Treetops of Dense Tropical Rainforest With Morning Fog Located Near The Malaysia-Kalimantan Border

اینترنت اشیاء و مقابله با تغییرات آب و هوایی و از بین رفتن تنوع زیستی

در ۱۰ دقیقه این متن را بخوانید

در آگوست ۲۰۱۹، آتش سوزی‌ها مناطق وسیعی از جنگل های بارانی آمازون را از بین بردند ، “ظرفیت ریه” زمین را کاهش دادند ، مردم بومی و حیات وحش را بی خانمان کردند و مقدار زیادی گازهای گلخانه ای آزاد کردند. در ماه سپتامبر ، در آن سوی جهان ، جنگل های اندونزیایی باز هم به دلیل عوامل انسانی سوخت. همچنین آتش سوزی ها در شمال دور با تعداد و شدت زیادی در حال وقوع است: در ژوئن ۲۰۱۹ (گرمترین مورد ثبت شده در منطقه) ، آتش سوزی در قطب شمال ۵۰ مگاتن دی اکسید کربن منتشر کرده است (معادل کل CO۲ سالانه تولید شده از کشور سوئد). شواهد هم نشان از این دارد که یخ های قطب شمال سریعتر از آنچه در گذشته انتظار می رفت در حال ذوب شدن هستند.

در کشور ما نیز همواره آتش سوزی یک تهدید مهم برای جنگل‌های هیرکانی و شمال کشور به شمار می آید، بطوریکه در دی ماه گذشته چندین هکتار از منابع طبیعی در جنگل‌های شمال کشور علیرغم پیش بینی ها طعمه حریق شد.

بنابراین مشاهده می‌شود که آتش سوزی ها در گستره وسیعی از جهان در حال وقوع و از بین بردن منابع طبیعی هستند، در کنار آن شکار غیر مجاز، قطع سودجویانه درختان و مواردی از این دست همواره به حیات وحش و محیط زیست آسیب می‌رسانند و منجر به تشدید نگرانی ها در مورد تغییر اقلیم می‌شوند. اینگونه مسائل در مقیاس جهانی، قبل از تبدیل شدن به یک بحران غیرقابل حل نیازمند توجه بیشتر کشورها و سازمان های مربوطه است.

اینترنت اشیا، حوزه ای از علم و فناوری است که می تواند در مبارزه با کاهش تنوع زیستی و تغییرات آب و هوایی کمک کند. در این مقاله به شرح وضعیت فعلی اینترنت اشیاء می پردازیم و چند نمونه از کاربرد آن در اکوسیستم های آسیب پذیر را بررسی می کنیم.

فناوری در مقابل کاهش تنوع زیستی و تغییرات آب و هوایی

اینترنت اشیا شامل دستگاه های مجهز به حسگر (“اشیائی”) است که می تواند داده ها را ضبط کند ، مقادیر مختلف پردازش محلی را انجام دهد و به اینترنت متصل شود تا داده ها را برای پردازش بیشتر و یا ذخیره سازی منتقل کند. شرکت تحلیل گر IoT Analytics در آخرین برآورد خود تعداد دستگاه های اینترنت اشیا متصل را در پایان سال ۲۰۱۹ حدود ۹/۵ میلیارد در سراسر جهان اعلام کرده است.

انواع مختلفی از اتصال اینترنت برای دستگاه های اینترنت اشیا وجود دارد: شبکه های بی سیم منطقه شخصی (به عنوان مثال بلوتوث) ، شبکه های محلی بی سیم (به عنوان مثال wi-fi)، شبکه های بی سیم کم مصرف در منطقه وسیع (LPWAN ، به عنوان مثال Sigfox)، شبکه های سیمی ، یا تلفن همراه (از جمله ۵G). موارد استفاده آن هم شامل خانه ها و دفاتر “هوشمند” ، کارخانه ها ، شهرها ، سیستم های حمل و نقل و بسیاری از موارد دیگر از جمله نظارت بر طبیعت و محیط زیست می‌باشد.

IoT Analytics پیش بینی می کند که تا سال ۲۰۲۵ ، تعداد ۲۸ میلیارد دستگاه IoT متصل در سراسر جهان وجود داشته باشد – این رقم در حدود ۳/۴ دستگاه برای هر نفر در کره زمین است (تخمین جمعیت جهان برای سال ۲۰۲۵: ۸/۱۸ میلیارد نفر). پیش بینی های دیگری نیز وجود دارد ، اما اجماع آنها به اندازه کافی واضح است: دستگاه های اینترنت اشیا تکثیر می یابند و مقدار زیادی داده تولید می کنند ، که اگر توسط یک معماری قوی شامل اتصال مناسب ، دروازه ها ، تجزیه و تحلیل (از جمله یادگیری ماشین و هوش مصنوعی) و ذخیره سازی / بایگانی پشتیبانی شوند  قابل اجرا خواهند بود.

IoT Analytics در میان ده پیشرفت برتر اینترنت اشیا در سال ۲۰۱۹ ، نانوماهواره هایی که به اتصال اینترنت اشیا اختصاص داده شده و همچنین نقش روزافزون فناوری IoT در کمک به سازمان ها برای دستیابی به اهداف زیست محیطی را برجسته کرده است.

پروژه سازمانهای غیر دولتی (NGO)

انجمن جانورشناسی لندن (ZSL) ، که در سال ۱۸۲۶ تاسیس شد باغ وحش معروف لندن را اداره می کند، اما همچنین یک موسسه خیریه بین المللی مهم نیز به شمار می آید. یکی از پروژه های فناوری فعلی این انجمن ، پروژه Instant Detect (تشخیص فوری) است، یک سیستم نظارتی که ترکیبی از سنسورها، دوربین ها، شبکه های رادیویی کم مصرف و فناوری ماهواره ای است. این سیستم قابلیت این را دارد تا اطلاعات لحظه ای مربوط به حیات وحش و فعالیت های انسانی در هر نقطه ای از جهان را ضبط کند و انتقال دهد. هدف آن، نظارت از راه دور بر رفتار حیات وحش و تغییرات زیستگاه و همچنین هشدار به موقع در مورد فعالیت شکار غیرقانونی است.

اولین تجسم از  Instant Detect در سال ۲۰۱۴ به کار گرفته شد، که در آن با استفاده از دوربین ها و سنسورهای تشخیص فلز شکارچیان غیرمجاز در مناطق حفاظت شده، تصاویر یا هشدارها از طریق پیوند رادیویی FSK روی باندهای فرکانسی ISM به یک ایستگاه پایه ارسال می‌شد. از اینجا ، داده ها از طریق شبکه ماهواره ای Iridium به یک مرکز فرماندهی منتقل می شدند و مقامات را تقریبأ “در لحظه” نسبت به تهدیدهای شناسایی شده آگاه می کردند.

در ادامه کار ، انجمن ZSL با مشارکت Cambridge Design برای ایجاد Instant Detect 2.0 (ID2.0)  تلاش کردند. مشخصات اصلی ID 2.0 عبارت بودند از: به حداکثر رساندن تعداد دستگاه های حسگر که می توانند به یک ایستگاه پایه متصل شوند. ارتباط مطمئن بین دستگاه ها و ایستگاه پایه، تشخیص سیستم خوب، قابلیت استفاده مناسب، مصرف برق کم، دوربین اصلاح شده ،داده های مبتنی بر فضای ابر و مدیریت هشدار.

اجزای Instant Detect 2.0: ایستگاه پایه ، نقطه انتهایی حسگر ، دوربین/ تصویر: ZSL

سیستم Instant Detect 2.0 جهت کنترل محیط زیست

سیستم Instant Detect 2.0 شامل یک ایستگاه پایه است که با ماهواره های ایریدیوم در ارتباط است، به علاوه دوربین ها و نقاط انتهایی حسگر که تصاویر و هشدارها را به ایستگاه پایه منتقل می‌کنند. ID 2.0 در سیستم مبتنی بر FSK اصلی خود برای بهبود دامنه انتقال و مصرف برق، از LoRa (یک شبکه گسترده کم مصرف) جهت ارتباط بی سیم بین دوربین ها و نقاط انتهایی و ایستگاه پایه استفاده می کند.

به گفته مدیر فنی پروژه ZSL ، یک پروتکل LoRa سفارشی نیز برای مدیریت تصاویر تهیه شده است تا برای این استاندارد متمرکز بر IoT مناسب تر باشد. ایستگاه پایه می تواند همزمان از حداکثر هشت دستگاه داده دریافت کند و در صورتیکه تعداد دستگاه‌ها بیشتر باشد می‌توانند در صف انتقال قرار بگیرند. آزمایشاتی در سال ۲۰۱۹ انجام شد که نتیجه آن انتقال موفقیت آمیز تصاویر به فاصله بیش از یک کیلومتری بود، همچنین پیشرفت در پروتکل سفارشی LoRa ادامه دارد.

چپ: ایستگاه پایه Instant Detect 2.0 آماده دفن. راست: یک دوربین ID 2.0 استتار شده. دوربین به جای مادون قرمز می تواند توسط یک سنسور تشخیص دهنده فلز تحریک شود ، به طوری که فقط تصاویر انسان های حامل فلز (شکارچیان غیر مجاز) منتقل می شود./ تصاویر: ZSL

LoRa به لطف پروتکل نوع ALOHA خود، علاوه بر دامنه بهبود یافته، ارتباط مطمئنی را نیز ارائه می دهد که در آن، ارتباط توسط دستگاه نهایی آغاز می شود و می توان پیوندها را در هر زمان ارسال کرد. به دنبال آن دو پنجره کوتاه downlink وجود دارد که فرصت ارتباط دو جهته با ایستگاه پایه را فراهم می کند (به عنوان مثال درخواست ارسال مجدد برای انتقال قطع شده).  دستگاه های ID 2.0 گزارشات روزانه باتری و وضعیت حافظه ، قدرت سیگنال و همچنین تصاویر و شرایط حسگر را بطور مرتب ارسال می کنند. اگرچه ملاحظات هزینه، ردیابی GPS را رد می کند ، اما اگر دستگاهی جابجا شود – به عنوان مثال به دلیل فعالیت انسان یا حیوان – زنگ هشدار فعال می‌شود.

مدیریت سیستم از طریق یک ابزار مبتنی بر مرورگر OAM (مشاهده، مدیریت و نگهداری) انجام می شود که از طریق پیوند Wi-Fi قابل دسترسی است. دستگاه های ID 2.0 طوری طراحی شده اند تا در مواقع لزوم به حالت خواب (Sleep) بروند، این دستگاه ها توسط باتری های داخلی Li-ion و در صورت تمایل توسط باتری های خارجی تغذیه می شوند تا قابلیت برداشت انرژی از منابع محیطی (انرژی خورشیدی و غیره) برای داشتن یک ارتباط پایدار را داشته باشند. همچنین انجمن ZSL در حال کار برای کاهش مصرف انرژی در حالت خواب به منظور افزایش عمر باتری است. دوربین ID 2.0 دارای یک سنسور ۵ مگاپیکسلی و اپتیک است که زمینه دید در یک زاویه گسترده و بزرگنمایی را فراهم می کند. همچنین دارای یک سیستم عامل شناسایی تصویر میزبان بر پایه سیستم عامل لینوکس است که تعیین می کند تصاویر گرفته شده باید ارسال شوند یا خیر. یک رابط مبتنی بر فضای ابر نیز برای Instant Detect 2.0 در نظر گرفته شده است که از مدیریت تصویر و هشدار و مدیریت از راه دور دستگاه های موجود پشتیبانی می‌کند.

بعد از آزمایشات میدانی موفق، ZSL در حال حاضر برای از بین بردن نویز الکترونیکی ناخواسته و مطابقت با الزامات سختگیرانه EMC (سازگاری الکترو مغناطیسی) و RED (بخشنامه تجهیزات رادیویی) جهت صدور گواهینامه CE، در حال طراحی مجدد برخی از قطعات Instant Detect 2.0 است تا این سیستم را در دسترس کاربران مناطق مختلف قرار دهد.

سیستم ضد شکار غیر قانونی TrailGuard AI

یک سیستم ضد شکار غیرقانونی دیگر، TrailGuard AI است که مبتنی بر دوربین با قابلیت اتصال ماهواره ای و پردازش تصویر در لبه سیستم است. این سیستم توسط شرکت غیرانتفاعی RESOLVE  با مشارکت Intel و Inmarsat ساخته شده است.

دوربین هوش مصنوعی TrailGuard/ تصویر: اینتل

همانند پروژه Instant Detect ، پروژه TrailGuard AI باید راهی برای کاهش هشدارهای تهدید مثبت اشتباه، از طریق دوربین های نسل اول خود پیدا کند. این کار با قرار گرفتن واحد پردازش بینایی Movidius Myriad 2  شرکت اینتل در دوربین انجام شد. این سیستم کم مصرف (۱وات) یک لایه اضافی از سیگنال تصویر و هوش پردازش بینایی را ایجاد می کند ، که به آن اجازه می دهد تا حضور شخص یا وسیله نقلیه را تعیین کند ، نه چیزی بی خطری مانند ابر یا یک حیوان در حال حرکت. این دوربین مجهز به Myriad 2 ، می‌تواند تا حداکثر ۱۸ ماه در حالت باتری کار کند، یک پیشرفت بزرگ نسبت به نسخه اصلی، که دارای یک واحد محاسبه جداگانه بود و هر ۴-۶ هفته نیاز به نگهداری میدانی خطرناک و زمانبر داشت.

 دوربین فشرده TrailGuard AI (چپ) که به راحتی پنهان می‌شود و بنابراین احتمال خرابکاری یا سرقت آن بسیار کمتر از دوربین عکاسی معمولی حیات وحش (راست) است./ تصاویر: RESOLVE

در این دوربن ها با انتقال تصاویر از طریق شبکه تلفن همراه ، LoRa یا اتصالات ماهواره ای (بسته به آنچه در منطقه خاص حفاظت شده وجود دارد) ، هشدار (تقریبا) به لحظه حاصل می شود. اتصال ماهواره ای برای دوربین های TrailGuard AI توسط اینمارست با استفاده از شبکه باند L و مودم های ماهواره ای BGAN (شبکه جهانی پهن باند) ارائه می‌شود.

مودم ماهواره نظامی Explorer 540 BGAN به راحتی پنهان می شود – به عنوان مثال در زیر یک سنگ مصنوعی (تصویر سمت راست).
همچنین یک دروازه کوچک WildTech نشان داده شده است (با پیکان در سمت چپ تصویر مشخص شده) که از طریق LoRa
تصاویر را از چندین دوربین AI TrailGuard دریافت می‌کند و آنها را به مودم منتقل می کند

با وجود هوش مصنوعی TrailGuard ، تیم های تکاور می‌توانند به سرعت پاسخ دهند و قبل از حمله شکارچیان متخلف، آنها را رهگیری کنند. به گفته مدیران پروژه بزرگترین مزیت TrailGuard در سیستم هشدار زودهنگام آن است که می تواند شکارچیان متخلف را قبل از اینکه تله ها را کار بگذارند یا به حیوانات شلیک کنند ، متوقف کند. همچنین، نسخه اصلی و غیر هوش مصنوعی(AI) سیستم TrailGuard ، ۵۰ متجاوز را شناسایی کرد که منجر به دستگیری ۳۰ شکارچی غیرمجاز به نمایندگی از ۲۰ باند مختلف شکار غیرقانونی شد. و در طی چند ماه بیش از ۱۰۰۰ کیلوگرم گوشت حیوانات وحشی ، موتور سیکلت ، تله ، اسلحه و غیره کشف و ضبط شد.

اکنون نسخه کامل هوش مصنوعی TrailGuard توسط ODM اینتل در چین ساخته می شود و بعضی از آن ها به پارک های آفریقا ارسال شده اند تا بر محیط زیست و منابع طبیعی نظارت هوشمند داشته باشند.

پروژه های رصد زمین

شاید گسترده ترین تعریف از “شیء”  در اینترنت اشیاء ، ماهواره ای باشد که تغییرات زمین را از مدار مشاهده می کند و داده ها را به ایستگاه های زمینی باز می گرداند تا در دسترس دانشمندان و سیاست گذاران سراسر جهان قرار گیرد. Landsat ، یکی از پروژه های ناسا در این مورد می‌باشد.

ماهواره Landsat 1 از سال ۱۹۷۲  تصاویر چند طیفی با وضوح بالا از سطح زمین را جمع آوری کرده است تا به تصمیم گیری در مورد روشهای استفاده از زمین کمک کند. داده های Landsat به طور رایگان در دسترس است و چندین پروژه از آنها برای بررسی تغییرات پوشش جنگلی در سراسر جهان استفاده کرده اند.

تجزیه و تحلیل تصاویر Landsat از سال ۲۰۰۰ تا ۲۰۱۲ که میزان جنگل (سبز) و تغییر (قرمز = از دست دادن جنگل ؛
آبی = سود جنگل ؛ بنفش = از ضرر و سود) آن را نشان می‌دهد./ تصویر: دانشگاه مریلند

یک مطالعه برجسته با استفاده از پلتفرم ابری موتور Google Earth در دانشگاه مریلند انجام شد که در آن میزان پوشش جهانی درختان ، به علاوه تلفات و سودها  بین سال های ۲۰۰۰ تا ۲۰۱۲ در رزولوشن ۳۰ متر ترسیم شد. نتیجه این بود که جهان بین سالهای ۲۰۰۰ تا ۲۰۱۲ ، به میزان ۲/۳ میلیون کیلومتر مربع جنگل از دست داده و فقط ۰/۸ میلیون کیلومتر مربع بدست آورده است که ۰/۲ میلیون کیلومتر مربع هم فقدان و هم افزایش داشته است.

گروه GFW (دیده بان جهانی جنگل) تخمین می زند که بین سالهای ۲۰۱۵ تا ۲۰۱۷  انتشار سالانه دی اکسید کربن ناخالص ناشی از دست دادن پوشش درختان در کشورهای گرمسیری، به طور متوسط ۴/۸ گیگاتون باشد. این بدان معناست که اگر از نظر انتشار CO2، “جنگل زدایی گرمسیری” را به عنوان یک کشور در نظر بگیریم، پس از چین و ایالات متحده در رتبه سوم قرار دارد.

پروژه های بزرگ مشاهده زمین مانند لندست ناسا، ماهواره های بسیار بزرگ و گران را با چرخه های تکرار نسبتاً طولانی مستقر می کنند (به عنوان مثال ۱۶ روز در مورد لندست ۸). اما در مقابل آنها، پروژه CubeSats قرار دارد. این پروژه شامل ماهواره های کوچک و ارزان قیمت است، که اغلب با نرم افزار منبع باز ساخته می شوند و به عنوان بارهای ثانویه یا از طریق ایستگاه فضایی بین المللی (ISS) راه اندازی می‌شوند و می توانند تصاویر با وضوح بالا را در یک چرخه بسیار کوتاه تر ارائه دهند.

یکی از این قبیل پروژه ها، Planet نام دارد که هر ۹۰ دقیقه در حال چرخش بر روی قطب ها است و می‌تواند کل سطح زمین را هر روز تصویربرداری کند و داده های مناسب برای مواردی از جمله نقشه برداری ، یادگیری عمیق ، پاسخ به بلایا ، کشاورزی دقیق و تجزیه و تحلیل تصویر زمانی را ارائه دهد. در اینجا مثالی از تصاویر Planet وجود دارد که استخراج غیرقانونی طلا در جنگل های بارانی پرو را نشان می‌دهد.

در سال ۲۰۱۶ معدن طلای “La Pampa” به طور غیرقانونی به منطقه حفاظت شده ملی Tambopata در پرو گسترش یافت.
انجمن حفاظت آمازون از داده های تصویربرداری سیاره برای انتشار یک سری هشدارها استفاده کرد که منجر به مداخله دولت شد./
تصاویر: PLANET

نتیجه‌گیری

مواردی از قبیل رشد جمعیت انسانی ، مصرف سرانه منابع (به ویژه در کشورهای پیشرفته) و در نتیجه تخریب طبیعت، لزوم تمرکز کنونی بر کاهش تنوع زیستی و تغییرات آب و هوایی را نشان می‌دهد. فناوری اغلب به عنوان یک “رفع” بالقوه برای تأثیرات منفی چنین تحولاتی بشمار می‌ آید و اینترنت اشیا (به معنای وسیع تر آن) می تواند با ارائه اطلاعات به موقع و عملی در مورد وضعیت محیط طبیعی ، نقش مهمی داشته باشد.  ماهواره های تصویربرداری زمین ، نظارت از راه دور بر رفتار حیات وحش(ID 2.0) ، نقشه برداری از تغییرات کاربری اراضی و دوربین های هوشمند شناسایی شکارچیان غیرمجاز، پروژه هایی بودند که نشان می‌دهد امکان نصب یک سیستم نظارت بی خطر بر جهان طبیعی بسیار زیاد است.

منابع:

[۱] https://www.techrepublic.com

[۲] https://www.intel.com

[۳] https://www.resolve.ngo

[۴] https://www.nasa.gov

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