Distributed Arctic Observatory (DAO): A Cyber-Physical System for Ubiquitous Data and Services Covering the Arctic Tundra

Den arktiske tundra er særlig sensitiv til klimaendringer. Endringene kan kvantifiseres ved å gjøre observasjoner direkte på tundraen av bl.a. dyr, vegetasjon, vind, fuktighet, CO2, og temperatur. Observasjonene omsettes så til data som kan brukes i klimaforskning. Imidlertid er mye mindre enn 1% av av den arktiske tundra gjenstand for slike observasjoner. For å skaffe de data som trenges må det gjøres flere og oftere observasjoner over større områder. Disse observasjonene må gjøres direkte på tundraen og både over og under snødekke. Observasjonene må ha kvaliteter som bl.a. tillater at arten til planter, fugler og små dyr kan bestemmes. De data som frembringes må gjøres tilgjengelig når og hvor de trenges. For å møte disse behovene må observasjonene gjøres av et system med mange observasjonsnoder (små datamaskiner med sensorer) som er plassert ute på den arktiske tundra. En node må fungere over lang tid med å gjøre observasjoner og ta vare på, prosessere og rapportere de innsamlede data. Imidlertid er de ressurser som trenges (mennesker, energi og datanett) mangelvare på de fleste steder på den arktiske tundra. Vi forsker på hvordan et distribuert system av noder kan lages for å møte behovene og kravene på tross av mangelen på ressurser. En node får energi fra en eneste batterilading fordi energi fra sol, vind og mennesker ikke er praktisk eller ikke tillates av regulatoriske årsaker. Følgelig må en node være meget varsom med å bruke energi om den skal kunne operere over mange måneder og år. En node sover derfor mye, og våkner opp for noen sekunder eller noen minutter for å utføre sine oppgaver, og sover så igjen. For å rapportere data trenger en node tilgang til radiobaserte datanett. En node er typisk ikke innenfor rekkevidde av kommersielle mobile nett. Den benytter derfor ett eller flere lokale nett for å lete etter noder som har tilgang til Internet. Om ingen slike oppdages må noden vente på å bli besøkt av en mobil node (f.eks. en UAV) som fungerer som et "datamuldyr". Datamuldyret vil laste data fra og til noder som er i nærheten. Prosjektet forsker på et system og utvikler en prototype hvor kommunikasjonen er basert på en eksisterende datanett teknologi (LoRa). Teknologien modifiseres og benyttes på en måte som egner seg bedre for de strenge forholdene som noder på den arktiske tundra lever under. Noder må kunne oppdateres i løpet av den lange tiden de skal operere fordi programvaren vil feile og fordi behov og ressurser vil endre seg. Prosjektet forsker på to system og utvikler to prototyper for å henholdsvis distribuere oppdateringer til nodene og for å installere disse. Begge systemene tolererer lange forsinkelser som skyldes at nodene sover. Nodene må ta godt vare på de data som de samler inn. Data fordeles mellom nodene slik at sannsynligheten for å miste de reduseres selv om nodene opplever katastrofale hendelser som skred, isbjørner og at batteriet utlades helt. Data må selvsagt også gjøres tilgjengelig for sluttbrukere. Prosjektet forsker på et system og utvikler en prototype for dette. Systemet tolererer lange forsinkelser som skyldes at nodene sover. Uten et tilgjengelig datanett vil en node trenge å selv analysere og reagere på hendelser som den observerer. Prosjektet forsker på et system og utvikler en prototype for dette. Systemet både analyserer observasjonene, og manipulerer data. Systemet kan redusere bilder av dyr til kun 10% av original størrelse slik at en analyse av bildene gjort med et kunstig nevralt nettverk gir resultater som stort sett er like gode som når de fulle bildene brukes. Prosjektet lager både fysiske såvel som virtuelle noder. De fysiske nodene består av flere teknologier inkludert små datamaskiner (Raspberry Pi), mikrokontrollere (Sleepy Pi, LoPy, FiPy), og spesielle arkitekturer for å regne (Intel Movidius neural compute stick). Flere radiodatanett benyttes, inkludert WiFi, LTE, LoRa og NB-IoT. Programvaren skrives i Python, Rust, Go og Tensorflow. De fysiske nodene er eller har vært plassert ut på Varangerhalvøya, i Tromsø, og i laboratoriet. Ti noder har vært utplassert på Varangerhalvøya i flere omganger. Nodene er montert inne i eksisterende kamerafeller. Fellene utplasseres av økologer om høsten før snøen kommer. I løpet av vinteren vil små gnagere gå inn i fellene som nå er dekket av snø. En node registrerer i det stille antall bilder som tas, temperatur, CO2 konsentrasjonen og tid. Nodene våkner typisk hvert 30 minutt for noen minutter for å gjøre observasjoner og sover så igjen. Nodene rapporter de innsamlede data hver morgen. Basert på erfarte problem har nodene blitt endret flere ganger. Virtuelle noder er program som kan utføres på en PC og på en stor datamaskin med tusenvis av prosessorkjerner. De virtuelle prototypene benyttes i sammenheng med simuleringer for å undersøke hvordan de alene og i sammenheng med hverandre oppfører seg under forskjellige faktorer som sovemønstre, datanett karakteristika, og antall noder.

This interdisciplinary project will for the first time provide for in-situ observations and ubiquitous data and services covering the arctic tundra that scales with the size of the observed area, the resolution of the observations, and the volume and freshness of data. This is a direct response to the Climate-ecological Observatory for Arctic Tundra (COAT) science plan stating that the circumpolar arctic tundra is the earth's terrestrial biome most challenged by climate change, but that there presently are too few observations of the arctic tundra. Therefore, there is a high demand for establishing scientifically robust observation systems to enable timely detection, documentation and understanding of climate impacts. The arctic tundra is a demanding region with severe weather, low temperatures, limited network services and energy, and often being physically inaccessible. This project advances the state of the art for cyber-physical systems being exposed to such extreme conditions. The Distributed Arctic Observatory is a novel next-generation scalable, energy sensitive, configurable, and robust observation system enabling many in-situ observations at high resolutions and at many locations throughout the arctic tundra, and with services making the data available and explorable by researchers and the public. There are many challenges facing such a system. The in-situ observation units must be made autonomous so they continue operation despite network limitations, faults, failures, and malware. Observation units have to use their limited resources in an energy sensitive way. Especially the analytics processing to find interesting objects in the observed data requires increased energy efficiency. To be useful in practise the system must be adaptable to new needs, and provide for access to data and for practical analytics and visualizations.