基于WSN的农作物病虫害预测系统研究(修改稿)

基金项目：上海市科委重点项目(10510500600；上海市重点学科建设项目资助基金项目(J50103)；上海松江软课题基金项目（编号：KY3-0300-15-02）；上海市特色校建设项目（编号：C603）；作者简介：王兴旺（1978-），男，河南开封人，博士研究生，副教授，从事数字农业方面的研究。基于WSN的农作物病虫害预测系统研究王兴旺1,2张武1（1.上海大学计算机工程与科学学院，上海200444；2..上海农林职业技术学院，上海201699）摘要本文在无线传感网络及病虫害预测研究基础上，设计了回归模型病虫害预测方案，并对回归模型进行了改进，提出了IRM病虫害预测模型。该模型进一步提高了预测精度。我们完成了病虫害预测系统的研制开发，系统完成后在上海孙桥现代农业园区进行了应用，结果表明系统可根据病虫害数据自动生成模型方程，对于农作物病虫害的发生可进行有效预测预报。该系统的应用对于减免农作物病虫害发生，促进农业生产具有实际意义。关键词无线传感网络；农作物病虫害；预测中图文分类号：TP399；文献标识码：ATheResearchOfTheCropDiseasesAndInsectPestsForecastingSystemBasedOnWirelessSensorNetworkWANGXingwang1,2，ZHANGWu1(1．SchoolofComputerEngineeringandScience，ShanghaiUniversity，Shanghai200444，China;2．ShanghaiVocationalTechnicalofAgriculture&Forestry,Shanghai201699，China)ABSTRACTInthispaper,wedesignedtheregressionmodeloftheplantdiseasesandinsectpestsforecastingschemebasedontheresearchofthewirelesssensornetworkandplantdiseasesandinsectpestsforecasting.WeimprovedtheregressionmodelandproposedtheIRMplantdiseasesandinsectpestsforecastingmodel.TheIRMmodelcanimprovethepredictionaccuracy.Wecompletedtheresearchanddevelopmentofplantdiseasesandinsectpestsforecastingsystem,thesystemhasbeenusedinsunqiaomodernagriculturalparkofShanghaiafterfinished.Theresultsshowthatthesystemcangeneratemodelequationautomaticallybasedonthepestdata,theoccurrenceofcropdiseasesandpestscanbeeffectivelyforecasted.Theapplicationofthesystemhasactualsignificanceforthereductionofcropsdiseasesandinsectpests,italsocanpromotetheagriculturalproduction.KEYWORDSWirelesssensornetworks;Plantdiseasesandinsectpests;Forecasting0引言农作物病虫害问题是农业生产过程中的难题，一直以来，是制约高产，优质，高效农业可持续发展的主导因素之一。据联合国粮农组织估计，世界粮食产量常年因虫害损失10%，因病害损失14%，我国是世界农业大国，每年因病虫害造成的损失与上述的统计大致相当。2005年的褐飞虱特大发生成灾，造成长江中下游地区1亿亩的田块发生枯倒，造成约几百万吨稻谷的损失，直接经济损失约为40亿元。[1]鉴于农作物病虫害防治的重要性，国内外众多专家学者围绕这个问题进行了深入研究。近些年来，美国一些大学和研究部门应用系统工程方法来研究病虫害发生与防治问题，取得了很大进展。主要是应用计算机，特别是地理信息系统的应用，能够把年度间的资料信息，不同地域间的资料信息，包括气象资料、农作物品种抗性、有益有害生物资料、生态变化等信息集合在一起进行分析处理，找出数学模型，对病虫害的发生作出预测，对将要采取的防治措施进行评价，进而科学地指导生产。密歇根州立大学昆虫系StusrtGage博士在这方面2进行了深入的研究，建立了先进的实验室，研究出了当地一些病虫害发生预测模型，并把它输入因特网中，免费供农场主查寻，大大方便了生产。国内的学者罗菊花等(2008)，初步建立开发了基于GIS的农作物病虫害预警系统，应用了含有三个自变量的回归模型[1]；刘明辉等(2009)研制了农业病虫害预测预报专家系统，采用了专家经验预测方法[2]；张谷丰等(2007)对基于WebGIS的农作物病虫害预警系统做了深入的研究，采用了中长期预报模型[3]；李丽等(2008)将径向基函数网络与WebGIS进行融合对苹果病虫害进行预测[4]，张竞成等(2012)对作物病虫害进行遥感监测[5]；王兴旺等(2010)研制出了南汇水蜜桃决策支持系统，建立了双向推理机制来对病虫害进行决策[6]。目前农业专家学者大多是调用一些现有的病虫害预测模型对病虫害进行预测，对病虫害预测模型本身并没有太多关注和研究，关于病虫害预测模型的创新和改进也鲜有报道，特别是病虫害的预测精度和准确性问题是关系到农业生产的关键问题。我们对病虫害预测模型进行了较深入的研究，和来自国内外的建模专家经过了多次讨论，提出了IRM病虫害预测模型，进一步对病虫害的预测精度和准确性进行了提升，系统完成后在上海孙桥现代农业园区进行了应用。1系统总体结构设计我们首先对农作物病虫害预测进行需求分析，通过用户对系统的要求以及系统应具备的功能来选择适用可行的病虫害预测模型，并对预测模型进行改进，提高预测精度和有效性，然后根据模型中的参数进行数据库的构建与实现，并构建所需的各种模块来实现系统的各种功能；最后进行数据库与系统的调试，并通过实例应用来分析系统的运行效率，其总体结构设计如图1所示。[1]图1总体结构图主要功能模块说明包括：1、气象因子采集：登陆后选择区域节点，根据节点显示农作物气象因子，并以折线图可视化显示。2、病虫害预测建模：根据气象因子的组合推测患病种类，选择历史相关数据存入数据库中并显示出来，以此历史数据建立IRM病虫害预测模型并得出结果显示。3、病虫害风险预测：再次将气象因子的变化以折线图可视化显示，并根据“病虫害预测建模”得出的模型以实时气象因子对作物的患病概率计算，做出风险预测，并将实时数据与预测结果存入数据库中作为历史数据。4、病虫害防治决策：可视化显示预3测的结果，并根据预测得出的结果实时的根据每个阈值给出相应的防治措施。2关键技术设计与实现2.1IRM病虫害预测模型我们设计用回归模型对农作物病虫害进行预测预报，模型设计如下：设因变量Y，自变量X1,X2,X3……Xp.我们得到n组独立的观测数据：（Yi;Xi1,Xi2,Xi3……Xip）,I=1,2,3……,n。他们之间有如下关系：iippiiXXY110,i=1,2,3,…，n.（1）E(i)=0,D(i)=σ^2,n,,21相互独立式(1)称为式多元线形回归的数学模型。在许多种情况下，可假设式(1)称为式多元线形回归的数学模型。在许多种情况下，可假设εi～N(0,σ^2),i=1,2,3,…，n.模型（1）可以写成距阵形式：Y=Xβ+ε(2)其中Y=(y1,y2,…,yn)T,β=(β1,β2,…,βn)T,ε=(n,,21)T,x11,x12,…x1pX=x21,x22,…x2p…………xn1,xn2,…xnp方程2的最小二乘解为：YXXXTT1)((3)Y关于X的多元回归方程为:XY(4)在回归模型设计过程当中，我们尝试对回归模型iippiiXXY110不断进行改进，经过实验iippiiXXY110+ω1Yi-1的预测精度可进一步提高，其中ω1Yi-1为过4去项，我们对改进的回归模型称之为IRM病虫害预测模型。2.2部分程序实现利用矩阵类来实现算法的部分代码：publicstaticMatrixoperator+(Matrixmatrix1,Matrixmatrix2){intmatrix1_Rows=matrix1.Data.GetLength(0);intmatrix1_Columns=matrix1.Data.GetLength(1);intmatrix2_Rows=matrix2.Data.GetLength(0);intmatrix2_Columns=matrix2.Data.GetLength(1);if((matrix1_Rows!=matrix2_Rows)||(matrix1_Columns!=matrix2_Columns)){thrownewException(MatrixDimensionsDon'tAgree!);}double[,]result=newdouble[matrix1_Rows,matrix1_Columns];for(inti=0;imatrix1_Rows;i++){for(intj=0;jmatrix1_Columns;j++){result[i,j]=matrix1.Data[i,j]+matrix2.Data[i,j];}}returnnewMatrix(result);}//实现加法计算3系统应用系统完成后在上海孙桥现代农业园区进行应用，上海孙桥现代农业园区农作物种植品种和实验条件非常充沛。用户进入系统，当选择完大棚编号之后，会出现相应气象因子的传感器。如图2实时数据显示中001号设备~005号设备。其中001号设备~004号设备各采集一个气象因子并显示，005号设备整合了之前所有气象因子并以折线图显示。图2实时数据显示图3显示模型方程我们将病虫害历史数据导入到系统中，例如导入枣锈病的历史数据，点击“计算并保存模型”按键，经过线性回归方程所计算出的枣锈病计算模型便会显示在后面的文本框中，并且保存起来。如图3显示模型方程计算结果。点击“开始预测”按键之后，根据之前所得出的模型方程对相应的气象因子实时5数据开始计算并存入数据库中，并且以折线图的形式可视化显示出来。如图4风险预测可视化显示所示。图4风险预测可视化显示图5发病概率折线图进入病虫害防治决策模块后，系统会根据当前气象因子和时间计算出病虫害的发生概率，如图5发病概率折线图所示。图5中为0.6的提醒值及0.8的警告值。当风险预测得出的发病概率达到0.6时，会有一个对应的提醒处理措施决策框弹出，如图6提醒框所示；当风险预测得出的发病概率达到0.8时，会有一个对应的警告处理措施决策框弹出，如图7警告框所示。图6提醒框图7警告框系统可根据温度、相对湿度、光照强度、风的强度等气象因子给出相应农作物的病虫害发生概率，我们经过与实际数据进行比对，较常见模型误差更小，系统基本能够根据气象因子对农作物病虫害进行较准确预测预报，并给出防治方法，系统的应用对于农作物病虫害的预防有重要意义，从一定程度上弥补了农业专家短缺问题。4.1花卉生长应用系统完成后以上海鲜花港为基地对数量相同的两个郁金香大棚分别进行了自动监控和手工监控对比，为期12周，主要监控指标为温度、湿度，图9是自动监控和手工监控大棚的数据对比。从图中可以得出结论系统自动监控大棚郁金香生病或死亡数量要比手工监控大棚数量明显少，而且随着时间的推移手工监控大棚郁金香生病或死亡数量增长速度越快。