1568725328472

نقش موثر اینترنت اشیا طبیعی(IoNaT) در حفاظت از جنگل‌ها

در ۱۰ دقیقه این متن را بخوانید

اینترنت اشیاء طبیعی (IoNaT)

جنگل‌ها یک سوم کره زمین را پوشانده‌اند، منابع عمده تأمین آب (به صورت رودخانه ها، آبشارها) هستند و به بارش باران و پیشگیری از سیل کمک می‌کنند. پوشش جنگلی سبب اعتدال در وضعیت آب و هوا می‌شود و به تنظیم‌ شدن حداکثر و حداقل دما کمک می‌کند. هر هکتار از جنگل قادر است سالانه بیش از ۵ تن اکسیژن آزاد کند. در مجموع حدود ۶۰ درصد از اکسیژن مصرفی جهان به وسیله فضای سبز تامین می‌شود ازاین‌رو تامین اکسیژن مورد نیاز از کارکردهای مهم جنگل است. در مطالعات اخیر تخمین زده می‌شود که ۵۰ تا ۹۰ درصد چوب های برداشت شده از جنگل های آمازون، آفریقای مرکزی و جنوب شرقی آسیا از طریق قطع غیر قانونی درختان تهیه شده باشد. این آمار در سطح جهانی حدود ۱۵-۳۰ درصد است. همچنین سالانه میلیون‌ها هکتار جنگل در سراسر جهان تحت تأثیر آتش سوزی قرار می‌گیرند، که می‌تواند منجر به از دست دادن جان انسان‌ها، از بین رفتن مواد اولیه، گیاهان و جانوران طبیعی شود. این مشکل حتی در جنگل‌هایی که از آنها محافظت نمی‌شود و سیستم‌های ارتباطی در دسترس ندارند بیشتر است. اما در دنیای مدرن فناوری می‌تواند به کمک ما بیاید و با استفاده از دستگاه‌های اینترنت اشیا در جنگل‌ها و زیستگاه‌های طبیعی تهدیدات را به موقع تشخیص داد و از رخداد آنها پیشگیری کرد. همچنین حیوانات و پرندگان زیادی در جنگل زندگی می‌کنند که همگی در چرخه سلامت محیط زیست موثر می‌باشند. حیات‌وحش موجود در جنگل‌ها بخشی از سیستم پیچیده اکوسیستم‌ زمین می‌باشد که در افزایش بهره‌وری و پایداری اکوسیستم‌ نقش اساسی دارد و انسان برای تأمین آب، غذا، ارزش‌های زیبایی‌شناختی و فعالیت‌های تفریحی خود به آن وابسته است. هر گونه آسیب به این چرخه حیات، باعث ایجاد عدم تعادل در چرخه‌ی طبیعت و بروز مشکلات فراوان برای حیات انسانی خواهد شد.

اینترنت اشیاء عاملی اساسی در الگوهایی مانند شهر هوشمند، ساختمان هوشمند، اتومبیل‌ها و کارخانه‌های هوشمند است که در آن یک “شیء” می‌تواند لوازم خانگی، دوربین‌های نظارتی، سنسورهای نظارت، نمایشگرها، وسایل نقلیه، تلفن‌های هوشمند، درها، پنجره‌ها یا به معنای واقعی کلمه هر جسمی باشد که به یک جسم هوشمند تبدیل شود.

با توجه به مسائل زیست محیطی و تهدیدات ذکر شده برای جنگل‌ها و منابع طبیعی در کره زمین، بسیار طبیعی است که انقلاب اینترنت اشیا به این موضوعات بپردازد. در نتیجه، الگوهای جدیدی به عنوان مثال جنگل‌های هوشمند، مزارع هوشمند و کشاورزی هوشمند بوجود می‌آیند که در نتیجه، اشیاء می‌توانند درختان، میوه‌ها، پرندگان، حیوانات‌، حتی سنگ‌های شناور در رودخانه یا هر چیزی در یک محیط طبیعی یا روستایی باشند. بنابراین اینترنت اشیاء طبیعی (IoNaT) را می‌توان به عنوان شبکه‌ای از اشیاء طبیعی تعریف کرد که قادر به برقراری ارتباط با یکدیگر هستند و همچنین می‌توانند به طور مستقیم منشأ ارسال داده‌ها به اینترنت باشند تا شرایطی را برای ارائه خدمات مناسب در محیط فراهم کنند. یک مثال بسیار جالب می‌تواند یک جنگل هوشمند باشد که در آن یک درخت هوشمند با درختان دیگر ارتباط برقرار می‌کند. به عنوان مثال، اگر درجه حرارت آن خیلی زیاد باشد (احتمالاً نشان دهنده آتش سوزی است)، این داده‌ها از طریق شبکه به آتش نشانی مجاور یا محله های اطراف منتقل می‌شوند.

ما در این مقاله IoNaT را برای بکارگیری جهت ایجاد جنگل هوشمند مورد بررسی قرار خواهیم داد. همانطور که در بالا اشاره شد، کارکردهای IoNaT برای استقرار جنگل هوشمند می‌تواند بسیار زیاد باشد. مقابله با آتش‌سوزی در جنگل‌ها، جلوگیری از قطع غیرمجاز درختان، حفاظت‌های امنیتی برای مقابله با شکارهای غیرمجاز حیوانات، ردیابی حیوانان و نظارت بر زنجیره غذایی آنها تنها بخشی از کارکردهای بهره‌مندی از IoT در محیط‌های جنگلی می‌باشد. در این مقاله تنها به بررسی سه مورد از این کارکاردها یعنی جلوگیری از قطع غیرمجاز درختان، مقابله با آتش‌سوزی در جنگل‌ها و ردیابی حیوانات در محیط جنگلی که از مهمترین این کارکردها نیز می‌باشد، اکتفا خواهیم کرد.

۱- جلوگیری از قطع غیرمجاز درختان

محیط‌های جنگلی دارای وسعت فراوان می‌باشد که نقاط با دسترسی سخت زیادی در آن‌ها وجود دارند. این وسعت زیاد، کار نظارت و محافظت از آن را برای سازمان‌های متولی و جنگلبانان بسیار دشوار می‌کند. برای مثال در ایالات متحده، اگر چه جنگلبانان برای جلوگیری از قطع غیرقانونی درختان کمک و فداکاری شایانی می‌کنند، اما به ازای هر نیم میلیون هکتار زمین جنگل عمومی، تنها یک محیط بان وجود دارد. با تعداد کمی از افسران اختصاص داده شده به چنین فضای عظیمی، محافظت از این فضاهای ارزشمند تقریباً غیرممکن است. برای پوشش حفاظتی چنین فضاهای بزرگی، می‌توان از دستگاه‌ها و شبکه‌های قدرتمند اینترنت اشیا بهره برد. با نصب دستگاه‌های اینترنت اشیا مجهز به انواع سنسورها و سیستم‌های مکان‌یابی محلی یا ماهواره‌ای در نقاط مختلف جنگل، می‌توان از ناحیه‌ی قطع غیرمجاز درختان به صورت بلادرنگ اطلاع یافت. شرکت‌های فناوری و استارتاپ‌های متعددی در سراسر جهان در این حوزه فعال شده‌اند. یکی از مهمترین و بهترین پروژه‌های به ثمر نشسته در این زمینه، پروژه‌ی فناورانه‌ی ” اتصال جنگل های بارانی” یا RFCx می‌باشد.

اتصال جنگل های بارانی (RFCx)

اتصال جنگل‌های بارانی یا همان RFCx ایده Topher White ، یک مهندس و توسعه دهنده اینترنت اشیا است که در سال ۲۰۱۱ پس از بازدید از ذخیره گاه “گیبون” در بورنئو و مشاهده قطع غیرقانونی یک درخت ساج بزرگ، الهام گرفته شد تا در مبارزه با تخریب جنگل های بارانی و تغییرات آب و هوایی شرکت کند. فاصله درخت ساج سرنگون شده با ایستگاه تکاور بیش از ۵ دقیقه پیاده‌روی نبود اما با این وجود صدای اره زنجیره‌ای شنیده نشده بود.

وایت به عنوان یک مهندس باتجربه، یک سیستم هشدار زودهنگام مبتنی بر “تلفن‌های هوشمند اندروید تغییر هدف داده شده” را طراحی کرد که می‌تواند در تاج پوشش جنگل‌های بارانی نصب شود، با انرژی خورشیدی کار کند، به فعالیت های مشکوک (اره‌های زنجیری ، موتورهای وسایل نقلیه) گوش دهد و این فعالیت‌ها را در لحظه به مسئول مربوطه هشدار دهد. شاید جای تعجب باشد که بسیاری از مناطق جنگل‌های بارانی -به ویژه در حاشیه آسیب پذیر- از پوشش کافی تلفن همراه برخوردار هستند تا این امر عملی شود.

برای اینکار تلفن‌ها باید به حداقل اجزای سازنده محکم شوند، یک میکروفون اضافی متصل شود و سیستم عامل اندروید نصب شده توسط سازنده، با سیستم CyanogenMod جایگزین شود (اطمینان حاصل شود که نرم افزار گوش دادن به درستی می‌تواند اجرا شود). نکته اساسی ، طراحی یک سیستم شامل پنل‌های خورشیدی به نام “آفتابگردان” در بالای پوشش جنگل بود تا حداکثر بهره از نور مستقیم خورشید به سیستم منتقل شود. نتیجه این کار یک پیکربندی به شکل گلبرگ از هفت پنل بود که می‌توانست ولتاژ (۵ ولت) مورد نیاز برای شارژ تلفن همراه را به طور قابل اعتماد تحویل دهد.

blank

پروژه اتصال جنگل‌های بارانی با ایده Topher White

بخش بعدی پروژه، تجزیه و تحلیل صدای ضبط شده توسط دستگاه‌ها با استفاده از سیستم یادگیری ماشینی “TensorFlow”  شرکت گوگل است. این کار  برای شناسایی صداهای فعالیت غیرقانونی و تنظیم ورودی‌های صوتی برای به حداقل رساندن تعداد مثبت کاذب (تشخیص اشتباه) استفاده می‌شود. سیستم هوش مصنوعی از “طبقه‌بندی کننده‌های باینری” استفاده می‌کند تا تعیین کند آیا بخشی از صدا حاوی نشانه‌هایی از ورود به سیستم است یا خیر.  همچنین “لایه شناختی” اطلاعات مفید را از کل مجموعه داده‌ها استخراج می‌کند. اتصال جنگل‌های بارانی در حال حاضر شامل چندین پروژه “نگهبان” در شمال برزیل، اکوادور، پرو، رومانی (کوه‌های کارپات)، کاستاریکا (شبه جزیره اوسا) و آفریقای جنوبی می‌باشد. علاوه بر شناسایی جنگل زدایی غیرقانونی ، RFCx به دنبال شناسایی الگوهای فعالیت مربوط به شکار غیرقانونی و پیشگامی در “نظارت بیوآکوستیک” بر جمعیت حیات وحش است.

۲- مقابله با آتش‌سوزی در جنگل‌ها

از سال ۲۰۰۰، به طور متوسط ۱۸ آتش‌نشان هر ساله در مبارزه با شعله‌های آتش جان خود را از دست داده‌اند. یکی از بدترین مشکلات در مبارزه با آتش‌سوزی، عدم اطلاع از تغییر سریع شرایط آب و هوایی است، به عنوان مثال جهت باد، که می‌تواند آتش را به سمت آتش‌نشانان سوق دهد و شرایط نا‌ایمنی را برای آنها رقم بزند. بنابراین، داشتن اطلاعات در مورد آب و هوای محلی و شرایط محیطی می‌تواند جان بسیاری را نجات دهد. طبق گزارش نشنال جئوگرافیک، به طور متوسط ، بیش از ۱۰۰ هزار آتش‌سوزی هر ساله ۱.۶ تا ۲ میلیون هکتار زمین جنگلی را فقط در ایالات متحده از بین می‌برد. آتش سوزی می‌تواند در هر جایی رخ دهد اما در مناطق جنگلی ایالات متحده و کانادا و همچنین در بسیاری از مناطق گیاهی استرالیا و آفریقای جنوبی معمول است. بسیار مهم است که برای کنترل آن، نجات جنگل‌ها و نجات جان انسان‌ها ، آتش‌سوزی در اسرع وقت مهار شود. با این حال، بسیاری از آتش‌سوزی‌ها ساعت‌ها قبل از کشف شدن گسترش می‌یابند و تا آن زمان به یک آتش‌سوزی بزرگتر تبدیل شده‌اند که مهار آن بسیار دشوارتر است. در ادامه سه نوع از فناوری‌های IoT پرکاربرد که برای کمک به نقشه‌برداری از آتش‌سوزی‌های جنگلی کاربرد دارد، بررسی خواهد شد. اولین پاسخی که باید از این فناوری‌ها دریافت کرد این است که کجا و چگونه می‌توان به بهترین شکل به ناحیه‌ی آتش‌سوزی نزدیک شد، چگونه منشاء دود ردیابی شود و در نهایت، اطلاعات چگونه به طور صحیح در اختیار دانشمندان که درباره‌ی نحوه تأثیر آتش‌سوزی‌ها بر کل کره زمین تحقیق می‌کنند و یا امدادگران و آتش‌نشانان قرار می‌گیرد. در ادامه دو سیستم اینترنت اشیاء طبیعی پرکاربرد که برای غلبه بر آتش سوزی در جنگل‌ها بکار گرفته شده است، معرفی می‌گردد.

ماهواره‌ها

در حالی که آتش نشانان و دانشمندان می‌توانند اطلاعات واقعی را با کمک وسایل نقلیه زمینی و هواپیماها جمع‌آوری کنند، ماهواره‌ها درک وسیع‌تری از آتش‌سوزی‌ها را فراهم می‌کنند. ناسا در حال حاضر ۲۶ ماهواره را اداره می‌کند. این ماهواره‌ها با هم تحت عنوان سیستم مشاهده زمین (EOS) شناخته می‌شوند. EOS اطلاعات مهمی در مورد بلایای طبیعی برای کمک به مدیریت و جبران صدمات ناشی آتش سوزی فراهم می‌کند. ابزار Worldview NASA به شما این امکان را می‌دهد با ۹۰۰ لایه تصویر ماهواره‌ای با وضوح (رزولوشن) کامل در سطح جهان ارتباط برقرار کنید. برخی از تصاویر در طی سه ساعت بعد از مشاهده در دسترس خواهند بود. در کنار این ماهواره‌ها، ماهواره‌هایی با تصویربرداری حرارتی وجود دارد که می‌توانند عکس‌های طیفی با جزئیات بسیار زیاد از نواحی مختلف جنگلی تهیه کنند. مجموعه‌ای این تصاویر جهت پردازش و اعلام “هشدار خطر آتش‎‌سوزی” در اختیار سیستم‌های ابری زمینی قرار می‌گیرد.

شبکه‌ای از دستگاه‌های IoT مستقر در جنگل

بر خلاف روش بکار گرفته شده در ماهواره‌ها که ممکن است با توجه به شرایط جوی و یا تاخیرهای ماهواره‌ای، یک سیستم بلادرنگ نباشد، می‌توان از مجموعه‌ای از دستگاه‌های اینترنت اشیا مستقر شده در خود جنگل‌ها بهره برد. LADSensor یک دستگاه IoT جهت تشخیص آتش سوزی و مدیریت آن است که در آن از حسگرهایی در کنار الگوریتم‌های هوش مصنوعی برای پیش‌بینی، شناسایی و مدیریت حوادث آتش‌سوزی در جنگل‌ها استفاده می‌شود. این حسگرها با اندازه‌گیری معیارهایی مانند دما، سطح CO2، رطوبت، جهت و سرعت باد، نه تنها می‌توانند وجود آتش را تشخیص دهند، بلکه می‌توانند محل وقوع آتش‌سوزی را نیز پیش‌بینی کنند.

برخی از آتش‌سوزی ها ممکن است در مکان‌هایی رخ دهد که مورد پوشش شبکه همراه نباشد و همچنین جمع آوری اطلاعات و اشتراک گذاری آن با استفاده از ماهواره‌ها مقرون به صرفه نباشد. ایجاد جنگل‌های هوشمند با استفاده از اینترنت اشیاء طبیعی بخش عظیمی از این مشکل را برطرف کرده است. LADSensor ها به فناوری احتیاج داشتند تا اطمینان حاصل شود برای تشخیص و مدیریت آتش در جنگل، قادر به ایجاد یک کانال ارتباطی از راه دور و قابل اعتماد بین دروازه‌ها و سنسورهای خود هستند. همچنین برای بهبود عمر باتری در حسگرها نیاز به کاهش مصرف برق بود.

blank

یک نمونه LADSensor

این کار با استفاده از فناوری LoRa به عنوان یک راه‌حل جایگزین برای شبکه‌های اشاره شده انجام می‌گیرد. LoRa یک فناوری با برد بالا و کم مصرف است که در میلیون‌ها سنسور اینترنت اشیاء استفاده می‌شود و به طور گسترده‌ای در سراسر جهان مورد استفاده قرار می‌گیرد زیرا نصب آن آسان، بسیار مقرون به صرفه و انعطاف‌پذیر است تا با هر کاربردی سازگار باشد. کاربردهای زیست محیطی مختلفی از فناوری LoRa هم اکنون در حال اجرا است، از قبیل نظارت بر آلودگی هوا، کیفیت و جریان آب، مدیریت پسماند، اندازه‌گیری، آبیاری و نظارت‌های دیگری بر شرایط محیطی مانند باد، رطوبت، دما و غیره.

پروژه LADSensor شامل دروازه‌ها و سنسورهایی است که در یک سیستم با هم هماهنگ شده‌اند و دید دقیق و جامعی را از شرایط موجود در یک منطقه تحت نظارت در اختیار کاربران قرار می‌دهد. حسگرها در فاصله حداکثر ۱۵ کیلومتری در منطقه مورد نظر قرار می‌گیرند و به دروازه LoRa متصل می‌شوند. آنها هر چند دقیقه مقادیری را ثبت می‌کنند که ممکن است وجود آتش‌سوزی را نشان دهد (مانند بالا رفتن ناگهانی دما یا افزایش سطح CO2 در هوا) و اطلاعات را به صورت بی‌سیم به دروازه‌ها منتقل می‌کنند. داده‌ها در بستر LADSensors پردازش می‌شوند، جایی که الگوریتم‌های موجود احتمال وجود آتش‌سوزی را تعیین می‌کنند. در این دستگاه‌ها از یک آنتن همه جهته فایبرگلاس با بهره ۶ dBi استفاده شده است تا داده‌ها را از تمام مراکز گره دریافت کند. این آنتن‌ها دربرابر اشعه ماوراء بنفش و بادهای شدید مقاوم هستند، همچنین دامنه پوشش حداکثری در صفحه افقی موجب شده است تا تعداد روترها، ایستگاه‌های پایه یا گره‌های مورد نیاز برای این پروژه به حداقل برسد. به گفته مدیر پروژه، بعد از دریافت سیگنال‌های بسیار قوی از گره‌هایی در فاصله ۸ کیلومتری. این شرایط فراهم شد تا برای کاهش تعداد ایستگاه‌ها، فاصله بیشتری با گره‌ها برقرار کرد. همچنین به لطف حساسیت بالای آنتن‌های Barracuda، می‌توان قدرت انتقال را کاهش داد تا عمر باتری سنسورها افزایش پیدا کند.

blank

تشخیص آتش‌سوزی در مناطق با دسترسی دشوار

پیشرفت در تشخیص آتش‌سوزی به معنای نجات سرزمین و جان انسان‌ها است. تمرکز اصلی این پروژه در حال حاضر شناسایی آتش‌سوزی‌ها و کمک به آتش‌نشانان است تا آگاهانه در مورد اقدامات مناسب در هنگام حادثه آتش سوزی تصمیم بگیرند. با این حال اقدامات دیگری برای گسترش سیستم در حال طراحی است: مانند رفتن یک پهپاد به محل مورد نظر تا تایید کند که آتش سوزی رخ داده است. همچنین با تجهیزات تعبیه شده در آن می‌توان کار اطفای حریق را قبل از رسیدن آتش‌نشانان آغاز کرد. مخصوصاً در مناطق روستایی و جنگلی ناهموار که آتش‌نشانان دیرتر قادر به حضور در محل هستند.

۳- ردیابی حیوانات با استفاده از گردنبندهای IoT

گوزن‌های شمالی حیوانات گله‌ای سنتی در نروژ هستند و منبع درآمد حیاتی برای مردم بومی به شمار می آیند. گوزن‌های شمالی از نظر IUCN (اتحادیه بین المللی حفاظت از طبیعت) گونه ای آسیب پذیر محسوب می شوند و تخمین زده می‌شود هر ساله ۶۰ هزار رأس از آنها به دلیل فرار، شکار گرگ‌ها و برخورد با قطارها تلف می‌شوند. در این بین برخورد با قطارها یک مشکل خاص محسوب می‌شود زیرا هر سال ۶۵۰۰ رأس مورد اصابت قطار در حال حرکت قرار می‌گیرند و خسارت تقریبی ۸.۵ میلیون یورویی را موجب می‌شود. صدها کیلومتر از راه آهن نروژ، مناطق مسکونی ساکنان بومی منطقه سامی را پشت سر می گذارد، که نگهداری گله‌های گوزن شمالی برای سالیان سال در فرهنگ و اقتصاد آنها مهم بوده است. این حیوانات آزادانه پرسه می‌زنند و  همچنین از مرزها به سوئد و فنلاند مهاجرت می‌کنند.

یکی از سیستم‌های موفق اینترنت اشیا جهت‌ردیابی دقیق و محافظت از گونه‌های جانواری، برنامه‌ی SaveMyReindeer می‌باشد که برای غلبه بر چالش‌های مطرح شده در بالا طراحی شده است. این سیستم در واقع یک راه‌حل اینترنت اشیاء است که مبتنی بر گردنبندهای ردیابی GPS ماهواره‌ای کار می‌کنند.

گردنبندهای مبتنی بر IoT برای حفاظت از گوزن‌های شمالی

این سیستم داده‌هایی را از اداره راه آهن نروژ در مورد موقعیت لحظه‌ای هر قطار گرفته و آنها را با داده‌های نقشه برداری ترکیب می‌کند و یک حصار جغرافیایی متحرک ۴۰-۵۰ کیلومتری اطراف هر قطار ایجاد می‌کند.

با مقایسه منطقه حصار جغرافیایی با داده‌های GPS از گردنبندهای گوزن شمالی، سیستم به رانندگان قطار هنگامی که به حیوانات نزدیک می شوند هشدار می‌دهد تا بتوانند سرعت قطار را افزایش یا کاهش دهند تا از مسیر گله خارج شوند، یا قطار را متوقف کنند. در همان زمان، صاحب گوزن شمالی هشدارهایی را از طریق تلفن هوشمند خود دریافت می‌کند و به آنها هشدار می‌دهد که حیواناتشان ممکن است در معرض خطر قرار بگیرند و به آنها فرصت می‌دهد تا گله را از خطر دور کنند.

از آنجا که گوزن‌های شمالی حیوانات گله‌ای هستند، هر برخورد با قطار می‌تواند همزمان ۵۰ رأس از آنها را زخمی یا تلف کند. هادی‌های قطار تا همین اواخر مجاز به حمل اسلحه برای کشتن انسانی حیواناتی بودند که در اثر برخورد با قطار آسیب جدی دیده بودند ، اما دیگر اینگونه نخواهد بود و مقامات محلی موظف به مقابله با هر حادثه‌ای خواهند بود. با راه حل IoT ایجاد شده و اتصال ماهواره ای Globalstar اطمینان حاصل خواهد شد که مسئولان مربوطه مکان دقیق حادثه را دارند تا بتوانند به سرعت به محل مورد نظر برسند.

blank

گوزن‌های شمالی با گردنبندهای IoT

علاوه بر کاهش مرگ گوزن‌های شمالی، جلوگیری از تصادفات با استفاده از این روش، ضربه عاطفی بر کارکنان قطار و دامداران را کاهش می‌دهد و قابلیت اطمینان سرویس قطار ملی را بهبود می‌بخشد.

منابع:

[۱] https://www.intechopen.com/

[۲] https://www.techrepublic.com/

 [۳] https://www.ladsensors.com/

[۴] https://www.nec.com/

این مطلب را به اشتراک بگذارید

اشتراک گذاری در print
اشتراک گذاری در email
اشتراک گذاری در twitter
اشتراک گذاری در linkedin
اشتراک گذاری در whatsapp
اشتراک گذاری در telegram