódulo de carga y alimentación se muestra en la figura 4, está compuesto por un panel solar policristalino de
10 W y una batería seca de 9 Ah a 12 V conectados a un controlador de carga solar SCC-30A-PWM-LCD que tiene por
función mantener cargada la batería durante las horas de sol de modo que el sistema continue encendido en la noche, este
a su vez cuenta con una salida de voltaje regulable para dotar de energía al módulo SAOS. En el caso de usar el módulo
de transmisión de largo alcance RFD900 Radio Modem las necesidades de consumo de energía aumentan por lo que será
necesario usar un panel solar de 30 W y una batería de 18 Ah.
Figura 4: Módulo de carga y alimentación del Sistema SAOS.
Novasinergia 2022, 5(2), 76-89 81
La Guía de prácticas meteorológicas agrícolas (WMO, 2010) especifica la representatividad
de las mediciones en aplicaciones agrícolas a nivel de microescala, es decir que las muestras
de temperatura del módulo SAOS podrán considerarse validas a un radio máximo de 100
metros, en el caso requerir una mayor cobertura se deberá planear una red de sensores. La
figura 5 muestra el equipo instalado.
Figura 5: Sistema SAOS instalado.
La figura 6 muestra el interior de la gaveta de equipos.
Figura 6: Gaveta de equipos SAOS.
2.2. Diseño del módulo SSR
Este nodo SSR es quien recibe y procesa la información, sirviendo de interfaz con el
usuario para configurar y visualizar los resultados obtenidos. Como se muestra en la figura
7, su diseño está compuesto de seis submódulos:
Figura 7: Diagrama de bloques del modulo SSA
MODULO
MONITOR
MÓDULO DE
ALIMENTACIÓN
MODULO
DIVULGADOR
MÓDULO
RECEPTOR
UNIDAD CENTRAL DE PROCESAMIENTO
CPU
MODULO BD
Novasinergia 2022, 5(2), 76-89 82
El submódulo receptor al igual que el módulo transmisor del SAOS, este está compuesto
por una placa RF-NRF24L01+ receptor, TTGO T-Beam V1.0 ESP32 LoRa NEO-6M o RFD900
Radio Modem. Es el encargado de capturar los datos enviados por el transmisor del SAOS
y enviarlos hacia la CPU.
El submódulo CPU está compuesto por una placa Arduino Tmega2560 quien procesa los
datos y los visualiza mediante una pantalla táctil TFT de 3.2 pulgadas en tiempo real, al
mismo tiempo el sistema almacena los datos obtenidos en un módulo de base de datos
compuesta por una tarjeta SD extraíble, con el fin de poder recuperarla en el futuro. La
figura 8 muestra algunas pantallas del menú principal:
Figura 8: Pantalla táctil del módulo SSR.
El submódulo divulgador permite alertar una temperatura de estrés que puedan causar
daños a los cultivos emitiendo un sonido en forma de alarma, esto es especialmente útil para
las temperaturas mínimas debido a que generalmente ocurren en la noche (Hernandez,
2009).
El módulo de alimentación del sistema SSR al estar instalado en el interior de las viviendas,
consta de un transformador de energía de 120 V CA a 5 V DC para que de esta manera el
sistema pueda ser conectado a cualquier tomacorriente estándar. En la figura 9. Se muestra
el sistema instalado.
Figura 9: Sistema SSR en vivienda.
Novasinergia 2022, 5(2), 76-89 83
3. Resultados
3.1. Calibración metrológica y confiabilidad de los datos censados
Para alcanzar el objetivo funcional del sistema se realizaron pruebas de calibración
metrológica en laboratorio por el método de comparación (Aranda, Napán, & García, 2021).
El procedimiento inicia definiendo seis temperaturas de muestreo equidistantes entre -2 °C
y 38 °C. A continuación, se coloca el sensor DS18B20 junto con un sensor patrón de mayor
sensibilidad en una cámara seca la cual se abriga a una primera temperatura de muestreo y
se esperan 20 minutos hasta que los sensores se estabilicen, luego se registran mediciones
de temperatura cada cinco minutos por cuarenta minutos, las ocho mediciones de cada
sensor se promedian para obtener una primera medida de referencia. El procedimiento
anterior se repitió para cada una de las seis temperaturas de muestreo, los resultados se
muestran en la tabla 3.
Tabla 3. Mediciones de temperaturas promedio.
Medición
Sensor patrón
Hmp155a, oC
Desviación estándar
Sensor ds18b20, oC
Diferencia, oC
Desviación estándar
1
-2.3
0.1356
-3.4
-1.1
0.1642
2
6.1
0.0925
5.8
0.3
0.1597
3
14.3
0.0534
14.1
0.2
0.1060
4
22.3
0.0353
22.6
0.3
0.0916
5
30.2
0.0534
30.9
0.7
0.0517
6
38.1
0.0517
39.5
1.4
0.0517
La mayor desviación estándar encontrada en las mediciones de temperatura del sensor
DS18B20 permite definir una variabilidad de ± 0.1642. lo cual confirma la tolerancia
especificada en la tabla 1. Con los datos de la tabla 3 se construyen las gráficas de
comportamiento de cada sensor (Figura 10).
Figura 10: Gráfica de ecuaciones características.
Novasinergia 2022, 5(2), 76-89 84
Posterior se calcula el valor de sus ecuaciones características mediante la técnica de
regresión lineal. Las ecuaciones (2) y (3) representan el comportamiento de los sensores
patrón y DS18B20 respectivamente.
(2)
(3)
Al relacionar las ecuaciones (2) y (3) se puede encontrar una nueva ecuación que represente
el ajuste deseado (Ecuación (4)).
(4)
De forma general. la ecuación (4) se puede expresar como en ecuación (5).
(5)
La ecuación (5) es configurada en el datalogger del módulo SAOS para corregir los datos en
tiempo real. Para confirmar la calibración se instaló el sensor DS18B20 con el patrón en
campo durante 48 horas. donde se obtuvieron 576 datos de cada una. Con esta muestra se
calculó la media de las diferencias entre ambos sensores obteniendo un error medio de 0.104
°C.
3.2. Alcance y confiabilidad de las comunicaciones
La determinación del alcance inalámbrico se lo realizo mediante pruebas de
transmisión y recepción de datos entre los módulos SAOS y SSR a diferentes horas y
entornos climáticos. para lo cual se usaron los tres módulos descritos en la tabla 4. El
procedimiento consiste en realizar una prueba piloto con cada módulo donde se envían
datos desde el módulo SAOS y validan en el módulo SSR al mismo tiempo se alejan los dos
módulos para obtener un alcance máximo de referencia. posterior se instala de forma
permanente por cinco días en cada medición de referencia. Si los datos históricos no
contienen errores se establece esta medida como alcance máximo confiable. caso contrario
se repite el procedimiento a una distancia menor. Los resultados también se muestran en la
tabla 4.
Tabla 4: Alcance de transmisión de cuatro módulos inalámbrico
Módulo
Día soleado
Lluvia ligera (> 15 mm/h)
Lluvia fuerte (< 15 mm/h)
RF-NRF24L01+
37 m
37 m
31 m
TTGO T-Beam V1.0 ESP32 LoRa NEO-6M
1.83 km
1.55 km
0.92 km
RFD900 Radio Modem
19 km
19 km
11 km
3.3. Capacidad de almacenamiento
Las pruebas se realizaron midiendo el tamaño del archivo de texto
DATOS_SISMET.txt generado en la tarjeta SD durante 1, 7, 15, 30, 60 y 90 días donde se
guarda las mediciones validadas. El formato en su interior está compuesto por fecha, hora
y lectura de temperatura en grados centígrados como se muestra en la figura11.
Novasinergia 2022, 5(2), 76-89 85
Figura 11: Formato de almacenamiento de datos.
Los resultados de las mediciones se muestran en la tabla 5.
Tabla 5: Tamaño de datos
Tiempo. días
Tamaño. bytes
1
8192
7
49152
15
94208
30
188416
60
376832
90
565248
Se puede observar que a partir de 94208 bytes el tamaño del archivo crece
proporcionalmente. lo cual permitió realizar pruebas de laboratorio y determinar que una
tarjeta SD de 512MB tendrá espacio suficiente para almacenar datos por 200 años.
3.4. Grado de aceptación del prototipo
La evaluación del sistema fue realizada mediante pruebas de funcionamiento con
agricultores de la provincia de Chimborazo en Ecuador. luego se aplicó una entrevista para
conocer el grado de aceptación y facilidad de manejo mediante la escala de Likert (Matas,
2018), los datos obtenidos se muestran en la figura 12.
Figura 12: Evaluación del grado de aceptación del SPDC.
0% 0% 9%
40%
51%
¿Qué tan complicado fue para usted,
instalar el sistema?
Muy dificil
Dificil
Regular
Facil
Muy facil
0% 0% 21%
53%
26%
¿Qué tan complicado fue para usted,
manejar y configurar las opciones del
sistema?
Muy dificil
Dificil
Regular
Facil
Muy facil
0%
0%
100%
¿Qué tan confiables considera las
mediciones de temperatura
realizadas por el sistema?
Poco confiable
Regular
Muy confiable
0% 2%
98%
En general,¿Qué tan util considera
este sistema de alerta ?
Poco util
Regular
Muy util
Novasinergia 2022, 5(2), 76-89 86
4. Discusión
El valor de exactitud interpretado en términos de incertidumbre del sensor DS18B20
encontrada en la sección 3.1 es menor a 0.2 °C y por tanto se encuentran dentro de los
criterios establecidos por la Organización Mundial de Meteorología (WMO. 2018) para
mediciones de temperatura en estaciones SAOS concluyendo que el SPDC cumple con
estándares internacionales.
Las características de transmisión de los sistemas de monitoreo agrícolas deben alinearse a
la realidad de los agricultores en Ecuador que casi nunca cuentan con una vasta extensión
de terreno aledaño a su vivienda. por el contrario. sus cultivos están distribuidos en varias
parcelas distantes geográficamente. Al analizar los datos mostrados en sección 3.2 se puede
observar que el módulo RF-NRF24L01+ logró mantener una comunicación máxima
confiable de 37 metros. está pude ser aplicable en pequeños proyectos estudiantiles. sin
embargo. no se considera suficiente para aplicaciones prácticas. Por otro lado. los módulos
TTGO y RFD900 alcanzaron comunicaciones de 1.83 y 19 km respectivamente similar a los
obtenidos por Facina. Tancredo. Facina. & Fraidenraich (2021) a -110dBm y Gómez. Calvillo.
& Núñez (2018) ,lo que sugiere que el sistema es viable para aplicaciones en agricultura.
El registro local de datos es parte importante de los sistemas de monitoreo meteorológicas
(Angheben. Bianchi. & Spadari. 2017) para su uso en estudios de clima, construcción,
agrícola, salud, entre otros, especialmente si tiene una periodicidad de varios años (WMO.
2018; Stel. Aranda. Halbrandt. & Sanchez. 2019). Bajo esta premisa, en la sección 3.3, se pudo
mostrar que el SPDC está en la capacidad de almacenar datos por varias décadas haciéndolo
útil para trabajos investigativos.
Después de analizar los datos obtenidos en la sección 3.4, se determinó que el SPDC cuenta
con un alto grado de aceptación por parte de los agricultores debido a su facilidad de uso y
utilidad que esta representa al momento de detectar la proximidad de una temperatura que
pudiera ocasionar daños en los cultivos.
5. Conclusiones
Se desarrollo un sistema electrónico para monitorear y alertar las temperaturas
extremas soportables por diferentes tipos de cultivos con el objetivo de otorgar al agricultor
una herramienta que aumente la precisión al momento aplicar los diferentes métodos de
mitigación ante posibles daños. El sistema desarrollado cuenta con una base de datos de
gran capacidad almacenamiento convirtiéndolo en una fuente de información confiable
para futuros estudios e investigaciones. Su sistema de comunicación inalámbrico ha
cumplido con el propósito de ser confiable y de fácil instalar. El diseño del SYSMET fue
planeado y desarrollado de forma modular. a fin de poder comparar diferentes tecnologías
de transmisión existentes lo cual otorga una referencia según las necesidades de cada
usuario. La elección del tipo de sensor y los métodos de muestreo de datos fueron
desarrollados en armonía con las especificaciones otorgadas por la OMM. El presente
estudio puede ser complementado en investigaciones posteriores con la inclusión de un
mayor número de sensores enfocados no solo al área agronómica sino también a salud.
Novasinergia 2022, 5(2), 76-89 87
aviación. construcción. etc. donde la confiabilidad de los datos adquiere especial
importancia ya que los fenómenos meteorológicos cambian constantemente en pocas horas
o minutos.
Contribuciones de los autores
En concordancia con la taxonomía establecida internacionalmente para la asignación
de créditos a autores de artículos científicos (https://casrai.org/credit/ ). Los autores declaran
sus aportes en la siguiente matriz de contribuciones:
Freire-Sánchez. L-
Coello-Gavilanes. M.
Conceptualización
Análisis formal
Investigación
Metodología
Recursos
Validación
Redacción – revisión y edición
Conflicto de Interés
Los autores declaran que no existe conflicto de interés de naturaleza alguna en la
presente investigación.
Referencias
Altieri. M., & Nicholls. C. (2008). Los impactos del cambio climático sobre las comunidades
campesinas y de agricultores tradicionales y sus respuestas adaptativas. Agroecología.
3(1). p. 7–28. Recuperado de https://revistas.um.es/agroecologia/article/view/95471
Álvarez. S. (2011). Riego deficitario en distintas etapas del desarrollo de plantas ornamentales
cultivadas en maceta (Tesis de pregrado). Cartagena. Colombia: Universidad
Politécnica de Cartagena. Recuperado de
https://repositorio.upct.es/handle/10317/3194
Angheben. E., Bianchi. G., & Spadari. G. (2017). Importancia del registro local de datos
meteorológicos. Estudio de caso. Escuela agraria de 30 de agosto. PCIA. de Buenos
Aires. En 4° Jornadas ITE. Buenos Aires. Argentina. Recuperado de
http://sedici.unlp.edu.ar/handle/10915/60274
Aranda. N., Napán. R., & García. J. (2021). Optimización de los métodos y procedimientos de
calibración de termohigrómetros en el Centro Regional de Instrumentos de Buenos Aires (No.
Novasinergia 2022, 5(2), 76-89 88
SMN 2021-102). Servicio Meteorológico Nacional de Argentina. Recuperado de
http://repositorio.smn.gov.ar/handle/20.500.12160/1684
Catelani. M., Ciani. L., Scotto. R., & Zanobini. A. (2016). Measurements and characterization
of air temperature sensors for weather stations. In 2016 IEEE International
Instrumentation and Measurement Technology Conference Proceedings. Florence. Italy.
https://doi.org/10.1109/I2MTC.2016.7520372
Chaves. N., & Gutiérrez. M. (2017). Respuestas al estrés por calor en los cultivos. II.
Tolerancia y tratamiento agronómico. Agronomía Mesoamericana. 28(1). p. 255–271.
Recuperado de: https://www.scielo.sa.cr/pdf/am/v28n1/43748637021.pdf
Facina. A., Tancredo. R., Facina. M., & Fraidenraich. G. (2021). Comunicação lora na zona
rural: análise baseada em uma campanha de medição no noroeste paulista. En XXXIX
simpósio brasileiro de telecomunicações e processamento de sinais. Fortaleza. Brazil.
Recuperado de https://biblioteca.sbrt.org.br/articlefile/2874.pdf
Fischer. G., Carvajal. F., & Bazurto. J. (2007). Efecto de la temperatura del suelo sobre la
planta. 1. Crecimiento y desarrollo. Revista Comalfi. 24(3). p. 78–92. Recuperado de
https://n9.cl/oyxqm
Fuentes. I. (2015). Evaluación de estrategias de mitigación contra riesgos climáticos en el cultivo de
papa (solanum tuberosum spp. andigenum) en la comunidad de Khapi del municipio de Palca
(Tesis de grado para optar al título de Ingeniero Agrónomo). La Paz. Bolivia:
Universidad Mayor de San Andres.. Recuperado de
https://repositorio.umsa.bo/handle/123456789/5842
Gómez. A., Calvillo. A., & Núñez. J. (2018). Predicción de la pérdida de la señal por
trayectoria de Dron. Aristas. 6(12). p. 194–197. Recuperado de
http://fcqi.tij.uabc.mx/usuarios/revistaaristas/numeros/N12/articulos/194-197.pdf
Hernandez. F. (2009). Análisis de la variabilidad climática de la costa ecuatoriana (Tesis de
pregrado). Guayaquil. Ecuador: Escuela Superior Politécnica del Litoral. Recuperado
de http://www.dspace.espol.edu.ec/handle/123456789/1767
Lichtenthaler. H. K. (1996). Vegetation Stress: an Introduction to the Stress Concept in
Plants. Journal of Plant Physiology. 148(1-2). p. 4–14. https://doi.org/10.1016/S0176-
1617(96)80287-2
Lilygo company. (2021). TTGO T-Beam V1.1 ESP32 WiFi Bluetooth Module ESP32 GPS NEO-
6M Data sheet. Recuperado de
http://www.lilygo.cn/prod_view.aspx?TypeId=50060&Id=1163&FId=t3:50060:3
Marcano. L., & Fermín. W. (2013). Comparación de métodos de detección de datos anómalos
multivariantes mediante un estudio de simulación. Saber. 25(2). p. 192–201.
Recuperado de https://www.redalyc.org/pdf/4277/427739462009.pdf
Martínez. C. (2019). Estadística Básica aplicada (5th ed.). Bogota. Colombia: Ecoe ediciones.
Novasinergia 2022, 5(2), 76-89 89
Martínez. L., Ibacache. A., & Rojas. L. (2017). Efecto de las heladas en la agricultura (INIA N°
165). Institutito de investigaciones agropecuarias. Intihuasi. Chile. Recuperado de:
https://hdl.handle.net/20.500.14001/7167
Matas. A. (2018). Diseño del formato de escalas tipo Likert: un estado de la cuestión. Revista
Electrónica de Investigación Educativa. 20(1). p. 38–47.
https://doi.org/10.24320/redie.2018.20.1.1347
Maxim Integrated Products Inc. (2019). DS18B20. Programmable resolution 1-Wire digital
thermometer data sheet. Recuperado de https://n9.cl/km0pq
Montoya. M., Restrepo. F., Moreno. N., & Mejía. P. (2014). Impacto del manejo de
agroquímicos. parte alta de la microcuenca Chorro Hondo. Marinilla. 2011. Revista
Facultad Nacional de Salud Pública. 32(2). p. 26–35. Recuperado de
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-
386X2014000200004
Moreira. J., & Vera. J. (2016). Contaminación por agroquímicos en agua. suelo y fruto en el cultivo
de tomate (Lycopersicon esculentum Mill) en las comunidades: Guabital y Las Maravillas del
cantón Rocafuerte. época seca 2016 (Tesis de pregrado). Manabí. Ecuador: Universidad
laica Eloy Alfaro de Manabí. Recuperado de
https://repositorio.uleam.edu.ec/handle/123456789/305?locale=en
Nordic Semiconductor ASA. (2008). nRF24L01+ Data sheet - Single chip 2.4GHz transceiver
especification. Recuperado de https://n9.cl/hbve4
RFDesign Pty Ltd. (2013). RFD900 Radio modem data sheet. Recuperado de
http://files.rfdesign.com.au/Files/documents/RFD900%20DataSheet.pdf
Steiner. F. (2020). Plant Abiotic Stress Tolerance. Mato Grosso. Brazil: Pantanal Editora.
https://doi.org/https://doi.org/10.46420/9786588319024
Stel. L., Aranda. N., Halbrandt. G., & Sanchez. G. (2019). Criterios generales sobre la selección
de sitios de medición. instrumental e instalación de estaciones meteorológicas automáticas
(No. SMN 2019-52). Servicio Meteorológico Nacional. Buenos Aires. Argentina:
Recuperado de http://repositorio.smn.gov.ar/handle/20.500.12160/891
Trillo. E. (2020). Percepciones de los agricultores en relación al cambio climático en el distrito de
Ataura (Tesis para optar al título profesional de licenciadad en Antropología).
Huancayo. Perú: Universidad Nacional del centro del Perú. Recuperado de
https://repositorio.uncp.edu.pe/handle/20.500.12894/6036
WMO. (2010). Guide to agricultural meteorological practices. Ginebra. Suiza: World
Meteorological Organization. Recuperado de
https://library.wmo.int/doc_num.php?explnum_id=3996
WMO. (2018). Guide to Instruments and Methods of Observation (Vol. 1). Ginebra. Suiza: World
Meteorological Organization. Recuperado de
https://library.wmo.int/doc_num.php?explnum_id=4236 .
