پایش هوشمند جنگل ها با استفاده از شبکه های حسگر بی سیم (WSN) و تحلیل داده های زیست محیطی

هدف پژوهش: جنگل ها از مهم ترین اکوسیستم های طبیعی بوده و نقش اساسی در تنظیم چرخه کربن، حفظ تنوع زیستی و تعدیل اقلیم دارند. افزایش آتش سوزی ها، خشکسالی و تغییرات انسانی ضرورت توسعه سامانه های پایش هوشمند را روشن ساخته است. هدف این پژوهش، ارائه چارچوبی کارآمد برای پایش بلادرنگ جنگل با استفاده از شبکه های حسگر بی سیم (WSN) و تحلیل داده های زیست محیطی است. روش پژوهش: در این مطالعه، شبکه ای شامل ۸۰ گره حسگر با قابلیت اندازه گیری دما، رطوبت نسبی، دود، CO₂، سرعت باد و رطوبت خاک طراحی شد. داده ها در بازه های پنج دقیقه ای جمع آوری و پس از پیش پردازش، با الگوریتم های SVM، Random Forest و LSTM تحلیل شدند. شبیه سازی عملکرد شبکه در محیط NS۲ و تحلیل داده ها در MATLAB و GIS انجام گرفت. یافته ها: یافته ها نشان داد مدل Random Forest با دقت ۹۲٪ بهترین عملکرد را در تشخیص آتش سوزی داشته و مدل LSTM توانست تغییرات محیطی را با خطای کمتر از ۰٫۰۸ پیش بینی کند. همچنین استفاده از داده های چندحسگری، نرخ هشدارهای غلط را به طور قابل توجهی کاهش داد. بحث: ترکیب WSN با تحلیل هوشمند داده ها موجب افزایش سرعت تشخیص، کاهش خطا و ارتقای کیفیت پایش شد. تحلیل مکانی–زمانی نیز توانست نواحی پرخطر را قبل از وقوع بحران شناسایی کند. نتیجه گیری: نتایج نشان می دهد سامانه پیشنهادی می تواند ابزاری موثر برای مدیریت هوشمند جنگل ها باشد. توسعه سیستم با انرژی خورشیدی، پهپاد و ارتباطات LoRaWAN پیشنهاد می شود.

کلیدواژه ها:

پایش جنگل ، شبکه حسگر بی سیم ، تحلیل داده های زیست محیطی ، یادگیری ماشین ، تشخیص آتش سوزی ، سری زمانی ، مدل های پیش بینی