基于LoRa和NB-IoT技術的精準農業環境遠程監測研究

摘 要：針對當前農業環境監測中數據傳輸不穩定、覆蓋范圍有限、能耗高以及實時性差等問題，圍繞精準農業需求，設計了一種基于LoRa和NB-IoT（窄帶物聯網）的農業環境遠程監測系統，從而實現廣域、低功耗、實時精準的環境監測。系統分為感知層、傳輸層和應用層，各層中的功能模塊相互協作，實現了從數據采集、傳輸到應用的完整閉環。首先，感知層通過多種傳感器實時獲取農田環境數據，傳輸層負責將采集到的各類傳感器數據利用LoRa和NB-IoT模塊傳輸至云服務器，服務器對數據進行分類、儲存、分析，并通過遠程控制模塊優化環境參數。最后在應用層以數字或圖表的形式將監測結果展示給用戶，實現精細化監測和管理，達到科學種植和節約成本的目的。實驗結果表明，該系統在大規模農田環境中具有較高的監測精度和穩定性，能夠顯著提升農業生產的精準管理水平，降低資源消耗，助力可持續農業發展。

關鍵詞：農業環境；遠程監測；LoRa；NB-IoT；農業發展；數據融合

中圖分類號：TP277 文獻標識碼：A 文章編號：2095-1302（2024）12-00-05

0 引 言

隨著全球人口的持續增長和城市化進程的加快，農業生產面臨著諸多挑戰，如糧食需求增加、耕地資源稀缺以及氣候變化帶來的不確定性[1]。傳統農業的耕作方式難以應對這些復雜問題。因此，精準農業應運而生，旨在提高生產效率，優化資源利用并降低對環境的影響。精準農業憑借現代信息技術、傳感技術和自動化控制，實現了對農田環境的精細化管理與智能化決策。其中，環境監測是精準農業中最為關鍵的環節[2]，但傳統監測技術在數據傳輸、覆蓋范圍和能耗方面存在較大的局限性，難以滿足大規模農田的長期監測需求。

當前，窄帶物聯網（Narrow Band Internet of Things， NB-IoT）技術憑借其廣覆蓋、強穿透力和低功耗等特性，在精準農業環境遠程監測領域被廣泛應用，逐漸成為農業物聯網中的重要技術[3]。當前已有文獻詳細介紹了如何利用NB-IoT技術構建精準農業監測系統。該系統可以實時采集溫濕度、光照等農田環境數據，通過NB-IoT模塊進行傳輸，確保大范圍監測覆蓋和高效的數據傳輸，解決了傳統監測系統功耗高、通信不穩定的問題。部分文獻利用NB-IoT技術組建無線傳感網絡，并通過多傳感器數據融合方法對農作物生長環境進行了實時監測與綜合判斷，設計了一種基于NB-IoT技術的智能農業環境監測系統，有效提升了環境狀態預測精度。還有部分文獻探討了NB-IoT在農業物聯網中的應用，設計并實現了一個大田農業環境遠程監測系統，該系統能夠監控包括空氣溫濕度、土壤含水量、電導率等多項環境參數。結果表明，NB-IoT技術在廣域、低功耗的農業物聯網應用中具有重要作用，能夠實現長時間穩定監控。以上研究表明，NB-IoT技術為精準農業的遠程監測提供了有效的解決方案，推動了農業生產的智能化和高效化發展，但將其應用于精準農業仍面臨一些挑戰，如存在網絡覆蓋盲區、價格成本較高等問題。這些問題推動了相關研究的持續優化，特別是與其他技術（如LoRa）的融合使用，可進一步提高系統的穩定性和適應性。

基于此，本研究設計了一種基于LoRa和NB-IoT技術的精準農業遠程監測系統。通過對LoRa和NB-IoT的多技術協同應用，有助于克服單一技術的局限性，在農業監測系統中實現優勢互補。在該系統中，LoRa負責覆蓋廣域的常規環境數據采集，而NB-IoT則用于傳輸關鍵數據或在需要更高可靠性的場景下提供保障。結合這兩種技術，本研究致力于構建一個覆蓋范圍廣、能耗低、數據傳輸穩定且具備實時監測能力的農業環境遠程監測系統，以滿足精準農業的實際需求。

1 系統總體架構設計

本文設計的基于LoRa和 NB-IoT技術的精準農業遠程監測系統參考物聯網分層模型，分為感知層、傳輸層和應用層，共計3層。各層中的功能模塊相互協作，共同構成一個完整的監測與管理系統，旨在實現農田環境的實時監測和科學管理。系統的總體結構如圖1所示。

圖1展示了系統的3層架構，實現了從數據采集、傳輸到應用的完整閉環。通過將不同的技術模塊有效結合，本系統可以實現精準的農業環境監測和管理，提高種植效率并節約成本。

感知層作為系統的基石，主要負責對農田的各項環境參數進行采集和對終端執行設備的控制。通過部署在農田中的各類傳感器（如溫濕度傳感器、土壤濕度傳感器、光照強度傳感器、CO2傳感器等），獲取環境和農作物生長的實時關鍵數據，然后通過LoRa模塊將數據進行傳輸。得益于其低功耗、長距離的傳輸特性，LoRa技術尤為適用于大規模農田的覆蓋。傳輸層作為連接感知層和應用層的橋梁，負責將感知層采集到的各類傳感器數據通過LoRa和NB-IoT模塊傳輸到中央處理單元（MCU）和云端服務器。服務器隨后對數據進行分類、存儲和分析。通過對環境數據的智能分析，服務器可以生成優化農田環境的控制指令，并通過遠程控制模塊傳輸到相應的執行設備。最后，應用層為用戶提供遠程監控和管理的接口。用戶通過手機、電腦等終端設備獲取傳輸到云端的實時數據，可以通過這些設備監控農田環境，分析作物生長情況，并遠程控制感知層的相關設備（如灌溉設備、水肥一體化設備、驅蟲設備等）。

2 感知層的設計與實現

2.1 硬件電路設計

2.1.1 LoRa和NB-IoT模塊設計

在基于LoRa和NB-IoT技術的精準農業環境遠程監測系統中，LoRa和NB-IoT通信模塊的硬件設計至關重要。它們需要實現低功耗、長距離的穩定數據傳輸，以滿足精準農業的需求。

LoRa模塊用于近距離數據采集和傳輸，匯總本地傳感器數據。系統使用Semtech的SX1278 LoRa芯片，支持長距離低功耗通信，配備高增益433 MHz天線以延長傳輸距離。MCU采用低功耗的STM32微控制器，負責數據管理和低功耗模式切換。為穩定電源，使用LDO穩壓器，并通過SPI接口與MCU通信，以提供高速穩定的數據傳輸。系統還配備了E2PROM存儲器以緩存傳感器數據，防止斷網時數據丟失。

NB-IoT模塊用于遠程數據傳輸，采用Quectel BC95，支持廣覆蓋的低功耗廣域網（LPWAN）通信，配備了900 MHz天線和SIM卡插槽，以確保蜂窩網絡穩定連接。MCU通過UART接口與NB-IoT模塊通信，負責數據傳輸和接收指令。系統電源設計考慮模塊的峰值電流需求，同時支持超低功耗的休眠狀態。

2.1.2 傳感器采集模塊

系統的環境數據采集模塊包括溫濕度傳感器、土壤濕度傳感器、光照強度傳感器和CO2傳感器。各傳感器設計如下：

（1）溫濕度傳感器

DHT11傳感器用于監測空氣溫濕度，輔助調控灌溉和通風設備。它將溫濕度傳感器集成在一起，并內置信號處理芯片，輸出數字信號，以降低外部電路復雜度。DHT11在20 %RH～80 %RH相對濕度和0～50 ℃溫度范圍內表現穩定，采用單總線通信，方便與MCU連接，適合大規模使用[6]。

（2）土壤濕度傳感器

系統選用YL-69土壤濕度傳感器，通過探針檢測土壤水分含量，配合YL-38模塊與微控制器連接。該傳感器響應迅速，能實時反映土壤水分變化[7]。

（3）光照強度傳感器

BH1750用于測量光照強度，通過I2C接口輸出數字信號，抗干擾性強。其內置ADC模塊可將光強度直接轉換為數字信號，無需額外處理，測量范圍為1～65 535 lx，精度較高[8]。

（4）CO2傳感器

MH-Z19傳感器采用NDIR技術測量CO2體積分數（輸出方式為UART和PWM），具有高精度、低功耗、長壽命等特點，適用于農業環境中的CO2監測[9]。

2.1.3 傳感器節點硬件電路設計

根據上述所選擇的器件，設計傳感器節點的硬件電路，整體結構如圖2所示。

為了確保傳感器節點在實際工作中穩定運行，所有硬件電路都被安裝在1個防水盒內。根據光照傳感器的尺寸，在盒子頂部居中開了1個對應的圓孔，使其能直接感應環境光線。為了實現溫濕度和CO2數據的實時采集，在盒子底部開設了2個孔，將這2個傳感器安裝在外部，并使用PG型防水接頭固定，以保持設備的密封性。為了避免太陽輻射對溫濕度數據的干擾，溫濕度傳感器被放置在防輻射罩內。該裝置不僅能避免輻射對傳感器產生影響，還具備防塵功能，因此將CO2傳感器也一并安裝在防輻射罩中。為了保證傳感器節點能夠在農業大田環境中持續工作，系統采用了單晶硅光伏板的太陽能供電方案，輸出電壓為5 V，配備了40 A·h的鋰電池。該光伏板具有耐老化和光電轉換效率高的特點，以確保節點設備的長時間穩定運行。

2.2 軟件功能設計

2.2.1 系統通信流程設計

系統的軟件設計主要圍繞遠程數據采集、傳輸、存儲和控制等功能展開。通過LoRa和NB-IoT模塊實現節點與云端服務器的無線數據傳輸，服務器接收到環境傳感器采集的數據后，進行實時存儲與處理。系統中的管理監控模塊負責數據的可視化展示和遠程控制，用戶可以通過電腦或移動設備查看溫濕度、土壤濕度、光照強度和CO2體積分數等環境信息，并遠程操作驅動設備或調節控制策略，確保農業生產環境的精確監測與管理。系統通信流程如圖3所示。

首先，進行系統初始化，包括定時器、串口等設置的初始化；隨后，對各傳感器元件進行初始化，如通信頻段、網絡配置及工作模式等；最后，傳感器采集環境數據，并將其封裝為NB-IoT數據包，如果NB-IoT連接正常，數據處理及編碼模塊將與基站建立數據連接，并將數據包發送至服務器，若發送成功，服務器對接收到的環境數據進行智能分析，生成農田環境參數的測量值和優化農田環境的控制指令，并將相關數據顯示在客戶端。系統還會監測閾值，如果下發的閾值超出預設范圍，系統會觸發報警器發出警報。若在連接或發送過程中出現問題，系統將重新嘗試連接或發送，確保數據傳輸的可靠性。

2.2.2 多傳感器數據融合方法

采用多傳感器采集環境數據時，容易出現因傳感器精度差異導致的數據不一致性、環境干擾或設備故障引發的異常值，以及單一傳感器可能產生的噪聲或數據漂移等問題。這些問題會增加監測的不確定性，降低數據的可靠性。因此，本文通過數據融合算法，即卡爾曼濾波器，可以有效過濾異常值，提高整體監測的準確性?？柭鼮V波器是一種基于線性動態系統的遞歸算法，常用于處理噪聲或不確定的測量數據，具有實時性和高效性，特別適用于多傳感器數據融合[10]。

卡爾曼濾波器的基本原理是對系統狀態進行估計和修正。首先，根據系統的先驗模型，利用上一個狀態的估計值，預測當前狀態值。接著，當新的觀測數據到達時，計算預測值與實際測量值之間的差距，并用一個加權系數調整預測值，從而得到新的狀態估計。

卡爾曼濾波器的狀態空間方程如式（1）、式（2）所示：

①狀態方程：

（1）

式中：xk為系統在k時刻的狀態向量，代表系統的內部狀態；Ak是狀態轉移矩陣，描述狀態從k-1到k時刻的變化；Bk是控制輸入矩陣；uk表示系統在k時刻的控制輸入向量，代表系統的外部輸入；Fk為噪聲驅動矩陣；wk∈（0， Qk）表示過程噪聲向量；Qk表示過程噪聲的協方差矩陣。

②觀測方程：

（2）

式中：zk是k時刻的觀測向量，代表傳感器的測量值；Hk是觀測矩陣，描述系統狀態與觀測值之間的映射關系；vk∈（0， Rk）代表k時刻的觀測噪聲向量；Rk表示觀測噪聲的協方差矩陣。

以濕度傳感器為例，將某一區域內采集到的多個濕度傳感器數據進行預處理，然后采用卡爾曼濾波器進行數據融合?？柭鼮V波器的實現過程為：使用上一次的最優結果k-1， k-1預測當前的先驗值k， k-1，同時使用當前的觀測值zk修正當前的先驗值k， k-1，得到當前的最優結果k， k。

同樣地，利用上述方式對溫濕度傳感器、光照強度傳感器和CO2傳感器數據分別進行數據融合處理，從而有效過濾異常值，提高整體監測的準確性。

3 傳輸層設計與實現

傳輸層負責將各類環境傳感器采集到的數據通過不同的通信技術傳輸到遠程管理終端。傳感器采集的環境數據首先通過MCU進行預處理，由MCU根據傳感器的種類對數據進行初步融合和過濾。數據處理后，MCU根據距離和帶寬需求，將數據通過LoRa模塊或NB-IoT模塊進行無線傳輸。其中LoRa模塊負責將數據傳輸到近距離的網關或其他中繼設備，再通過其他通信手段傳輸到遠程服務器。NB-IoT模塊則直接將數據上傳至遠程服務器，通常通過蜂窩網絡的基站實現與云端的連接。最后，傳輸層的數據通過互聯網傳輸到應用層的管理終端，如PC、手機、平板等設備，便于用戶實時監控。其中，系統中的LoRa通信模塊基于STM32開發板開發，結合Semtech的SX1278芯片，通過無線通信協議（LoRaWAN）進行數據傳輸，通過C語言和嵌入式操作系統FreeRTOS進行LoRa通信協議棧的開發。NB-IoT模塊使用的開發平臺為基于華為的NB-IoT開發套件，使用AT指令進行模塊配置和數據通信。MCU的開發平臺選用STM32系列開發板，使用的開發環境包括Keil、IAR等，其負責對傳感器數據進行采集、處理，以及對傳輸模塊的協調控制。

4 應用層設計與實現

在應用層中，數據通過傳輸層傳送至云端后，管理終端設備即可進行遠程監控和管理。應用層實現了數據的可視化、遠程控制以及告警功能，用戶可以實時查看溫濕度、土壤濕度、光照強度、CO2體積分數等環境參數，并對自動灌溉設備、水肥一體化設備、人工光源設備等進行遠程控制。該層開發平臺使用Web前端框架和Flutter移動應用開發工具，后端則采用服務器、數據庫及云服務器進行數據存儲和處理。

5 實驗與性能分析

為了評估LoRa和NB-IoT融合技術在不同距離和不同環境下的數據傳輸性能，實驗選擇開闊農田和有一定地形遮擋的丘陵地帶共2個典型的農業場景進行測試。分別設置50 m、200 m、500 m和1 km共4個測試距離點，用于比較LoRa和NB-IoT在不同距離下的傳輸性能，以確定2種技術在精準農業遠程監測中的適用性。

實驗中傳感器節點搭建了3個土壤濕度傳感器、1個空氣溫濕度傳感器、2個CO2傳感器和2個光照強度傳感器。通過傳感器節點收集不同類型的農業監測傳感器數據，使用LoRa和NB-IoT模塊從傳感器節點向云服務器發送預定數據包，每次發送1 000個數據包。統計不同場景下每個測試距離點實際接收到的正確數據包數量、丟失的數據包數量、錯誤的數據包數量。測試過程中，農業監測系統的供電正常，LoRa和NB-IoT模塊基站信號良好，同時所有農業監測類型傳感器均正常運行。測試結果如圖4和圖5所示。

開闊農田場景中，在50 m和200 m這2個較短距離內，丟包率和誤包率都非常低，幾乎可以忽略不計，系統的傳輸成功率接近100%。在開闊農田環境中，信號傳播受到的干擾較少，因此數據傳輸相對穩定。隨著距離增加到500 m，LoRa開始出現少量丟包情況，系統的丟包率和誤包率開始上升，系統整體傳輸成功率開始下降。這是由于LoRa工作在較低頻段，因此信號衰減明顯，影響了系統的整體性能。當距離增加到1 km時，系統的丟包率和誤包率進一步上升，傳輸成功率進一步下降，尤其是在信號較弱或環境因素較為復雜的邊緣節點，丟包率明顯上升。而NB-IoT依賴蜂窩網絡，傳輸成功率通常比LoRa高，但也會因信號強度減弱而有所下降。

在丘陵地帶，系統的傳輸成功率、丟包率、誤包率整體上呈現出與開闊農田場景中相同的規律，但系統整體性能相較于開闊農田場景中的性能有所下降。一方面這是因為隨著距離增加和地形復雜性的提升，LoRa信號穩定性下降，導致系統的傳輸成功率也逐漸下降。另一方面，地形起伏不平、植被覆蓋不均勻等也會對無線信號的傳播產生顯著影響，因此系統在丘陵地帶中的穩定性整體低于開闊農田場景中的性能。

6 結 語

綜上所述，系統在以上2種場景中不同測試距離下的傳輸成功率都達到90%以上，特別是在開闊農田環境場景中的傳輸性能尤為優異。在丘陵地帶，盡管系統的傳輸成功率有所下降，但仍能維持較高的監測精度和較低的丟包率，充分證明了系統的穩定性和適用性。

參考文獻

[1] GZAR D A， MAHMOOD A M， AI-ADILEE M K A. Recent trends of smart agricultural systems based on Internet of Things technology： A survey [J]. Computers and electrical engineering， 2022（104）："108453.

[2]朱康睿，宋成校.智慧農業發展的國際經驗及啟示[J].世界農業，2024（3）：43-53.

[3]潘美琴.基于NB-IoT物聯網的農業水田作物精準灌溉系統[J].齊齊哈爾大學學報（自然科學版），2024，40（1）：32-37.

[4]陳宣，陳光耀，陳金立.基于LoRa的農業環境參數采集系統[J].信息技術，2022（8）：8-14.

[5]殷虎. NB-IoT和eMTC遠程無線物聯網通信開發應用[J].智能物聯技術，2024，56（3）：128-132.

[6]李潤林，楊華勇.基于LoRa和NB-IoT技術的智慧農業監測平臺[J].智慧農業導刊，2022，2（18）：14-17.

[7]劉勇，徐識溥，胡雯雯，等.基于WiFi的農業環境數據遠程監控系統研究[J].上海農業學報，2021，37（4）：140-146.

[8] WU Z， YANG X， ZHANG W， et al. Vehicle environment monitoring system for fresh agricultural products distribution based on LoRa [C]// 2022 2nd International Conference on Consumer Electronics and Computer Engineering （ICCECE）. [S.l.]： [s.n.]， 2022： 119-122.

[9]徐鎮輝，郭里城，王燕貞，等.基于混合架構的智能農業遠程監控系統設計[J].內蒙古科技大學學報，2021，40（4）：382-387.

[10]李少年，李毅，魏列江，等.基于改進卡爾曼數據融合算法的溫室物聯網采集系統研究[J].傳感技術學報，2022，35（4）：558-564.

基金項目：江蘇省高等職業教育高水平專業群建設項目資助（蘇教職函〔2021〕1號）；江蘇省職業教育教師教學創新團隊（蘇教辦師函〔2021〕23號）；江蘇省高職院校工程技術研究開發中心（蘇教科函〔2023〕11號）

作者簡介：高 云（1981—），女，在讀博士研究生，副教授，研究方向為物聯網應用技術、人工智能。