Comment la Thaïlande peut-elle résoudre ses problèmes de qualité de l'air et d'incendies de forêt?

Comment la Thaïlande peut-elle résoudre ses problèmes de qualité de l'air et d'incendies de forêt? est profilé par BTW Media parce que des preuves publiées le lient à l'infrastructure Internet, à la gouvernance, aux dépendances opérationnelles ou à la visibilité sur le marché.

• SEA-HAZEMON est une surveillance en temps réel à faible coût des catastrophes de qualité de l'air par brume dans les communautés rurales en Thaïlande et en Asie du Sud-Est.
• Adisorn Lertsinsrubtavee estime que la dynamique communautaire comprend deux parties: les autorités locales + les villageois ou bénévoles.

Adisorn Lertsinsrubtavee a fait une présentation sur le projet SEA-HAZEMON à l'IETF 119. Le projet SEA-HAZEMON est une plateforme de surveillance de la qualité de l'air en temps réel et de détection des incendies de forêt.

Les incendies de forêt sont une partie souvent méconnue et mal comprise de la vie rurale dans le monde. Mais depuis les années 1970, les gens étudient et font des recherches sur le feu, essayant de mettre en place une détection précoce et des avertissements.

Les moyens de détection des incendies de forêt ne peuvent pas s'adapter à la situation de plus en plus complexe de la prévention des incendies de forêt.

Et le niveau d'information de la prévention des incendies de forêt est faible, avec une capacité de couverture de communication insuffisante. Le taux de couverture de communication existant pour la prévention des incendies dans la zone forestière de la Thaïlande n'est que de 70%, avec une grande zone d'ombre et des stratégies de communication par satellite et de communication mobile faibles.

Avec des systèmes d'alerte précoce et de surveillance des incendies de forêt imparfaits (et une précision d'alerte précoce peu élevée), une entreprise a entrepris d'améliorer ce domaine.

Projet SEA-HAZEMON

Selon les données deGreenpeace, la plus grande source de particules dans l'air en Thaïlande au premier semestre 2017 était le brûlage à l'air libre, environ 54 %, suivi par l'industrie, qui représentait 17 % des émissions de PM2,5. Les transports et la logistique représentaient environ 13 %. Les ménages et la production d'électricité représentaient à peu près la même proportion, 7 % et 9 % respectivement.

Quel est le problème actuel?

D'une part, les stations de qualité de l'air manquent de rapports en temps réel sur la pollution atmosphérique (IQA, PM2.5, CO2, etc.). De plus, une station est très coûteuse (des millions de THB)! Examinons donc SEA-HAZEMON, une surveillance en temps réel à faible coût des catastrophes liées à la qualité de l'air par brume dans les communautés rurales en Thaïlande et en Asie du Sud-Est. Les responsables de ce projet sont le Dr Mongkol Ekpanyapong, professeur à intERLab/SET, AIT, et Giovanni et Paul, LIP6, UPMC, France.

À lire aussi: l'IETF 119 débute officiellement à Brisbane

Communauté IoT

Adisorn Lertsinsrubtavee a expliqué les tests et l'étalonnage des capteurs en laboratoire et les tests et l'étalonnage des capteurs en environnement ambiant au public. L'environnement est différent, le modèle de communauté IoT. Adisorn Lertsinsrubtavee estime que la dynamique communautaire se compose de deux parties: les autorités locales, comme la lutte contre les incendies de forêt, la municipalité, et les villageois ou bénévoles.

Voici un modèle simple et facile à comprendre:

Au cours de la réunion, il a donné plusieurs exemples:

• Communauté de Doi Chang PaPae - 8 capteurs de qualité de l'air et une station météorologique ont été déployés à Doi Chang Pa Pae, province de Lamphun, Thaïlande (900 – 1 280 m d'altitude).
• Communauté de Mae Ping
• Communauté de Ban Tak - 8 micro-capteurs, 2 stations météorologiques et 5 micro-capteurs + calcul
• Communauté des coursiers GRAB - évaluation de l'exposition quotidienne aux PM2.5 sur une période de 7 mois (nov. 23 – mai 24) et étude des effets indésirables potentiels d'une exposition à long terme

Recherches en cours sur l'IoT, les PM2.5 et les incendies de forêt

Voici ce qu'Adisorn a mentionné:

• Développement d'un modèle de détection des incendies de forêt
• Identification des périodes de brûlage et des facteurs
• Modèle de détection des incendies de forêt
• Alerte incendie de forêt: des messages de notification ont été envoyés aux autorités de lutte contre les incendies de forêt