植物互联网(IoP):基于物联网的环境监测与物候分析平台

《IoT》:Internet of Plants (IoP): An IoT-Based Platform for Environmental Monitoring and Phenological Analysis

【字体: 大 中 小 】 时间:2026年08月08日 来源:IoT 4.3

编辑推荐:

  植物互联网(IoP)代表了人工智能(AI)、大数据分析和物联网(IoT)在保护农业系统中的融合。本研究介绍了一个IoP平台,该平台利用专门设计的IoT传感器,能够监测水培生产系统中的关键变量,包括二氧化碳浓度(CO2)、pH值、空气温度和

  
植物互联网(IoP)代表了人工智能(AI)、大数据分析和物联网(IoT)在保护农业系统中的融合。本研究介绍了一个IoP平台,该平台利用专门设计的IoT传感器,能够监测水培生产系统中的关键变量,包括二氧化碳浓度(CO2)、pH值、空气温度和相对湿度,从而收集、处理和分析实时环境数据。所提出的框架集成了先进的机器学习算法,包括随机森林回归(Random Forest Regressor)和长短期记忆(LSTM)神经网络,以处理大量环境数据并支持作物管理。此外,该平台还整合了蒸汽压亏缺(VPD)和生长度日(GDD)分析,以提供作物特异性建议并支持知情决策。该平台为墨西哥Laja–Bajío地区的智慧农业建立了基准,促进了知情决策并最大化粮食系统的可持续性。实验验证在受控和半受控环境下进行,使用水培系统种植的瑞士甜菜(Beta vulgaris subsp. cicla L.)和生菜(Lactuca sativa L.)。这些环境代表了对比的气候条件,允许在不同热力状态下评估平台的稳定性和预测性能。随机森林回归模型使用生长室数据(包含19,836个有效观测值)进行训练,再现了确定性的VPD关系,决定系数(R2)为0.90,均方根误差(RMSE)为0.08 kPa,这确认了内部一致性,并确定温度是主导贡献变量,而非预测独立结果。集成作物物候阶段的动态警报系统,相比传统的静态阈值方法,通过根据作物发育需求生成警报,表现出更高的有效性。此外,基于Web的可视化平台使用户能够通过直观的图形表示解读环境条件,从而无需专门技术知识即可促进决策。结果表明,IoP平台作为保护农业系统的综合环境管理工具具有可行性。所提出的框架为墨西哥Laja–Bajío地区及其他具有类似生产系统的地区提供了精准农业的可扩展解决方案。
**研究背景与问题**
随着全球人口预计到2050年达到97亿,现代农业面临粮食安全与资源效率的双重挑战。联合国粮农组织指出,数字数据和强大分析能力可推动农食系统转型,但现有系统往往仅处理孤立组件:部分计算蒸汽压亏缺(VPD)却未关联物候阶段;部分应用机器学习模型预测产量却未连接实时警报;部分检测异常读数却未转化为可操作的、基于作物阶段的警报。因此,亟需一个统一平台,将实时生长度日(GDD)积累自动确定作物物候阶段、动态调整警报阈值,并利用预测模型实现前瞻性预警,而非仅事后诊断。
**研究内容与意义**
研究人员在墨西哥Laja–Bajío地区,以瑞士甜菜(Beta vulgaris subsp. cicla L.)和生菜(Lactuca sativa L.)为验证作物,在气候受控生长室和被动温室两种对比环境中,对植物互联网(IoP)平台进行了45天连续验证。该平台整合了物联网传感器、云存储、机器学习算法(随机森林回归和长短期记忆网络)及动态警报系统,实现了环境监测、物候预测与智能决策支持。研究结果证明了IoP作为保护农业综合环境管理工具的可行性,为精准农业提供了可扩展解决方案。论文发表在《IoT》。
**关键技术方法**
IoP平台采用六层架构:IoT传感器层(使用ESP32微控制器与JXBS-3001-TH-RS、RS-GH-N01-AL传感器)采集温度、湿度、光照等数据;通信层通过WiFi/HTTP协议将JSON格式数据传至ThingSpeak云平台;云存储层使用PostgreSQL持久化存储,并通过SQL函数计算VPD和GDD;处理层集成随机森林回归器(诊断VPD)和LSTM网络(短时预测温度与湿度);应用层为PHP开发的Web界面,包含交通灯式动态阈值指示器;集成层通过RESTful API实现层间通信。样本队列来自墨西哥Laja–Bajío地区同一地点(20°32.4804′ N, 100°48.7774′ W,海拔1750 m)的生长室与温室,使用瑞士甜菜和生菜水培系统。
**研究结果**
- **4.1 平台运行性能**:生长室可用性达97.1%(1051.2有效小时),数据丢失2.9%;温室可用性94.5%(1020有效小时),数据丢失5.5%。共处理49,040条记录,无关键完整性错误。
- **4.2 环境对比表征**:生长室温度稳定在16.3–18.9°C(跨度2.6°C),VPD在最优范围(0.5–1.0 kPa)内时间占比94.1%;温室温度跨度30.3°C(10.1–40.4°C),VPD在最优范围内仅占47.8%,最高达5.7 kPa,表明温室环境胁迫显著。
- **4.3 VPD-GDD相关性与自动物候监测**:结合VPD与GDD与叶片发育的相关系数R2=0.89。基于GDD的自动物候阶段检测与人工观察的一致性:生长室92%,温室85%。温室中从营养生长到收获过渡提前7天。
- **4.4 预测模型性能**:随机森林回归器(生长室数据训练,19,836条记录)在VPD预测上R2=0.90,RMSE=0.08 kPa,温度重要性0.52。模型迁移至温室时R2降至0.81,联合训练后提升至0.91。LSTM网络(36记录窗口,30分钟预测视界)在生长室温度预测R2=0.97,湿度R2=0.83;温室温度R2=0.91,湿度R2=0.72。LSTM提前15分钟生成预防性警报,确认率82%(23/28)。
- **4.5 IoP数据库与数据管道集成**:PostgreSQL关系模式处理了49,040条记录,通过唯一约束防止重复,SQL函数确保VPD和GDD确定性计算。索引设计使典型仪表盘查询在25.4 ms内完成。
- **4.6 可视化与用户体验**:Web界面交通灯指示器根据物候阶段动态调整阈值(如幼苗期22°C变黄,收获期26°C变黄)。温度-湿度散点图叠加VPD等值线,直观显示生长室紧凑聚类与温室分散模式。用户导出功能活跃,共产生43次导出。
**讨论与结论**
讨论部分指出,IoP平台的多层架构在可用性上超过同类ESP32系统(90–95%),ThingSpeak与PostgreSQL结合消除了历史数据限制。动态警报系统通过物候阶段上下文化和渐进时间严重性(持续<15分钟为瞬态,>15分钟为持续),将温室中非操作性警报减少约65%,同时保留35%的持续条件警报。研究局限性包括:45天实验期仅覆盖旱季,算法针对瑞士甜菜和生菜优化,依赖WiFi连接。未来方向包括雨季验证、扩展物种目录、采用LoRaWAN协议及强化学习自动控制。
**研究结论**:本研究提出了植物互联网(IoP)平台——一个集成的物联网系统,用于保护农业的环境监测、预测分析和动态警报控制。在墨西哥Laja–Bajío地区的生长室和温室中,使用瑞士甜菜和生菜水培系统进行了45天验证。多层架构(包含ESP32传感器节点、WiFi/HTTP通信、ThingSpeak、PostgreSQL存储、随机森林回归器和LSTM网络处理、集成物候阶段的动态警报系统以及PHP开发的Web可视化界面)被证明稳健、可扩展且操作可行,综合可用性超过95%,成功处理49,040条测量数据而无关键完整性错误。主要结论如下:(1)整合VPD和GDD作为衍生变量,比单独使用环境变量能更精确地表征作物生理状态,VPD-GDD联合与叶片发育的R2为0.89,自动物候阶段检测与人工观察的一致性达92%。(2)随机森林回归器再现了确定性VPD关系,R2>0.90,RMSE=0.08 kPa,确认内部一致性而非预测独立结果;分析确定温度为主导贡献变量(重要性0.52),并表明场地特异性模型比统一模型跨环境迁移更可靠,支持其在计算资源有限的IoT系统中作为轻量级变量重要性和可迁移性工具的应用。(3)LSTM网络在30分钟预测视界内温度预测R2=0.97,实现15分钟提前量的预防性警报,确认率82%——这一功能在传统反应式警报系统中缺失。(4)动态警报系统——具备物候整合和渐进时间严重性——与不考虑暴露持续时间的静态阈值计数相比,将温室中非操作性警报减少约65%,同时保留35%的需要干预的持续条件事件。(5)生长室(VPD在最优范围内94.1%;23次警报)与温室(47.8%;186次警报)之间的对比客观量化了两系统间的环境差距,为气候控制基础设施投资提供了数据支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号