基于物聯網系統的甘蔗田間環境數據聚類分析與評價

李 婉，李修華，張云皓，溫標堂，葉志鵬，農夢玲

(1.廣西大學電氣工程學院，南寧 530004；2. 廣西捷佳潤農業科技有限公司，南寧 530004；3. 廣西大學農學院，南寧 530004)

0 引 言

傳統的農業監測系統往往采用有線組網技術，但由于農業現代化迅速發展以及采集節點數目大幅增加，所以布線的難度和成本也不斷地增加[1]。隨著農業物聯網概念的深入，無線傳感器網絡技術也開始在畜牧業、種植業等領域有了廣泛應用。

在國外，Kim等人通過無線傳感器網絡、差分全球定位等技術設計了一種可遠程監測農田現場數據并可實時控制的精密變量灌溉系統，同時定點6個農場的田間土壤參數，并以無線方式發送到基站以進行科學決策和精確控制[2]。Duncan Waga等人重點研究了利用云計算分析工具分析環境條件，期望其能為農民提供有意義的信息[3]。在國內，上海交通大學與中科院南京土壤研究所共同提出了基于“3S”技術的農田墑情監測系統框架[4]。龍騰芳分析了數據挖掘在農業上的應用，建設了針對溫室作物的生長決策系統，解決了溫室作物生長智能決策過程中推理困難的問題[5]。劉春玲分析了農業的特點，系統闡述了聚類算法，決策樹，關聯規則等數據挖掘算法在農業中的應用發展[6]。

隨著農業物聯網的急速發展與大量應用，大量的農田環境信息被收集，但對農田數據的挖掘及應用方面的研究還不夠深入，無法充分體現出物聯網對作物科學管理的價值。農田環境數據具有數據量大、結構復雜、類型繁多、價值密度低、產生數據快等特點[7]，如何對這些數據進行有效分析和挖掘是非常重要的。

廣西是我國最大的甘蔗產區，是保證我國蔗糖供應的重點區域。甘蔗生長與天氣氣候關系密切，天氣氣候條件是制約區域某種農作物是否正常完成其生長周期的主要因素。如何對田間采集的大量環境數據進行有意義的處理和分析，使其更好地為農業生產提供服務仍是急需解決的問題。本文通過在廣西一甘蔗基地安裝農田物聯網監測系統，對田間的空氣溫濕度，光照強度，土壤濕度等數據進行遠程監測，并將采集到甘蔗萌芽期、幼苗期、分蘗期和伸長期四個時期的環境數據運用差值法預處理后，再利用層次聚類法進行聚類，最終再依據甘蔗不同時期生長適宜條件對各類進行了優劣評價，管理者可以根據聚類結果更好地管理甘蔗的生長，對指導甘蔗的種植和穩定收入具有重要的意義。

1 農田物聯網監測系統設計

農田物聯網監測系統主要是將農田環境傳感器，短距離無線局域網和GPRS網關等關鍵技術進行集成，以實現對田間主要環境參數進行多點與實時采集，并遠程發送及存儲到監測中心服務器，進行遠程監測。

本系統主要由感知層、網絡層和應用層組成。①感知層。主要由若干傳感器節點組成，這些節點通過五種傳感器采集空氣溫濕度、CO2濃度、光照強度、土壤水分含量和土壤溫度參數，并將這些參數傳遞給網關節點(網關節點由協調器節點與GPRS模塊通過串口RS232連接組成)。②網絡層。主要負責接收數據采集層采集的數據，并將這些數據通過網絡上傳到服務器。本設計采用NXP公司的JN5168無線模塊構建無線傳感器網絡，該模塊的最佳工作電流為15 mA、具有低至0.6 μA的睡眠定時模式、深度睡眠時電流僅為0.12 μA(IO喚醒)，通訊距離最高可達1 000 m，滿足低功耗遠距離的通訊要求。③應用層。主要實現傳感器數據的查詢和處理。上位機服務器對從網絡層接收的數據進行處理，最后以網頁發布的形式實現數據的查看與共享。

根據ZigBee的組網特點，傳感器節點可以自動組成星型網絡、鏈狀網絡或樹狀網絡。考慮到田間可能存在網絡狀況不好、數據傳輸不穩定等問題，而在樹狀網絡中，JenNet-IP傳輸協議提供了自動路由修復機制[8]，提高了數據傳輸的穩定性，為此本設計組建樹狀網絡監測農作物生長的環境數據。

圖1 系統拓撲結構圖Fig.1 System topology diagram

系統拓撲結構圖如圖1所示。圖中傳感器節點將傳感器采集的數據通過無線傳感器網絡上傳給協調器節點，之后再通過GPRS模塊上傳給服務器。最終用戶只需要通過電腦或者手機等終端設備訪問發布的網頁即可獲取田間環境的數據表以及折線圖。突破了地域和時間的限制，實現對田間環境的遠程監測。

傳感器用來采集田間農作物的環境數據，將采集的環境物理量轉化為相應的電信號。根據農作物的生長需要，本系統主要集成了空氣溫濕度、CO2濃度、光照強度、土壤水分、土壤溫度等傳感器，選型信息見表1。

表1 傳感器信息Tab.1 Sensor information

2 數據的處理與分析

為了對物聯網采集到的數據進行有效分析，更好地指導作物種植與管理，在廣西一甘蔗種植地安裝了傳感器節點，采集了空氣溫度、空氣濕度、光照強度、CO2濃度、土壤溫度和土壤水分6種環境數據，采集間隔為10 min。本研究選取了2017年3月15日到11月8日這一時間段，即甘蔗的萌芽期、幼苗期、分蘗期和伸長期的環境數據來進行分析。

2.1 數據預處理

由于獲得的6種傳感器數據中存在一定的數據隨機誤差，所以需要對這些噪聲數據進行過濾。常用的噪聲過濾方法有回歸法、均值平滑法、離群點分析以及小波去噪。離群點分析、小波去噪和均值平滑法雖然也對噪聲數據進行了過濾，但針對本文中的數據過濾效果不夠理想，考慮到傳感器數據具有連續性的特點，故本文選用差值法對原始數據中的噪聲進行過濾。差值法是通過計算連續數據間差值絕對值的大小，比較是否超出了正常數據的振蕩幅度，若超出則說明這兩個連續數據間存在一個異常點，分別再將這兩個數據與相鄰的其他數據做差，若差值的絕對值超出正常數據的振蕩幅度，則說明這個數據為異常數據，直接剔除[9]。

以4月2日的光照強度數據為例，圖2顯示了差值法對原始數據進行去噪前后的對比效果圖。從圖2(a)可以看出，處理前的光照強度曲線上有很多毛刺，數據穩定性較差，通過差值法處理后，曲線變得更加平滑，數據更加穩定。

通過對甘蔗萌芽期(3月15日至3月31日)、幼苗期(4月1日至4月30日)、分蘗期(5月1日至6月15日)和伸長期(6月16日至11月8日)四個時期數據進行差值法處理，得到各個時期去除噪聲數據后的樣本個數分別為1 896、4 120、6 047和13 115。

圖2 4月2日光照強度曲線預處理前后對比圖Fig.2 The illuminance curves on April 2 before and after preprocessing

2.2 層次聚類的聚類分析及結果

從甘蔗基地獲得的傳感器數據數量龐大且繁雜，需要對這些數據進行挖掘，從而得到對管理者有意義的數據和結論。聚類分析是根據數據本身的性質自動將數據分為若干類，并且通過每一類的聚類中心清晰地反映整體數據的特點。層次聚類是聚類算法中的一種，通過計算不同類別數據點間的相似度將數據分為若干組并形成一個相應的樹來進行聚類。根據層次是自上而下還是自下而上形成，層次聚類算法可分為分裂聚類算法和凝聚聚類算法。由于大部分的層次聚類算法都屬于凝聚層次聚類，故本文選用凝聚層次聚類算法對環境數據進行聚類。

凝聚層次聚類算法流程圖如圖3所示，初始化主要是設置目標聚類個數，并載入樣本點數據。聚類之初，每個樣本都被視為一個獨立的類，計算每兩個類間的spearman距離(相似度)，并將間距離最近的兩個類合并為一個新的類；接著按同樣的方法繼續計算新生成的類之間的spearman距離，并進一步進行合并，直到新產生的類的數量與目標聚類個數相等，此時聚類結束。

圖3 凝聚層次聚類算法流程圖Fig.3 Flow chart of condensed hierarchical clustering algorithm

評價聚類算法結果的好壞有外部評價法和內部評價法。對于層次聚類算法來說，常用內部評價法來評價聚類結果的好壞。本文則采用內部評價法中最常用的CPCC(Cophenetic correlation coefficient)這一系數來進行評價。CPCC指的是聚類樹信息與原始數據距離之間的線性相關系數，是對聚類樹在多大程度上代表了樣本之間相異性的度量。該系數的范圍為[-1, 1]，越接近1說明聚類效果越好，越接近-1說明聚類越不合理。

甘蔗的生長受空氣溫濕度、CO2濃度、光照強度和土壤水分等因素的影響，由于甘蔗在空氣溫度低于13 ℃時會生長極慢或者停止生長，超過40 ℃生長被抑制；空氣濕度影響甘蔗的蒸騰和光合作用，過低或者過高都會導致甘蔗氣孔阻力增加，光合作用受到限制，影響甘蔗的生長；土壤水分過高會造成甘蔗根系缺氧從而抑制生長，過低使甘蔗生長所需的水分得不到滿足。因此，本研究選取空氣溫度、空氣濕度和土壤水分3種環境數據作為凝聚層次聚類算法的輸入數據。

圖4為空氣溫度、空氣濕度和土壤水分每天的平均值、最大值和最小值。可以看出，空氣溫度最低13 ℃，最高37 ℃，大部分數據分布在25～35 ℃之間；空氣濕度在生長前期主要分布在50%～100%之間，中后期有所降低；土壤水分含量則主要分布在20%～25%之間，其主要原因是該地塊采用了滴灌方式，在沒有降雨的情況下，土壤水分含量保持比較穩定。

由于這3種輸入數據的單位和數量級不盡相同，因此在聚類前，對數據進行了歸一化。通過對各生長期的樣本歸一化數據進行凝聚式層次聚類，得到不同時期的聚類效果圖與簇間相似程度圖分別如圖5、圖6所示。

圖4 原始數據統計結果Fig.4 Raw data statistics

圖5 各生長期數據的聚類效果圖Fig.5 Clustering effect diagram of each growth period data

圖6 各生長期數據聚類后的簇間相似程度圖Fig.6 Cluster similarity graph after clustering of each growth period data

簇間相似程度圖是將所有樣本點之間的spearman距離以顏色的形式呈現，顏色越接近深藍色就表示數據點間的距離就越近。該圖也能在一定程度上反映聚類效果的好壞，圖中3個類別的輪廓越清晰說明聚成3類的效果越好，反之效果越差。這4個生長期數據聚類的CPCC分別為0.849 1、0.835 5、0.823 9和0.817 5。綜合圖5～6中所示的層次聚類效果圖、簇間相似程度圖及CPCC值，可以看出，數據的層次聚類效果還是較好的。

層次聚類算法只對數據進行分類，并沒有直接給出數據對甘蔗作物生長的影響。為了進一步對各簇數據進行評價，本研究求取了各簇數據的平均值作為其聚類中心，并根據甘蔗生長的適宜性條件[10-11](如表2所示)，將生長環境數據用好、中、差3個等級來進行分級。

由于這4個生長期的土壤水分含量差別不大，且空氣溫度對甘蔗生長的影響要大于空氣濕度的影響，因此在對聚類結果進行分級時，主要采用了空氣溫度、空氣濕度、土壤水分含量這樣的優先級順序。即，當有兩類的空氣溫度值相差不大，則考慮下一優先級空氣濕度的值，越接近空氣濕度的適宜值越傾向于往更好的一級劃分。依據上述原則，將4個生長期的數據聚類后，各類的聚類中心(平均值)統計結果及評價等級如表3所示。

表2 甘蔗生長的適宜性條件Tab.2 Suitability conditions for sugarcane growth

表3 甘蔗各生長期數據的聚類中心統計結果Tab.3 The statistical results of the cluster centers of sugarcane growth stages

本方法明確地對作物生長的環境數據進行了分析與分類，并根據作物生長的適宜性條件對各類數據的優劣進行了分級，實現了對不同生長期環境數據的宏觀評價，可以有效地為甘蔗作物的科學管理提供數據支持。另外，本方法可進一步結合土壤肥力、施肥量、空間變異信息等其他主要因素來對甘蔗的品質及產量進行更準確的預測，為優化甘蔗種植提供指導意見。

3 結 論

本文設計了一套基于JN5168無線傳輸模塊的農田物聯網監測系統，實現了將空氣溫濕度、土壤水分和光照強度等田間環境數據定時采集并上傳至終端服務器的功能，并對服務器的數據實現了網絡發布，以達到隨時隨地通過網絡訪問的目的。為了對田間環境數據進行有效闡釋，本文進一步對廣西一甘蔗試驗田的生長環境參數進行了連續監測，收集了甘蔗作物萌芽期、幼苗期、分蘗期和伸長期這4個生長期的環境數據，重點介紹了對環境數據進行層次聚類分析的方法，并結合甘蔗生長的適宜性條件對聚類后的數據進行了優劣分級。數據聚類結果顯示，層次聚類法對環境數據的分類結果較好(各生長期分類的CPCC值分別達到了0.849 1、0.835 5、0.823 9和0.817 5)。本研究采用的方法實現了對作物不同生長期環境數據的宏觀評價，可以更有效指導作物種植與管理；本方法還可進一步結合土壤肥力、施肥量等其他主要因素來對甘蔗的品質及產量進行更準確的預測，為優化甘蔗種植提供指導意見。