I. INTRODUCCIÓN

La investigación científica 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 eficientes para la conservación de hábitats naturales. Entre estos se en- cuentran los glaciares [1-4], que reflejan 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 reflectantes en la atmosfera, los filtros sola- res o elementos discretos sobre la superficie 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 flora 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), identificación 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 artificiales), 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 significativamente 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.

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 superficie, así el pH del mar disminuye y el agua se acidifica, lo que afecta el correc-

to desarrollo de ciertas especies, lo que no solo afecta su funcionamiento como filtros 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 filtrar 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 reflectante o una tecnología de conversión fotovoltaica y almacenamiento térmico so- lar [9], de forma remota. La idea consiste en realizar un uso eficiente 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 eficiencia 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

140

actividades conservacionistas, con el rigor científico 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, clasificación inteligente y reciclaje con procedimientos eficientes, en cuanto al consumo de energía y agua, así como sistemas modulares reconfigurables 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 eficiencia 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 eficiente 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 científico de los procesos de optimización de la naturaleza.

Los bio-procesos, muestran un importante equilibrio en el aprovechamiento eficiente de todos los estados de los materiales y la energía. El diseño de observadores biológicos (identificadores/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 clasificación/selección de los animales (inteligencia natural), uso eficiente 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 perfilan como herramien- tas de aplicación para alcanzar el desarrollo sostenible.

D. Tecnologías Sostenibles en protección de la fauna urbana y silvestre.

La identificación de fauna, valorización de los seres

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 artificiales), 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.

De esta manera, se definen alternativas preventivas y correctivas, las cuales pueden ser generalizadas, desde el criterio de diseño u optimización para máxima efi- 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 identifica como energía térmica reciclable, esto con el objetivo de revalorizar y realimentar esta energía al sistema efi- 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 fin 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, dosificación 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-

141

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, flora 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 flora 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.

II.DESARROLLO

Entre los conceptos a estudiar se presenta las apli-

caciones tecnológicas de redes neuronales reconfigu- rables, orientadas a la protección de la fauna en sus diversas actividades. Dado que las redes neuronales ar- tificiales profundas (deep learning), permiten identificar patrones, formas de ondas e imágenes, ha sido amplia- mente aplicado para reconocimiento y clasificación, es- tos avances puede ser orientados para la protección de la

fauna, desde identificación 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 identificar la forma de onda de los sonidos emitidos por la fauna urbana para reconocer condiciones de salud y caracterización de rasgos específicos, a fin de alcanzar una atención óptima. En la Figura 2 se presenta el es- quema de las capas de la red neuronal.

Las CNN permitirían identificar mascotas perdidas, ubicación de fauna en sus hábitats de origen, comporta- miento, monitoreo, etc. Para la configuración 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 reconfigurable, 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 artificiales.

Desde el modelo conceptual se reconocen compo- nentes dados por pesos o coeficientes 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 clasificación inteligente y configuración 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 simplificación 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- figura de manera dinámica, donde el modelo descripti-

vo se concentra en una ventana de tiempo, cuya expan- sión permite construir el entramado específico. 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 eficientes y con menor impacto ambiental. Por otra parte, la foto- voltaica distribuida sobre tejados de edificaciones 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 flotante, 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 flotante con recuperadores de calor se perfila como una tecnología más sostenible, aun cuando la eficiencia 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 superficie 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.

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 eficientes.

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 flora y fauna, tecnologías sostenibles inspiradas en la eficiencia de la naturaleza. A través de un modelo distribuido, soportado en un software de entrenamiento colaborativo, integran-

144

do los aportes de diversos diseñadores al sistema. La innovación viene dada por la capacidad de seguimiento de un comportamiento específico de elementos natu- rales, es decir, por bio-entrenamiento en las funciones objetivo (target), es orientado a tecnologías sostenibles: energías renovables, seguimiento solar, clasificación 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 eficiencia que se basa en el aporte de capacidad de cómputo de elemen- tos distribuidos, para obtener una configuración simpli- ficada 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

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 clasificación de compuestos, lo que tiene alto grado de aplicación en bio-remediación, reciclaje y tecnologías sostenibles. Paneles de geometría fractal para filtros de partículas de 5 nm. con tecnología CNN de inteligencia artificial para la separación, clasificación 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 clasificación 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, eficiencia 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, eficiencia 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 identifican 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 fin 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, eficiencia 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 eficiencia 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.

145

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 identificar 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

B. Método de modelado de sistemas regenera- tivos, optimización bio-inspirada y simplificación fractal.

El método científico 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 definición del modelo (ver Tabla 5) y el concepto de simplificación

fractal por extrapolación, disminución del impacto am- biental, por optimización de las etapas, que puede ser replicado de manera eficiente en otras etapas auto-si- milares, como una solución para los modelos fractales de simplificación y optimización energética. Donde el sistema inteligente se diseñó con una etapa de optimiza- ción regenerativa, en la que los coeficientes adaptativos de la capa de optimización (externa), se corresponden con los coeficientes de realimentación porcentual de la/s salida/s del sistema de relación de variables físicas, a fin de establecer su capacidad regenerativa óptima

IV. RESULTADOS

Se diseñó una propuesta tecnológica para protec- ción de áreas naturales (ver Tabla 6), flora y fauna en su hábitat natural. Regeneración de Glaciares, a través de técnicas como una estructura superficial 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- ficie 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 filtrar componentes del espectro, de forma selectiva con un elemento aéreo móvil de protección (no invasivo), a fin de proteger los glaciares, zonas de riesgo de incendios: parques forestales y bosques, a través de la restauración climática de la biósfera.

Tabla 6.a. Diseño de Tecnologías para protección de áreas naturales.

Sandoval et al., Sistemas Inteligentes para la Protección de Ecosistemas,Flora y Fauna

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 (filtrado de aire , filtros UV de componentes de radiación solar, siembra de árboles por dispersión de semillas, suministro de alimentos a la fauna, atención especializada, monitoreo, asistencia veterinaria, fitore- mediación, reciclaje de calor ambiental, optimización, etc.), con alcance configurable, tal es el caso de ele- mentos móviles satelitales, desde una altura específica 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 eficientes, 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.

Donde es posible concatenar y extrapolar el mo- delo matemático para obtener una combinación total, que describe los sistemas, a fin de establecer un algo- ritmo de optimización generalizado, aplicando el cál- culo de los coeficientes óptimos con redes neuronales entrenadas a partir de modelos bio-inspirados, siendo una herramienta de diseño para el área de protección de ecosistemas, flora 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 flora y fauna, ajustando parámetros de coeficientes, por medio de configuración de hardware.

-Filtros de material particularizado o captadores de CO2, la etapa de filtrado corresponde al procesamiento, en este caso los coeficientes de las etapas corresponde a la función de filtrado de cada capa componente del sis- tema diseñado, el resultado final corresponde al aporte de cada una de las capas, a su vez se debe realimentar la salida para recuperar particularizado que no haya sido filtrado 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 clasificación 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 clasificación natural (identificar 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 clasificación 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 final 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 filtrado LFSR o concentración por componente o longitud de onda, etapa de clasificadores 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)

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 filtros y recuperadores de calor portátiles, para servicio de restauración del hábitat de la biosfera.

RCR aplicando principios termodinámicos y tecnolo- gías de eficiencia (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 fito-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 flora y fau- na: (a) Reconocimiento y clasificación 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 filtros adaptativos con capas de fibra vegetal, musgo/algas, elementos minerales, en módulos portátiles de servicio, así como, filtros solares por concentración de radiación solar y sus componentes específicos 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 fija y pesos adaptativos en relación a la eficiencia óptima establecidas in situ, para definir sistemas regenerativos

151

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 identificado 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 definición 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 flora, como algas y musgo, para el diseño de bio-procesadores altamente eficientes, 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 efi- ciencia y efectos sobre el entorno, a fin 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 eficiencia, a partir del entrenamiento según el patrón de comportamiento de la flora 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 fin de encontrar soluciones sostenibles. Así, un modelo de diseño contrastado con los modelos naturales, puede ser entrenado de forma dinámica para

152

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 filtrado de com- ponentes, a través de la relación de coeficientes adap- tativos del modelo o pesos sinápticos, almacenamiento inteligente de energía, realimentación al sistema (reci- claje) y optimización bioinspirada, para respuestas de alta eficiencia. 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 flora 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. Nazifi,… 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

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. “Identification 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 Reconfigurable 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- figurable-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 Eficiencia 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. “Identification of Rodent Species Using Deep Learning”. Comp. y Sist., vol. 23, no. 1, 2019.

[25]C. Sandoval-Ruiz. “Plataforma Reconfigurable 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/fi.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 finitos 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-reconfigurable”. 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- figurables 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 Reconfigurables 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.

153

[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.

RESUMEN CURRICULAR

[39]C. Sandoval.Ruiz. “Entorno colaborativo de inves- tigación científica-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.