University of Oulu

Low cost sensory modeling approach for environmental monitoring and sustainability

Saved in:
Author: Nasim, Sofeem1,2
Organizations: 1University of Oulu Graduate School
2University of Oulu, Faculty of Information Technology and Electrical Engineering, Computer Science and Engineering, Center for Machine Vision and Signal Analysis (CMVS)
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 3.4 MB)
Persistent link: http://urn.fi/urn:isbn:9789526238708
Language: English
Published: Oulu : University of Oulu, 2023
Publish Date: 2023-10-31
Thesis type: Doctoral Dissertation
Defence Note: Academic dissertation to be presented with the assent of the Doctoral Programme Committee of Information Technology and Electrical Engineering of the University of Oulu for public defence in the Wetteri auditorium (IT115), Linnanmaa, on 7 November 2023, at 2 p.m.
Tutor: Associate Professor Mourad Oussalah
Professor Bjørn Kløve
Reviewer: Professor Philip Brunner
Associate Professor Bartosz Baliś
Opponent: Professor Miadreza Shafiekhah
Description:

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.

see all

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.

see all

Osajulkaisut / Original papers

Osajulkaisut eivät sisälly väitöskirjan elektroniseen versioon. / Original papers are not included in the electronic version of the dissertation.

  1. 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

    Rinnakkaistallennettu versio / Self-archived version

  2. 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.

    Rinnakkaistallennettu versio / Self-archived version

  3. 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

    Rinnakkaistallennettu versio / Self-archived version

  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

    Rinnakkaistallennettu versio / Self-archived version

see all

Series: Acta Universitatis Ouluensis. C, Technica
ISSN: 0355-3213
ISSN-E: 1796-2226
ISSN-L: 0355-3213
ISBN: 978-952-62-3870-8
ISBN Print: 978-952-62-3869-2
Issue: 906
Type of Publication: G5 Doctoral dissertation (articles)
Field of Science: 218 Environmental engineering
Subjects:
Copyright information: © University of Oulu, 2023. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.