農業氣象災害遠程智能預警系統設計

祁卓平

（甘肅省臨洮縣氣象局，甘肅 定西 730599）

0 引言

自然資源部地圖技術審查中心數據顯示，我國山地地形總面積超過300 萬km2，約占我國陸地總面積的33%。山地農作物種植是我國農業的主要組成部分之一，包括水果、蔬菜、藥材等經濟作物，提高山地農作物管理效率和技術水平，對促進農業生產具有重要意義。山區地形復雜、海拔落差浮動較大，山區氣候局部變化劇烈，特別是在深山地區，公共氣象局信息無法很好地覆蓋整個山區的現場氣象情況，復雜的氣候變化和氣象災害降低了經濟作物的生長品質[1-3]。另外，由于深山交通不變，加大了對作物生長情況的監測難度。實現對地理位置偏僻地區的遠程監測和局部氣象預警，對提高深山經濟作物生長品質具有重要意義。提出一種遠程氣象預警系統設計方案，利用氣象觀測傳感器和圖像采集模塊，結合4G 網絡通信技術，實現對偏遠山地區域的環境溫度、濕度、日照時數、風力等氣象數據及圖像信息的采集，并將數據實時傳輸至遠程服務器，服務器利用氣象站提供的公共氣象數據和現場局部實時氣象數據，結合采集的現場作物生產狀況圖像，利用智能學習算法，實現對氣象變化與氣象災害的預測，并對實時氣象數據和預測結果進行顯示，為農業防災、增效、增產提供參考數據支撐。

1 系統結構設計

氣象預警系統主要由多個分布于現場的前端采集終端和一個遠程服務器構成，具體包括ARM 處理器、氣象數據采集單元、圖像采集單元、4G 無線通信單元、遠程服務器等部分。其中，前端采集終端以ARM 微處理器作為控制核心，數據流主要分為氣象數據和圖像數據，微處理器控制氣象數據采集單元，對環境溫度、濕度、日照時間、風力等氣象數據進行采集，同時控制圖像采集單元，對監測區域的實時圖像進行成像和采集，并將氣象參數數據和圖像數據按照預定的通信協議進行打包，通過4G 無線通信模塊，將數據輸出至遠端的服務器，遠端服務器將接收的數據包進行解壓、統計、分析等操作，結合氣象站提供的公共氣象數據，進行綜合分析，輸出氣象分析結果，整個氣象預警系統結構如圖1 所示。

圖1 氣象預警系統結構Fig. 1 Structure of meteorological early warning system

1.1 ARM 微處理器

微處理主要負責對整個系統的控制、數據采集與傳輸，選用基于ARM 架構的芯片STM32F103，該微處理器具有運行速度快、功耗低、搭建系統成本低等優勢，且外圍資源集成度高，開發環境操作簡單，便于系統軟件開發[4]。該芯片屬于32 位ARM 微控制器，最大FLASH容量達512 K，內部集成了定時器、CAN 總線、ADC轉換、UART 串口通信等外設模塊，最高工作頻率72 MHz，采用低功耗設計，分為睡眠、停機和待機3 種工作模式，非常適用于低功耗、低成本采集終端設計。

1.2 氣象數據采集模塊

山地環境的氣象變化較為復雜，為了彌補氣象站提供的公共數據實時性和準確性不足的問題，對農作物現場氣象數據進行采集，作為對氣象數據的補充。氣象要素主要包括環境溫度、濕度、日照時數、風力等。采用標準RS232 串行通信接口，實現微處理器與多個設備的實時通信，實現對多個傳感器的一體化數據采集，并預留多個標準接口，以便進行更多傳感器的擴展。

環境溫度和濕度傳感器選用美國Onset 公司生產的HOBOS-002 型高精度溫濕度傳感器[5]。該溫濕度集成傳感器的溫度測量精度達0.2℃，濕度的測量精度達2.5%RH，可實現對環境溫度和濕度的高精度采集。圖像采集主要利用OmmiVision 公司的CMOS 圖像傳感器，型號為OV2640，該傳感器支持200 萬像素，可輸出的圖像分辨率分為176×144、320×240、640×480、1 600×1 200 等[6]。為了減小對微處理器運算資源的占用，適應無線網絡傳輸速率，采用OV2460 傳感器內部集成的DSP 對原始圖像進行壓縮處理，以JPEG 格式輸出圖像，以降低微處理的圖像壓縮壓力，且圖像清晰度可滿足對主要類別農作物的高清晰觀察。

1.3 無線通信模塊設計

山區一般地處偏僻，通信基站稀少，且信號易受到地形阻擋，通信質量差。若采用有線數據傳輸方式，系統搭建成本高且布線困難。為便于維護，降低成本，采用4G 無線網絡進行數據傳輸，可消除距離和地域限制，將氣象數據和現場圖像傳輸至遠端服務器。4G 無線網絡可保持持續在線，具備自動撥號功能，在發生斷線時可自動進行重連，保證通信的穩定性[7-8]。另外，局部氣象數據并不需要固定周期進行采集，根據不同農作物的實際生長需要進行采集，數據采集和傳輸周期具有不確定性和隨機性。為了節約網絡流量，采用基于推拉方式的混合傳輸機制，服務器可根據氣象預測軟件的需要，根據IP 地址主動拉取指定前端采集終端的數據，服務器也可向前端采集終端發送定時間指令，前端采集終端按照設定的時間周期性向遠程服務器推送采集數據。在空閑時間，斷開服務器與采集終端的鏈接，利用混合傳輸機制節約數據流量。

1.4 供電電源設計

系統采用直流電壓供電，需要的供電電壓分為5和3.3 V 兩類，其中微處理器、氣象采集模塊、通信模塊采用5 V 供電，圖像采集模塊采用3.3 V 供電。由于受山區地形限制，為了提升該系統的適應性，采用太陽能電板進行供電，利用太陽能電板為蓄電池充電，蓄電池的輸出電壓為直流12 V，再將蓄電池電壓轉換為5 和3.3 V，為系統供電。

2 系統軟件設計

該系統軟件主要包括前端采集軟件和遠程處理軟件兩大部分。其中，前端采集軟件嵌入在現場終端，主要負責對氣象參數和圖像采集，并將采集的數據進行打包，按照無線通信協議傳輸至遠端服務器。遠程處理軟件主要集中在遠端服務器，主要負責對數據的解壓、統計、存儲等操作，同時利用智能分析算法，根據采集的數據，對氣象數據進行評估，輸出預警結果。

2.1 前端采集軟件

前端采集軟件嵌入在前端采集終端的微處理器中，可分為軟件配置子程序、控制管理子程序、通信控制子程序、外圍采集設備管理子程序、數據處理子程序等部分。其中，軟件配置子程序負責對外圍傳感器模塊、通信模塊的初始化配置，包括設備端口號、外圍傳感器初始化、通信速率等格式配置[9]。控制管理子程序負責對設備開啟和停止的監測與控制，控制外圍采集設備的接入和分離，以及通信的收發控制等。通信控制子程序主要負責對無線通信的參數設置，控制無線信號的連接與斷開，控制數據流的收發。外圍采集設備管理子程序主要完成對外圍氣象傳感器和圖像傳感器的周期性數據采集，對采集時間、圖像分辨率、傳感器參數進行設置。數據傳輸流程如圖2 所示，數據處理子程序主要負責將采集到的氣象數據和圖像數據進行統一處理與壓縮打包，按照設定的數據格式，將數據包發送至遠端服務器，采集終端設置的主要控制命令如表1 所示[10-11]。

圖2 數據傳輸流程Fig. 2 Data transmission process

表1 采集終端設置的主要控制命令Tab. 1 Main control commands set by acquisition terminal

2.2 遠程處理軟件

遠程處理軟件主要嵌入在遠端服務器中，負責對氣象數據包的解壓、統計，并利用氣象數據和智能分析算法，結合農作物生長特性，給出相應的氣象預測，實現農作物實景監測、氣象狀況展示、災害預警、生長趨勢預測等功能。遠程處理軟件中數據展示部分主要包括實景圖像顯示和氣象數據曲線顯示。實景圖像顯示將多個終端上傳的圖像進行分欄顯示，可進行不同終端圖像切換顯示，從而觀察各個觀測點的作物生長情況。期限數據曲線主要是對溫度、濕度、風速等氣象數據進行匯總，并以時間為橫向坐標，繪制氣象數據變化曲線，展示不同時間段內的氣象數據變化趨勢。遠程處理軟件中預測算法部分主要采用神經網絡，對氣象數據和作物生長狀態進行特征提取，將氣象數據要素作為神經網絡輸入量，作物生長狀況作為輸出量，通過采集樣本訓練，獲得反應氣象數據和作為生產影響關系的預測模型，氣象預測模型如圖3 所示[12]。

圖3 氣象預測模型Fig. 3 Meteorological prediction model

利用遠程服務器的應用軟件，技術人員可實時掌握現場氣象和農作物生長情況，減少現場觀察的頻次，實現對交通不便山區作物的遠程監測，提高管理效率。同時，利用智能分析算法，結合氣象數據和農作物生長狀態，實現對氣象災害和作物生長趨勢的預測，降低災害風險。

3 試驗測試

為了測試系統方案的可行性和運行穩定性，利用3 個采集終端和1 個遠程服務器模擬山地遠程氣象系統。2021 年9 月，在臨洮縣南屏山區布置3 個采集終端，1 個遠程服務器放置于山區邊緣，3 個終端與遠程服務器距離為20 km 左右。測試結果表明，系統能夠穩定進行數據傳輸，無數據丟包或圖像丟幀現象出現。數據傳輸速率測試結果如表2 所示。數據平均傳輸速率為406 KB/s，一幅圖像的數據大小在400 KB 左右，僅需要1s 左右時間即可完成一幅完整圖像傳輸，可滿足對作物現場情況的監測。由于受山地、溝壑等復雜地形環境影響，4G 無線網絡信號質量與理論值雖然有一定差距，傳輸速度未能達到最優值，但能夠滿足農作物遠程監測的數據傳輸速度要求。

表2 數據傳輸速率測試Tab. 2 Data transmission rate test

為了進一步驗證無線數據的混合傳輸機制具有節約數據流量的優勢，在兩個采集終端上分別采用混合傳輸機制和傳統輪詢傳輸機制，對比兩種數據傳輸機制的流量消耗，結果如圖4 所示[13]。由流量消耗對比結果可知，混合傳輸機制的平均流量消耗僅是傳統輪詢傳輸機制的60%，可有效降低流量消耗量，節約數據傳輸成本，同時提高有效數據的傳輸效率，提升數據傳輸可靠性。

圖4 數據傳輸流量消耗對比Fig. 4 Comparison of data transmission traffic consumption

4 結論

利用微電子檢測技術和4G 無線通信網絡，搭建了一套現場氣象前端采集終端，通過多點分布采集和遠程數據傳輸，實現對偏遠山區局部氣象的實時采集與遠程傳輸，并利用遠程服務器進行數據收集與分析，利用智能分析算法實現對山區氣象預測，從而達到對農作物氣象環境預警和災害預防的目的。該方案對采集傳感器構成和傳輸網絡進行了優化，并在服務器端嵌入智能分析算法，實現設計結構簡化和低成本的同時，提高了氣象預測的準確性，提升了對偏遠地區農作物生長的遠程監測能力。