XiaoMi-AI文件搜索系统
World File Search System污染监测
人工智能在可持续解决方案中的作用
人工智能（AI）已成为环境工程中的一种变革力量，为复杂的环境挑战提供了创新的解决方案。从空气污染监测和水资源管理到废物管理，缓解气候变化和生态保存，AI正在彻底改变我们解决环境问题的方式。机器学习，神经网络和其他AI技术正在实现更准确的预测，优化资源使用并改善保护工作。尽管具有许多优势，但AI还是面临诸如数据可用性，能源消耗，道德问题和透明度的需求等挑战。本评论探讨了AI在环境工程中的不同应用，突出了当前的进步，挑战和未来的方向。随着AI技术的不断发展，它们具有创造更聪明，更绿，更可持续的解决方案的潜力，最终为更健康，更可持续的世界做出了贡献。
使用多架遥控飞机检测海洋水族馆环境漏油情况
其监测范围广，可进行 24 小时监控 [1]。卫星远程石油污染监测方法的发展和改进的主要方向是放弃摄影方法，转而使用新型有效载荷多光谱和高光谱传感器。如今，基于卫星的 SAR 是一种重要的石油泄漏监测工具，可全天候全天候覆盖大面积区域 [2]。尽管与其他监视系统相比具有相当大的优势，但卫星系统对同一海域的拍摄频率存在限制（频率为每 3 小时一次，考虑到改变视角的可能性）。高清无线电定位数据提供给负责机构时会有所延迟，这与向接收器的交付有关。从发生石油污染的那一刻起，基于无线电定位接收数据的地图的制作可能需要 1-2 天。在消除污染的过程中，这些情况导致需要通过移动车辆进行操作监控。
基于 LoRaWAN 的物联网监控应用中的无碰撞传输
摘要：随着物联网 (IoT) 的发展，无论在哪个领域，部署的监控应用数量都在大幅增加：智慧城市、智慧农业、环境监测、空气污染监测等等。LoRaWAN（长距离广域网）架构具有长距离通信、抗干扰能力强和能耗低等特点，是支持此类应用的绝佳选择。但是，如果终端设备数量很多，LoRaWAN 的可靠性（以数据包传送率 (PDR) 衡量）会因过多的冲突而变得不可接受。在本文中，我们提出了两种不同的解决方案系列，以确保无冲突传输。第一个系列基于 TDMA（时分多址）。所有集群按顺序传输，并且允许属于同一集群的最多六个具有不同扩频因子的终端设备并行传输。第二个系列基于 FDMA（频分多址）。所有集群并行传输，每个集群使用自己的频率。在每个集群内，所有终端设备按顺序传输。从 PDR、终端设备能耗和支持的最大终端设备数量等方面比较它们的性能。模拟结果证实了理论结果，并显示了所提解决方案的高效性。
基于代码的EO任务助手
近年来，由于来自公共和私营部门的重要努力，遥感图像变得比以往任何时候都更加可行。例如，欧盟的哥白尼计划可免费访问合成孔径雷达（SAR）和多光谱数据。除了政府倡议，公司（例如行星实验室）还每天在全球范围内提供非常高的分辨率图像。遥感图像包含已经使用的信息来跟踪气候变化，改善安全性并理解和管理环境。利用广泛的遥感方式提供的不同级别的信息是一个积极的研究领域。多模式性用于许多遥感应用程序[1]。但是，遥感数据的解释通常由专家执行，通常涉及手动处理。随着数据量的增加，手动解释成为影响提取信息的延迟的限制因素，也是可以使用此类数据的域。对于特定应用程序，遥感社区一直在开发临时自动方法。因此，这些作品只能处理任一通用应用程序（例如污染监测）或具有直接财务利益的污染监测。在存在数据时，普通受众并不总是具有提取感兴趣信息的技术知识，或者可以为研究提供资金的能力。在这个项目中，我们将利用EO工具可以通过代码连接的事实。我们认为，遥感图像中包含的信息可能吸引更大的公众：记者可以检索此类数据以理解，关注战争以及气候变化或地方政府的影响，或者可以在其决策过程和研究中使用此数据。通过非技术和通用接口从遥感数据中提取信息将是一种使总受众直接从该数据中受益的方法。IC-EO项目的目的是提出一个可以与图像等EO数据相互作用的会话助手。这将使我们能够提出一个模型，该模型可以以可扩展且直接的方式整合最新研究状态。IC-EO助手的目的是能够回答以下问题：“去年夏天大火期间该地区的左侧有多少场地？”，以及“有多少建筑物距离公园步行不到5分钟？”，而无需限制特定格式。唯一地，此类问题的答案将基于代码，因此可以审查和理解，而不是当前方法的黑盒性质。该模型可以分为两个部分：首先，我们提出了一个涵盖基本任务的应用程序编程接口（API），例如分类，对象检测，视觉接地和语义分割。第二，我们将训练一个大型语言模型，以使用此API作为上下文，以预测用户查询的基于代码的解决方案。助手执行的样本如图1所示。
创新地理空间区域研讨会...
综合数字和地理空间应用使政府能够为用户提供方便且负担得起的服务。灾害风险管理、农作物监测、贫困制图、土地核算以及海洋和空气污染监测等多个社会经济部门的例子表明，综合数字技术应用和地理空间数据能够处理、管理和向最终用户提供更好的服务，最终使人民受益，并为实践、流程和政策提供有远见的信息。1 这些行动是在亚太地区从新冠疫情中复苏、高通胀、财政压力和地缘政治风险上升的背景下采取的，该地区在实现可持续发展目标方面进展不足。2 《雅加达亚太地区空间应用促进可持续发展部长级宣言》指出，综合利用第四次工业革命带来的新兴技术为实现可持续发展目标提供了巨大潜力。 《宣言》还鼓励成员和准成员进一步加强空间科学技术及其应用方面的实质性合作，以加强《亚太空间应用促进可持续发展行动计划》第二阶段（2018-2030 年）的执行，为此酌情关注以利用创新数字应用、更有效地管理数据和信息、吸引最终用户以及加强与国家、区域和全球利益攸关方的伙伴关系为中心（但不限于此）的具体要素。亚太经社会出版物《2022 年东南亚可持续发展地理空间实践：汇编》3 介绍了公共部门使用和应用地理空间信息的 60 多种良好实践，以及灾害预测和监测方面成熟的空间应用，以及改进贫困空间测绘、增加空气污染数据可用性和可及性、跟踪温室气体排放、绘制可再生能源潜力图以及改善森林和其他自然资源管理的应用。 4 在亚太经社会成员、准成员和合作伙伴的支持下，秘书处继续努力展示创新地理空间应用的实用性。本次区域研讨会是这一更广泛努力的一部分。它将汇集参与国、专家和亚太经社会推动的旨在促进创新地理空间信息应用的举措的其他利益攸关方，以帮助推进可持续发展目标，包括利用创新空间应用绘制流行病地图的能力建设，洪水和野火热点；通过整合空间数据和地面数据加强空气污染监测；有效共享和管理地理空间信息；将时空数据纳入地方可持续发展目标监测和决策；监测干旱和气候适应型农业。区域研讨会的建议和关键见解将与区域可持续发展空间应用政府间磋商委员会第二十七届会议（ICC-27）的与会者分享，该会议
哥白尼海洋服务对哥白尼现场组件演进的要求
CMEMS 的发展与最终用户现有和未来的需求紧密相关。但是，用户需求不会直接转化为观测需求；它们必须经过服务的增值链；为此，需要考虑地球观测、数值建模和数据处理技术领域的新科学和技术进步，以定义正确发展服务所需的要求。CMEMS 服务发展战略及其相关的研发重点 [3] 引入了一套总体目标和相关行动以及研发重点，以将服务从初始状态发展为成熟、先进、领先和创新的哥白尼服务。需要进行重大发展，特别是要对海洋进行精细监测和预报，并改善对沿海地区的监测。这对于海上安全、海上运输、搜索和救援、污染监测和海上作业等关键应用至关重要。CMEMS 还必须提高其监测和预测海洋生物地球化学状态的能力（例如海洋碳吸收、酸化、脱氧、富营养化、水质、生物生产力）。这是海洋战略框架指令 (MSFD) 所要求的，以指导政府和行业的决策和行动，并为海洋资源（渔业、水产养殖）的管理提供信息。现场观测系统的未来发展需要与这些目标保持一致。
利用 LSTM 和强化学习实现 CIoT 节点中的自适应感知
摘要 — 无线传感器网络 (WSN) 在消费者物联网 (CIoT) 中提供了广泛的应用。WSN 中的传感器节点配备了一系列传感器，这些传感器通常会遇到能源供应有限的问题。因此，本文针对多传感节点提出了一种联合长短期记忆 (LSTM) 和强化学习的边缘智能框架。这种新颖的策略旨在通过在边缘节点使用基于 Q 学习的优化函数解决传感信号之间的互相关与传感器能耗之间的权衡，在测量周期内估计一组最佳的活动传感器。采用基于 LSTM 的预测模型从活动传感器监测的互相关传感信号中预测非活动传感器监测的传感信号。为了评估所提出的框架在 CIoT 节点中的性能，在空气污染监测数据集上模拟了该算法。模拟结果证实了所提出的框架的有效性和效率。与目前最先进的方法相比，所提出的算法在错误性能方面提高了 13%，在感知能耗方面提高了 27%，同时保持了非活动和活动传感器集之间互相关系数的下限。
使用纳米传感器和实时分析进行空气质量监测
摘要 - 空气污染是人口密集和工业化地区的严重问题。经济增长和工业化正在快速推进，同时空气污染源的排放量也在不断增加。空气污染物对环境的影响会影响公众健康、植被、材料劣化等。为了防止或尽量减少大气污染造成的损害，迫切需要能够快速可靠地检测和量化污染源的合适监测系统。基于纳米技术的固态气体传感器可以克服这一问题。纳米技术是通过在纳米尺度（10 9 米）即原子和分子水平上控制物质，以及利用该尺度上物质的新现象和特性来研究、设计、创造、合成、操作和应用功能材料、设备和系统。这里我们报告了一个基于纳米技术“固态气体传感器”研究空气质量监测的应用示例。为了在广阔的区域进行空气污染监测，将结合使用廉价传感器的地面测量和无线（地理信息系统）GIS。这种便携式设备将固态气体传感器压缩到个人数字助理 (PDA) 中，通过蓝牙通信工具和全球定位系统 (GPS) 连接，可以同时快速传播多个站点的污染水平信息。生成的空气质量报告随后可以使用互联网 GIS 发布，为 PCD 提供实时信息服务，以提高公众意识并增强公众参与。局部确定性和地理统计插值方法已用于空间预测，并根据每个监测站点的观察结果找出研究空气污染的最合适方法。
如果在层流罩下发生阳性被动空气采样，且胚胎培养中没有可检测到的污染，则 IVF 周期是安全的
胚胎培养基中的微生物污染可能会影响 IVF 过程中胚胎的早期发育和临床结果。生殖道感染是培养污染的最常见原因，但环境空气质量也可能对接受 IVF 程序的不孕夫妇的生殖结果产生不利影响。胚胎学实验室的微生物污染监测是强制性要求，并且每天在层流垂直罩下进行检测。在本研究中，我们调查了在实验室 5 年活动中，当层流罩下发生阳性被动空气采样且胚胎培养中没有明显污染时进行的 IVF 结果。我们进行了 570 次空气采样，在 13 例（2.28%）的 TSA 沉降板中分离出至少 1 CFU 的微生物。由于显微镜下没有可检测到的微生物或肉眼可见培养基浑浊度/颜色变化（污染率为 0%），因此不怀疑培养基中存在感染。 “受污染”的 P 组和“阴性”的 N 组在生化妊娠率、活产率和流产率方面没有统计学上的显著差异。令人惊讶的是，我们发现 P 组的临床妊娠率比 N 组更高，这一发现可能是由于 P 组的意外年龄较低（p = 0.0133）。数据显示，在胚胎培养基中没有可检测到的污染的情况下，当 A 级环境中出现空气阳性样本时，IVF 周期是安全的。
新一代：量子传感器
过程控制、污染监测和即时诊断的需求推动了化学和生化传感器的发展以及传统分析方法的改进。传感器的发展趋势是小型化、阵列并行化、降低检测限以及与化学计量学方法相结合，以应对新的分析应用领域。几年前，光学和电分析技术取得了突破性进展，此后，生化和化学传感器的传导方法的新颖性逐渐消退，创新动力正在减弱。尽管如此，识别元素的新策略以及能够测量样品中最小体积的极低浓度以监测细胞内过程的兴趣，增加了人们对进入传感新领域的兴趣[1]。量子计算的最新成功影响了工业 4.0 中一个领域的发展——量子传感的发展[2]。量子计算机最常用的方法是基于量子比特的量子电路，这与经典的量子态方法不同。与传统方法不同，量子比特系统并不处于确定的状态——它是 0 和 1 两个状态的平均值，根据量子力学，它可以是两者的相干叠加。测量量子比特会破坏这种相干性。此外，两个相互作用或具有特殊接近度的粒子可以表现出量子纠缠等物理现象；即使相距很远，在这种情况下也无法独立描述每个粒子的量子态。这种系统的可能实现是带电离子或自旋量子比特。带电离子对电场敏感，而基于自旋的系统主要对磁场作出反应。然而，两者都表现出所谓的内在敏感性，即它们表现出