Smokey Bear har stort sett rett – du kan bidra til å forhindre skogbranner – men alt er ikke opp til deg. Bruke brannsikre byggematerialer, etablere vegetasjonsfri “tenningssoner,” og unngå brannrelaterte aktiviteter når det er varmt, tørt og blåser er handlinger som ideelt sett alle kan ta.
Det vitenskapelige samfunnet har også en forebyggende rolle å spille rundt naturkatastrofer, urbanisering og klimaendringer. Nylige fremskritt på dette området, som forsøk på å forutsi brannatferd før det blir uhåndterlig, er resultatet av et ambisiøst prosjekt for å bygge et kontinentdekkende nettverk av intelligente sensorer som overvåker miljøendringer.
De Sage prosjekthvorav University of Utah er en partnerinstitusjon, er en $9 millioner National Science Foundation (NSF)-finansiert initiativ lansert i 2019 og ledet av forskere ved Northwestern-Argonne Institute of Science and Engineering (NAISE), et samarbeid mellom Northwestern University og det amerikanske energidepartementets Argonne National Laboratory. Andre Sage-partnere inkluderer University of Colorado, University of California-San Diego, Northern Illinois University og George Mason University.
“Sage er neste generasjons programvareinfrastruktur som er fleksibel nok til å imøtekomme både by- og miljøovervåking,” sa Og ReedPh.D., professor i beregningsvitenskap ved U; leder av National Science Board (NSB), NSFs politiske organ; og Sage-prosjektets sjefsarkitekt.
Manish Parashar, Ph.D., direktør for U’s Scientific Computing and Imaging (SCI) Institutei mellomtiden, overvåker et forsøk på å skrive kode for planleggings- og analysefunksjoner på de tre U-opprettholdte sensornodene – en ved Taft-Nicholson Environmental Humanities Center i Lakeview, Montana; en på toppen 102 Tower i sentrum av Salt Lake City; og en på taket av Rio Tinto Center, som huser Natural History Museum of Utah (NHMU).
Da Reed presenterte prosjektet for U’s Council of Academic Deans, sa NHMUs administrerende direktør Jason Cryan at han “umiddelbart la opp hånden min for å tilby NHMU som et potensielt første installasjonssted for Utah.”
Ideen bak Sage er å flytte avanserte maskinlæringsalgoritmer til “kantberegning.” Den tradisjonelle metoden innebar utplassering av sensorer og innsamling av data senere. Tidligere systemer kan lagre data på harddisker hentet fra sensorer noen ganger i året eller laste opp bare en brøkdel av data til en skyserver gjennom en treg trådløs tilkobling. Edge computing, derimot, lar data analyseres og måles nesten umiddelbart, av instrumenter nær eller ved datainnsamlingsstedet. Sage-enheter, forklarte Reed, behandler bilder, lyd, vibrasjoner og andre data for å lage målinger som ikke like enkelt kan oppnås fra konvensjonelle sensornettverk.
Sage-prosjektet er sterkt avhengig av erfaringer fra Array of Things (AoT) prosjektdel av initiativ til smarte byer kunngjort i 2015 av tidligere president Barack Obama. AoT utnytter en åpen kildekode intelligent sensing og edge computing plattform kalt Waggleutviklet kl Argonne National Laboratory.
Primært finansiert av NSF, var AoT et samarbeid mellom forskere, universiteter, føderale og lokale myndigheter, industripartnere og lokalsamfunn for å samle inn sanntidsdata om urbane miljøer. AoT var ideen til Charlie Catlett, en senior dataforsker i Argonne’s Avdeling for matematikk og informatikk (MCS).Sage co-hovedetterforsker, og Reeds mangeårige venn og kollega.
Catletts visjon var å skape en “fitness tracker for byen”: et stort nettverk av rimelige sensorer plassert over hele Chicago som er i stand til å måle alt fra urbane varmeøyer til støyforurensning.
«Når du tenker på måten vi tradisjonelt har drevet med samfunnsvitenskap på, går folk ut og gjennomfører undersøkelser. Når du spørre folk, sier de noen ganger det de tror du vil høre,” sa Reed. «Det er litt som om legen din råder deg til å spise et bedre balansert kosthold og trene mer, noe som ender opp med å bli et løfte de fleste av oss gir og bryter i det øyeblikket vi forlater legekontoret. Med AoT ble ideen, i stedet for undersøkelser, hvorfor måler vi ikke bare hva som virkelig skjer?»
Reed sa at å få AoT-prosjektet i gang krevde en betydelig mengde samfunnsdiskusjoner om akseptabel bruk av data “fordi det å sette opp kameraer midt i byen ikke akkurat inspirerer til tro i samfunnet.”
“En av de avtalte reglene var at rå bilder aldri ville forlate kameraene, bare utledet og anonymisert statistikk,” sa Reed. “Den andre erkjennelsen var at volumet av data er for stort til å skyve tilbake til det sentrale nettstedet, så det å kunne utføre edge AI reduserte båndbreddekravene samtidig som det tillot større personvern.”
Sage cyber-infrastruktur kobler små, kraftige datamaskiner direkte til noder, hvorav de fleste har høyoppløselige kameraer (inkludert et termisk kamera), mikrofoner, værmålinger og luftkvalitetssensorer, og sender informasjonen tilbake til sentrale servere. Det distribuerte systemet lar forskere analysere og reagere på enorme mengder data raskt, uten å måtte overføre alt tilbake til laboratoriet.
Selv om Sage-enheter er ment å måle miljøendringer lokalt og regionalt, er sensorer ofte følsomme nok til å oppdage endringer tusenvis av kilometer unna. For eksempel sa Reed at Sage-sensorer oppdaget lufttrykkbølgen fra en vulkanutbrudd i Tonga som produserte den største atmosfæriske eksplosjonen i registrert historie.
I tillegg til U-opprettholdte noder, fortsetter Sage-teknologien å bli testet i AoT-miljøer; University of California-San Diego’s WIFIRE-prosjekt, som gir sanntids skogbrannforebygging og responsdata ved rundt 80 tårn over hele det sørlige California; og NSF National Ecological Observatory Network (NEON)en rekke hundrevis av terrestriske og akvatiske målesteder over hele USA som samler inn data om planter, dyr, jord, vann og atmosfæren.
“NEON leverer økologiske ekspertdata fra steder over hele kontinentet for å drive den viktigste vitenskapen som gjøres i dag,” sa Reed. “NEON er avgjørende for å spore og forstå hvordan menneskelige aktiviteter påvirker lokal flora og fauna ettersom miljøet har endret seg.”
En kort oversikt over Sage-sensornoder (kilde: Dan Reed)
- Hver node kjører på trådløse eller kablede Ethernet-tilkoblinger, eller Starlink, alternativet med høyeste båndbredde ved Taft-Nicholson Center.
- Nodene sender med jevne mellomrom data tilbake til Waggle-plattformen og annen Argonne-vertsbasert infrastruktur.
- Et dashbord med sanntidsinformasjon viser stillbilder tatt opp av et topp- og bunnkamera, infrarøde visninger, 30-sekunders lydbiter og miljøforhold, som trykk, temperatur og fuktighet.
- Sensorer administreres av Raspberry Pi-mikrokontrollere og en Nvidia-grafikkbehandlingsenhet (GPU)-drevet AI-motor, med plug-in-kontakter som kan støtte flere sensorer.
- Kode kan planlegges til å kjøre på noder.
- Nodene utfører utallige miljøovervåkingsoppgaver, fra å oppdage endringer i luftkvalitet og værmønstre til å gjenkjenne forskjellige arter av fugler og deres trekkvaner.
Reed er også begeistret for Sages potensial for å “engasjere K-12-studenter i ekte borgervitenskap.”
“Nodene har steder hvor unge mennesker kan plugge inn sine egne lavprissensorer,” sa Reed. “Se for deg at elevene også samhandler med denne teknologien, og blir begeistret av ideen om at de kan gjøre ekte vitenskap, skrive kode, bygge sensorer og fange data i sanntid, i stedet for å bare lese eksempler i en lærebok.”