基于物联网的森林碳汇遥感测量的探讨

任润东，吴秋兰，潘宁宁，梁 勇

(山东农业大学信息科学与工程学院，山东泰安271018)

一、引 言

森林碳汇(forest carbon sinks)是指森林植物吸收大气中的二氧化碳并将其固定在植被或土壤中，从而减少该气体在大气中的浓度。森林碳汇主要是指森林吸收并储存二氧化碳的能力。近年来随着温室效应和气候变暖的加剧，国际社会对森林吸收二氧化碳的汇聚作用越来越重视，旨在减少全球温室气体排放的《京都议定书》于2005年2月16日在全球正式生效，原本在自然界中默默地承担着碳汇作用的森林，将更加受到人们的重视。

随着遥感与信息技术的发展，国内外研究者多借助遥感手段研究森林碳汇问题。在国际地图生物圈计划(International Geosphere-Biosphere Program，IGBP)的模型研究计划中，主要采用美国国家海洋和大气局(National Oceanic and Atmospheric Administration，NOAA)的先进型甚高分辨辐射仪(advanced very high resolution radiometer，AVHRR)卫星较长时间序列的遥感数据估计;大尺度的碳汇计量主要采用遥感和模型相结合的方法。基于遥感技术的森林生物量和净生长量模型的建立，在大尺度森林生物量及净生长量的估算上有着其他方法不可替代的优势，比传统方法优越，这也为模拟和估算长时间、大尺度上的区域碳储量提供了有效技术支持[1-4]。但是现有的遥感数据源并不能直接探测森林碳汇及其空间分布，大多数基于遥感技术的生态系统碳汇估算是建立在碳汇与遥感数据之间的线性相关分析上，缺乏对非线性遥感生态系统碳汇模型的研究，而且由于缺乏地面连续与翔实的碳汇监测信息进行验证与辅助定量解译，致使遥感解译的精度较低，使得遥感的深入研究具有局限性。近年来，随着物联网的发展，给实现高精度定量遥感解译提供了契机[5]。本文探讨了基于物联网的森林碳汇遥感测量方法，借助无线传感器网络技术，可以在森林局部区域布设高密度的传感器，以便获取翔实的地面碳汇信息，由其辅助遥感解译验证及其预处理，不仅省时省力，而且在近距离辅助遥感解译的基础上，远距离辅助遥感监测成为可能，大大提高了遥感碳汇测量的解译精度和范围。

二、物联网

所谓物联网又称传感网(internet of things，IOT)。1999年在美国召开的移动计算机和网络国际会议上首次被提出，2005年在突尼斯举行的信息社会世界峰会上，国际电信联盟(ITU)发布了《ITU互联网报告2005：物联网》正式提出了物联网的概念。物联网是在计算机互联网基础上利用射频识别(RFID)技术、无线通信技术、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议把任何物品与互联网连接起来，进行信息交换和通讯，以实现智能化识别、定位、跟踪、监测和管理的一种网络。在这个网络中物品间能够进行“交流”无需人工干预。物联网应用广泛，遍及智能交通、环境保护、政府工作、公共安全、平安家居、智能消防、工业监测等多个领域。在生态系统碳汇测量方面，物联网技术应用较少，目前正处于应用研究的起始阶段，国内外尚未见基于物联网的碳汇测量应用案例[6]。

三、基于物联网的碳汇测量系统设计

基于物联网的碳汇测量系统充分运用物联网的全面感知技术、近程通讯技术、远程传输技术、海量信息智能分析技术，实现影响碳汇的CO2、CH4、SO2、悬浮颗粒物浓度、气温、降水、湿度、光照、风向、风速、蒸发等生态因子的自动采集、传输与处理，为碳汇监测与模拟提供数据。系统由感知层、传输层、处理层组成。感知层是碳汇估算的基础，碳汇因子传感器、GPS及RFID等构成了物联网的森林碳汇遥感测量系统的感知层，实现碳汇因子的全面感知;传输层实现信息的可靠传输，感知层采集的信息通过传输层传输到处理层及信息显示终端;由控制器、显示设备及操控终端等组成了智能处理层[7]。

(1)感知层的设计

感知层的主要任务是完成各项碳汇因子的快速、准确采集，为智能决策提供科学依据。感知层检测的信息主要包括CO2、CH4和SO2、悬浮颗粒物浓度、气温、降水、湿度、光照等影响森林碳汇的生态因子。

根据感知节点的功能特点，感知节点结构如图1所示。

图1 感知节点结构示意图

感知节点是实现信息感知的基本结构单元。利用优选传感器及微处理器等部件，设计适宜的感知节点，实现对碳汇生态因子相关传感器的集成，使其具有感知、计算和通信能力，实现数据的采集、处理和传输。并通过多源同构、异构数据的融合处理，实现碳汇相关生态因子的精确测量。感知节点同时具备高可靠、低功耗、耐潮湿、耐高温、耐低温等性能。

感知节点设计采用模块化结构，通用信息感知主板通过标准接口与功能模块及辅助模块连接。其中辅助模块包括GPS模块、精准时钟模块等，可根据需要选用;功能模块接口主要是传感器接口，分为模拟量与数字量接口两类，分别连接模拟量及数字量输入模块。供电形式可选用电池、太阳能。考虑到野外工作需要，信息感知主板应选用具有超低功耗特性的微控制器，传输模块选低功耗、适于远距离传输的无线传输模块。

在单个感知节点设计的基础上，根据不同生态系统类型、地形等特点，利用系统分析及软件模拟等手段，确定最优的感知节点数量和空间优化布局，实现对生态因子的等功率覆盖，达到精确测量生态因子的目的。同时满足低成本、易维护、易动态组合等要求。在感知节点优化布设的基础上，通过选择合适的微内核操作系统及传输协议，开发可靠实用、易维护的应用软件，构建强壮的无缝感知网络。在运行过程中，通过网络自诊断、网络自组合、传输协议优化等措施，保证相关因子的可靠感知。

(2)传输层的设计

传输层主要完成信息的可靠传输。传输网络结构需根据现场情形选择灵活的结构形式，一般采取多输入、多输出的多路径传输方式。传输节点是传输层的基本结构单元，除具有信息输入、输出转发功能外，还需具有信息暂存功能，而且保证以最少的节点数量和最小的功率代价实现信息的可靠传输。无线传输节点结构示意图如图2所示。

图2 无线传输节点结构示意图

传输节点主要由CPU主板、存储器、无线传输模块、GPRS等组成。CPU主板应采用具有超低功耗且高性能的微控制器，CPU主板通过标准接口与外围各模块连接。无线传输模块是实现无线传输功能的基本结构单元，可直接接收感知层采集的信息。传输层应根据采集区域地形特点，优选无线传输芯片，设计适应能力强、性能可靠的无线传输模块，而且具有低功耗及传输功率自动调整功能，通过构建传输网络很容易实现采集信息的远距离传输;GPRS模块实现采集信息的远距离传输，通过互联网可传至所需到达的终端;存储模块通过多片互联，可方便扩展存储容量。

(3)处理层的设计

信息智能处理层主要完成数据的接收和预处理，并将数据导入数据库。主要由无线接收模块、微处理器等组成。针对信息的接收、预处理和数据入库等问题，需研制的智能处理终端，开发信息智能处理系统。

四、遥感信息与物联网信息融合处理

影响森林碳汇的各生态因子之间存在复杂关系，各因子对森林碳汇的影响也各不相同。遥感估算法利用遥感手段获得各种植被状态参数，结合地面调查，完成植被的空间分类和时间序列分析，估算大面积森林碳汇以及土地利用变化对碳汇的影响。利用遥感与物联网技术获取的碳汇信息具有多角度、多尺度、多波段、多类型的特征，使得碳汇信息呈现多样性，因此应将不同方式获取的数据进行有效融合。有效利用多个传感器资源(遥感影像面源信息、物联网点源信息)提供信息的互补性，获得被探测目标更为全面的信息。

在遥感技术和物联网技术的支持下，以信息理论与方法为基础，将遥感与物联网获取的信息予以集成和融合，通过两者的集成实现对地面信息的点面结合、空地一体的有机表达和描述，综合两种技术的优势提高碳汇测量的精度和可靠性。以信息融合推动技术集成，通过两种技术系统的结构与运行模式分析，形成集遥感与无线传感器网络于一体的碳汇测量体系，如图3所示。

图3 遥感与物联网碳汇测量技术路线图

针对监测目标与需求，构建森林碳汇因子指标体系;对遥感影像实施预处理、分类、融合、目标检测、定量反演等处理，通过对已有算法的比较和分析，结合应用需求，选择合适的信息处理方法提取所需要的碳汇信息;构建碳汇测量传感器网络，解决传感器选型、无线通讯与信息传输、多传感器集成、数据处理等关键问题，通过各种的传感器，把获取的CO2、CH4、SO2等生物量因子传输到物联网数据中心进行分析，得到需要的碳汇因子;选取同一时期物联网获取的数据和遥感信息，进行信息处理与结果评价，获取碳汇信息，通过不同的信息融合方法，实现遥感信息和物联网信息的集成;通过同期物联网信息，对遥感反演结果进行验证和处理，为遥感解译精度的提高提供支持[8-9]。

五、结束语

经文献检索，目前应用遥感技术进行森林碳汇测量是最广泛的一种方法，基于遥感影像和物联网的碳汇信息融合的研究成果较少。现代遥感技术最大特点是遥感影像覆盖范围大、时效性强，但受空间分辨率限制，大多数基于遥感技术的森林碳汇估算是建立在碳汇与遥感数据之间的线性相关分析上，所以通过遥感影像在识别碳汇信息时，仍需要地面的实地验证。物联网具备实时获取实地信息的功能优势，但监测装置是固定的，只能获取点源上的动态信息，监测范围有限，在大面积森林布设监控网络代价太高。可见，遥感技术与物联网技术各具特色，优势互补。因此，将遥感技术与物联网技术有机结合起来，可以取长补短，即用物联网技术实时获取的碳汇信息作为遥感影像信息的实地验证，用遥感影像监测范围大的优势弥补物联网技术监测范围小的不足。

[1]CHRISTINE L，GOODALE，MICHAEL J，et al．Forest Carbon Sinks in the Northern Hemisphere[J]．Ecological Applications，2010，12(3)：891-899．

[2]张坤．碳汇计量和核查方法研究[D]．北京：北京林业大学，2007．

[3]韩爱惠．森林生物量与碳储量遥感监测方法研究[D]．北京：北京林业大学，2009．

[4]杨永恬．基于多源遥感数据的森林蓄积量估测方法研究[D]．北京：中国林业科学研究院，2010．

[5]殷鸣放，杨琳，殷炜达，等．森林固碳领域的研究方法及最新进展[J]．浙江林业科技，2010，30(6)：78-86．

[6]柳平增，毕树生，梁勇，等．畜禽养殖环境智能终端的设计与实现[J]．计算机工程，2009，35(19)：20-25．

[7]柳平增，毕树生，薛新宇，等．基于物联网的农业生产过程智能控制系统研究[J]．计算机测量与控制，2011，19(9)：2154-2155．

[8]张海宁，孙久运．基于物联网/RS集成的环境监测研究[J]．测绘，2012，35(1)：46-48．

[9]杜鑫，蒙继华，吴炳万，等．作物生物量遥感估算研究进展[J]．光谱学与光谱分析，2010，30(11)：3098-3102．