胡敬文，陳 紅

（1．佛山廣播電視大學(xué)社區(qū)教育處，廣東佛山528000；2.北京弘源岳泰科技有限公司，北京102206）

基于WSN和RS的四維環(huán)境數(shù)據(jù)同化技術(shù)研究

胡敬文1，陳 紅2

（1．佛山廣播電視大學(xué)社區(qū)教育處，廣東佛山528000；2.北京弘源岳泰科技有限公司，北京102206）

目前常規(guī)環(huán)境監(jiān)測所采用的地面布點采樣分析，具有耗時費力且缺乏空間連續(xù)性等缺點，針對于此，研究了基于WSN和RS的四維環(huán)境數(shù)據(jù)同化技術(shù)，采用空間插值法，對某時刻與WSN節(jié)點對應(yīng)的遙感環(huán)境參數(shù)進行空間插值，獲取環(huán)境參數(shù)的空間分布規(guī)律；將WSN與RS環(huán)境參數(shù)采用最優(yōu)插值法進行數(shù)據(jù)同化，獲得遙感環(huán)境參數(shù)與WSN實測數(shù)據(jù)的關(guān)系函數(shù)；在時間連續(xù)的某時刻，利用WSN實測數(shù)據(jù)和同化關(guān)系函數(shù)獲得對應(yīng)觀測點的遙感環(huán)境參數(shù)，并利用空間插值方程，獲得空間連續(xù)的遙感環(huán)境參數(shù)，解決了環(huán)境監(jiān)測中時空不連續(xù)的難題，填補了國內(nèi)環(huán)境監(jiān)測領(lǐng)域的空白。

數(shù)據(jù)同化；空間插值；最優(yōu)插值；環(huán)境參數(shù)

目前我國環(huán)境監(jiān)測主要是對環(huán)境中的污染物及其有關(guān)的組成成分進行定性、定量和系統(tǒng)的綜合分析，形成的政府環(huán)境監(jiān)測網(wǎng)絡(luò)包括：覆蓋全國主要水體的地表水監(jiān)測斷面（點位）及水質(zhì)自動監(jiān)測站組成的地表水環(huán)境質(zhì)量監(jiān)測網(wǎng)；環(huán)保重點城市建立空氣自動監(jiān)測站點、酸雨監(jiān)測點位和沙塵暴監(jiān)測站組成了環(huán)境空氣質(zhì)量監(jiān)測網(wǎng)；手工監(jiān)測和自動監(jiān)測相結(jié)合的污染源監(jiān)測網(wǎng)；同時，我國近岸海域也建成了環(huán)境監(jiān)測網(wǎng)，但這些監(jiān)測網(wǎng)主要是通過增加站點的分布來實現(xiàn)空間上的連續(xù)性，并非真正做到了空間上的連續(xù)性［1-5］。此外，建立新的站點需要增加費用，提高了環(huán)境監(jiān)測成本。

隨著遙感技術(shù)的不斷發(fā)展，遙感環(huán)境監(jiān)測從一次性監(jiān)測發(fā)展到了連續(xù)動態(tài)監(jiān)測，從個別指標的定性研究擴展到了多目標、多層次的模型研究和定量分析，從單一衛(wèi)星數(shù)據(jù)源的應(yīng)用發(fā)展到了多數(shù)據(jù)源、多時相、多分辨率遙感數(shù)據(jù)的應(yīng)用。

目前，遙感在大氣環(huán)境監(jiān)測方面能夠進行氣體成分、污染物定量及氣溶膠等內(nèi)容的監(jiān)測；在水環(huán)境方面能夠進行富營養(yǎng)化水質(zhì)參數(shù)、水中懸浮固體（ss）含量等的定量反演，有利于監(jiān)測水環(huán)境的情況；在城市環(huán)境、生態(tài)環(huán)境方面能對植被覆蓋進行有效地監(jiān)測［6-11］。

無線傳感器網(wǎng)絡(luò)是一種分布式傳感網(wǎng)絡(luò)，傳感器節(jié)點可以連續(xù)不斷地進行數(shù)據(jù)采集、事件檢測、事件標識、位置監(jiān)測和節(jié)點控制，感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)被感知環(huán)境信息，可用于監(jiān)視農(nóng)作物灌溉情況、土壤空氣情況、無線土壤生態(tài)學(xué)、大面積的地表監(jiān)測等領(lǐng)域［12-16］。

本文主要研究基于RS和WSN的四維數(shù)據(jù)同化技術(shù)，充分將地面WSN節(jié)點獲取環(huán)境信息的實時性和RS同一時間獲取大區(qū)域信息的空間連續(xù)性進行融合、同化，獲得天地一體、時空連續(xù)的環(huán)境監(jiān)測信息，為環(huán)境監(jiān)測提供更加有力的工具。

1 數(shù)據(jù)獲取

本文涉及的環(huán)境信息主要來源于遙感環(huán)境參數(shù)反演和無線傳感器網(wǎng)絡(luò)（WSN）節(jié)點實時獲取的環(huán)境信息。

遙感（RS）環(huán)境參數(shù)采用目視解譯或計算機提取的方式，根據(jù)影像的波譜特征（色調(diào)、色彩或地物光譜）和空間特征（形狀、大小、紋理、圖形、位置和布局）、非遙感資料（地形圖、電子地圖、專題圖等），進行遙感信息判別、影像分類、參數(shù)反演等，得到能夠有效反映環(huán)境區(qū)域變化或環(huán)境參數(shù)的專題圖及模型。

無線傳感器網(wǎng)絡(luò)系統(tǒng)（WSN）主要包括無線傳感器節(jié)點、匯聚節(jié)點和管理節(jié)點。通過末端節(jié)點感知環(huán)境并采集環(huán)境信息，經(jīng)過匯聚節(jié)點，將采集的信息傳輸?shù)焦芾砉?jié)點。

WSN和RS可以采集的環(huán)境信息如表1所示。

表1 RS和WSN環(huán)境信息對照表

2 數(shù)據(jù)同化

設(shè)定T1時刻，WSN節(jié)點獲取的環(huán)境監(jiān)測數(shù)據(jù)為Yi（i=1，2，3，…，n），n為WSN監(jiān)測數(shù)據(jù)的數(shù)目，RS獲取的對應(yīng)節(jié)點的環(huán)境參數(shù)為Xi，T2時刻為與T1間隔較短的下一時刻，可視為時間上連續(xù)，WSN獲取的監(jiān)測數(shù)據(jù)為Y′i（i=1，2，3，…，n），n為WSN監(jiān)測數(shù)據(jù)的數(shù)目。

遙感環(huán)境參數(shù)數(shù)據(jù)提供了空間連續(xù)的數(shù)據(jù)，可從中提取空間各位置的環(huán)境參數(shù)分布規(guī)律；WSN提供了時間上連續(xù)的監(jiān)測點環(huán)境數(shù)據(jù)，兩者結(jié)合實現(xiàn)時空連續(xù)、天地一體。

如圖1所示，在T1時刻，以與WSN節(jié)點位置相對應(yīng)的遙感環(huán)境參數(shù)為已知點，利用空間插值算法，獲得環(huán)境參數(shù)在整個區(qū)域的分布，即空間插值規(guī)律M，并用T1時刻整個區(qū)域環(huán)境參數(shù)去修正空間插值的結(jié)果，得到空間插值規(guī)律M′；在T1時刻，根據(jù)最優(yōu)插值的同化算法獲取WSN實測數(shù)據(jù)Yi與遙感環(huán)境參數(shù)Xi的方程F（x），得到在WSN實測數(shù)據(jù)與遙感環(huán)境參數(shù)間的聯(lián)系；在T2時刻，采用WSN獲得實測環(huán)境數(shù)據(jù)Y′i，利用F（x）方程求解對應(yīng)的遙感環(huán)境參數(shù)，利用M′插值規(guī)律獲得整個區(qū)域的遙感環(huán)境參數(shù)分布，利用F（x）即可求解整個區(qū)域的實際環(huán)境參數(shù)，從而獲得四維時空連續(xù)的環(huán)境監(jiān)測數(shù)據(jù)。

2.1 空間插值算法

空間插值的理論假設(shè)是：空間位置上越靠近的點，越可能具有相似的特征值，而距離越遠的點，其特征值相似的可能性越小?？臻g插值方法是根據(jù)假設(shè)設(shè)計的，分為整體插值方法和部分插值方法兩類。

空間插值是為獲得遙感環(huán)境參數(shù)空間分布規(guī)律，根據(jù)環(huán)境因素在空間上分布的連續(xù)性，且在空間上的分布只與局部的環(huán)境因素有關(guān)，因此本項目選取部分插值法。

部分插值僅僅用鄰近的數(shù)據(jù)點來估計未知點的值，如最鄰近點法（泰森多邊形方法）、移動平均插值方法（距離倒數(shù)插值法）、樣條函數(shù)插值法、克里格插值方法等。

Kriging方法的適用范圍為區(qū)域化變量存在空間相關(guān)性，即如果變異函數(shù)和結(jié)構(gòu)分析的結(jié)果表明區(qū)域化變量存在空間相關(guān)性，則可以利用克里格方法進行內(nèi)插或外推。其實質(zhì)是利用區(qū)域化變量的原始數(shù)據(jù)和變異函數(shù)的結(jié)構(gòu)特點，對未知樣點進行線性無偏、最優(yōu)估計。無偏是指偏差的數(shù)學(xué)期望為0，最優(yōu)是指估計值與實際值之差的平方和最小。也就是說，克里格方法是根據(jù)未知樣點有限鄰域內(nèi)的若干已知樣本點數(shù)據(jù)，在考慮了樣本點的形狀、大小和空間方位，與未知樣點的相互空間位置關(guān)系，以及變異函數(shù)提供的結(jié)構(gòu)信息之后，對未知樣點進行的一種線性無偏最優(yōu)估計。

圖1 數(shù)據(jù)同化技術(shù)流程圖

Kriging方法與反距離權(quán)插值方法類似的是：兩者都通過對已知樣本點賦權(quán)重來求得未知樣點的值，可表示為

本文利用Z（x0）函數(shù)求解出對應(yīng)站點環(huán)境參數(shù)的空間插值，得到空間插值結(jié)果。

2.2 修正插值

利用T1時刻的遙感環(huán)境參數(shù)影像數(shù)據(jù)對克里格插值方程進行修正，獲得M′，能夠更加準確地獲得環(huán)境參數(shù)的空間分布規(guī)律，即

2.3 最優(yōu)插值

在區(qū)域內(nèi)布置無線傳感器網(wǎng)絡(luò)節(jié)點，實時獲取觀測點的環(huán)境數(shù)據(jù)Yi，無線傳感器節(jié)點盡量均勻布設(shè)在區(qū)域內(nèi)，在環(huán)境參數(shù)變化大的區(qū)域布設(shè)較多的節(jié)點，假設(shè)在區(qū)域內(nèi)布設(shè)n個節(jié)點，利用這些節(jié)點來獲取其所在位置的環(huán)境數(shù)據(jù)，無線傳感器獲取環(huán)境數(shù)據(jù)的時間間隔為ms，可視作時間上的連續(xù)。各節(jié)點在T1時刻獲取的溫度數(shù)據(jù)分別為{Y1，Y2，Y3，Y4，…，Yn}。

利用遙感數(shù)據(jù)可以反演A區(qū)域T1時刻的環(huán)境參數(shù)數(shù)據(jù){X1，X2，X3，X4，…，Xn}，RS數(shù)據(jù)可看作覆蓋了該區(qū)域內(nèi)任一點（像元級別）。利用最優(yōu)插值理論解算T1時刻獲取的環(huán)境監(jiān)測數(shù)據(jù)Ai與對應(yīng)空間位置的遙感參數(shù)數(shù)據(jù)進行同化，獲取兩者之間的關(guān)系。

將Yi與Xi進行數(shù)據(jù)同化，求出插值函數(shù)Y=F（x），使Yi=F（xi）（i=1，2，…，n）。

2.4 時空連續(xù)遞推

時空連續(xù)遞推是指將T1時刻獲得的空間插值方程與最優(yōu)插值函數(shù)相結(jié)合，獲取T2時刻的空間連續(xù)的環(huán)境數(shù)據(jù)值。

將T2時刻獲取的環(huán)境監(jiān)測站點數(shù)據(jù)，根據(jù)最優(yōu)插值獲得的插值函數(shù)F（x），求得相應(yīng)站點的遙感環(huán)境反演參數(shù)，并通過修正后的空間插值模型M′進行插值計算，獲得整個區(qū)域的遙感環(huán)境參數(shù)，通過F（x）求得全區(qū)域的環(huán)境監(jiān)測數(shù)據(jù)。

3 方法驗證

本文以地表溫度監(jiān)測為例，利用四維同化法簡單介紹數(shù)據(jù)同化在環(huán)境監(jiān)測中的簡單應(yīng)用。

假設(shè)在某區(qū)域A內(nèi)布置無線傳感器網(wǎng)絡(luò)節(jié)點，初始狀態(tài)設(shè)置9個節(jié)點，分布如圖2所示。利用這些節(jié)點來獲取節(jié)點所在位置的地表溫度數(shù)據(jù)。設(shè)各節(jié)點在T1時刻獲取的溫度數(shù)據(jù)分別為{A1，A2，A3，…，A9}，T2時刻獲取的地表溫度數(shù)據(jù)為{b1，b2，b3，…，b9}。T1與T2時刻時差為毫秒級，可看作時間上連續(xù)。

圖2 A區(qū)域WSN節(jié)點分布圖

利用熱紅外遙感數(shù)據(jù)可以反演A區(qū)域T1時刻的地表溫度數(shù)據(jù){x1，x2，x3，…，x9}，遙感數(shù)據(jù)可看作覆蓋了該區(qū)域內(nèi)任一點（像元級別）。但是，由于遙感數(shù)據(jù)回訪周期較長，無法獲取時間上相對T1連續(xù)的T2時刻的溫度數(shù)據(jù)，這時為了模擬T2時刻地表溫度數(shù)據(jù)，需要將{Ai}與{xi}進行數(shù)據(jù)同化，求出最優(yōu)差值函數(shù)Y=F（x），使Yi=F（xi）（i=1，2，…9），同時將xi數(shù)據(jù)根據(jù)空間插值算法，計算出站點遙感環(huán)境參數(shù)在區(qū)域的空間相關(guān)性插值方程m，并用實際遙感參數(shù)進行修正，得到方程m′,然后根據(jù)上述兩個方程計算出T2時刻的地表溫度數(shù)據(jù){yi}（i=1，2，3，…，9），這就是一個簡單的四維數(shù)據(jù)同化過程。

因此，利用數(shù)據(jù)同化不僅能獲取區(qū)域A中空間連續(xù)、時間上也相對連續(xù)的A區(qū)域內(nèi)任一點的地表溫度數(shù)據(jù)，而且能推繹不同地區(qū)同一時間、不同地區(qū)不同時間的地表溫度數(shù)據(jù)，解決了環(huán)境監(jiān)測中時空不連續(xù)的難題，其同化結(jié)果如圖3所示。

通過對圖3中WSN節(jié)點獲得的溫度數(shù)據(jù)進行數(shù)據(jù)同化，可獲得整個區(qū)域內(nèi)連續(xù)的溫度數(shù)據(jù)（圖中圓點表示W(wǎng)SN節(jié)點，條帶顏色變化表示溫度變化，最低溫4℃，最高溫16℃）。

圖3 溫度數(shù)據(jù)同化結(jié)果

4 結(jié)論與討論

本文通過四維一體數(shù)據(jù)同化技術(shù)能夠有效解決環(huán)境監(jiān)測數(shù)據(jù)時空不連續(xù)的問題，滿足環(huán)境監(jiān)測對時間和空間上的雙重要求。

本文所選取的環(huán)境因子，需滿足空間插值理論的前提，即空間上距離相近的點，其對應(yīng)的環(huán)境參數(shù)的相似性越強，這種特征越明顯的環(huán)境參數(shù)，其模擬精度將越好，此外，本文認為時間間隔較短的遙感環(huán)境參數(shù)在空間上的分布規(guī)律是一致的，這種假設(shè)對于外界變化短期內(nèi)不會受到影響的環(huán)境參數(shù)是適用的。

［1］井瑾,劉曉東.試析我國環(huán)境監(jiān)測技術(shù)的現(xiàn)狀與發(fā)展［J］.中國科技博覽,2015（20）:321.

［2］趙云峰,郁慧,陸雅燕.簡述我國環(huán)境監(jiān)測技術(shù)的現(xiàn)狀及其發(fā)展［J］.資源節(jié)約與環(huán)保,2014（9）:97.

［3］樵地英.我國環(huán)境監(jiān)測技術(shù)的現(xiàn)狀與發(fā)展趨勢的探討［J］.資源節(jié)約與環(huán)保,2013（2）:39-40.

［4］陳辛月.環(huán)境監(jiān)測技術(shù)的現(xiàn)狀及發(fā)展趨勢［J］.自然科學(xué),2015（7）:255-257.

［5］孟艷艷.我國環(huán)境監(jiān)測技術(shù)的現(xiàn)狀與發(fā)展［J］.中國科技博覽,2014（6）:452.

［6］宮鵬.環(huán)境監(jiān)測中無線傳感器網(wǎng)絡(luò)地面遙感新技術(shù)［J］.遙感學(xué)報,2007,11（4）:545-551.

［7］李旭文,牛志春,姜晟,等.Landsat8衛(wèi)星OLI遙感影像在生態(tài)環(huán)境監(jiān)測中的應(yīng)用研究［J］.環(huán)境監(jiān)控與預(yù)警,2013,5（6）: 1-5.

［8］孫震,蘇尚典,益建芳.遙感綜合技術(shù)在城市環(huán)境監(jiān)測中的作用［J］.測繪與空間地理信息,2006,29（2）:92-95.

［9］邱章喜.遙感技術(shù)在環(huán)境監(jiān)測中的應(yīng)用探析［J］.城市地理,2015（6）:41-42.

［10］尹球,李莉,許華.陸域與近岸海域水環(huán)境遙感監(jiān)測研究進展［J］.遙感學(xué)報,2009,13（S1）:381-387.

［11］李海亮,汪秀華,戴聲佩,等.基于環(huán)境減災(zāi)衛(wèi)星CCD數(shù)據(jù)的海南島洪澇災(zāi)害監(jiān)測［J］.農(nóng)業(yè)工程學(xué)報,2015,31（17）:191 -198.

［12］曹淑超.生物傳感器在環(huán)境監(jiān)測中的應(yīng)用［J］.能源環(huán)境保護,2015,29（2）:59-62.

［13］趙立臣.環(huán)境監(jiān)測中物聯(lián)網(wǎng)技術(shù)的應(yīng)用［J］.自然科學(xué),2015（11）:129.

［14］焦俊,張水明,杜玉林,等.物聯(lián)網(wǎng)技術(shù)在農(nóng)田環(huán)境監(jiān)測中的應(yīng)用［J］.中國農(nóng)學(xué)通報,2014,20（7）:290-295.

［15］焦俊,操俊,潘中,等.基于物聯(lián)網(wǎng)的農(nóng)田環(huán)境在線監(jiān)測系統(tǒng)［J］.農(nóng)業(yè)工程,2014,4（6）:18-23.

［16］許佳,張明珊.基于物聯(lián)網(wǎng)的水環(huán)境在線監(jiān)測系統(tǒng)的研發(fā)［J］.中國新通信,2015,17（10）:120.

【責(zé)任編輯：王桂珍 foshanwgzh@163.com】

The study on four dimension environmental data assimilation based on WSN and RS

HU Jing-wen1,CHEN Hong2
（1.Education Division,Foshan Radio&TV University,Foshan 528000,China; 2.Beijing Hong Yuan Yue TaiTechnology Co.Ltd,Beijing 102206,China）

The ordinary environmentalmonitoring uses ground sampling analysis,which consumes time and is lack of spacing continuity.The paper studies on technology of the four dimension data assimilation,which is combined with the technology of spatial interpolation and optimal interpolation.Spatial interpolation is used to interpolate remote sensing environmentalparameters corresponding toWSN nodesat certain time and getspatial distribution ofenvironmentalparameters.Optimal interpolation isused to study data assimilation ofWSN and RS environmental parameters and get the relationship function between remote sensing environmental parameters andWSN data.Ata certain time,the remote sensing environmentalparameters corresponding toWSN nodes can be obtained by WSN data and assimilation relation function.At last,spatial continuous remote sensing environmental parameters can be obtained by the above remote sensing environmental parameters and spatial interpolation function,which solves the problem ofSpace-time discontinuity in environmentalmonitoring.

dataassimilation;spatial interpolation;optimal interpolation;environmentalparameters

X83

A

2017-03-16

佛山市科技創(chuàng)新項目（00208231200122049）

胡敬文（1981-），男，廣東佛山人，佛山廣播電視大學(xué)講師。

1008-0171（2017）04-0054-05