Сохраняйте торфяники, прогнозируя ранние признаки высыхания, засухи или пожара, используя ML на краю, используя SensiML, Ubidots и гелий [СОЛНЕЧНАЯ ЭНЕРГИЯ]
Предыстория
В результате пожара в Индонезии 1997 года было сожжено 9,7–11,7 млн га на Борнео и Суматре, в результате чего были уничтожены 4,5–6 млн га богатых видами диптерокарповых лесов (в том числе 1,5–2,1 млн га на торфяных почвах). Расчетные выбросы углерода в результате этих пожаров на торфяниках в 1997–1998 гг. Составили 0,81–2,57 Пг, что эквивалентно 13–40% годовых глобальных выбросов от ископаемого топлива [источник в Интернете]
Торфяники и изменение климата
Торфяники - это тип водно-болотных угодий, которые являются одними из самых ценных экосистем на Земле. Они имеют решающее значение для сохранения глобального биоразнообразия, обеспечения безопасной питьевой водой, минимизации риска наводнений и помощи в решении проблемы изменения климата.
Торфяники являются крупнейшим природным хранилищем углерода на суше. Площадь, покрытая почти естественными торфяниками во всем мире (> 3 миллиона квадратных километров), поглощает 0,37 гига тонн углекислого газа (CO2) в год, накапливая больше углерода, чем все другие типы растительности в мире вместе взятые.
Поврежденные торфяники являются основным источником выбросов парниковых газов, ежегодно выделяя почти 6% глобальных выбросов CO2. Таким образом, восстановление торфяников может привести к значительному сокращению выбросов.
Важность торфяников
Леса торфяных болот - это низменная растительность на тропических торфяниках, где большая часть флоры и фауны уникальным образом адаптирована к окружающей среде, то есть к заболоченной и кислой воде. Торфяные болота важны по многим причинам, главным образом как источник пресной воды, смягчения последствий наводнений, поглотителя и накопления углерода, а также для защиты биоразнообразия.
К сожалению, Западная Европа потеряла почти 90% торфяников, в то время как Центральная Европа имеет только 50% действующих торфяников. В Азии потеряно 70% торфяных болот. Сейчас, более чем когда-либо, охрана и восстановление торфяников являются важными усилиями на благо планеты и ее жителей.
1. Торфяники как поглотители углерода
Один очень удивительный факт о торфяниках заключается в том, что в этих лесах хранится около 30% всего углерода на суше. Это около 500 миллиардов тонн углерода! Только торфяники в Юго-Восточной Азии содержат 14% или примерно 68 миллиардов тонн углерода в мире. Обеспечение того, чтобы углерод в торфяниках оставался нетронутым, является ключом к регулированию климата, поскольку неправильно управляемые торфяники могут вызвать массовый выброс углерода в воздух, что даже фундаментальная наука скажет вам очень и очень плохо.
2. Торфяники и водное регулирование.
Помимо хранения огромного количества углерода, торфяники примерно на 90% состоят из воды в почве, хранящейся среди разлагающихся пористых органических веществ (высушенных листьев и т. Д.). Это придает лесной подстилке грязный оттенок, который обычно ассоциируется с болотами и болотами, которые являются разными типами торфяников.
Здоровые влажные торфяники поглощают загрязнители из атмосферы, включая азот, диоксид серы, тяжелые металлы и углерод. Эти загрязнители делают торфяную почву кислой. Поскольку загрязняющие вещества поглощаются почвой, вода, которая вытекает из торфяников в землю или реки, выходит чистой - как естественная система фильтрации.
Когда торфяники осушаются, они не смогут регулировать загрязняющие вещества в атмосфере так, как должны, и это приведет к увеличению содержания углерода в воде. Воду с высоким содержанием углерода необходимо будет обработать, прежде чем ее можно будет безопасно использовать, а процесс очистки является дорогостоящим и приводит к образованию вредных побочных продуктов.
Помимо регулирования загрязнителей, торфяники также регулируют избыток воды. Торфяники могут уменьшить затопление вниз по течению, поскольку действуют как губка, впитывая излишки воды. А в засушливые сезоны торфяники медленно высвобождают воду, обеспечивая таким образом источник пресной воды для окружающих сообществ. Торфяники - прекрасные водоемы для орошения, гидроэнергетики, отдыха, водного земледелия и как источник чистой воды.
Процесс дренажа
Причины слива
Совершенно очевидно, что осушение торфяников является серьезной проблемой и напрямую влияет на изменение климата. Хотя некоторые торфяники осушаются естественным путем, но во многих странах они осушаются из-за нас.
В Юго-Восточной Азии торфяники осушены для преобразования в плантации (для пальмового масла и бумажной массы); в Европе и Северной Америке низинные торфяники осушались для выращивания овощей, зерновых и пастбищ для домашнего скота.
На сегодняшний день сельское хозяйство, лесное хозяйство и горнодобывающая промышленность затронули около 25% торфяников на Земле. Хотя большие части огромных торфяников Северной Америки и России все еще относительно нетронуты, во многих частях Европы, Центральной и Юго-Восточной Азии, Аргентины и Чили торфяники значительно деградировали. Растет интерес к защите и восстановлению торфяников с целью сохранения существующих запасов углерода, помощи в смягчении последствий изменения климата и сохранения экосистемных выгод.
Дренаж и торфяной пожар
Как вы видели в процессе осушения выше, сухие торфяники склонны к возгоранию и ускоряют процесс осушения.
Когда торфяники осушаются, они становятся очень уязвимыми для торфяного пожара. Простой выброшенный окурок или спичка может привести к огромным разрушениям, ухудшению ресурсной базы, ускоренному выбросу углерода и множеству проблем со здоровьем для местных сообществ. Сухой торф очень легко воспламеняется и может гореть в течение нескольких дней или недель, даже тлея под землей и всплывая вдали от первоначального источника. Это делает эти пожары невероятно трудными для тушения, а также очень непредсказуемыми и неконтролируемыми.
Как ИИ может помочь защитить торфяники?
Если вы до сих пор следили за статьей, то поняли, что сухие торфяники подвержены пожарам. Когда разжигается пожар или даже когда торфяники высыхают, весь CO2 выделяется в атмосферу. Иногда люди преднамеренно поджигают торфяники для расширения сельскохозяйственных угодий. Искусственный интеллект может помочь предсказать, когда торфяники высыхают или загораются, собирая данные датчиков, такие как уровень влажности почвы, выбросы CO2 в воздухе, повышение температуры, а затем анализируя эти данные для прогнозирования таких ситуаций, как засуха, пожар и т. Д.
Основываясь на предварительном прогнозе, мы можем предпринять некоторые превентивные и упреждающие меры, такие как тушение пожара до того, как он сожжет торфяник, или повторное заболачивание торфяников, когда оно высохнет.
Торфяная гвардия
Представляем Peat Guard - устройство на солнечной энергии, работающее под управлением модели tinyML на доске Quick Feather, оснащенное датчиком влажности почвы, аналоговым датчиком температуры и датчиком газа MQ7 CO2. У него есть узел LoRa - Heltec Wireless Stick Life, который отправляет данные UPLINK в Helium, People Network, которая передает данные на панель управления Ubidots.
Я собираюсь глубоко погрузиться в это, чтобы подробно объяснить различные компоненты моего устройства.
Доска Quick Feather и SensiML
Пакет SensiML Analytics Toolkit автоматизирует каждый этап процесса создания оптимизированного кода распознавания датчиков AI IoT. Общий рабочий процесс использует растущую библиотеку передовых алгоритмов машинного обучения и искусственного интеллекта для создания кода, который может учиться на новых данных либо на этапе разработки, либо на этапе разработки
Я настоятельно рекомендую вам посетить веб-сайт https://sensiml.com/ и посмотреть видео о рабочем процессе, которое даст вам довольно хороший обзор программного обеспечения SensiML.
QuickFeather основан на оборудовании с открытым исходным кодом, совместим с форм-фактором Adafruit Feather и основан на 100% программном обеспечении с открытым исходным кодом (включая инструменты Symbiflow FPGA).
QuickFeather работает на базе QuickLogic EOS ™ S3, первого микроконтроллера Arm Cortex®-M4F с поддержкой FPGA, который полностью поддерживает Zephyr RTOS. Прочие функции включают в себя:
GigaDevice 16 Мбит флеш-памяти # GD25Q16CEIGR
Акселерометр mCube MC3635
Датчик давления Infineon DPS310
Цифровой микрофон Infineon IM69D130 PDM
Питание от USB или от одного Li-Po аккумулятора
Встроенное зарядное устройство
Сигналы данных USB привязаны к программируемой логике
Посетите https://www.quicklogic.com/products/eos-s3/quickfeather-development-kit/ для получения дополнительной информации об этой доске.
Сбор данных с помощью лаборатории сбора данных SensiML (DCL)
Прежде чем начать сбор данных, вам необходимо подключить датчик I2C к плате Quick Feather и внести некоторые изменения в программное обеспечение. Вы найдете мой код в разделе кода этого проекта. Я рекомендую вам посетить эту страницу руководства, где вы найдете очень полезные уроки, чтобы начать работу с новым датчиком I2C и процессом сбора данных.
На изображениях выше вы можете увидеть, как я подключил 3 датчика к плате Quick Feather и начал сбор данных. Я установил QF поверх Huzzah ESP32, чтобы я мог собирать данные по Wi-Fi.
qorc_ssi_adc.begin();
qorc_ssi_adc.setSampleRate(sensor_ssss_config.rate_hz);
int16_t *p_adc_data = (int16_t *)p_dest;
int16_t channel_A0 = qorc_ssi_adc.getSingleEnded(0); //MQ7
int16_t channel_A1 = qorc_ssi_adc.getSingleEnded(1); //Soil Moisture
int16_t channel_A2 = qorc_ssi_adc.getSingleEnded(2); //Temperature
Обучите свою модель с помощью SensiML Analytic Studio
После того, как вы соберете достаточно данных и проведете сегментацию, перейдите в Analytic Studio, чтобы обучить свою модель.
Интегрировать пакет знаний с прошивкой
Следуйте этому красивому руководству на YouTube, опубликованному Крисом Кноровски, или выполните следующие простые шаги.
Загрузите пакет знаний из аналитического инструмента SesniML.
Скопируйте весь qf_ssi_ai_app как qf_ssi_ai_myapp (не хотите портить существующее приложение)
Зайдите в папку qf_ssi_ai_myapp и удалите папку knowledgepack
Разархивируйте загруженный КП, и вы увидите папку с именем knowledgepack_project. Скопируйте эту папку в qf_ssi_ai_myapp и переименуйте в knowledgepack
Откройте файл sensor_ssss.h и установите SENSOR_SSSS_RECOG_ENABLED на 1 и SENSOR_SSSS_LIVESTREAM_ENABLED на 0
Удалить выходную папку из qf_ssi_ai_myapp
Скомпилируйте программу с помощью команды make
Это сгенерирует файл output / bin / qf_ssi_ai_myapp.bin
Прошить файл, и все готово!
Поиск проблемы
Если вы видите `dcl_commands.h: Нет такого файла или каталога` при компиляции библиотеки KP, вы находитесь на той же странице, что и я. Вам необходимо удалить этот заголовочный файл и включить «sensor_ssss.h» в файл sml_recognition_run.c. Методы sml_recognition_run_batch и sml_recognition_run_single могут иметь пустую реализацию. Вам нужно предоставить реализацию. Раздел кода оформления заказа для справки. Оформить заказ по ссылке ниже для получения дополнительной информации
https://sensiml.com/documentation/knowledge-packs/building-a-knowledge-pack-library.html
После компиляции и прошивки бункера на плату QF вы можете подключиться к приложению шлюза SensiML для проверки распознавания.
Отправить данные в сеть Helium
Helium - первая в мире одноранговая беспроводная сеть, которая обеспечивает безопасный и экономичный способ для маломощных устройств Интернета вещей отправлять данные в Интернет и из Интернета. Сеть позволяет компаниям сосредоточиться на приложениях и сценариях использования, не беспокоясь о тарифных планах сотовой связи для устройств или управлении сетевой инфраструктурой. Чтобы быстро сравнить стоимость, возьмем пример.
Отправка GPS-координат каждую минуту обойдется вам всего в 43 цента в месяц! Да, всего 43 цента по сравнению с 5 долларами США при использовании обычного GSM.
Я использовал маломощный Heltec Wireless Stick Life в качестве узла LoRa, который отправляет данные в гелиевую сеть каждые 2 минуты. См. Раздел кода ниже для эскиза Arduino. Также ознакомьтесь с моим проектом для получения дополнительной информации о том, как начать работу с гелиевой сетью.
Интегрируйте гелий с убидотами
Приятно видеть данные, поступающие на консоль Helium, но что бы вы с этим сделали? Вам нужна какая-то панель инструментов для визуализации данных и прогнозов. Я решил использовать Ubidots STEM, который является бесплатным и самым элегантным решением для приборной панели, с которым я когда-либо сталкивался.
Отправка данных с консоли Helium в Ubidots очень проста и понятна. Следуйте этому руководству.
Когда-то важно расшифровать сообщение перед отправкой в Ubidots. Я создал функцию декодера в консоли гелия для извлечения данных из массива байтов и преобразования в формат JSON.
function Decoder(bytes, port) {
var clas = bytes[0] | bytes[1] << 8;
var lat = ( bytes[2] | bytes[3] << 8 | bytes[4] << 16 | (bytes[4] & 0x80 ? 0xFF << 24 : 0)) / 10000;
var lon = ( bytes[5] | bytes[6] << 8 | bytes[7] << 16 | (bytes[7] & 0x80 ? 0xFF << 24 : 0)) / 10000;
var temperature = (bytes[8] | bytes[9] << 8);
var moisture = bytes[10] | bytes[11] << 8;
var pressure = bytes[12] | bytes[13] << 8;
var gas = bytes[14] | bytes[15] << 8;
var bat = (bytes[16] | bytes[17] << 8)/1000;
bat = bat * 2.3857143;
var decoded = {
clas: 0,
temperature: temperature,
moisture: moisture,
gas: gas,
bat:bat,
position:{
latitude: lat,
longitude: lon
}
};
return decoded;
}
Визуализировать данные на панели управления Ubidots - это хорошо. Но кто будет постоянно смотреть в экран и действовать, когда прогнозируется пожар? Вот и хорошие новости! Ubidots может отправлять оповещения в реальном времени по электронной почте, тексту или даже в резервной форме.
Смотреть гармонию
1. Низкое энергопотребление.
Узел Heltec Lora просыпается на 10 секунд каждые 2 минуты и питает датчики и плату QF. Это значительно экономит электроэнергию. Используя аккумулятор LiPo емкостью 5000 мА, он может проработать устройство в течение нескольких дней.
Нет необходимости в подключении к сотовой сети или Wi-Fi, что значительно снизило стоимость передачи данных. Это устройство использует протокол LoRaWan для отправки данных в Helium Network.
Комментариев нет:
Отправить комментарий