Londra’daki Doğa Tarihi Müzesi’nin (NHM) gerekçeleri, son yıllarda ziyaretçilerin sahaya adım attığı anda doğal dünyanın harikalarına tamamen daldırılmasını sağlayan tam bir dönüşüm geçirdi.
Ziyaretçiler, NHM’yi diğer müzelere ve Sergi Yolu boyunca noktalı yerel cazibe merkezlerine bağlayan Londra yeraltı tünelleri aracılığıyla gerekçesiyle girerken, şimdi Dünya’nın evrimsel hikayesinin bir yolunun bir parçası olarak eğrelti otları, sycads ve dinozor modelleri ile doldurulmuş kaya astarlı bir geçit boyunca yapıyorlar.
Binanın solunda, Güney Kensington’un koşuşturmacasından sadece bir taş atımı, 2024 yazında halka açılan NHM Nature Discovery Bahçesi var.
Alan, müzenin 400 bilim insanı için, mekanın biyoçeşitliliğini, yerin etrafında noktalı bir sensör ağı yardımıyla izleyen Flora ve Fauna ile dolup taşıyor.
NHM Teknoloji Ürün Yöneticisi Rachel Wiles, Computer Weekly’ye “Müze Bahçe Sensörleri ile Hırs, kentsel çevre verilerini toplamak ve yutmak için bu ‘her zaman açık’ açık laboratuvarın oluşturulmasıdır. “Şu anda, Müze Bahçesi’nden yaklaşık 58.000 görsel gözlemin bir cesedine sahibiz, ancak bu sensörler bunun ötesinde şeyler yapacak.”
Sensörler, örneğin bahçenin toprak ve su yollarının sıcaklığını ve nemini izleyerek çevresel verileri yakalayacak ve son derece ayrıntılı akustik veriler kaydedecektir.
Wiles, “Bahçedeki kuş şarkısını belirgin bir şekilde duyabilirsiniz, ancak sensörler bir böcek kanadının ve bunun gibi parçaların çırpılmasını duyacak kadar ayarlanmış” diye ekliyor Wiles. “Hedefimiz, bilim adamlarımızın erişebileceği ve kullanabileceği bu araştırma platformunu zaten üretmemiz gereken büyük görsel gözlem verilerinin büyük bir kısmı ile birleştirmek.”
Noktaları bağlamak
Nature Discovery Garden’ın verileri, karmaşık bir veri ağı tarafından birbirine bağlanan 25 Raspberry Pi cihazını içeren çoklu sensörlerden toplanır.
NHM’deki bir akustik biyoloji araştırmacısı olan Ed Baker, “Sensörler var ve cihaz kutularının sensörleri ve kurulum için tüm hesaplama gücü olan sensörlere sahip olabileceği” dedi. “Raspberry Pi cihaz kutularının her birinin içinde bir çeşit ses sensörü vardır ve çok sayıda başka çevre sensörü olabilir [linked to] onlara.”
Örnek olarak Baker, su sıcaklıklarındaki farklılıkların orada büyüyen veya yaşadığını nasıl etkileyebileceğini değerlendirmek için havuzun farklı derinliklerinde bulunan bir dizi termometreye bağlı olan havuz sesini kaydetmek için kullanılan cihazlardan birini belirtiyor. Akustik sensörler ayrıca çok sayıda mikrofon ile donatılmıştır, böylece ses çeşitli yönlerden alınabilir.
Baker ve ekibinin alınan seslerin kaynağını belirlemelerine yardımcı olmak için, kuş tanımlama uygulaması Merlin de dahil olmak üzere Cornell Lab’dan makine öğrenme modellerinden yararlanıyorlar.
“Çeşitli listeleri var [bird] türler ve insan sesleri, arabalar ve çevrede olan diğer her şey arasındaki farkı söyleyebilecek biri var ”diyor.“ Çoğu zaman gürültüden kaçınmak için kaydediyorsunuz, ancak [we want to understand] Kuşların kentsel ortamların gürültüsüyle nasıl etkileşime girdiği için gürültüyü korumak istiyoruz. Güzel, bozulmamış bir ormanda veya bir akustik laboratuvarında çalışmaktan çok farklı, ancak ses manzarasını ayrıştırmak ve sonra ondan bir anlam elde etmek istiyoruz. ”
Şu anda, Raspberry Pi’nin cihaz kutularındaki hesaplama gücünün sadece mütevazı miktarları kullanılmaktadır, ancak gelecekte sensörler tarafından toplanan verilerin işlenmesine yardımcı olmak için kenar bilgi işlem benzeri özellikler sağlama potansiyeli vardır.
Baker, “Bahçeler, geçen yaz yeniden açılmadan önce 1881’den bu yana ilk kez gerçekten yoğun bir şekilde yeniden şekillendirildi ve muhtemelen bir şey değiştirme şansımız olmadan önce o kadar uzun olacak” diyor Baker. “Böylece, şimdilik bahçelerdeki hesaplama gücüne ve hepsini destekleyen altyapı üzerinde hafif bir aşırıya kaçtık.
“Şu anda bulunduğumuz yer için veri aktarımı geri [to where the data is processed) is really easy, so doing that right now on the edge isn’t important. As we expand out to some of our other sites, where we can’t dig up their gardens, we’ll revisit that.”
Sensor install and deployment
While the Nature Discovery Garden has been open to the public for more than year, the sensors themselves were switched on in mid-September 2025, after a period of sensor installation and testing.
“There have been some challenges with the sensor install, as it comes to managing timelines across the estate,” says Wiles.
For example, the terracotta brickwork on the exterior of the museum has been under restoration for some time, and the sensor install project has had to fit in with the timelines for that work, she says. The data collected by the sensors will be fed into an Amazon Web Services (AWS) product stack known as the Data Ecosystem Platform, which Wiles is the product lead for, having joined the project eight months ago.
She describes her role as being the “bridge between the engineering and science teams”, as it her job to ensure the huge amounts of data being collected are processed efficiently.
“We had a testing week of the sensors recently,” she says, in response to a question about the scale of the data being collected for the project, “And we’ve had about 36,000 recordings per day over the whole sensor network, which are all fed into the Data Ecosystem. We expect that in just audio data alone, we’re going to generate around 20 terabytes of data a year, so there are big considerations to take in terms of the tech we use to process that and feed it into the system.”
As well as information gleaned from the garden’s sensors, there is also data collected during the museum’s BioBlitz events, whereby people are invited to record and share details of the flora and fauna they have spotted in the gardens during a defined period.
“Most of the [BioBlitz] Veriler, veri ekosistemine inaturalist bir boru hattı aracılığıyla geliyor ve – sensör verileri açısından – yapacağımız şey, bunu veri ekosistemine yüklemektir, böylece beklendiği gibi gelen her şeyi kontrol edip izleyebiliriz. ”
Zorluklarla çalışmak
Ancak sensörler şimdi açıldığında, veri ekosistemine yüklemelerin çok daha fazla düzenlilikle gerçekleşeceği umudu vardır.
Wiles, “Bir otomasyon aşamasına geçiyoruz, bu ‘her zaman açık’ öğe ve verilerin nasıl göründüğüne dair canlı görüşlere sahip oluyoruz” diyor. “Şu anda, sadece sahip olduğumuz olabilir [the data] Günde bir kez, ancak bu ilk sensör veri setinin beklendiği gibi çalıştığını doğruladıktan sonra bu sürekli veri akışına sahip olmak istiyoruz. ”
Wiles, veri ekosistem platformuna beslenen bilgilerin tutarlı bir şekilde girilmesini sağlamak için çalışacak “çok sayıda teknik husus” da var, “Tüm bu veriler birçok kaynaktan tek bir yere geliyor” diyor Wiles.
“Doğal dünyada, yaklaşık iki milyon gözlemlenen türümüz var, ancak bu iki milyon türü adlandırmanın yaklaşık 20 milyon farklı yolumuz var, bu nedenle veri kümeleri arasındaki adlandırmaların eşdeğer olduğundan emin olmak için kullandığımız bir taksonomik eşdeğerlik motoru inşa etmek zorunda kaldık.
“Ve bu, araştırmacılarımızın, belirli bir taksonomi için tüm kayıtları gördüklerinden emin olmanın çok standartlaştırılmış, doğru ve sağlam bir yoluna sahip oldukları anlamına geliyor, bu da bu verileri bir araya getirmeye, bağlantı oluşturmaya ve araştırmayı hızlandırmaya yardımcı olacak.”
Veri ekosistemine kazma
Daha önce de belirtildiği gibi, veri ekosistem platformu, yalnızca Veri Depolama için Amazon DocumentDB ve Amazon S3 kovaları ve sensör verilerini yutmak için AWS yapıştırıcı sunucusuz entegrasyon dahil olmak üzere AWS teknolojilerinden oluşturulmuştur.
“Şimdi Amazon QuickSight’ı kullanıyoruz [assist with our] görsel gözlemler [data]bu harika çünkü daha önce görmediğiniz yeni bakış açılarını görmek ve bir haritada görselleştirmek, bir grafik olarak görselleştirmek ve yeni içgörülerin kilidini açmak gibi şeyler yapmak için bu verileri pivot için kullanabilir ve erişebilirsiniz ”diyor Wiles.
Bahçe sensörleri şimdi açıldığında, NHM’nin sorgulamak için Amazon Q üretken yapay zekayı (AI) kullanmayı planladığı platforma ek veriler olacak ve kurulumda Amazon SageMaker için bir rol olacak. İkinci teknoloji, kullanıcıların verilerini anlamlandırmasına yardımcı olmak için makine öğrenimini analitik özelliklerle birleştirmek olarak AWS tarafından faturalandırılır.
Wiles, “Sagemaker’ı bu yılın ilerleyen saatlerinde birincil analiz aracımız olarak açmayı hedefliyoruz” diyor. “Ve bu yapıldıktan sonra, araştırmacı ekibimizin temel veri ekosistemindeki tüm verilere erişmesini sağlayabiliriz, böylece araştırmalarını Sagemaker içinde yerel olarak yapabilirler.”
Ancak Baker için odak noktası, örneğin, mevsimselliğin site genelinde sıcaklık desenleri üzerindeki etkisinin sahip olduğu temel bir resim oluşturmak için bir yıllık veri elde etmek için sensörleri kullanmaktır.
“Bir yıllık taban çizgisi almak istiyorum [of data] İngiltere çok mevsimsel olduğundan, bulduğunuz farklılıkların sadece mevsimselliğe bağlı olmadığından emin olmalısınız ”diyor.“ Katı yorumlamaya ihtiyaç duyan sağlam verilere ihtiyacımız var, böylece herkes için bu kadar güzel hale getirebileceğimiz anlamına gelen sağlam politikalar hazırlayabiliriz. ”
Örnek olarak, Güney Kensington’un ortasındaki konumu ve bunun nasıl hafifletilebileceği nedeniyle bahçelerin tabi olduğu gürültü kirliliğinin miktarını belirtiyor.
“Biz ve yol arasında çok fazla bitki örtüsü yok ve kışın gürültü kirliliği çok daha yüksek. Ve bununla başa çıkmak ve biyolojik çeşitliliği artırmak için ağaçlar ve çalılar gibi biyoçeşitliliği artırmak için müdahale edebilirsiniz, ancak hangileri? Çünkü kentsel alanları insanlar için daha güzel yapmak ve doğaya biraz savaşma şansı vermek istiyoruz.