在SensiML的帮助下为人类和地球保护泥炭地

描述

1997 年印度尼西亚大火在婆罗洲和苏门答腊岛烧毁了 9.7–1170 万公顷土地，摧毁了 4.5–6 百万公顷物种丰富的龙脑香林（包括 1.5–210 万公顷泥炭土）。估计 1997-98 年泥炭地火灾产生的碳排放量为 0.81-2.57 Pg，相当于全球化石燃料年排放量的 13-40% [来源互联网]

泥炭地是湿地的一种，是地球上最有价值的生态系统之一。它们对于保护全球生物多样性、提供安全饮用水、最大限度地降低洪水风险和帮助应对气候变化至关重要。

受损的泥炭地是温室气体排放的主要来源，每年释放出近6% 的全球二氧化碳排放量。因此，泥炭地恢复可以显着减少排放。

泥炭地的重要性

泥炭沼泽森林是热带泥炭地中的低地植被，那里的大部分动植物都以独特的方式适应了环境——即涝渍和酸性水。泥炭沼泽很重要，原因有很多，主要是作为淡水来源、防洪、碳汇和储存，以及保护生物多样性。

不幸的是，西欧已经失去了近 90% 的泥炭地，而中欧只有 50% 的功能性泥炭地。在亚洲，70% 的泥炭沼泽已经消失。现在，保护和恢复泥炭地比以往任何时候都更重要，这是造福地球及其居民的一项重要努力。

1. 泥炭地作为碳汇

关于泥炭地的一个非常令人惊讶的事实是，这些森林储存了陆地上所有碳的大约 30%。这大约是 5000 亿吨碳！仅东南亚的泥炭地就拥有世界上 14% 或大约 680 亿吨的碳。确保泥炭地中的碳不受干扰是调节气候的关键，因为管理不当的泥炭地会导致大量碳释放到空气中，即使是基础科学也会告诉你这是非常非常糟糕的。

2. 泥炭地和水调节

除了储存大量碳外，泥炭地还含有土壤中大约 90% 的水，储存在腐烂的多孔有机物（干树叶等）中。这使森林地面呈现出一种泥泞的质地，通常与沼泽和沼泽有关，这两种泥炭地都是不同类型的。

健康、湿润的泥炭地吸收大气中的污染物，包括氮、二氧化硫、重金属和碳。这些污染物使泥炭土呈酸性。由于污染物被吸收到土壤中，从泥炭地流入地下或河流的水变得干净——就像一个天然的过滤系统。

当泥炭地被排干时，它就不能很好地调节大气中的污染物，这将导致水中的碳含量增加。含碳量高的水需要经过处理才能安全使用，处理过程既昂贵又会产生有害的副产品。

除了调节污染物外，泥炭地还调节多余的水。泥炭地可以减少下游洪水，因为它像海绵一样吸收多余的水。在旱季，泥炭地会缓慢释放水分，从而确保周围社区的淡水来源。泥炭地是灌溉、水电、娱乐、水产养殖和清洁水源的重要蓄水池。

排水过程

排水背后的原因

很明显，泥炭地的排水是一个严重的问题，对气候变化有直接影响。虽然一些泥炭地正在自然排水，但在许多国家，它们的排水是因为我们。

在东南亚，泥炭地已被排干以改造成种植园（用于棕榈油和纸浆）；在欧洲和北美，低地泥炭地已被排干以种植蔬菜、谷物和牲畜牧场。

迄今为止，农业、林业和采矿业已经影响了地球上约 25% 的泥炭地。虽然北美和俄罗斯的巨大泥炭地的大部分仍然相对完好，但在欧洲、中亚和东南亚、阿根廷和智利的许多地区，泥炭地已经严重退化。人们越来越关注保护和恢复泥炭地，以保护现有的碳库，帮助缓解气候变化，并保护生态系统效益。

排水和泥炭火

正如您在上面的排水过程中看到的那样，干燥的泥炭地容易着火并加速排水过程。

人工智能如何帮助保护泥炭地？

如果到目前为止您一直在关注这篇文章，您就会意识到干燥的泥炭地很容易发生火灾。当着火甚至泥炭地变干时，它会将所有二氧化碳释放到大气中。有时人类故意放火烧毁泥炭地以扩大耕地。人工智能可以帮助预测泥炭地何时干燥或着火，收集传感器数据，如土壤水分含量、空气中的二氧化碳排放量、温度升高，然后分析这些数据以预测干旱、火灾等情况。

根据早期预测，我们可以采取一些预防和主动措施，例如在泥炭地燃烧之前将火扑灭或在泥炭地干燥时重新润湿泥炭地。

泥炭守卫

介绍 Peat Guard - 一种在 Quick Feather 板上运行 tinyML 模型的太阳能设备，配备土壤湿度传感器、模拟温度传感器和 MQ7 CO2 气体传感器。有一个LoRa节点——Heltec Wireless Stick Life，它将 UPLINK 数据发送到Helium ，People Network 将数据馈送到Ubidots仪表板。

我将从这里深入探讨，详细解释我的设备的不同组件。

Quick Feather Board 和 SensiML

SensiML Analytics Toolkit 套件可自动执行创建优化的 AI IoT 传感器识别代码的过程的每个步骤。整个工作流程使用不断增长的高级 ML 和 AI 算法库来生成代码，这些代码可以在开发阶段或部署后从新数据中学习。

。

QuickFeather 基于开源硬件，与Adafruit Feather外形规格兼容，并围绕 100% 开源软件（包括 Symbiflow FPGA 工具）构建。

QuickFeather 由 QuickLogic 的EOS™ S3 提供支持，这是第一款完全支持 Zephyr RTOS 的支持 FPGA 的 Arm Cortex®-M4F MCU。其他功能包括：

• GigaDevice 16-Mbit 闪存 #GD25Q16CEIGR
• mCube MC3635加速度计
• 英飞凌DPS310压力传感器
• 英飞凌IM69D130 PDM 数字麦克风
• 由 USB 或单节锂聚合物电池供电
• 集成电池充电器
• 与可编程逻辑相关的 USB 数据信号

有关此板的更多信息，请访问https://www.quicklogic.com/products/eos-s3/quickfeather-development-kit/ 。

通过 SensiML 数据捕获实验室 (DCL) 收集数据

在开始收集数据之前，您需要将 I2C 传感器连接到 Quick Feather 板并在软件中进行一些修改。你会在这个项目的代码部分找到我的代码。我建议您访问此教程页面，您将在其中获得非常有用的教程，以开始使用新的 I2C 传感器和数据收集过程。

您可以在上图中看到我如何将 3 个传感器与 Quick Feather 板连接起来并开始收集数据。我在 Huzzah ESP32 上堆叠了 QF，这样我就可以通过 WiFi 捕获数据。

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

 

 

 

 

 

使用 SensiML Analytic Studio 训练您的模型

收集到足够的数据并进行细分后，前往Analytic Studio训练您的模型。

将知识包与固件集成

按照Chris Knorowski在 youtube 上发布的这个不错的教程进行操作，或者按照以下简单步骤进行操作。

• 从 SesniML 分析工具下载知识包。
• 整个复制qf_ssi_ai_app为qf_ssi_ai_myapp（不想弄乱现有的应用程序）
• 进入qf_ssi_ai_myapp文件夹并删除knowledgepack文件夹
• 解压缩下载的 KP，您将看到一个名为knowledgepack_project. 将此文件夹复制到qf_ssi_ai_myapp并重命名为knowledgepack
• 打开 sensor_ssss.h 文件并设置SENSOR_SSSS_RECOG_ENABLED为 1 和SENSOR_SSSS_LIVESTREAM_ENABLED0
• 从中删除output文件夹qf_ssi_ai_myapp
• 使用 make 命令构建程序
• 这将生成output/bin/qf_ssi_ai_myapp.bin文件
• 闪存文件，你很高兴！

故障排除

如果您在编译 KP 库时看到“dcl_commands.h: No such file or directory”，那么您和我在同一页面上。您需要删除该头文件并在 sml_recognition_run.c 文件中包含“sensor_ssss.h”。方法 sml_recognition_run_batch 和 sml_recognition_run_single 可能带有空实现。您需要提供实现。签出代码部分以供参考。查看以下链接以获取更多信息

https://sensiml.com/documentation/knowledge-packs/building-a-knowledge-pack-library.html

在您编译并烧写 bin 到您的 QF 板上后，您可以连接到 SensiML 网关应用程序以测试识别。

将数据发送到 Helium 网络

Helium 是世界上第一个点对点无线网络，它为低功耗物联网设备提供安全且经济高效的方式来向互联网发送数据和从互联网发送数据。该网络使公司能够专注于应用程序和用例，而不用担心设备的蜂窝计划或管理网络基础设施。为了快速比较成本，让我们举个例子。

每分钟发送一次 GPS 坐标，您每月只需花费43美分！是的，只有 43 美分，而使用普通 GSM 则需要 5 美元以上。

我使用低功耗 Heltec Wireless Stick Life 作为 LoRa 节点，它每 2 分钟向氦气网络发送一次数据。有关 Arduino 草图，请参见下面的代码部分。另请查看我的项目以获取有关如何开始使用氦网络的更多信息。

将氦气与 Ubidots 集成

很高兴看到数据进入 Helium 控制台，但您会用它做什么？您需要某种仪表板来可视化数据和预测。我决定使用 Ubidots STEM，这是迄今为止我遇到的免费且最优雅的仪表板解决方案。

从 Helium 控制台向 Ubidots 发送数据非常简单直接。按照本教程进行操作。

重要的是在发送到 Ubidots 之前解码消息。我在 helium 控制台中创建了一个解码器函数，用于从字节数组中提取数据并转换为 JSON 格式。

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;
}

在 Ubidots 仪表盘上可视化数据都很好。但是，谁会一直盯着屏幕，在预测会发生火灾时采取行动呢？这是个好消息！Ubidots 可以通过电子邮件、文本甚至Slack 发送实时警报。

观看和谐

 

 

X因素

1.低功耗

Heltec Lora 节点每 2 分钟唤醒 10 秒，并为传感器和 QF 板供电。这显着节省了电力。使用 5000mA 锂聚合物电池，它可以运行设备几天。

2. 太阳能

除了低功耗外，LiPo 电池在白天通过太阳能充电，使设备可以运行很长时间而无需更换电池或插入任何电源插座。

3. 没有手机/WiFi

无需蜂窝或 wifi 连接，这大大降低了数据传输成本。该设备使用 LoRaWan 协议将数据发送到 Helium Network。