DOI: 10.3969/j.issn.1673-4785.201406036
,
,
,
,
森林能够保持生态环境的平衡，也是人类赖以生存和发展的重要资源。但是，随着社会的发展，森林不断地被虫害、病害、火灾等三大自然灾害破坏，其中森林火灾的破坏尤为严重，位居三者之首，而且大面积森林火灾也在联合国认定的世界八大自然灾害之列。
森林火灾是一种在林区自由蔓延和扩展的自然灾害。它在给人们的生命财产造成严重损失的同时，还会对全球的生态平衡造成一定的破坏。因为，林火监测是降低林火损失的关键一环，而且做好防火工作的前提条件是如何提高林火监测技术，所以为了降低由火灾造成的森林损失，全球各国都很关注林火的监测工作。传统的森林火灾监测主要有人工巡护、瞭望塔定点观测、飞机空中巡护等几种方式。但是由于森林面积较大，仅靠护林员巡视火情是远远不够的。而靠飞机空中巡护不仅成本高，且图象采集设备受干扰严重、不能保证在第一时间发现险情，当发现火情时林火已蔓延开来。随着信息技术及地理信息系统、遥感和全球定位系统即“3S”技术的快速发展，该技术在林业中得到了广泛的应用。使用“3S”技术可以实现森林火情监控及林火信息采集与处理，为森林防火提供早期预警和强有力的决策支持。然而，上述技术仍然存在一些不足，如卫星遥感受天气情况影响较大，如无法实现同一区域全天候实时监控；遥感图像分辨率低、扫描周期长，图像仅能反映火光、烟雾情况，无法获取与火灾密切相关的温湿度、风向、风速等气象数据。上述缺点降低了“3S”技术在森林火灾监测中的实用价值。鉴于传统林火监测方式的不足，本文提出了一种基于无线传感器网络的嵌入式森林火情实时监测系统，该系统可实时监测林区特定区域环境信息，能够及时发现林火险情。
1 林火监测系统总体设计 1.1 系统需求分析针对森林防火的实际应用特性，本文提出的基于无线传感器的嵌入式森林防火监测系统应具有以下主要功能：
1) 林火信息采集。
诸多研究成果及以往的火灾经验表明，当有林火发生时，大气中的烟雾浓度、光强度、空气温湿度、大气压力以及风向、风速等都有明显的变化，这些信息可作为林火发展趋势的主要判断依据。所以，本系统应能够实时采集火灾频发区域的上述信息。
2) 信息存储及传输。
系统的林火监测端采集到的林火相关信息应能够在本地保存或通过相应的传输模块将信息第一时间传送给林火监控指挥中心，林火监控指挥中心可立即组织林火专家进行林火分析，当确认火情后，第一时间制定林火扑救方案，并进行相应的指挥、部署工作。
3) 林火定位。
当林火险情确定后，系统应以最快的速度实现林火发生地点的定位工作，同时还要能够对林火发生的时间进行预测。
4) 设备低功耗。
由于森林环境较恶劣，对系统经常进行电池的更换也不太现实，所以需要设备具备低功耗的能量自供给能力，以使系统的“寿命”得以延长。
1.2 系统组成及工作原理系统主要由无线传感检测网络、网络协调点、无线通信网络以及监控指挥中心4部分构成，无线传感器网络和网络协调点置于林区监测区域内，监控中心部署在林区周边的林场或派出所，其系统组成及工作原理如图 1所示。
|
| 图 1 林火监测系统组成 Fig. 1 The composition of forest fire monitoring system |
为了有效降低系统设备的能耗开销，本系统中的传感器节点利用ZigBee作为无线组网方式，且采用分簇的拓扑结构，而现场控制器的主控器采用低功耗、高可靠性的嵌入式微处理器。传感器节点一旦接入，立即按照某种自适应成簇算法选择加入附近的簇，并向该簇所在的簇首发出入簇申请，必须经过簇首的确认后该节点方可成为该簇的“合法成员”。簇首与簇内各成员节点之间通过多跳通信方式进行通信，各成员节点将其采集到的信息不间断地传送给簇首，直到其所携带的电池耗尽或被毁坏。簇首即为网关节点，一般部署在有充足能量供应且相对较安全的地方，诸如林区观测站或气象站内。
网络协调点将各个簇首节点传送来的数据进行汇总后，通过GPRS网络传送给监控指挥中心，监控指挥中心将这些数据进行存档。同时，监控中心还将实时分析和处理相关数据，从而为林火监测人员提供强大的决策支持。另外，本系统还具有远程登陆功能，当出现一些特殊情况时，使身处异地的消防专家或医疗专家也能够为火灾现场提供救灾和医疗指导工作。
2 系统硬件设计 2.1 无线传感器网络节点整个网络以主节点即无线传感器网络主协调点为中心，向四周扩展无线传感器网络节点，实现多点数据的采集。无线传感器节点主要由4部分构成，其中包括处理模块、传感器模块、电源模块以及无线通讯模块，其结构如图 2所示。
|
| 图 2 传感器节点硬件结构 Fig. 2 The hardware configuration of sensor nodes |
1) 传感器模块。
传感器模块主要完成林区监测点温湿度、烟雾浓度等信息的采集以及实现数据的A/D转换等功能。
由于林火监测环境的特殊性，所以系统中采用SHT15作为温湿度采集传感器，SHT15是一款符合工业级CMOS技术标准的由多个传感器模块构成的单片全校准相对温湿度传感器。系统中的烟雾传感器则采用MQ-2，它是使用一种在清洁空气中电导率较低的二氧化锡的气敏材料制作而成的烟雾传感器，其是一款应用范围较广泛的低成本烟雾检测传感器。
2) 处理器模块和无线通信模块。
处理器模块主要完成各个传感器节点的控制，并存储和处理传感器节点所采集的信息等功能。系统采用GSM通信模块tc35i作为无线通信模块，处理器模块则选用CC2530Zigbee。在选择处理器模块时，还应注意无线传输距离对设计中的影响问题。
在发送端，从CC2530的输出端到射频接口之间有许多中间环节，因此在计算辐射距离时须考虑这些电路的传输损耗。应考虑的损耗主要有：收发网络失配损耗HO1，开关损耗HO2，功率放大器(PA)增益AO1，收发开关损耗HO3和滤波器损耗HO4。
因此最大距离计算公式：
| ${P_t} = {P_{t2530}} + {\text{ }}{A_{O1}} - {\text{ }}{H_O}_1 - {\text{ }}{H_{O2}} - {\text{ }}{H_{O3}} - {\text{ }}{H_{O4}}$ | (1) |
对于接收端，从天线到处理器模块的输入端信号也要经过许多电路，因此在计算Prs(辐射距离)时，产生的损耗包括：收发网络失配损耗HI1，开关损耗HI2，低噪放增益AI1，滤波器损耗HI3以及收发开关损耗HI4。设P为CC2530模块的灵敏度，经过传输距离d后，到达该模块接收端的功率值为P。
| ${P_{rs}} = {\text{ }}P + {\text{ }}{H_{I1}} + {\text{ }}{H_{I2}} + {H_{I3}} + {\text{ }}{H_{I4}} - {\text{ }}{A_{I1}}$ | (2) |
无线网络传输的最大距离可由式(3) 计算得
| ${d_{{\text{max}}}} = {10^{\frac{1}{{10n}}[{P_t} + {G_t} + {P_{l0}} + s + {A_{ant}} - {P_{rs}} - 20\left( {k + 1} \right)log\left( {f/5} \right)]}}$ | (3) |
3) 供电模块。
无线传感器网络未能广泛应用的制约因素就是供电问题，因此供电问题是本系统中无线传感器节点设计的关键。综合考虑各种因素，本系统中的传感器节点能量由高性能的大容量碱性电池提供。为了保证节点工作能够连续稳定的工作，系统中采用PQ30RV21来稳定工作电压。
2.2 网络协调节点由于网络协调节点需要协调整个无线传感器网络的工作，所以需要其具有运算能力强、响应速度快以及存储空间大的微处理器。因此，本系统中选用了片上资源丰富、功能强大的ARM9嵌入式微处理器S3C2410作为网络协调节点的微处理器。
3 系统软件设计整个系统的程序设计主要包括：系统主程序设计、无线传感器网络节点程序设计、网络协调点程序设计以及GPRS通信程序设计4个部分。
3.1 系统主程序设计系统的整体工作流程如图 3所示，系统通过现场监控端的传感器节点获取林区监测区域的环境信息，然后通过网络协调点将其传递给监控指挥中心端的森林防火监测系统，该系统结合数据库实时监测林区的火险情况。
|
| 图 3 系统主程序工作流图 Fig. 3 Workflow diagram of the system main program |
无线网络节点加入无线网络后，其MAC地址通过串口输出，同时根据命令向网络协调点发送其采集到的数据。无线网络节点程序流程图如图 4。
|
| 图 4 无线网络节点程序流程图 Fig. 4 Flowchart of the wireless network node |
网络协调点是现场监测端的核心节点，在完成无线网络形成后，其先将接收到的各无线网络节点传送来的温湿度、烟雾等信息，然后将信息进行融和、打包等工作，并通过串口经无线网关与GPRS网络相连，将数据上传到林火监控指挥中心，随后处于休眠状态。监控指挥中心将接收到的数据进行分析、处理后，接着发送控制信息将网络协调点唤醒，网络协调点将控制数据下传到特定节点。其程序流程如图 5所示。
|
| 图 5 网络协调点程序流程图 Fig. 5 Flowchart of the network coordination point |
GPRS通信程序主要负责转发网络协调点到监控中心的数据，还负责监控中心到指点节点命令的转发工作。转发信息送入GPRS模块后，然后分别进行一系列的协议封装，再以数据包的形式将其转发给GPRS无线基站。GPRS无线基站再将数据包发给SGSN，GGSN通过Gn与其进行连接。数据包由GGSN处理后被传送到因特网上。最后通过DNS将数据导入特定的服务器中。GPRS通信程序的流程图如图 6所示。
|
| 图 6 GPRS通信程序流程图 Fig. 6 Flowchart of the GPRS communication |
目前常用的定位算法主要有基于距离的定位算法及距离无关的定位算法2种。但前者对硬件的要求较高，并且耗能量也相对较多，所以，本系统采用距离无关的定位算法对节点进行定位。
4.1 定位过程鉴于监测环境的限制，平时只允许部分节点处于活动状态。当发生险情时，可通过消息广播的形式向周围所有节点发送信息。无线传感器网络节点在监控区域内根据无线通信协议和路由协议发送、接收信息，节点在接收到信息后，根据内置的定位算法进行定位，最后把定位信息传送至网关。
4.2 定位算法综合比较后，本系统采用DV-Hop算法进行节点定位。DV-Hop算法是首先计算未知节点和每个信标节点间的最小跳数，并根据它们的实际跳数，利用式(4) 求出未知节点和信标节点的平均距离，依据此方法，未知节点通过其相邻信标节点处接收了平均距离，这样就可以根据三边测量或最大似然定位法的方式计算未知节点的坐标。
| ${\text{HopSize = }}\frac{{\sum\limits_{i \ne j} {\sqrt {{{\left( {{x_i} - {x_j}} \right)}^2}{{\left( {{y^i} - {y^j}} \right)}^2}} } }}{{\sum\limits_{i \ne j} {{h_j}} }}$ | (4) |
式中:(xi,yi)和(xj,yj)是信标节点i和j的坐标，hj是信标节点i和j之间的跳数。
| $\left[ \begin{array}{l} x\\ y \end{array} \right] = {\left[ {\begin{array}{*{20}{c}} {2\left( {{x_a} - {x_c}} \right)}&{2\left( {{y_a} - {y_c}} \right)}\\ {2\left( {{x_b} - {x_c}} \right)}&{2\left( {{y_b} - {y_c}} \right)} \end{array}} \right]^{ - 1}}\left[ \begin{array}{l} x_a^2 - x_c^2 + y_a^2 - y_c^2 + d_c^2 - d_a^2\\ x_a^2 - x_c^2 + y_b^2 - y_c^2 + d_c^2 - d_b^2 \end{array} \right]$ | (5) |
式中:(x,y)为未知节点的坐标，(xa,ya)、(xb,yb)和(xc,yc)为未知节点周围相邻信标节点A、B和C的坐标，da、db和dc为信标节点A、B和C距离未知节点的距离。
| $\begin{array}{l} \left[ {\begin{array}{*{20}{c}} {2\left( {{x_1} - {x_n}} \right)}&{2\left( {{y_1} - {y_n}} \right)}\\ M&M\\ {2\left( {{x_{n - 1}} - {x_n}} \right)}&{2\left( {{y_{n - 1}} - {y_n}} \right)} \end{array}} \right]\left[ \begin{array}{l} x\\ y \end{array} \right] = \\ \left[ {\begin{array}{*{20}{c}} {x_1^2 - x_n^2 + y_1^2 - y_n^2 + d_n^2 - d_1^2}\\ M\\ {x_{n - 1}^2 - x_n^2 + y_{n - 1}^2 - y_n^2 + d_n^2 - d_{n - 1}^2} \end{array}} \right] \end{array}$ | (6) |
式中:(x,y)为未知节点的坐标，(x1,y1)、(x2,y2)、…、(xn,yn)为未知节点周围相邻n个信标节点的坐标，d1、d2、…、dn为n个信标节点分别与未知节点之间的距离。
5 系统仿真在系统仿真中，主要对无线网络一次连接成功率、节点平均能耗、系统丢包率、监控现场温湿度采集以及烟雾采集进行了仿真实验。
节点间一次性连接成功率不仅仅受无线通信网络中路由算法的影响，而且还受检测环境中存在的若干干扰因素的影响。由图 7可知，由于节点数为12时应用的是单跳路由算法，所以节点间一次性连接成功率最高，随后呈现先降后小幅上升的趋势。随着节点数的增加，先略有下降，是由于无线网络中引入了多跳路由算法导致节点间的通信开销增大所致，但随着节点数的进一步增大促进了节点间的相互连接，所以节点间的一次性连接成功率又呈现小幅上升的趋势，最后随着节点数的不断增加，成功率会在一个区间内上下徘徊，最终将稳定在95%左右。
|
| 图 7 节点间一次性连接成功率 Fig. 7 The success rate of one-time connection between nodes |
由图 8所示，由于节点相对少时引入的是单跳路由方式，因此，平均能耗相对较大，随着节点数的增加呈现先降后升的趋势，当无线网络中节点个数不是太大，同时引入多跳路由时的无线网络的平均能耗相对较低，而后随着整个无线网络节点个数的不断增加，所以，无线网络的通信开销势必会不断地增大，从而导致整个无线网络的平均能耗也随之不断增大。由图 8可知，当节点数为32时，整个网络的平均能耗最小，大约为65%。
|
| 图 8 无线网络平均能耗 Fig. 8 The average energy consumption of wireless network |
图 9为随着网络节点个数的增加，无线网络的平均丢包率曲线。由图可知，当无线网络节点个数为20时，其丢包率最大，而取其他节点个数时，整个无线网络的丢包率几乎为零。
|
| 图 9 无线网络的平均丢包率 Fig. 9 The average packet loss rate of wireless network |
通过以上仿真结果可见，在10 000m2的范围内，节点为32时仿真效果较好。但是若林火监测区域的面积和形状发生了变化，或者网络协调点的位置发生了变化，那么最佳节点数也会随之改变。
温湿度传感器SHT15和烟雾传感器MQ-2均每隔30 s采集一次监测现场的温湿度以及烟雾信息，并将信息通过串口实时发送给PC机的超级终端显示。仿真界面如图 10所示。
|
| 图 10 温湿度及烟雾采集仿真界面 Fig. 10 Temperature,humidity，and smog acquisition simulation interface |
由于森林的地理环境非常复杂，而森林防火监控系统需具有较高的智能性和实时性，所以，充分考虑后，将无线传感器网络和嵌入式系统相结合提出了一种智能的森林防火监控系统，从而有效地提高了森林防火的智能性和预警效率。通过大量实验表明，本系统既能降低林火人工预警方式的成本，又解决了传统火情监测方式所存在的不足。本系统不但为我国林火监测系统引入了新的技术和思路，同时也拓展了无线传感技术网络的应用领域。
但是，由于原始森林的地貌广阔，地形结构复杂，且干扰因素较多。所以，对基于无线传感器网络的森林防火监控系统进行模拟和仿真是一个比较复杂和困难的过程。后续的研究工作除了需要继续完善监测系统的软、硬件设计外，还需从以下几个方面进行研究：1) 将无线传感器网络部署在林区的特定监测区域内，以便能够获取相关的实验数据；2) 对无线传感器网络的组网方式及森林防火网络路由算法做进一步的研究；3) 适当的增大无线网络的覆盖范围和传输距离，并提高无线数据的传输速率。
| [1] | 段永清. 森林防火技术及措施研究[J]. 能源与节能,2013, 89 (2) : 117 –119. Yongqing. Research on forest fire prevention technology and measures[J]. Energy and Energy Conservation,2013, 89 (2) : 117 –119. |
| [2] | 樊文有, 孟昕, 刘小蜻. 基于MapG1S的森林防火监测预警系统设计与实现[J]. 地球科学-中国地质大学学报,2010, 35 (3) : 501 –506. Wenyou, MENG Xin, LIU Xiaoqing. Design and Realization of forest fire monitoring and early warning system based on MapG1S[J]. Earth Science-Journal of China University of Geosciences,2010, 35 (3) : 501 –506. |
| [3] | 牟杰, 蔡自兴, 刘丽珏. ZigBee簇状网的OMNeT++仿真模型[J]. 智能系统学报,2012, 7 (1) : 56 –60. J ie, CAI Zixing, LIU Lijue. The OMNeT++ simulation model of ZigBee cluster network[J]. Journal of Intelligent Systems,2012, 7 (1) : 56 –60. |
| [4] | LIU Yuhua, LUO Zhenrong,XU Kaihua, et al. A reliable clustering algorithm based on LEACH protocol in wireless mobile sensor networks[C]//2nd International Conference onMechanical and Electrical Technology. Singapore, 2010: 692-696. |
| [5] | 赵凡.一种能量均衡的无线传感器网络多跳分簇路由算法[D]. 哈尔滨:哈尔滨理工大学, 2014: 23-26. ZHAO Fan. Multi hop clustering routing algorithm for energy balance in wireless sensor networks[D]. Harbin: Harbin University of Science and Technology, 2014: 23-26. |
| [6] | 林伟, 卿辉, 陈文. 基于新型电源供电的无线传感器网络节点设计[J]. 压电与声光,2011, 33 (3) : 498 –500. W ei, QING Hui, CHEN Wen. Design of wireless sensor network node based on a new type of power supply[J]. Piezoelectrics and Acoustooptics,2011, 33 (3) : 498 –500. |
| [7] | 胡琦逸, 胡良岗. 基于MEMS和GSM模块远程监护的实验和研究[J]. 实验室研究与探索,2012, 31 (4) : 37 –40. Qi yi, HU Lianggang. MEMS and GSM module of remote monitoring based on experiment and research[J]. Laboratory Research and Exploration,2012, 31 (4) : 37 –40. |
| [8] | 孙凤池, 宋萌, 刘光. 一种无线传感器信号衰减自适应测距模型[J]. 智能系统学报,2012, 7 (3) : 215 –218. Fengchi, SONG Meng, LIU Guang. A wireless sensor signal attenuation adaptive location model[J]. CAAI Transactions on Intelligent Systems,2012, 7 (3) : 215 –218. |
| [9] | 余华平, 郭梅. 面向管道系统的无线传感器网络三维节点部署算法[J]. 智能系统学报,2013, 8 (4) : 332 –336. Huaping, GUO Mei. Three dimensional node deployment algorithm for pipeline system for Wireless Sensor Networks[J]. CAAI Transactions on Intelligent Systems,2013, 8 (4) : 332 –336. |
| [10] | 张亚林.物联网中基于ZigBee协议的安全算法研究[D].华南理工大学, 2012: 26-32. ZHANG Yalin. Research on security algorithm based on ZigBee protocol in Internet of things[D]. South China University of Technology, 2012: 26-32. |
| [11] | LI Xiangyang, WANG Yajun, WANG Yu. Complexity of data collection, aggregation, and selection for wireless sensor networks[J]. IEEE Transactions on Computers,2011, 60 (3) : 386 –399. |
| [12] | WU Yue, FANG Fang, ZHOU Wei, et al. The temperature humidity measurement and control system for radon chamber based on SHT75[J]. Nuclear Electronics Detection Technology,2008, 28 (4) : 783 –785. |