一種WSNs森林信息采集與預測系統*

余 樂， 易曉梅， 莫路鋒, 吳 鵬

(浙江農林大學 信息工程學院，浙江 臨安 311300)

0 引 言

基于無線傳感器網絡(wireless sensor networks,WSNs)技術監測范圍廣、持續時間久、感知能力強、信息傳遞及時等優點，WSNs能夠滿足森林生態系統信息獲取的實時性、準確性、全面性的需求，從而為精確測定相關生態指標提供一條切實可行的途徑，突破了長期以來困擾森林生態系統相關研究發展的瓶頸[1～7]，該技術已在國內外得到了廣泛的應用。在國外，Gomes T等人[8]設計了溫室環境監測系統，實現了溫室環境的高效監測。文獻[9]提出了一種基于WSNs和空中機器人協同的葡萄園實時監測系統，成本較高，無法得到普及。國內，孫寶霞等人[10]設計了一種基于混合天線的WSNs稻田環境信息實時監測系統，實現了大面積水稻田生長環境參數的實時采集、無線傳輸和遠程監測。王驥等人[11]結合ZigBee和WSNs設計了集多種功能于一體的完整環境監測系統。上述研究中并未涉及大規模森林環境的監測，且研究數據僅能代表傳感器節點附近的信息，而無法獲得無傳感器節點區域的信息。

針對當前森林環境監測方法和監測系統存在的不足，本文提出了一種利用WSNs對森林進行監測的方法，能夠監測大范圍的森林信息，并通過Kriging插值算法預測無傳感器節點位置的信息，最終由系統界面直觀展示了森林信息的分布情況。

1 系統整體設計

系統主要由三大部分組成：WSNs模塊、數據處理分析模塊、展示終端模塊。

WSNs模塊主要負責森林信息的采集，包括溫度、濕度和光照強度。采集的數據通過無線的方式傳輸至Sink節點，并由Sink節點發送至數據處理分析模塊。傳感器網絡采用改進的匯聚樹路由協議(collection tree protocol,CTP)進行數據的轉發。系統中的傳感器網絡由Telosb節點構建，節點主要包括感知模塊、數據處理模塊、無線通信模塊和供電模塊。

數據處理分析模塊收到Sink節點發送的數據后對數據進行處理，并根據傳感器節點采集的信息對未部署傳感器節點的位置進行信息插值預測，并將結果保存至Sqlite數據庫中，記錄歷史數據。

展示終端模塊利用采集的歷史數據和實時數據展示系統監測結果。系統中利用顏色深淺等方式表示森林信息的分布情況。

2 實現原理

2.1 改進的CTP

傳統基于CTP的路由選擇具有2方面的局限性：1)只注重傳輸代價而未考慮比較長的傳輸路徑中的傳輸成功率；2)只注重鏈路上包的丟失而忽視了轉發節點對包的主動丟棄。為解決上述問題，使得路由協議適用于大規模的WSNs，提出了采用數據實際發送質量(quality of forwarding，QoF)表征鏈路質量，相較于傳統的CTP路由，QoF指標同時包含了數據投遞率和傳輸路徑的發送代價2方面信息。

定義一個數據包在鏈路上的期望傳輸次數(expected transmission count,ETC)為

(1)

式中q為一個數據包成功通過鏈路的概率；r為重傳限制次數，即發送者放棄之前允許重傳的次數；q(1-q)k-1為一個包第k次通過鏈路的概率；∑kq(1-q)k-1為數據包通過鏈路的期望傳輸次數；(r+1)(1-q)r+1為數據包未能通過鏈路的期望傳輸次數。ETC不僅考慮了鏈路質量，而且考慮了重傳。

將一個通用鏈路的QoF定義為數據投遞率(packet delivery radio,PDR)與實際傳輸代價的比值

(2)

QoF與期望傳輸次數ETX具有3方面差別： QoF計算傳輸代價更精確；QoF考慮了數據投遞率，這對數據收集協議非常重要；QoF考慮到節點的不可靠性。

PDR計算如下

PDR=1-(1-q)r+1

(3)

式中q為一個數據包成功通過鏈路的概率；r為重傳限制次數。

2.2 自適應Kriging插值算法

由于森林監測區域面積大，而密集的部署傳感器節點的成本非常高，為了更全面監測森林信息，本文使用Kriging插值算法對森林環境進行預測，Kriging插值算法是一種線性最優內插法，具有較高的預測精度，應用于森林信息監測的具體過程如下：

1)建立依存關系

進行采樣點配對，將樣本點進行兩兩配對，并根據測量點的空間分布情況，分析經驗半變異函數r(h)

(4)

式中h為分離距離；N為樣本半變異函數值中距離為h的樣本數量；z(xi)和z(xi+h)分別為兩個配對的樣本點。通過求得的半變異函數的變化曲線和參數來擬合變異函數的理論模型，建立節點間的依存規則。如圖1所示。

圖1 模型構建

2)未知節點預測

利用變異函數模型對未知點進行預測，假設某一區域采樣點位置xi處的值為z(xi)，i=1,2,3,…,n，則在預測點x0的估計值Z(x0)可以通過周圍n個采樣點的值z(xi)的線性組合求得，即

(5)

(6)

式中γ(xi,xj)為xi與xj間的變異函數；γ(xi,x0)為xi與x0之間的變異函數;μ為與方差最小化有關的拉格朗日乘數。插值預測如圖2所示。

圖2 插值預測

假設0#位置為待預測點的位置，1#～4#位置為已知樣本點的位置，利用樣本點預測0#位置的值過程如下：利用變異模型計算出γ(hij)，根據式(6)可得式(7)；根據式(7)即可計算出對應樣本點的權重分別為λ1,λ2,λ3,λ4；利用式(5)預測出0#位置的預測值Z(x0)

(7)

3 監測結果展示

3.1 系統界面

系統界面用于展示監測結果，如圖3所示，圓點表示傳感器節點，五角星為Sink節點。傳感器節點部署在監測森林中，采集的信號發送給Sink節點。

圖3 實時數據顯示

圖中Connect按鈕用于數據處理與分析模塊開始接收傳感器網絡的數據；Kriging表示克里金插值算法，該功能根據實際情況選擇最優模型預測未部署傳感器節點區域的溫濕度和光照強度，并顯示于界面上；Route為路徑查詢功能，顯示某個節點將數據發送至Sink節點的路由路徑；Receive Num表示系統收到數據包的數量。

圖3顯示了某個傳感器節點采集的實時數據，系統顯示出該節點位置的溫度、濕度、光照強度，其中“11”表示傳感器節點編號，同時溫濕度和光照強度分別為67.27 ℃，31.88 %RH,1213 Lux。

3.2 監測信息分布

由于部署區域中的傳感器節點數量有限，并不能覆蓋到監測區域的所有角落。為了能監測到監測區域任意位置的信息，本系統采用前述算法，根據節點采集的數據通過Kriging插值算法可以預測出未部署傳感器節點區域的信息。為了能直觀地看出在監測區域同一時間不同位置的溫度(T)、濕度、光照強度(L)大小的分布，分別用紅、藍、黃3種顏色覆蓋監測區域。溫度的高低用顏色的深淺表示，低溫地區顏色比較淺，而溫度相對較高的區域顏色比較深。利用顏色及深淺來表示森林中監測信息的分布情況。

3.3 歷史數據生成

當系統監測某塊區域一段時間后，會產生大量數據，直接觀察難以找出變化規律，導致監測者不能充分了解檢測區域溫度、濕度、光照強度的變化動態。為解決這一問題，本系統對歷史數據進行處理分析，制作出歷史數據變化曲線，如圖4所示，該圖為監測區域24 h內溫濕度和光照強度的變化情況。

圖4 歷史數據

4 系統測試

為驗證系統采集數據及預測數據的準確性，于2016年7月選取浙江農林大學附近森林作為監測區域，在森林內部署30個傳感器節點進行實驗。系統設置每10 min采集一次溫度、濕度、光照等數據信息，并使用手持型森林環境監測儀對采集數據進行校對。圖5為連續24 h內系統采集的平均值與手持測量儀器采集的數據對比。

圖5 森林環境實時監控曲線

實驗結果表明:本文系統采集的數據和利用Kriging插值預測的結果均具有較高精度，能夠滿足實際應用的需求。森林環境溫度、濕度和光照強度平均相對誤差分別為0.72 %，0.79 %，1.26 %。

5 結 論

將WSNs技術應用于森林環境的實時監測中，提出了基于WSNs的實時森林環境因子監測系統的研究與設計方案。系統能持續監測森林生態系統中的溫度、濕度、光照強度等指標，采用基于傳輸路徑質量的路由方法，定義了一個兼顧數據投遞率和傳輸路徑發送代價的鏈路質量指標QoF，并將之應用到CTP協議的路徑選擇中，同時采用改進的自適應克里金插值算法，利用距離預測點最近的測量點進行計算。系統構建成本低、擴展性強、靈活性大、適用范圍廣，為森林環境監測提供了有效的解決方案。