Flores Macario, Huber Raul, juhendajaDar, Farooq AyoubTartu Ülikool. Loodus- ja täppisteaduste valdkond2026-04-172026-04-172026-04-17978-9908-57-187-4978-9908-57-188-1 (pdf)2613-59062806-2345 (pdf)https://hdl.handle.net/10062/120386Keskkonna jätkusuutlikkuse tagamine on tänapäeval üks olulisemaid ülemaailmseid ülesandeid, mis mõjutab nii looduslikke ökosüsteeme kui ka inimühiskonda tervikuna. Ressursside ületarbimine, saastamine, prügi kuhjumine ning elurikkuse vähenemine nõuavad viivitamatult tõhusate tehnoloogiliste lahenduste kasutuselevõttu, et toetada keskkonnaseiret ja ressursside säästlikumat kasutamist. See doktoritöö keskendub uue põlvkonna anduritehnoloogiate ja autonoomsete süsteemide integreerimisele keskkonnaseires. Töö peamine eesmärk on tutvustada ja arendada uusi meetodeid, mis võimaldavad reaalajas koguda, töödelda ja analüüsida ülima detailsusega keskkonnaandmeid, et täiustada keskkonnajuhtimist ningja toetada jätkusuutlikkust. Töös on välja töötatud kolm olulist süsteemi või kontseptsiooni. Esiteks: MIDAS -- uuenduslik kontaktivaba andurisüsteem erinevate esemete materjali määramiseks soojushajumise põhimõttel. Jälgides inimeste ja esemete vahelist soojusvahetust, suudab MIDAS iseloomustada igapäevaseid esemeid neid kahjustamata ja füüsiliselt puudutamata. Katsed on kinnitanud, et süsteem suudab täpselt tuvastada mitmesuguseid materjale, toimib erinevate kasutajate puhul ja suudab analüüsida mitut eset korraga. Seda tehnoloogiat on võimalik kasutada näiteks jäätmete sortimisel ja taaskasutuse tõhustamisel ning toetada seeläbi toodete keskkonnasäästlikku elutsüklit ja ressursside taaskasutust. Teiseks: LIZARD – autonoomne prügiseire- ja plastituvastussüsteem, mis ühendab termopildi ja valguspeegelduvuse andurid. LIZARD on loodud plastprügi (sh mikro- ja mesoosakeste) avastamiseks keskkonnas, keskendudes eelkõige traditsiooniliste meetoditega raskesti leitavatele väikestele osakestele. Süsteem töötab energiasäästlikult ning on hõlpsasti integreeritav maapealsete droonidega, võimaldades automaatset, ulatuslikku ja pidevat prügi kaardistamist ilma inimese sekkumiseta. See pakub uusi võimalusi prügisaaste varajaseks avastamiseks ja tõhusaks likvideerimiseks nii linnades kui ka loodusmaastikel, aidates võidelda plasti kuhjumise probleemiga. Kolmandaks: Micro-cloud ehk mikropilv – veealune hajusate arvutiarvutusvõrgustike (ingl fog computing) kontseptsioon, mis põhineb kommertskasutuseks mõeldud valmisseadmetel (COTS) ja võimaldab andmeid töödelda otse vee all või selle lähedal. See lahendus lubab teha reaalajas keerukaid analüüse otse andmete kogumiskohas – olgu selleks veealused sensorvõrgud, bioloogilise mitmekesisuse hindamine, veekvaliteedi seire või näiteks torustike turvalisuse jälgimine. MikropilvMicro-cloud on modulaarne, seda on hõlbus transportida (isegi droonide abil) ning see suurendab märkimisväärselt veealuste andmerakenduste töökindlust, skaleeritavust ja energiatõhusust. Selline lähenemine võimaldab laiendada seiret ka piirkondadesse, kus puudub püsiv sidevõrgustik või taristu (nt siseveekogud, süvameri), mis on oluline mitmekesiste keskkonnaprobleemide varajaseks avastamiseks. Kõigi kolme süsteemi töökindlust on katsetatud nii laboris kui ka reaalses keskkonnas ning tulemused näitavad võrreldes olemasolevate lahendustega märkimisväärselt suuremat täpsust, töökindlust ja energiatõhusust. Töös rõhutatakse ka keskkonnatehnoloogiate jätkusuutlikkust: süsteemide ülesehitus võimaldab vanade seadmete taaskasutust, vähendab elektroonikajäätmete teket ja optimeerib energiakasutust. Hajusarvutus- ja anduritehnoloogiate kombineerimine võimaldab luua terviklikke ökosüsteeme, milles andurid, servtöötlus, võrgud, pilvandmetöötlus ja kasutajarakendused (koondpaneelid, teavitussüsteemid) loovad andmevoo objektilt lõpplahenduseni. Kokkuvõttes pakub doktoritöö keskkonnaseireks uue põlvkonna digitaalse alusraamistiku, mis võimaldab kiiret andmetel põhinevat otsustamist ja terviklikku ülevaadet ökosüsteemist ning toetab tõhusat ja jätkusuutlikku keskkonnajuhtimist Eestis ja mujal maailmas.Pervasive sensing and autonomous technologies present a transformative opportunity to address urgent challenges in environmental sustainability, including pollution, climate change, and large-scale ecosystem degradation. Central to this vision is the integration of sensor-rich systems and intelligent computation for continuous, scalable, and context-aware environmental monitoring. This thesis explores how affordable, adaptive, and resilient sensor networks-- augmented by advanced autonomous processing-- can support sustainable management of natural resources through real-time data acquisition and automated response. Driven by the need for robust and cost-effective monitoring solutions in diverse and often inaccessible settings, this research investigates how pervasive sensing infrastructure can be paired with autonomous frameworks to overcome persistent obstacles of scalability, accuracy, and energy efficiency. The core research question guiding this work is: How can pervasive, low-cost sensors and autonomous systems be effectively leveraged to enable dynamic, high-resolution monitoring and pollutant detection at scale? Accordingly, the thesis investigates three primary avenues: innovative approaches to material identification, autonomous detection of plastic pollution, and underwater data analysis empowered by fog computing. First, the thesis presents MIDAS, an innovative material identification technique based on thermal dissipation patterns, capable of robust classification across material types and application scenarios. MIDAS demonstrates up to 83% accuracy, outperforming conventional approaches and adapting reliably to variable user and environmental conditions. Second, the LIZARD system is introduced -- a multi-modal sensing pipeline that fuses thermal and optical data for the autonomous detection of plastic pollution. By targeting macro, meso, and microplastics, LIZARD bridges a critical monitoring gap and achieves up to 80% accuracy in real-world deployments, showcasing the feasibility of affordable, high-precision environmental sensing. Third, a novel underwater fog computing framework is demonstrated, repurposing COTS devices as micro-clouds for distributed, real-time data processing in challenging aquatic and other remote environments. This solution enables cost-effective deployment and delivers resilient performance by adapting general-purpose technology for domain-specific needs. Together, these contributions advance the state-of-the-art in environmental monitoring by demonstrating how pervasive sensors and autonomous technologies can deliver actionable insights through scalable, energy-efficient and application-tailored systems. By bridging the gaps in the practicality and analytical precision of deployment, this work lays a foundational framework for the next generation of sustainable and intelligent environmental management.enAttribution-NonCommercial-NoDerivs 3.0 Estoniahttp://creativecommons.org/licenses/by-nc-nd/3.0/ee/doktoritöödThesis