基于物聯網的森林碳匯遙感測量的探討

任潤東，吳秋蘭，潘寧寧，梁 勇

(山東農業大學信息科學與工程學院，山東泰安271018)

一、引 言

森林碳匯(forest carbon sinks)是指森林植物吸收大氣中的二氧化碳并將其固定在植被或土壤中，從而減少該氣體在大氣中的濃度。森林碳匯主要是指森林吸收并儲存二氧化碳的能力。近年來隨著溫室效應和氣候變暖的加劇，國際社會對森林吸收二氧化碳的匯聚作用越來越重視，旨在減少全球溫室氣體排放的《京都議定書》于2005年2月16日在全球正式生效，原本在自然界中默默地承擔著碳匯作用的森林，將更加受到人們的重視。

隨著遙感與信息技術的發展，國內外研究者多借助遙感手段研究森林碳匯問題。在國際地圖生物圈計劃(International Geosphere-Biosphere Program，IGBP)的模型研究計劃中，主要采用美國國家海洋和大氣局(National Oceanic and Atmospheric Administration，NOAA)的先進型甚高分辨輻射儀(advanced very high resolution radiometer，AVHRR)衛星較長時間序列的遙感數據估計;大尺度的碳匯計量主要采用遙感和模型相結合的方法。基于遙感技術的森林生物量和凈生長量模型的建立，在大尺度森林生物量及凈生長量的估算上有著其他方法不可替代的優勢，比傳統方法優越，這也為模擬和估算長時間、大尺度上的區域碳儲量提供了有效技術支持[1-4]。但是現有的遙感數據源并不能直接探測森林碳匯及其空間分布，大多數基于遙感技術的生態系統碳匯估算是建立在碳匯與遙感數據之間的線性相關分析上，缺乏對非線性遙感生態系統碳匯模型的研究，而且由于缺乏地面連續與翔實的碳匯監測信息進行驗證與輔助定量解譯，致使遙感解譯的精度較低，使得遙感的深入研究具有局限性。近年來，隨著物聯網的發展，給實現高精度定量遙感解譯提供了契機[5]。本文探討了基于物聯網的森林碳匯遙感測量方法，借助無線傳感器網絡技術，可以在森林局部區域布設高密度的傳感器，以便獲取翔實的地面碳匯信息，由其輔助遙感解譯驗證及其預處理，不僅省時省力，而且在近距離輔助遙感解譯的基礎上，遠距離輔助遙感監測成為可能，大大提高了遙感碳匯測量的解譯精度和范圍。

二、物聯網

所謂物聯網又稱傳感網(internet of things，IOT)。1999年在美國召開的移動計算機和網絡國際會議上首次被提出，2005年在突尼斯舉行的信息社會世界峰會上，國際電信聯盟(ITU)發布了《ITU互聯網報告2005：物聯網》正式提出了物聯網的概念。物聯網是在計算機互聯網基礎上利用射頻識別(RFID)技術、無線通信技術、紅外感應器、全球定位系統、激光掃描器等信息傳感設備，按約定的協議把任何物品與互聯網連接起來，進行信息交換和通訊，以實現智能化識別、定位、跟蹤、監測和管理的一種網絡。在這個網絡中物品間能夠進行“交流”無需人工干預。物聯網應用廣泛，遍及智能交通、環境保護、政府工作、公共安全、平安家居、智能消防、工業監測等多個領域。在生態系統碳匯測量方面，物聯網技術應用較少，目前正處于應用研究的起始階段，國內外尚未見基于物聯網的碳匯測量應用案例[6]。

三、基于物聯網的碳匯測量系統設計

基于物聯網的碳匯測量系統充分運用物聯網的全面感知技術、近程通訊技術、遠程傳輸技術、海量信息智能分析技術，實現影響碳匯的CO2、CH4、SO2、懸浮顆粒物濃度、氣溫、降水、濕度、光照、風向、風速、蒸發等生態因子的自動采集、傳輸與處理，為碳匯監測與模擬提供數據。系統由感知層、傳輸層、處理層組成。感知層是碳匯估算的基礎，碳匯因子傳感器、GPS及RFID等構成了物聯網的森林碳匯遙感測量系統的感知層，實現碳匯因子的全面感知;傳輸層實現信息的可靠傳輸，感知層采集的信息通過傳輸層傳輸到處理層及信息顯示終端;由控制器、顯示設備及操控終端等組成了智能處理層[7]。

(1)感知層的設計

感知層的主要任務是完成各項碳匯因子的快速、準確采集，為智能決策提供科學依據。感知層檢測的信息主要包括CO2、CH4和SO2、懸浮顆粒物濃度、氣溫、降水、濕度、光照等影響森林碳匯的生態因子。

根據感知節點的功能特點，感知節點結構如圖1所示。

圖1 感知節點結構示意圖

感知節點是實現信息感知的基本結構單元。利用優選傳感器及微處理器等部件，設計適宜的感知節點，實現對碳匯生態因子相關傳感器的集成，使其具有感知、計算和通信能力，實現數據的采集、處理和傳輸。并通過多源同構、異構數據的融合處理，實現碳匯相關生態因子的精確測量。感知節點同時具備高可靠、低功耗、耐潮濕、耐高溫、耐低溫等性能。

感知節點設計采用模塊化結構，通用信息感知主板通過標準接口與功能模塊及輔助模塊連接。其中輔助模塊包括GPS模塊、精準時鐘模塊等，可根據需要選用;功能模塊接口主要是傳感器接口，分為模擬量與數字量接口兩類，分別連接模擬量及數字量輸入模塊。供電形式可選用電池、太陽能。考慮到野外工作需要，信息感知主板應選用具有超低功耗特性的微控制器，傳輸模塊選低功耗、適于遠距離傳輸的無線傳輸模塊。

在單個感知節點設計的基礎上，根據不同生態系統類型、地形等特點，利用系統分析及軟件模擬等手段，確定最優的感知節點數量和空間優化布局，實現對生態因子的等功率覆蓋，達到精確測量生態因子的目的。同時滿足低成本、易維護、易動態組合等要求。在感知節點優化布設的基礎上，通過選擇合適的微內核操作系統及傳輸協議，開發可靠實用、易維護的應用軟件，構建強壯的無縫感知網絡。在運行過程中，通過網絡自診斷、網絡自組合、傳輸協議優化等措施，保證相關因子的可靠感知。

(2)傳輸層的設計

傳輸層主要完成信息的可靠傳輸。傳輸網絡結構需根據現場情形選擇靈活的結構形式，一般采取多輸入、多輸出的多路徑傳輸方式。傳輸節點是傳輸層的基本結構單元，除具有信息輸入、輸出轉發功能外，還需具有信息暫存功能，而且保證以最少的節點數量和最小的功率代價實現信息的可靠傳輸。無線傳輸節點結構示意圖如圖2所示。

圖2 無線傳輸節點結構示意圖

傳輸節點主要由CPU主板、存儲器、無線傳輸模塊、GPRS等組成。CPU主板應采用具有超低功耗且高性能的微控制器，CPU主板通過標準接口與外圍各模塊連接。無線傳輸模塊是實現無線傳輸功能的基本結構單元，可直接接收感知層采集的信息。傳輸層應根據采集區域地形特點，優選無線傳輸芯片，設計適應能力強、性能可靠的無線傳輸模塊，而且具有低功耗及傳輸功率自動調整功能，通過構建傳輸網絡很容易實現采集信息的遠距離傳輸;GPRS模塊實現采集信息的遠距離傳輸，通過互聯網可傳至所需到達的終端;存儲模塊通過多片互聯，可方便擴展存儲容量。

(3)處理層的設計

信息智能處理層主要完成數據的接收和預處理，并將數據導入數據庫。主要由無線接收模塊、微處理器等組成。針對信息的接收、預處理和數據入庫等問題，需研制的智能處理終端，開發信息智能處理系統。

四、遙感信息與物聯網信息融合處理

影響森林碳匯的各生態因子之間存在復雜關系，各因子對森林碳匯的影響也各不相同。遙感估算法利用遙感手段獲得各種植被狀態參數，結合地面調查，完成植被的空間分類和時間序列分析，估算大面積森林碳匯以及土地利用變化對碳匯的影響。利用遙感與物聯網技術獲取的碳匯信息具有多角度、多尺度、多波段、多類型的特征，使得碳匯信息呈現多樣性，因此應將不同方式獲取的數據進行有效融合。有效利用多個傳感器資源(遙感影像面源信息、物聯網點源信息)提供信息的互補性，獲得被探測目標更為全面的信息。

在遙感技術和物聯網技術的支持下，以信息理論與方法為基礎，將遙感與物聯網獲取的信息予以集成和融合，通過兩者的集成實現對地面信息的點面結合、空地一體的有機表達和描述，綜合兩種技術的優勢提高碳匯測量的精度和可靠性。以信息融合推動技術集成，通過兩種技術系統的結構與運行模式分析，形成集遙感與無線傳感器網絡于一體的碳匯測量體系，如圖3所示。

圖3 遙感與物聯網碳匯測量技術路線圖

針對監測目標與需求，構建森林碳匯因子指標體系;對遙感影像實施預處理、分類、融合、目標檢測、定量反演等處理，通過對已有算法的比較和分析，結合應用需求，選擇合適的信息處理方法提取所需要的碳匯信息;構建碳匯測量傳感器網絡，解決傳感器選型、無線通訊與信息傳輸、多傳感器集成、數據處理等關鍵問題，通過各種的傳感器，把獲取的CO2、CH4、SO2等生物量因子傳輸到物聯網數據中心進行分析，得到需要的碳匯因子;選取同一時期物聯網獲取的數據和遙感信息，進行信息處理與結果評價，獲取碳匯信息，通過不同的信息融合方法，實現遙感信息和物聯網信息的集成;通過同期物聯網信息，對遙感反演結果進行驗證和處理，為遙感解譯精度的提高提供支持[8-9]。

五、結束語

經文獻檢索，目前應用遙感技術進行森林碳匯測量是最廣泛的一種方法，基于遙感影像和物聯網的碳匯信息融合的研究成果較少。現代遙感技術最大特點是遙感影像覆蓋范圍大、時效性強，但受空間分辨率限制，大多數基于遙感技術的森林碳匯估算是建立在碳匯與遙感數據之間的線性相關分析上，所以通過遙感影像在識別碳匯信息時，仍需要地面的實地驗證。物聯網具備實時獲取實地信息的功能優勢，但監測裝置是固定的，只能獲取點源上的動態信息，監測范圍有限，在大面積森林布設監控網絡代價太高。可見，遙感技術與物聯網技術各具特色，優勢互補。因此，將遙感技術與物聯網技術有機結合起來，可以取長補短，即用物聯網技術實時獲取的碳匯信息作為遙感影像信息的實地驗證，用遙感影像監測范圍大的優勢彌補物聯網技術監測范圍小的不足。

[1]CHRISTINE L，GOODALE，MICHAEL J，et al．Forest Carbon Sinks in the Northern Hemisphere[J]．Ecological Applications，2010，12(3)：891-899．

[2]張坤．碳匯計量和核查方法研究[D]．北京：北京林業大學，2007．

[3]韓愛惠．森林生物量與碳儲量遙感監測方法研究[D]．北京：北京林業大學，2009．

[4]楊永恬．基于多源遙感數據的森林蓄積量估測方法研究[D]．北京：中國林業科學研究院，2010．

[5]殷鳴放，楊琳，殷煒達，等．森林固碳領域的研究方法及最新進展[J]．浙江林業科技，2010，30(6)：78-86．

[6]柳平增，畢樹生，梁勇，等．畜禽養殖環境智能終端的設計與實現[J]．計算機工程，2009，35(19)：20-25．

[7]柳平增，畢樹生，薛新宇，等．基于物聯網的農業生產過程智能控制系統研究[J]．計算機測量與控制，2011，19(9)：2154-2155．

[8]張海寧，孫久運．基于物聯網/RS集成的環境監測研究[J]．測繪，2012，35(1)：46-48．

[9]杜鑫，蒙繼華，吳炳萬，等．作物生物量遙感估算研究進展[J]．光譜學與光譜分析，2010，30(11)：3098-3102．