電子發(fā)燒友網(wǎng)>電子資料下載>電子資料>造林輔助工具包:更簡單有效的造林

造林輔助工具包:更簡單有效的造林

2076062 2022-11-14 | zip | 0.03 MB | 次下載 | 免費

資料介紹

描述

動機

氣候變化已成為一項全球性挑戰(zhàn)，也是當(dāng)代乃至未來幾代人面臨的最大挑戰(zhàn)之一。氣候變化是颶風(fēng)、野火、超級干旱等自然災(zāi)害背后的主要原因。氣候變化背后的主要原因之一是森林砍伐。森林砍伐是由于野火、人類住區(qū)擴張、資源快速砍伐、農(nóng)業(yè)活動等造成的森林覆蓋減少。森林在碳封存中起著至關(guān)重要的作用。森林的破壞以及植物和土壤等生物質(zhì)的最終退化是二氧化碳和其他溫室氣體排放的第二大貢獻者。這最終導(dǎo)致越來越多的溫室氣體進入大氣，進一步加劇了這個問題。此外

森林砍伐導(dǎo)致雨林和泥炭地等最能有效捕獲大氣二氧化碳的生態(tài)系統(tǒng)面積減少，
根據(jù)世界銀行的數(shù)據(jù)，從 1990 年到 2016 年，世界失去了 502, 000 平方英里（130 萬平方公里）的森林——面積比南非還大，
在過去的 50 年里，大約17%的亞馬遜雨林遭到破壞，而且最近損失還在增加，
截至2019 年，森林砍伐約占全球溫室氣體排放量的11% 。

顯然，森林是應(yīng)對氣候變化的關(guān)鍵。有許多預(yù)防方法可以對抗森林砍伐。但治療性解決方案同樣重要。造林，包括造林（創(chuàng)造新的森林覆蓋）和重新造林（在受毀林影響的地區(qū)重新種植），是最簡單但最重要的解決方案。

什么是造林？

造林首先是在自然有樹木（重新造林）或自然缺乏任何森林（造林）的地區(qū)種植樹木。這涉及確定合適的位置，并分析不同的因素，如土壤質(zhì)量、氣候、本地生物多樣性和人類活動。通過細致的分析和遵循著名的“宮脅方法”（大阪大學(xué)Akira Miyawaki博士）、整體計劃放牧（Alan Savory教授）等有效的造林技術(shù)，許多地方的森林覆蓋物已經(jīng)恢復(fù)或發(fā)芽，導(dǎo)致

增加土壤肥力和地下水保持力
增加當(dāng)?shù)厣锒鄻有?/font>

更多的自然資源、更清潔的空氣以及隨之而來的更好的健康

但挑戰(zhàn)是...

有效的造林有一定的學(xué)習(xí)曲線。需要環(huán)境科學(xué)、動物學(xué)、植物學(xué)等領(lǐng)域的必要科學(xué)知識，以確保正在種植的森林能夠長期存在并且不會對當(dāng)?shù)氐纳锒鄻有援a(chǎn)生任何不利影響。例如，始于 1978 年的中國“綠墻”倡議，從戈壁沙漠開始防治荒漠化。已經(jīng)看到了一些積極的影響，例如

減緩荒漠化，以及
沙塵暴頻率下降

但是，也有一些問題是由不當(dāng)?shù)脑炝肿龇ㄒ鸬摹?/font>許多種植在不自然生長的地方的樹木，幾年后就會枯萎。那些存活下來的植物會吸收大量原生草和灌木所需的地下水，從而導(dǎo)致更多的土壤退化。如果在這種情況下造林持續(xù)超過土地的承載能力，它將導(dǎo)致樹木最終死亡。因此，重要的是要容易且容易地獲得必要的知識，以確保此類造林工作取得成果。

另一個挑戰(zhàn)是技術(shù)知識阻礙了普通人在植樹造林工作中發(fā)揮獨立積極的作用。科學(xué)知識不是每個人都能理解的，可能會引起人們的猶豫。確保成功造林所需的技術(shù)知識對普通人來說是不容易獲得的，他們希望獨立地去各個地方植樹，以取得最好的結(jié)果。

所以現(xiàn)在怎么辦？

關(guān)于適當(dāng)造林的影響因素有足夠的數(shù)據(jù)。通過對與造林相關(guān)的科學(xué)的一般理解，如土壤特征、天氣條件、空氣質(zhì)量等，并利用所有相關(guān)的科學(xué)數(shù)據(jù)，我們可以構(gòu)建一個基于機器學(xué)習(xí)的解決方案，不僅可以使造林工作快速有效，而且也簡化了流程。該解決方案可以讓基于機器學(xué)習(xí)模型的軟件針對實時傳感器數(shù)據(jù)（例如來自 PH 傳感器或濕度傳感器或空氣質(zhì)量傳感器的數(shù)據(jù)）運行，以提供數(shù)據(jù)驅(qū)動的推薦. 該建議將告訴我們，在給定的環(huán)境中，建議種植哪種樹，這樣種植的樹木才能健康，并對當(dāng)?shù)丨h(huán)境產(chǎn)生積極影響。

該解決方案將有所幫助

1.專業(yè)人員，通過減少分析和決策時間，幫助他們更快、更高效、更有效地工作，以及

2.普通人，通過簡化造林過程，并希望激勵更多的人自己做。

這是基于機器學(xué)習(xí)的解決方案，是我的項目“造林援助工具包”的核心。

造林輔助工具包（第一個原型）

什么是造林援助工具包？

Forestation Assistance Kit是一個ML on Edge解決方案，旨在就在某個地點種植哪些樹木提出合理的數(shù)據(jù)驅(qū)動建議，從而使 Forestation 變得簡單、快速和有效。

我構(gòu)建的原型使用 Quicklogic 的Quickfeather和 Particle Photon作為大腦。使用的三個傳感器是 -花園 PH 計（由于鎖定而無法獲得合適的 PH 套件）、電容式土壤濕度傳感器和MQ135 空氣質(zhì)量傳感器。我通過拔出模擬信號引腳并將其發(fā)送到 Photon 來使用 Garden PH Meter 進行處理。我還使用Adafruit ADS1015 ADC通過I2C將模擬傳感器數(shù)據(jù)發(fā)送到 Quickfeather。整個系統(tǒng)由9V電池供電，通過7805晶體管調(diào)節(jié)至5V，帶有搖臂開關(guān)，非常適合用例，因為我們的目標(biāo)是在收到推薦之前2-3 分鐘的有限操作。

1 / 8 ?帶有 USB-TTL 轉(zhuǎn)換器的 Quickfeather

對于我的用例，我的目標(biāo)是 3 棵樹 - Banyan、Neem和Peepal 。榕樹是非常有名的印度樹，具有宗教意義。印楝具有許多草藥益處，并且被稱為是一種空氣凈化樹。Peepal也是印度一種非常普遍的樹。這些樹在我所在的地區(qū)很常見，所以這就是我針對它們的原因。我繼續(xù)研究了哪種土壤和空氣條件最適合每種植物。根據(jù)我的發(fā)現(xiàn)，榕樹需要高水分，印楝適合空氣質(zhì)量差的地區(qū)，而Peepal在堿性土壤中生長良好。

對于您選擇的植物，可以遵循類似的過程。

硬件組裝

將 Photon 和 Quickfeather 放在面包板上并在它們之間連接接地引腳
將 Photon 的 3.3V 和 Gnd 連接到水分和氣體傳感器和 ADS1015
將水分和氣體傳感器的模擬引腳分別連接到 ADC 的 A1 和 A2 引腳
通過打開背面并焊接一些電線來拉出 PH 計的模擬引腳。將模擬正極連接到 Photon 上的 A0 引腳。然后將 Photon 的 DAC 引腳連接到 ADC 的 A0 引腳。
將 I2C 引腳從 ADC 連接到 Quickfeather..
將 Quickfeather 的 UART 引腳連接到 Photon 的 UART1 端口（TX 和 RX 引腳）。

主要電子設(shè)備（請原諒磁帶、破舊的跳線和損壞的 Quickfeather）

對于電源，將 7405 放在面包板上，并在輸入接地引腳上并聯(lián)一個電容器。然后將輸出和接地引腳連接到 Photon 上的 Vin 和接地引腳。
將 7405 輸出連接到 Quickfeather 上的 VBat 引腳
取一個 9V 電池連接器并將正極連接到分接開關(guān)。將分接開關(guān)的另一端連接到 7405 的輸入引腳。連接電池連接器和 7405 的接地。

動力

在這里，我使用跳線連接器連接電源部分和主要電子設(shè)備。這就是結(jié)果！

通電的主要電子設(shè)備（有點亂，但工作正常）

現(xiàn)在進入軟件工作！

軟件工作

對于Photon ，可以在鏈接的 Github 存儲庫中找到代碼。建議通過 Particle Web IDE 進行編程，詳細信息請參見此處。該代碼非常不言自明。基本上，程序設(shè)置了一些變量，等待 2 分鐘讓 MQ135 傳感器升溫，然后從 Garden PH 計讀取模擬讀數(shù)。然后將其轉(zhuǎn)換為 2 個模擬 PH 值（100 或 4000）之一，以指示土壤的性質(zhì)。然后它通過它的 DAC 引腳輸出該信號。然后它讀取結(jié)果從 Quickfeather 上運行的 ML 模型，對其進行處理并輸出 ML 模型推薦的樹的名稱，可以通過Particle IOT App或通過您的粒子帳戶的用戶控制臺讀取。

對于軟件的 Quickfeather 方面，您有必要在此處閱讀 Quicklogic 人員提供的指南。然后通過這個Hackster 項目實際嘗試如何使用 Quickfeather 的軟件。此外，要更好地了解 SensiML 軟件，請查看他們的教程系列。

首先下載給定的 Qorc-Sdk 并執(zhí)行完整的設(shè)置。我們將使用 qf_apps 文件夾中的 qf_ssi_ai_app 項目。
下一步是為樹識別 ML 模型執(zhí)行數(shù)據(jù)收集和標(biāo)記。我們首先需要對 qf_ssi_ai_app 項目的文件進行一些修改。您可以按照說明簡單地替換我在下面的 GitHub 中提供的文件。
在更改之后，構(gòu)建可執(zhí)行文件并將其刷新到 Quickfeather（如Quicklogic 的優(yōu)秀人員在此處提供的詳細 GitHub 文檔中給出的那樣）。
無需更改設(shè)備插件文件，因為我們使用 3 個模擬通道，與板載 IMU 相同。
將 USB-TTL（套件中提供的 CP2101）轉(zhuǎn)換器連接到 Quickfeather 的 UART 引腳，以將傳感器數(shù)據(jù)流式傳輸?shù)?SensiML 數(shù)據(jù)采集實驗室。
接收到傳感器數(shù)據(jù)后，繼續(xù)記錄數(shù)據(jù)并將其保存在您的 SensiML 項目中。
繼續(xù)為您所針對的不同類型的樹標(biāo)記數(shù)據(jù)。