日光温室内环境科学数据监测传感器的布设

彭秀媛 白冰 王枫 周国民

摘要：从传感监测数据准确性的角度，研究日光温室内环境科学数据监测传感器布设位置。以温度为例，在辽宁省冬茬西红柿种植日光温室内进行试验，将作物、环境、监控设备作为整体考虑，采用农业环境监控设备在日光温室内多点（M1～M11）测量空气温度。通过对数据的整体分析，并依据数据特点采用最佳平方逼近最小二乘法计算，研究现有生产方式下，日光温室内哪个位置的传感数据能够代表日光温室内温度的整体情况。结果表明，日光温室种植区域的中心点（监测点M6）及附近区域的温度最能代表日光温室内温度的整体情况，该区域即为温度传感器的最佳布设区域。该结论为日光温室内温度数据监测的准确性提供了理论支撑，也为日光温室内其他环境监测传感器布设研究提供了思路。

关键词：日光温室；环境科学数据；温度传感器；布设区域；最佳平方逼近最小二乘法

中图分类号： TP212.9文献标志码： A

文章编号：1002-1302（2017）10-0167-03

农业物联网是新一代信息技术在农业领域的高度集成和综合运用[1]。近些年来，美国、欧洲的一些发达国家相继开展了农业物联网应用示范研究，实现了物联网技术在农业生产、经营、管理、服务等阶段“人-机-物”信息交互与精准农业的实践与推广[2-5]。我国农业物联网技术应用总体处于试验示范阶段，中国农业大学、国家农业工程技术研究中心、中国农业科学院信息研究所等科研机构及相关学者近些年开展了较多的应用研究，在设施农业、大田作物、果园等方面形成了典型的应用示范案例[1]，而实际推广应用则较多集中在设施农业环境监测与控制方面。虽然农业环境监控设备已经被广泛应用，但实际生产中的完全自动控制、监测数据的再利用等却很少，重要的原因是监测数据的准确性不能保证，导致基于该数据的指导与决策没有实际可操作性及意义，也反过来阻碍了该应用模式的发展。

笔者总结多年推广实践认为，日光温室生产环境科学数据测量的准确性主要受以下因素影响：传感器的精度、灵敏度、分辨率；接收传感器数据监测设备的硬件设计及软件部分对监测数据的处理；监测传感器的布设。前2点可以通过传感器的选型、监控设备的设计、生产工艺进行保证。在传感器布设方面，经文献调研，已有众多研究者从无线传感器网络覆盖角度，研究了传感节点在农田环境中的部署策略和方法[6-8]。但在设施农业生产中，少有从传感监测数据准确性角度研究传感器布设，实际应用中传感器布设主要根据安装人员的想法和经验。传感器监测的数据是智慧农业的最底层，也是最重要的一层，它的准确性是对它进行控制的基础，并直接影响上层模型建设及进一步决策等的准确性。特别是日光温室由于其结构特性，使得它本身具有环境不均匀性。因此，研究日光温室中环境科学数据监测传感器布设十分有必要。

在研究日光温室微生态环境变化的过程中，光照度、气温、湿度、CO2浓度、水分含量等温室环境因子中温度、湿度对作物生育的影响最显著[9]。温度、湿度具有耦合关系，因此本试验以温度为例，将作物、环境、监控设备作为整体考虑，研究现有生产方式下，日光温室内哪个位置的传感数据能够代表日光温室内温度的整体情况。该方面的研究并没有相关先验知识的指导，因此针对此问题，笔者在辽宁省农业科学院的一个日光温室内进行实地试验，采用辽宁省农业科学院自主研发的农业环境监控设备在日光温室内多点测量空气温度，通过对监测数据的分析，以期发现空气温度传感器的最佳布设位置，为日光温室内空气温度传感器的布设提供理论支持。

1材料与方法

1.1试验的日光温室

选取辽宁省农业科学院专门用于测试信息化设备的日光温室进行实地试验，试验温室规格为45 m×9 m，主栽品种为西红柿，采用基质栽培方式，行间距为1.1 m，温室内降温设备为放风电机、风机、水帘，降湿设备为放风电机。温室内升温设备为太阳能暖气、电暖气（备用设备）。试验时间为2015年9月24日至2016年2月8日。覆盖冬茬西红柿开花坐果期和结果期，其中幼苗期为2015年8月10日至9月30日，开花坐果期为2015年10月1至20日，结果期为2015年10月21日至2016年1月28日。

1.2试验方法

本试验采取采样点的方式测量日光温室生产区域的空气温度。选取水平位置一致的11个典型位置点进行测量（图1），以发现11个位置空气温度的差异以及日光温室内哪个位置监测点的数据能够代表日光温室环境的整体情况。考虑温室内作物的生长，11个监测点高度始终位于11株被测试位置西红柿植株平均高度之上10 cm的位置，随着西红柿的生长进行调整，最高距地面1.9 m。

1.3试验材料

采用辽宁省农业科学院信息中心自主研发的农业环境监控器（WM2500型）在日光温室内多点测量空气温度，监测方案见图2。农业环境监控器在元器件筛选（静态筛选、高低温筛选、性能筛选等）、基准电压配置[10]、传感器选型、温湿度的线性度[11]、传感器重复度方面进行了大量工作，保证设备的准确性，适用温度范围为-10～50 ℃。选用DS18B20温度传

感器，其精度高达0.01 ℃，满足农业应用需求。

[FL（2K2]2结果与分析

在生产过程中影响温室内空气温度值的操作有2种：（1）放风设备根据温度值自动放风，设置最低阈值28 ℃、最高阈值30 ℃，当温度高于最高阈值，则开启放風设备，当温度低于最低阈值，则关闭放风设备；（2）人工根据温室内的湿度进行放风操作，操作时间一般为一天中11：00—12：00的时间段。

2.1数据准备

通过对数据以天（d）为单位进行曲线走势分析，归纳得出1 d的温度变化可以分为3个时间段：00：00—09：00、09：00—14：00、14：00—24：00。其中00：00—09：00时间段为温度上升阶段，趋势近似一次函数且变化缓慢；14：00—24：00时间段为温度下降阶段，趋势近似一次函数且变化缓慢；09：00—14：00 时间段近似二次函数，曲线或为单峰或为双峰，当人工放风操作时曲线为双峰。

本研究不考虑波动平缓的一次曲线部分，着重考虑二次曲线部分，且不考虑人工放风操作对监测点及二次曲线的影响，将此时间段看成开口向下的二次曲线函数，选取在12：00时间达到温度峰值，由于主要是为了研究升温的趋势，因此09：00—12：00为重点研究时间段，同时在温度下降趋势阶段选择1个点作为校正，因此选择09：03、10：03、11：03、14：03这4个时间点的监测值。为了减少外温、光照等因素对试验结果的影响，选取较近日期的数据进行分析。综上，选取本研究数据对象为：M1～M11共11个监测点连续6日（2015年10月15、16、17、18、19、20日）分别在09：03、10：03、11：03、14：03这4个时间点的平均温度数据。将数据按以下原则进行标准化：以12：03时作为x轴（即时间轴）0点，则09：03、10：03、11：03、14：03时在时间轴坐标分别为-3、-2、-1、2；以 11：03 时平均温度作为y轴（即温度轴）0点，则其他时间的平均温度相对于11：03时平均温度取值（表1）。

2.2最佳平方逼近最小二乘法[12]

由于温度的变化近似二次曲线，所以设y=ax2+c，而（[CM（25*5]Ax，Ay）、（By，By）、（Cx，Cy）、（Dx，Dy）为每个监测点用来拟

2.3分析结果

采用上述方法拟合出11条二次曲线（表2），对a值进行观察得出监测点M1的a值与其余监测点差别较大，可能由于监测点M1位于温室门附近，因此其温度受室外溫度以及温室内种植活动影响较大，因此剔除监测点M1数据。

取N=10，j=2，3，…，11，由公式（4）、公式（5）分别得出 M2～M11的Tj、T[TX-]值，最后由公式（6）得出a[TX-*5]值为-0.437，将a[TX-*5]与aj值取正，通过比对得出与a[TX-*5]最相近的曲线a值对应监测点M6（图3），该点位于温室种植区域的中心点，该点及附近点最能代表温室整体温度情况，即温度传感器的最佳布设区域。

3结论与讨论

农业物联网感、传、智、用、运、管六大环节的首要就是感，其要求是准确感知。因此，笔者以实践过程中存在的问题为导向，开展日光温室生产环境温度数据监测传感器布设研究。通过在辽宁省农业科学院日光温室内进行温度数据监测试验[CM（25]、数据整体分析以及依据数据特点对其进行最佳平方逼近

最小二乘法计算，得出以下结论：（1）冬茬种植中，监测点M1位于门附近，其温度数据受室外温度以及温室内种植活动影响较大，导致该点温度偏低；（2）由于温室左侧近半被太阳能升温设备部分遮挡，造成试验对称监测点温差相差3～5 ℃，可能对结论的精确度有影响；（3）监测点M6的拟合二次曲线a值与总体加权平均后的a[TX-*5]极其接近。

综上得出，日光温室种植区域的中心点（监测点M6）及附近的温度最能代表日光温室内温度的整体情况，该区域即为温度传感器的最佳布设区域。该结论为日光温室内环境数据监测的准确性提供了理论支撑，奠定了农业环境监控设备“自动化-智能化-智慧化”递进过程的基础。该试验也为日光温室内其他环境监控传感器布设研究提供了思路。本研究下一步将采用更为通用的日光温室，进行具有耦合性的多环境参数数据监测，采用回归方法进行分析，得出更精准的结论，并进一步验证此次试验结论。

参考文献：

[1]葛文杰，赵春江. 农业物联网研究与应用现状及发展对策研究[J]. 农业机械学报，2014，45（7）：222-230.

[2]Commission of the European Communities. Internet of things-an action plan for Europe[R]. Brussels：Commission of the European Communities，2009.

[3]Bowman K D. Longevity of radio frequency identification device microchips in citrus trees[J]. Hortscienc，2010，45（3）：451-452.

[4]Hwang J，Shin C，Yoe H. Study on an agricultural environment monitoring server system using wireless sensor networks[J]. Sensors，2010，10（12）：11189-11211.

[5]Park D H，Park J W. Wireless sensor network-based greenhouse environment monitoring and automatic control system for dew condensation prevention [J]. Sensors，2011，11（4）：3640-3651.

[6]孙玉文，沈明霞，周良，等. 农田无线传感器网络的节点部署仿真与实现[J]. 农业工程学报，2010，26（8）：211-215.

[7]郭秀明，赵春江，杨信廷，等. 基于网格扫描的实现目标点覆盖的确定性传感器节点部署方法[J]. 传感技术学报，2012，25（1）：104-109.

[8]刘卉，孟志军，徐敏，等. 基于规则网格的农田环境监测传感器节点部署方法[J]. 农业工程学报，2011，27（8）：265-270.

[9]贾炳彦，张文焕，王双喜，等. 日光大棚温室中温湿度控制器的研究[J]. 山西农业大学学报（自然科学版），2008，28（2）：216-219.

[10]张惠国，王晓玲，唐玉兰，等. 一种用于FPGA配置的抗干扰维持电路[J]. 电子学报，2011，39（5）：1169-1173.

[11]梁志国，成志尧. 静态测量系统线性度与温度的模型化补偿方法[J]. 计量学报，2001，22（4）：259-263.

[12]黄明游，冯果忱. 数值分析（下册）[M]. 北京：高等教育出版社，2008：131-138.

[FQ）]