Modern Technology for Environmental Data Collection HelmutHeller heller@lrz.de Leibniz-Rechenzentrum (LRZ) Bayerischen Akademie der Wissenschaften SonjaTeschemacher sonja.teschemacher@tum.de Lehrstuhl für Hydrologie und Flussgebietsmanagement Technische Universität München Modern Technology for Environmental Data Collection A59619AFAB46742351AEB5CE23BC18A5 GROBID - A machine learning software for extracting information from scholarly documents

Ideally, methods for collecting environmental data should be inexpensive and easy.

Technologies developed for the Internet of Things (IoT) could potentially help achieve that goal: Employing the IoT architecture, IoT devices (such as single board microcontrollers, sensors, and radio systems), and IoT software, all originally developed for the commercial market or the maker scene, seems to be a perfect fit for the environmental sciences. In this paper we investigate whether IoT technology lives up to its promise by implementing the technologies in a practical case of hydrological research for direct flow measurements and report about the pros and cons we experienced.
Zusammenfassung
Untersuchungsgebiet

Anhand eines hydrologischen Beispiels soll demonstriert werden, welche IoT-Technologien und Maker Hardware sich auf welche Weise für die Datenerfassung an abgelegenen Orten eignet.

Hintergrund und Zielstellung

Das Messgebiet wurde im Rahmen eines Projekts zur prozessbasierten Modellierung natürlicher und dezentraler Hochwasserrückhaltemaßnahmen zur Analyse der ereignis-und gebietsabhängigen Wirksamkeit aufgebaut [Teschemacher et al. 2015].

Eine der
Messkonzept

Das Messkonzept beinhaltet verschiedene Parameter, die räumlich und zeitlich aufgelöst erfasst werden und zueinander in Beziehung gesetzt werden können (Abbildung 2). Die Speicherung der Daten erfolgt über getrennte Datenlogger. Messstelle UMTS nicht vorhanden sein, so kann auch eine LoRa [Cytron, 2018] Funkstrecke zwischengeschaltet werden, mit der bei Sichtverbindung bis zu 40 km überbrückt werden können.

Messaufbau
3D Druck

Mit 3D-Druckern lassen sich nicht nur angepasste Gehäuse der genau richtigen Größe und Form einfach ausdrucken, sondern es können auch funktionale Bauteile

Literaturverzeichnis

Adafruit (2018): Adafruit Industries, Unique & fun DIY electronics and kits. https://www.adafruit.com/ (aufgerufen am 3.6.2018).

An die Umweltdatenerfassung werden je nach Anwendungsfall unterschiedliche Anforderungen gestellt, wobei in den meisten Fällen eine kostengünstige, einfach zu bedienende und zuverlässige Datenerfassung, -übertragung und -speicherung wünschenswert ist. Über Technologien des Internet of Things, die ursprünglich für kommerzielle Anwendungen und die Maker Szene entwickelt wurden, können mithilfe von Einplatinencomputern und einer Vielzahl an möglichen Erweiterungen verschiedenste Parameter gemessen und zu einem Cloud-Dienst übertragen werden. Mithilfe weiterer Anwendungen können die Daten in naher Echtzeit benutzerfreundlich dargestellt sowie Warnungen bei Auftreten besonderer Ereignisse an den Nutzer gesendet werden. Die Methodik wird anhand eines hydrologischen Beispiels zur Direktabflussmessung vorgestellt und konnte durch die Kosteneffizienz und die Erleichterung von Monitoring und Wartung des Messnetzes einen maßgeblichen Beitrag zur Datenerfassung liefern. 1 Motivation Umweltdaten beinhalten grundsätzlich alle Daten, mit denen die Umwelt beschrieben werden kann. Ihre Erfassung ist sowohl im wissenschaftlichen Bereich als auch für Entscheidungsträger interessant. Die verschiedenen Parameter unterscheiden sich dabei in ihrer zeitlichen und räumlichen Variabilität sowie der erforderlichen Genauigkeit und Relevanz für Entscheidungen. Diese Unterschiede resultieren in verschiedenartigen Anforderungen an die Technik zur Erfassung der Daten. Üblicherweise werden Umweltdaten mit meteorologischen Parametern wie z.B. Temperatur, Globalstrahlung, rel. Luftfeuchte, Windgeschwindigkeit, Windrichtung und Niederschlag oder mit Messwerten zur Luftqualität assoziiert. Diese Messdaten sind aufgrund der zeitlichen Variabilität der zugrundeliegenden physikalischen Prozesse selbst zeitabhängig, können jedoch räumlich überwiegend gut interpoliert werden. Ausnahme ist dabei der Niederschlag, der sowohl zeitlich als auch räumlich sehr unterschiedlich auftreten kann. Im Gegensatz dazu verändern sich Daten, die die Geologie, den Bodenaufbau oder die Bodentextur beschreiben nur über längere Zeiträume, können jedoch große räumliche Variabilitäten aufweisen. Die zeitlichen Veränderungen sind auf Beeinflussungen durch Bodenbearbeitung oder die Phänologie der Vegetation während der Vegetationsperiode zurückzuführen. Umweltdaten im Bereich der Hydrologie beinhalten typischerweise Wasserstände, Abflüsse oder Grundwasserstände. Je nach Anwendung bzw. Fragestellung können aber auch Schneehöhen, Bodenfeuchten oder Saugspannungen wichtige Informationen bieten. Die Daten weisen im Allgemeinen eine große räumliche und zeitliche Variabilität auf, da sie von den Landnutzungs-und Bodeneigenschaften sowie von den meteorologischen Verhältnissen beeinflusst werden. Der wichtigste Einflussfaktor ist dabei die Niederschlagsmenge, -intensität und -verteilung. Daten mit einer großen räumlichen Variabilität erfordern ein möglichst dichtes Messnetz, da eine Interpolation der Daten zu großen Unsicherheiten führt. Bei kleinen Variabilitäten ist dagegen eine geringe Anzahl an Messstationen ausreichend. Bei einer großen zeitlichen Variabilität ist dagegen unbedingt eine kontinuierliche Erfassung der Daten erforderlich, wohingegen bei langsamen Veränderungen auch eine manuelle Datenerfassung möglich ist. Insbesondere bei zeitlich variablen Daten, die kurzfristige Entscheidungen beeinflussen können, ist zudem eine automatische Datenübertragung notwendig. Aufgrund der teilweise hohen Kosten für die Datenerfassung und -übertragung ist die Erstellung eines Messnetzes üblicherweise ein Kompromiss zwischen der Messtechnik, der Dichte der Messstationen und der erforderlichen Datenmenge und -belastbarkeit. Ein Beispiel aus dem Bereich der Hydrologie wäre die Messung von Abflüssen, die aufgrund der maßgeblichen Beeinflussung durch Niederschlagsereignisse zeitlich und räumlich sehr variabel auftreten können und damit oft eine schnelle Reaktion von Entscheidungsträgern oder auch Wissenschaftlern erfordern. In den letzten Jahren entstand unter dem Schlagwort "Internet of Things" (IoT) eine neue Technik, die "Things", also "Dinge", über das Internet miteinander und mit zentralen Komponenten vernetzt. Diese Dinge können Aktoren sein, z.B. Lampen wie die Philips Hue Lampen [Philips 2018], oder Sensoren wie etwa Temperatursensoren, z.B. von Nest [Nest 2018]. Gerade im Bereich "Smart Home" gibt es mittlerweile viele vernetzte Lösungen, etwa von QIVICON [Qivicon 2018]. All diesen Ansätzen sind zwei Faktoren gemein: die Architektur und der Massenmarkt, der durch Massenfertigung zu stark fallenden Preisen führt. Neben diesem kommerziellen Ansatz entwickelte sich in den letzten 5 bis 10 Jahren jedoch auch eine sehr aktive und breite Gruppe von Bastlern und Hobbyisten, die sogenannte "Maker Szene". Diese community folgt dem open source Gedanken und teilt bereitwillig Ideen und Lösungen, was zu gegenseitiger Befruchtung und Inspiration führt und die Gemeinschaft als ganzes unglaublich agil werden lässt. Entscheidend für das enorme Wachstum der Bewegung waren sicher zum einen das Erscheinen kleiner, einfach zu verwendender, billiger (2€ bis 35€) und sehr leistungsfähiger Einplatinencomputer für den embedded Bereich, wie 2005 Arduino und 2012 Raspberry Pi, zum anderen die Verfügbarkeit von preiswerten 3D-Druckern [Prusa 2018] für Privatpersonen. Neben den Chip-Produzenten bildete sich ein ganzes Ökosystem von Firmen, die Zusatzhardware (sog. breakout boards, shields oder hats) anbieten, welche mit einfachsten Mitteln (teilweise sogar ohne Löten) eine enorme Erweiterung des Funktionsumfangs erlaubt. Es ist nun naheliegend, diese aktuellen Entwicklungen aufzugreifen und aus dem Konsum-und Hobbybereich in den Bereich der Wissenschaft zu übertragen. Ihre Vorteilepreiswert durch Massenfertigung, einfach in der Anwendung, flexibel im Aufbau, vernetzt, offen, agil, vielfältigermöglichen erweiterte Messmethoden und dadurch die Gewinnung von neuen wissenschaftlichen Erkenntnissen.
Maßnahmen ist die Änderung der Landnutzung und Bewirtschaftung, deren zu erwartende Wirksamkeit jedoch in bisherigen Studien eine große Heterogenität aufweist [DWA 2015]. Gründe hierfür sind einerseits gebiets-und ereignisabhängige Unterschiede, andererseits die unterschiedliche Abbildung der Prozesse von Abflussbildung und Konzentration in den verwendeten hydrologischen Modellen. Ziel des Messkonzepts ist die Untersuchung der landnutzungsabhängigen Unterschiede von Bodenaufbau und bodenhydraulischen Parametern sowie deren Einfluss auf die Prozesse der Abflussbildung und -konzentration. Dazu sollen die Abflusskomponenten sowie die vorherrschenden Rahmenbedingungen landnutzungsund ereignisabhängig erhoben werden. Neben der Verbesserung des Prozessverständnisses sollen aus den Messergebnissen Erkenntnisse zum Einfluss von Landnutzungs-und Bewirtschaftungsänderungen auf den Hochwasserabfluss und damit auf die Wirksamkeit dezentraler Hochwasserschutzmaßnahmen gewonnen werden. Zudem werden die Daten für die Parametrisierung, die Kalibrierung und die Validierung des hydrologischen Modells WaSiM verwendet [Schulla 2017], um dessen Eignung für die Szenarienrechnung zu analysieren.
2. 2Abbildung 1: Lage und Ansicht des Untersuchungsgebiets; oben: Lage des Untersuchungsgebiets in Bayern und Anordnung der Messflächen im Untersuchungsgebiet; unten: Ansicht des Messhangs mit Grabenstandorten, Bodenparameter-Messstandorte und Akkumulationsflächen. Der in nord-östlicher Richtung ausgerichtete Messhang beinhaltet eine Acker-, eine Grünland-und eine Waldfläche, die land-bzw. forstwirtschaftlich genutzt werden. Die Hangneigung liegt im Mittel bei 6,5° (Acker), 6,7° (Grünland) und 10,6° (Wald). Die Grünlandfläche wird als Mähwiese genutzt und entsprechend ca. zweimal pro Vegetationsperiode gemäht. Die Ackerfläche wird konventionell durch Pflugeinsatz bewirtschaftet. Die ausgewachsenen Bäume der Waldfläche bestehen hauptsächlich aus Fichten, im Jungwald überwiegen Laubbäume.
Abbildung 2: Komponenten des Messkonzepts und Positionierung im Messhang. Der laterale Wasserfluss wird am Hangfuß der Felder unterteilt in Oberflächenabfluss und Zwischenabfluss durch den Aushub von Messgräben und der Installation von Wehren, Ultraschallsensoren und Kippzählern erfasst (Abbildung 3). In jedem Graben wird der Zwischenabfluss mit sechs Kippzählern in zwei Ebenen und drei Segmenten getrennt gemessen, um die horizontale und vertikale Heterogenität bestimmen zu können. Während Abflussereignissen sammelt sich das Wasser in den Gräben und muss herausgepumpt werden. Am angrenzenden Bach wird zudem der Gesamtabfluss des Messhangs über Wehre bilanziert. Um die Rahmenbedingungen der Abflussereignisse beschreiben zu können, werden an verschiedenen Standorten oberhalb der Gräben Tiefenprofile von Bodenfeuchte
Abbildung 6: Für den Wissenschaftsbereich modifizierte IoT Architektur.
<author> <persName><surname>Amazfit</surname></persName> </author> <ptr target="https://www.xiaomiglobal.de/(aufgerufenam3." /> <imprint> <date type="published" when="2018-06">2018. 6.2018</date> </imprint> </monogr> </biblStruct> <biblStruct xml:id="b1"> <analytic> <title level="a" type="main">Interactions and connectivity between runoff generation process-es of different spatial scales SBachmair MWeiler Hydrological Processes 28 4 2014 Bgl Geologische Übersichtskarte
Bayern; München
 Bayerisches Geologisches Landesamt 1996 1 0 Concepts of hydrological connectivity: Research approaches, pathways and future agendas LJBracken JWainwright GAAli DTetzlaff MWAmith SMReaney AGRoy Earth-Science Reviews 119 2013 Cytopia SSH tunnelling for fun and profit: Autossh 2018. 6.2018 Cytron example tutorial of LoRa wireless point-to-point communication 2018. 6.2018 Davis Vantage Pro2 Sensor Suite 2018. 06.2018 Dwa DWA-M550 -Dezentrale Maßnahmen zur Hochwasserminderung Deutsche Vereinigung für Wasserwirtschaft, Abwasser und Abfall 2015 Ebay ESP8266 Serial WIFI Wireless Transceiver 2018. aufgerufen am 3.6.2018 <author> <persName><surname>Espressif</surname></persName> </author> <ptr target="https://www.espressif.com/en/products/hardware/esp8266ex/overview(aufgerufenam3." /> <imprint> <date type="published" when="2018-06">2018. 6.2018</date> <biblScope unit="page">P8266</biblScope> </imprint> </monogr> </biblStruct> <biblStruct xml:id="b10"> <monogr> <author> <persName><surname>Frings</surname></persName> </author> <ptr target="http://stefanfrings.de/esp8266/(aufgerufenam3.6." /> <title level="m">ESP8266 und ESP8285 Module Starter Anleitung 2018. 2018 <author> <persName><forename type="first">!</forename><surname>Greatscott</surname></persName> </author> <ptr target="https://www.youtube.com/channel/UC6mIxFTvXkWQVEHPsEdflzQ(aufgerufenam3." /> <imprint> <date type="published" when="2018-06">2018. 6.2018</date> </imprint> </monogr> </biblStruct> <biblStruct xml:id="b12"> <monogr> <author> <persName><surname>Hackster</surname></persName> </author> <ptr target="https://www.hackster.io/(aufgerufenam3.6." /> <title level="m">Learn to design, create, and program electronics 2018. 2018 Highcharts Make your data come alive 2018. 6.2018 If This Then That IFTTT 2018. 2018 Lewis Now you can always take the weather with you 2016. 2018 Lfu Digitale Übersichtsbodenkarte von Bayern im Maßstab 1:25000: ÜBK25
Augsburg
 Bayerisches Landesamt für Umwelt 2015 Lrz The LRZ Compute Cloud 2018. 6.2018 Make Work Shop 2018. 6.2018 Maker Faire
Bodensee
 2018. Juni 2018. 2018 <ptr target="https://mosquitto.org/(aufgerufenam3.6.2018" /> </analytic> <monogr> <title level="j">MQTT 2018 Nest Nest Thermostats 2018. 6.2018 HuePhilips Das smarte LED-Lichtsystem mit App-Steuerung 2018. 2018 Prusa Original Prusa i3 MK2S kit 2018 Qivicon Willkommen im Smart Home 2018. 6.2018 Raspberrypi Teach, Learn and Make with Raspberry Pi 2018 Multikriterielle Wirksamkeitsanalysen zum dezentralen Hochwasserschutz WRieger STeschemacher SHaas JSpringer MDisse Wasserwirtschaft 107 2017 Schulla Model Description. WaSiM: Water balance Simulation Model
Zürich; Sparkfun
 2017. 2018 The Guy with the Swiss Accent ASpiess 2018. 6.2018 STeschemacher SHaas WRieger ProNaHo Prozessbasierte Modellierung Natürlicher sowie Dezentraler Hochwasserrückhaltemaßnahmen zur Analyse der ereignisund gebietsabhängigen Wirksamkeit
IN; Straubing, Germany
 DWA Landesverbandstagung Bayern 2015. Oct 21-22, 2015 Experimentelle und modellgestützte Untersuchung der Abflussbildung und -konzentration in verschiedenen Landnutzungstypen am Beispiel eines Messhangs im Einzugsgebiet der Glonn (Odelzhausen) STeschemacher MDisse WRieger Beiträge zum Tag der Hydrologie 2018 Forum für Hydrologie und Wasserbewirtschaftung
Dresden, S.
 2018 39 <author> <persName><forename type="first">S</forename><surname>Teschemacher</surname></persName> </author> <author> <persName><forename type="first">H</forename><surname>Heller</surname></persName> </author> <ptr target="http://tunnel.dyn.mwn.de/~sonja/meteo(aufgerufenam3." /> <imprint> <date type="published" when="2018-06">2018. 6.2018</date> </imprint> </monogr> </biblStruct> <biblStruct xml:id="b32"> <monogr> <ptr target="https://thingspeak.com(aufgerufenam3." /> <title level="m">ThingSpeak 2018. 6.2018 The Mathworks Tpai The Post Apocalyptic Inventor 2018. 6.2018 Withings Withings WS-50 Smart Body Analyzer 2018. 6.2018