Cảm biến chất lượng không khí của EarthSense khởi động chương trình không khí thải để giảm ô nhiễm không khí của thành phố

/in /by

Vương quốc Anh: Công nghệ giám sát chất lượng không khí từ EarthSense đã cung cấp dữ liệu thời gian thực cho các thử nghiệm sử dụng các phương tiện phát thải thấp để cải thiện chất lượng không khí tại các trung tâm thành phố bị ô nhiễm. Dữ liệu, được thu thập bởi cả cảm biến giám sát chất lượng không khí di động và tĩnh Zephyr của EarthSense , được sử dụng để tự động kích hoạt hoạt động của các xe hybrid không phát thải khi chúng đi qua một số đường phố bị ô nhiễm nặng nhất.

Là một phần của Dự án ACCRA (Các phương tiện tự trị và kết nối cho Không khí sạch hơn), dữ liệu được trình bày tại Hội nghị thành phố thông minh sạch; Cải thiện chất lượng không khí thông qua đổi mới công nghệ xe, được tổ chức tại Leeds vào ngày 14 tháng 6 năm 2018.

ACCRA là một dự án mười hai tháng, dẫn đầu bởi Cenex, Trung tâm xuất sắc đầu tiên của Anh về công nghệ carbon thấp, hợp tác với Hội đồng thành phố Leeds và Hệ thống vận chuyển Catapult. Sử dụng các bộ phận của Leeds Clean Air Zone, ACCRA đã sử dụng các phép đo ô nhiễm không khí trong thời gian thực, được EarthSense chụp, để kích hoạt chế độ chạy không phát thải trong một Xe điện mở rộng phạm vi 7,5 tấn (REEV) khi vào khu vực kiểm soát được chỉ định.

Trong thời gian thử nghiệm, cảm biến EarthSense được gắn ở các vị trí chính trong trung tâm thành phố cũng như trên các phương tiện đi lại trong khu vực. Dữ liệu từ các cảm biến được sử dụng để cập nhật một mô hình chất lượng không khí, theo thời gian thực, sau đó được sử dụng để điều chỉnh lượng khí thải của xe trong các khu vực bị ô nhiễm / chiếm ưu thế nhất.

“Đây là dữ liệu thời gian thực đầu tiên sử dụng từ cả cảm biến tĩnh và di động để tạo ra một mô hình chất lượng không khí động. Mô hình này sau đó được sử dụng để xác định vùng điều khiển, điều này sẽ tự động kích hoạt phát thải bằng không chạy trên xe tải. Khu vực này có thể được điều chỉnh, về vị trí, quy mô và thời gian, phù hợp với tình trạng chất lượng không khí theo thời gian thực và phù hợp với mục tiêu dự án cụ thể, ”Tom Hall, Giám đốc điều hành của EarthSense nhận xét. “Do đó, dự án ACCRA đã tạo thành công một sự kết hợp giữa công nghệ và chứng minh tiềm năng biến đổi Trung tâm thành phố Leeds và cứu sống mà không phải trả thêm phí cho người lái xe hoặc doanh nghiệp.”

Dự án mới hoàn thành ACCRA đã phát triển các sản phẩm và các giao thức truyền thông cho phép truyền dữ liệu giữa các phương tiện plug-in và các cảm biến chất lượng không khí. Dữ liệu này sau đó được sử dụng bởi một công cụ ra quyết định để theo dõi, quản lý và kiểm soát vị trí và thời gian hoạt động phát thải bằng không của các xe lai hybrid và mở rộng phạm vi trong phạm vi trung tâm thành phố hoặc khu vực được chỉ định khác. Các đối tác dự án khác bao gồm công ty công nghệ xe tải sạch Tevva và nhà phát triển hệ thống mạng lưới giao thông Dynniq.

FIMO tham dự và trình bày tại hội thảo “Ứng dụng máy bay không người lái trong việc giám sát thảm họa, thiên tai”

/in /by

Từ ngày 02-03/07/2018, Hội thảo “Ứng dụng máy bay không người lái trong việc giám sát thảm họa, thiên tai” đã được diễn ra tại Viện khoa học Indonesia, Bandung, Indonesia. Hội thảo diễn ra với sự góp mặt của các nhà nghiên cứu đền từ các nước: Nhật Bản, Thái Lan, Phillipines và Việt Nam.

Đến từ phía Nhật Bản là các nhà nghiên cứu đến từ Đại Học Chubu (Chubu University), Viện Khoa Học và Công nghê Nhật Bản (JST). Viện nghiên cứu Quốc gia về khoa học và nghiên cứu Trái Đất (NIED).

Đến từ phía Thái Lan là các nhà nghiên cứu đền từ Trung tâm Công nghệ và Máy tính Quốc gia Thái Lan.

Đến từ phía Phillipine là các nhà nghiên cứu đến từ Viện nghiên cứu núi lửa và địa chấn học Philippine và Sở Khoa học, Công nghệ Philippine.

Từ phía Việt Nam có Trung tâm tích hợp liên ngành giám sát hiện trường, FIMO, Trường đại học Công nghệ, Đại học Quốc gia Hà Nội.

Các bên tham gia đã báo cáo về tình hình của năm 2017, đầu năm 2018 và hướng đi, kế hoạch cho cuối năm 2018 và năm 2019.

Một số hình ảnh tại hội nghị:

FIMO tham dự hội thảo TORUS lần thứ 7 tổ chức ở Đại học EISTI, Pháp.

/in /by

Từ ngày  18 đến ngày 22 tháng 06 năm 2018, hội thảo lần thứ 7 trong khuôn khổ dự án TORUS “Toward an Open Resource Upon Service”, tài trợ bởi quỹ EU Erasmus+, đã được tổ chức tại trường đại học EISTI, thành phố Pau, Pháp. FIMO đã tham dự hội thảo với tư cách thành viên của dự án. Bên cạnh đó có sự tham gia của các nhóm nghiên cứu đến từ Đại học Toulouse II, Cộng hòa Pháp; Đại học Ferrara, Cộng hòa Itali; Đại học Tự do Bỉ, Vương Quốc Bỉ; Đại học Walailak và Viện Công nghệ Châu Á, Thái Lan; Đại học Nông Lâm, Việt Nam.

Đây là hội thảo cuối cùng trong chuỗi các hội thảo của dự án được diễn ra trong giai đoạn từ 2016-2018. Tại hội thảo, các thành viên đã tổng kết lại các hoạt động của dự án, cũng như cùng nhau thảo luận, xây dựng khung cho cuốn sách sẽ được publish bởi dự án về chủ đề ứng dụng điện toán đám mây trong các nghiên cứu môi trường.

Một số hình ảnh của hội thảo.

Giáo sư Dominique phát biểu khai mạc hội thảo

 

Các thành viên tham dự hội thảo từ Đại học Quốc Gia Hà Nội và Đại học Nông Lâm

 

Giáo sư Dominique, cùng các thành viên FIMO, TS. Bùi Quang Hưng, TS. Nguyễn Thị Nhật Thanh, TS. Mẫn Quang Huy đang trao đổi về dự án

ECOSTRESS: Vệ tinh theo dõi nhiệt độ và lượng nước sử dụng của cây trồng

/in /by

Các bác sĩ tìm hiểu về sức khỏe của bệnh nhân bằng cách lấy nhiệt độ của họ. Nhiệt độ cao, hoặc sốt, có thể là dấu hiệu của bệnh. Điều tương tự cũng xảy ra với thực vật, nhưng nhiệt độ của chúng trên quy mô toàn cầu khó đo hơn nhiệt độ của từng cá nhân.

Điều đó sắp thay đổi, nhờ có một thiết bị mới của NASA sẽ sớm được lắp đặt trên Trạm vũ trụ quốc tế có tên ECOSTRESS (ECOsystem Spaceborne Thermal Radiometer Experiment on Space Station) trên Trạm vũ trụ. ECOSTRESS sẽ đo nhiệt độ của thực vật từ không gian. Điều này sẽ cho phép các nhà nghiên cứu xác định việc sử dụng nước của cây trồng và nghiên cứu các điều kiện hạn hán ảnh hưởng đến sức khỏe của cây trồng như thế nào.

Cây lấy nước từ đất, và khi chúng được làm nóng bởi Mặt trời, nước được giải phóng qua lỗ chân lông trên lá cây thông qua một quá trình gọi là thoát hơi. Điều này làm giảm nhiệt độ của cây xuống, giống như mồ hôi ở người. Tuy nhiên, nếu không có đủ nước cho cây trồng, chúng sẽ đóng lỗ chân lông để bảo tồn nước, khiến nhiệt độ của chúng tăng lên.

Thực vật sử dụng những lỗ chân lông tương tự để hấp thụ carbon dioxide từ bầu khí quyển để quang hợp – quá trình họ sử dụng để biến carbon dioxide và nước thành đường họ sử dụng làm thức ăn. Nếu họ tiếp tục gặp phải tình trạng thiếu nước, hoặc “căng thẳng nước”, họ cuối cùng chết đói hoặc quá nóng và chết.

Dữ liệu ECOSTRESS sẽ cho thấy những thay đổi của nhiệt độ cây trồng, cung cấp thông tin chi tiết về sức khỏe và sử dụng nước của chúng trong khi vẫn còn thời gian để các nhà quản lý nước điều chỉnh sự mất cân bằng nước nông nghiệp.

Simon Hook, người dẫn đầu dự ánECOSTRESS tại Phòng thí nghiệm phản lực của NASA ở Pasadena, California cho biết: “Khi một cây trồng bị stress đến mức nó chuyển sang màu nâu, thì thường quá trễ để phục hồi”. “Nhưng đo nhiệt độ của cây trồng, cho phép bạn thấy điều đó trước khi nó xảy ra.”

Các phép đo nhiệt độ này cũng được coi là chỉ báo sớm về hạn hán tiềm năng. Khi thực vật ở một khu vực nhất định bắt đầu có dấu hiệu của sự thiếu nước qua nhiệt độ cao, hạn hán có thể đang diễn ra. Có những dữ liệu này trước cho cộng đồng nông nghiệp một cơ hội để chuẩn bị và / hoặc trả lời cho phù hợp.

Mô phỏng dữ liệu nhiệt độ bề mặt đất ECOSTRESS xung quanh Biển Salton của California (khu vực màu xanh đậm, phía trên bên trái). Khu vực mát có màu xanh và màu xanh lá cây, các khu vực ấm hơn có màu vàng và đỏ. Khu vực phía nam hồ có màu xanh lá cây chủ yếu là các cánh đồng nông nghiệp, và các khu vực xung quanh khác là sa mạc. Dữ liệu nhiệt độ bề mặt đất ECOSTRESS sẽ được sử dụng để tạo ra một sản phẩm thoát hơi có thể được sử dụng để theo dõi sự căng thẳng của cây trồng
Credits: NASA / JPL-Caltech

“ECOSTRESS sẽ cho phép chúng tôi giám sát những thay đổi nhanh chóng về stress cây trồng ở diện rộng, cho phép ước tính chính xác hơn về sản lượng sẽ bị ảnh hưởng như thế nào”, Martha Anderson, một thành viên nhóm nghiên cứu khoa học ECOSTRESS thuộc Bộ Nông nghiệp Hoa Kỳ ở Beltsville, Maryland cho biết. . “Ngay cả sự căng thẳng về độ ẩm ngắn hạn, nếu nó xảy ra trong giai đoạn phát triển cây trồng quan trọng, có thể ảnh hưởng đáng kể đến năng suất.”

Trong năm tới, ECOSTRESS sẽ sử dụng quỹ đạo Trái đất thấp duy nhất của trạm vũ trụ để thu thập dữ liệu qua nhiều khu vực đất tại các thời điểm khác nhau trong ngày. Thiết bị này sẽ tạo ra những hình ảnh chi tiết của các khu vực nhỏ đến 43 thước (40 x 70 mét) – về kích thước của một trang trại nhỏ – cứ 3 đến 5 ngày một lần.

Các công cụ khác trong không gian có thể thực hiện các phép đo với cùng mức chi tiết hoặc vào các thời điểm khác nhau trong ngày – nhưng không phải cả hai. Khả năng kép của ECOSTRESS làm cho nó đặc biệt quan trọng đối với các nhà khoa học cố gắng hiểu rõ hơn về hệ sinh thái tự nhiên của chúng ta và những người khác làm việc để cải thiện an ninh lương thực và quản lý tài nguyên nước.

“Vì nguồn nước trở nên quan trọng hơn đối với dân số ngày càng tăng của chúng ta, chúng ta cần phải theo dõi chính xác lượng nước mà cây trồng của chúng ta cần,” theo lời của khoa học ECOSTRESS Josh Fisher của JPL. “Chúng ta cần phải biết khi nào cây cối trở nên dễ bị hạn hán, và chúng ta cần phải biết những phần nào của hệ sinh thái dễ bị tổn thương hơn do stress nước.”

Mặc dù không phải là một phần của nhiệm vụ chính của nó, dữ liệu nhiệt độ ECOSTRESS cũng sẽ có giá trị đối với các nghiên cứu khác yêu cầu thông tin nhiệt độ, chẳng hạn như phát hiện và mô tả núi lửa, cháy rừng và sóng nhiệt.

JPL đã xây dựng và quản lý sứ mệnh ECOSTRESS cho Khoa Khoa học Trái đất của NASA trong Ban Giám đốc Sứ mệnh Khoa học tại Trụ sở NASA ở Washington. ECOSTRESS được tài trợ bởi chương trình Pathfinder Khoa học Hệ thống Trái đất của NASA, được quản lý bởi Trung tâm Nghiên cứu Langley của NASA ở Hampton, Virginia.

Nguồn: GeoSpatialWorld

OGC thông báo tiếp nhận các nhận xét về tiêu chuẩn Web Feature Service 3.0

/in /by

Ngày 3/7/2018, Hiệp hội không gian địa lý mở (OGC) đã thông báo tiếp nhận các nhận xét của cộng đồng về phiên bản mới nhất của tiêu chuẩn Web Feature Service (WFS) 3.0. Việc phát triển WFS 3.0 sẽ được tiến hành một cách công khai với sự đóng góp từ cộng đồng không gian địa lý thông qua một kho lưu trữ trên GitHub và trong một sự kiện hackathon.

Web Feature Service (WFS) cung cấp khả năng truy xuất, tạo, sửa đổi và truy vấn dữ liệu không gian trên Web. Tất cả các phiên bản của tiêu chuẩn WFS cho đến nay đều sử dụng kiến ​​trúc Remote-Procedure-Call-over-HTTP với định dạng dữ liệu XML. Đây là một định dạng dữ liệu tiên tiến vào cuối những năm 1990 và đầu những năm 2000 khi WFS được thiết kế ban đầu. Phiên bản tiếp theo (WFS 3.0) được thiết kế để cung cấp một giải pháp thay thế hiện đại và phù hợp với kiến ​​trúc Web hiện tại và dữ liệu không gian OGC-W3C. Những thay đổi quan trọng liên quan đến kiến ​​trúc, mã hóa, tái sử dụng, mô đun hóa, lược đồ và bảo mật:

  • Kiến trúc: WFS hiện hỗ trợ và tương thích với HTTP và HTTPS. Tong phiên bản mới, HTTPS sẽ được sử dụng hiệu quả hơn. Ngoài ra, các tài nguyên được cung cấp bởi dịch vụ bao gồm các điều khiển hypermedia cũng sẽ được sử dụng để hỗ trợ người dùng WFS.
  • Mã hóa: Các phiên bản trước được gắn chặt với XML. Phiên bản này sẽ được thiết kế với HTML, JSON và XML. HTTP được thiết kế để hỗ trợ việc sử dụng nhiều định dạng và xác định các quy tắc máy chủ có thể trả về mà khách hàng có thể xử lý tốt nhất.
  • Tái sử dụng: Việc sử dụng các tài nguyên hoặc thành phần cụ thể của WFS sẽ được giảm thiểu và có thể sử dụng các tiêu chuẩn hiện có để thay thế như OpenAPI.
  • Modularization: phiên bản tiếp theo sẽ được mô đun hóa thành nhiều phần.
  • Các lược đồ: Các phiên bản trước đã yêu cầu các lược đồ XML cho tất cả các loại tính năng và các tài liệu XML hợp lệ. Trong phiên bản mới, các lược đồ có thể mở rộng và thay đổi tuy mục địch sử dụng
  • Bảo mật: WFS 2.0 không chỉ định cách các dịch vụ có thể được bảo mật và một số yêu cầu không tương thích với các dịch vụ bảo mật tiêu chuẩn. Việc sử dụng OpenAPI cũng sẽ giải quyết vấn đề này. WFS 3.0 có thể được bảo mật bằng cách sử dụng các lược đồ bảo mật thường được sử dụng trên Web ngày nay (ví dụ: OAuth2).

Việc triển khai WFS 3.0 sẽ không tương thích ngược với WFS 2.0. Tuy nhiên, một mục tiêu thiết kế là định nghĩa WFS 3.0 có thể được ánh xạ tới WFS 2.0. Tiêu chuẩn WFS là một tài liệu đa phần. Phần đầu tiên này xác định các khả năng cốt lõi mà mọi WFS đều hỗ trợ và bị hạn chế truy cập đọc dữ liệu không gian. Các khả năng bổ sung nhằm giải quyết các nhu cầu cụ thể trong các trường hợp đặc biệt. Ví dụ bao gồm hỗ trợ tạo và sửa đổi dữ liệu, mô hình dữ liệu phức tạp hơn, truy vấn phong phú hơn và hệ thống tham chiếu phối hợp bổ sung.

Tổng quan về hiện đại hóa WFS3.0, bao gồm các thay đổi quan trọng, có sẵn trong kho lưu trữ GitHub.

Nguồn: giscafe.com & OGC

Cray Inc giới thiệu bộ phần mềm Urika-CS hỗ trợ phát triển AI trên HPC

/in /by

Tập đoàn Cray – một nhà cung cấp siêu máy tính đang hỗ trợ các nhà phát triển ứng dụng đẩy nhanh việc nghiên cứu và phát triển AI bằng cách sử dụng nền tảng High Performance Computing (HPC). Trong Hội nghị Siêu máy tính Quốc tế tổ chức tại Frankfurt – Đức từ 24-28/6/2018, Cray đã giới thiệu bộ phần mềm Urika-CS cung cấp quyền truy cập vào các công cụ và khung công tác AI trên các cụm siêu máy tính dựa trên CPU CS và GPU.

Cray cho biết họ mong muốn tăng hiệu năng tính toán của AI. Cơ sở hạ tầng được đưa ra là tương đối phức tạp nhưng đảm bảo khả năng của các nhà phát triển với bát kỳ ứng dụng sử dụng AI nào. Bộ Urika-CS bao gồm quyền truy cập vào nền tảng phân tích dữ liệu Apache Spark và Dask (thư viện Python cho tính toán song song) trình phân phối Anaconda cho các thư viện trên ngôn ngữ lập trình Python; nền tảng tính toán BigDL và TensorFlow cho học sâu và các công cụ trực quan hóa dữ liệu như Juputer, Nootebook và TensorBoard.

Cray Urika-CS Software Suite

Bộ phần mềm này cũng bao gồm một khung đào tạo mô hình phân tán hướng đến TensorFlow nhằm thúc đẩy việc đào tạo các mô hình học tập sâu thông qua nền tảng siêu máy tính của Cray. Ngoài ra, một bộ công cụ được thiết kế để giảm thời gian cần thiết để tải xuống, cài đặt, thử nghiệm và gỡ lỗi các khung công tác AI. Cấu hình hạ tầng được thiết kế để có thể triển khai dễ dàng trên 2 môi trường: phát triển và sản xuất. Công ty cho biết: bộ Urika-CS có nghĩa là tối ưu hóa việc sử dụng máy tính không đồng nhất và cấu hình lưu trữ lai.

Nguồn: hpcwire.com