描述

1997 年印度尼西亞大火在婆羅洲和蘇門答臘島燒毀了 9.7–1170 萬公頃土地，摧毀了 4.5–6 百萬公頃物種豐富的龍腦香林（包括 1.5–210 萬公頃泥炭土）。估計 1997-98 年泥炭地火災產生的碳排放量為 0.81-2.57 Pg，相當于全球化石燃料年排放量的 13-40% [來源互聯網]

泥炭地是濕地的一種，是地球上最有價值的生態系統之一。它們對于保護全球生物多樣性、提供安全飲用水、最大限度地降低洪水風險和幫助應對氣候變化至關重要。

受損的泥炭地是溫室氣體排放的主要來源，每年釋放出近6% 的全球二氧化碳排放量。因此，泥炭地恢復可以顯著減少排放。

泥炭地的重要性

泥炭沼澤森林是熱帶泥炭地中的低地植被，那里的大部分動植物都以獨特的方式適應了環境——即澇漬和酸性水。泥炭沼澤很重要，原因有很多，主要是作為淡水來源、防洪、碳匯和儲存，以及保護生物多樣性。

不幸的是，西歐已經失去了近 90% 的泥炭地，而中歐只有 50% 的功能性泥炭地。在亞洲，70% 的泥炭沼澤已經消失。現在，保護和恢復泥炭地比以往任何時候都更重要，這是造福地球及其居民的一項重要努力。

1. 泥炭地作為碳匯

關于泥炭地的一個非常令人驚訝的事實是，這些森林儲存了陸地上所有碳的大約 30%。這大約是 5000 億噸碳！僅東南亞的泥炭地就擁有世界上 14% 或大約 680 億噸的碳。確保泥炭地中的碳不受干擾是調節氣候的關鍵，因為管理不當的泥炭地會導致大量碳釋放到空氣中，即使是基礎科學也會告訴你這是非常非常糟糕的。

2. 泥炭地和水調節

除了儲存大量碳外，泥炭地還含有土壤中大約 90% 的水，儲存在腐爛的多孔有機物（干樹葉等）中。這使森林地面呈現出一種泥濘的質地，通常與沼澤和沼澤有關，這兩種泥炭地都是不同類型的。

健康、濕潤的泥炭地吸收大氣中的污染物，包括氮、二氧化硫、重金屬和碳。這些污染物使泥炭土呈酸性。由于污染物被吸收到土壤中，從泥炭地流入地下或河流的水變得干凈——就像一個天然的過濾系統。

當泥炭地被排干時，它就不能很好地調節大氣中的污染物，這將導致水中的碳含量增加。含碳量高的水需要經過處理才能安全使用，處理過程既昂貴又會產生有害的副產品。

除了調節污染物外，泥炭地還調節多余的水。泥炭地可以減少下游洪水，因為它像海綿一樣吸收多余的水。在旱季，泥炭地會緩慢釋放水分，從而確保周圍社區的淡水來源。泥炭地是灌溉、水電、娛樂、水產養殖和清潔水源的重要蓄水池。

排水過程

排水背后的原因

很明顯，泥炭地的排水是一個嚴重的問題，對氣候變化有直接影響。雖然一些泥炭地正在自然排水，但在許多國家，它們的排水是因為我們。

在東南亞，泥炭地已被排干以改造成種植園（用于棕櫚油和紙漿）；在歐洲和北美，低地泥炭地已被排干以種植蔬菜、谷物和牲畜牧場。

迄今為止，農業、林業和采礦業已經影響了地球上約 25% 的泥炭地。雖然北美和俄羅斯的巨大泥炭地的大部分仍然相對完好，但在歐洲、中亞和東南亞、阿根廷和智利的許多地區，泥炭地已經嚴重退化。人們越來越關注保護和恢復泥炭地，以保護現有的碳庫，幫助緩解氣候變化，并保護生態系統效益。

排水和泥炭火

正如您在上面的排水過程中看到的那樣，干燥的泥炭地容易著火并加速排水過程。

人工智能如何幫助保護泥炭地？

如果到目前為止您一直在關注這篇文章，您就會意識到干燥的泥炭地很容易發生火災。當著火甚至泥炭地變干時，它會將所有二氧化碳釋放到大氣中。有時人類故意放火燒毀泥炭地以擴大耕地。人工智能可以幫助預測泥炭地何時干燥或著火，收集傳感器數據，如土壤水分含量、空氣中的二氧化碳排放量、溫度升高，然后分析這些數據以預測干旱、火災等情況。

根據早期預測，我們可以采取一些預防和主動措施，例如在泥炭地燃燒之前將火撲滅或在泥炭地干燥時重新潤濕泥炭地。

泥炭守衛

介紹 Peat Guard - 一種在 Quick Feather 板上運行 tinyML 模型的太陽能設備，配備土壤濕度傳感器、模擬溫度傳感器和 MQ7 CO2 氣體傳感器。有一個LoRa節點——Heltec Wireless Stick Life，它將 UPLINK 數據發送到Helium ，People Network 將數據饋送到Ubidots儀表板。

我將從這里深入探討，詳細解釋我的設備的不同組件。

Quick Feather Board 和 SensiML

SensiML Analytics Toolkit 套件可自動執行創建優化的 AI IoT 傳感器識別代碼的過程的每個步驟。整個工作流程使用不斷增長的高級 ML 和 AI 算法庫來生成代碼，這些代碼可以在開發階段或部署后從新數據中學習。

。

QuickFeather 基于開源硬件，與Adafruit Feather外形規格兼容，并圍繞 100% 開源軟件（包括 Symbiflow FPGA 工具）構建。

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

• GigaDevice 16-Mbit 閃存 #GD25Q16CEIGR
• mCube MC3635加速度計
• 英飛凌DPS310壓力傳感器
• 英飛凌IM69D130 PDM 數字麥克風
• 由 USB 或單節鋰聚合物電池供電
• 集成電池充電器
• 與可編程邏輯相關的 USB 數據信號

有關此板的更多信息，請訪問https://www.quicklogic.com/products/eos-s3/quickfeather-development-kit/ 。

通過 SensiML 數據捕獲實驗室 (DCL) 收集數據

在開始收集數據之前，您需要將 I2C 傳感器連接到 Quick Feather 板并在軟件中進行一些修改。你會在這個項目的代碼部分找到我的代碼。我建議您訪問此教程頁面，您將在其中獲得非常有用的教程，以開始使用新的 I2C 傳感器和數據收集過程。

您可以在上圖中看到我如何將 3 個傳感器與 Quick Feather 板連接起來并開始收集數據。我在 Huzzah ESP32 上堆疊了 QF，這樣我就可以通過 WiFi 捕獲數據。

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 訓練您的模型

收集到足夠的數據并進行細分后，前往Analytic Studio訓練您的模型。

將知識包與固件集成

按照Chris Knorowski在 youtube 上發布的這個不錯的教程進行操作，或者按照以下簡單步驟進行操作。

• 從 SesniML 分析工具下載知識包。
• 整個復制qf_ssi_ai_app為qf_ssi_ai_myapp（不想弄亂現有的應用程序）
• 進入qf_ssi_ai_myapp文件夾并刪除knowledgepack文件夾
• 解壓縮下載的 KP，您將看到一個名為knowledgepack_project. 將此文件夾復制到qf_ssi_ai_myapp并重命名為knowledgepack
• 打開 sensor_ssss.h 文件并設置SENSOR_SSSS_RECOG_ENABLED為 1 和SENSOR_SSSS_LIVESTREAM_ENABLED0
• 從中刪除output文件夾qf_ssi_ai_myapp
• 使用 make 命令構建程序
• 這將生成output/bin/qf_ssi_ai_myapp.bin文件
• 閃存文件，你很高興！

故障排除

如果您在編譯 KP 庫時看到“dcl_commands.h: No such file or directory”，那么您和我在同一頁面上。您需要刪除該頭文件并在 sml_recognition_run.c 文件中包含“sensor_ssss.h”。方法 sml_recognition_run_batch 和 sml_recognition_run_single 可能帶有空實現。您需要提供實現。簽出代碼部分以供參考。查看以下鏈接以獲取更多信息

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

在您編譯并燒寫 bin 到您的 QF 板上后，您可以連接到 SensiML 網關應用程序以測試識別。

將數據發送到 Helium 網絡

Helium 是世界上第一個點對點無線網絡，它為低功耗物聯網設備提供安全且經濟高效的方式來向互聯網發送數據和從互聯網發送數據。該網絡使公司能夠專注于應用程序和用例，而不用擔心設備的蜂窩計劃或管理網絡基礎設施。為了快速比較成本，讓我們舉個例子。

每分鐘發送一次 GPS 坐標，您每月只需花費43美分！是的，只有 43 美分，而使用普通 GSM 則需要 5 美元以上。

我使用低功耗 Heltec Wireless Stick Life 作為 LoRa 節點，它每 2 分鐘向氦氣網絡發送一次數據。有關 Arduino 草圖，請參見下面的代碼部分。另請查看我的項目以獲取有關如何開始使用氦網絡的更多信息。

將氦氣與 Ubidots 集成

很高興看到數據進入 Helium 控制臺，但您會用它做什么？您需要某種儀表板來可視化數據和預測。我決定使用 Ubidots STEM，這是迄今為止我遇到的免費且最優雅的儀表板解決方案。

從 Helium 控制臺向 Ubidots 發送數據非常簡單直接。按照本教程進行操作。

重要的是在發送到 Ubidots 之前解碼消息。我在 helium 控制臺中創建了一個解碼器函數，用于從字節數組中提取數據并轉換為 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 儀表盤上可視化數據都很好。但是，誰會一直盯著屏幕，在預測會發生火災時采取行動呢？這是個好消息！Ubidots 可以通過電子郵件、文本甚至Slack 發送實時警報。

觀看和諧

?

?

X因素

1.低功耗

Heltec Lora 節點每 2 分鐘喚醒 10 秒，并為傳感器和 QF 板供電。這顯著節省了電力。使用 5000mA 鋰聚合物電池，它可以運行設備幾天。

2. 太陽能

除了低功耗外，LiPo 電池在白天通過太陽能充電，使設備可以運行很長時間而無需更換電池或插入任何電源插座。

3. 沒有手機/WiFi

無需蜂窩或 wifi 連接，這大大降低了數據傳輸成本。該設備使用 LoRaWan 協議將數據發送到 Helium Network。