Low cost sensory modeling approach for environmental monitoring and sustainability
Nasim, Sofeem (2023-10-31)
https://urn.fi/URN:ISBN:9789526238708
Kuvaus
Tiivistelmä
Abstract
Modern climate change is subjugated by human influences, which have grown to be significant enough to overshadow natural variability and considered as main driver for current environmental negative impacts. To cater such issues proper environment monitoring systems are required. Currently, applications of remote sense technologies (Lidar, InSar, Sar etc.) emerged as one of the core sources for sensing various environ- mental and ecological parameters (vegetation height, snow coverage, water density etc.). However, such methods are often proven insufficient in covering large area landscapes due to high demands in cost labour and time. In contrary, the emergence of Internet of things, advancement in sensor technologies and crowdsourcing applications gave new perspective towards monitoring and evaluating a range of environmental related factors at relatively low cost. However, this perspective is still in premature stage and requires a suitable exploration. On other hand, urban development caused increased traffic congestion and pollution, which diminish the quality of life within cities. This study aims to contribute to the issue by developing a novel approach that builds upon a set of small-scale pilots tailored around estimation of environmental parameters, like vegetation index, snow coverage and mobility patterns. In our approach, we will utilize ubiquitous, low-cost sensors and collective sensing strategy to overwhelm costs related challenges. We will propose a solutions that intend to facilitate and reduce the cost of ecological monitoring and environmental sustainability planning tasks. In addition, we will present a demonstration of smart parking system using smart sensors which contributes to using traffic congestion and improving wellbeing standards.
Tiivistelmä
Moderni ilmastonmuutos on ihmisen vaikutusten alainen, ja ne ovat kasvaneet merkittäviksi tarpeeksi, jotta ne peittäisivät luonnollisen vaihtelun alleen ja niitä pidetään nykyisen ympäristöhaitan pääasiallisena syynä. Tällaisten ongelmien ratkaisemiseksi tarvitaan asianmukaisia ympäristönvalvontajärjestelmiä. Tällä hetkellä etäisyystunnistusteknologian sovellukset (Lidar, InSar, Sar jne.) ovat nousseet yhdeksi keskeisistä lähteistä erilaisten ympäristö ja ekologisten parametrien (kasvillisuuden korkeus, lumipeite, veden tiheys jne.) tunnistamiseen. Kuitenkin tällaiset menetelmät ovat usein riittämättömiä suurten alueiden kattamiseen korkeiden kustannusten, työvoiman ja ajan vuoksi. Toisaalta esineiden internetin (IoT) esiinmarssi, anturiteknologioiden kehitys ja joukkoistamissovellukset ovat antaneet uuden näkökulman ympäristöön liittyvien tekijöiden seurantaan ja arviointiin suhteellisen alhaisilla kustannuksilla. Tämä näkökulma on kuitenkin vielä alkuvaiheessa ja vaatii sopivaa tutkimista. Toisaalta kaupungistuminen on lisännyt liikennetukkoisuutta ja saastumista, mikä heikentää elämänlaatua kaupungeissa. Tämä tutkimus pyrkii osaltaan ratkaisemaan ongelmaa kehittämällä uudenlaisen lähestymistavan, joka perustuu joukkoon pienimuotoisia pilottihankkeita, jotka on suunniteltu ympäristöparametrien, kuten kasvillisuusindeksin, lumipeitteen ja liikkuvuuskuvioinnin, arvioimiseen. Lähestymisessämme hyödynnämme yleisesti saatavilla olevia, alhaisia kustannuksia aiheuttavia antureita ja joukkohavaintojen strategiaa, jotta voidaan voittaa kustannuksiin liittyviä haasteita. Ehdotamme ratkaisuja, jotka on tarkoitettu helpottamaan ekologisen seurannan ja ympäristön kestävyyssuunnittelun tehtävien kustannuksia ja vähentämistä. Lisäksi esittelemme älykkään pysäköintijärjestelmän demon, joka käyttää älykkäitä antureita ja edistää liikennetukkoisuuden vähentämistä ja hyvinvointistandardien parantamista.
Original papers
Original papers are not included in the electronic version of the dissertation.
Nasim, S., Oussalah, M., Klöve, B., & Haghighi, A. T. (2020). Vegetation height estimation using ubiquitous foot-based wearable platform. Environmental Monitoring and Assessment, 192(12), 774. https://doi.org/10.1007/s10661-020-08712-5
Nasim, S., Oussalah, M., Torabi, H. A., & Klove, B. (2019). Snow depth classification using MultiSensory ubiquitous platform and machine learning. In Conference of Open Innovations Association FRUCT, 546–551.
Nasim, S., Oussalah, M., Klöve, B., & Haghighi, A. T. (2022). Machine learning model for snow depth estimation using a multisensory ubiquitous platform. Journal of Mountain Science, 19(9), 2506–2527. https://doi.org/10.1007/s11629-021-7186-4
Nasim, S., Oussalah, M., Outila, T., & Jutila, J. (2022). Smart parking system with PlacePod, LoRaWAn IoT sensors and Android app. In 2022 IEEE 23rd International Conference on Information Reuse and Integration for Data Science (IRI), 278–284. https://doi.org/10.1109/IRI54793.2022.00066
Osajulkaisut
Osajulkaisut eivät sisälly väitöskirjan elektroniseen versioon.
Nasim, S., Oussalah, M., Klöve, B., & Haghighi, A. T. (2020). Vegetation height estimation using ubiquitous foot-based wearable platform. Environmental Monitoring and Assessment, 192(12), 774. https://doi.org/10.1007/s10661-020-08712-5
Nasim, S., Oussalah, M., Torabi, H. A., & Klove, B. (2019). Snow depth classification using MultiSensory ubiquitous platform and machine learning. In Conference of Open Innovations Association FRUCT, 546–551.
Nasim, S., Oussalah, M., Klöve, B., & Haghighi, A. T. (2022). Machine learning model for snow depth estimation using a multisensory ubiquitous platform. Journal of Mountain Science, 19(9), 2506–2527. https://doi.org/10.1007/s11629-021-7186-4
Nasim, S., Oussalah, M., Outila, T., & Jutila, J. (2022). Smart parking system with PlacePod, LoRaWAn IoT sensors and Android app. In 2022 IEEE 23rd International Conference on Information Reuse and Integration for Data Science (IRI), 278–284. https://doi.org/10.1109/IRI54793.2022.00066
Kokoelmat
- Avoin saatavuus [32160]