针对农田土壤的重金属污染分析预警系统的制作方法

本发明涉及农田重金属污染防治技术领域，具体涉及针对农田土壤的重金属污染分析预警系统。

背景技术

目前，农田土壤重金属污染的管理手段仍十分落后，管理工作主要是依靠人工为主，管理模式往往都是采用临时抽查或巡查的方式进行，管理成本高、效率低、管理到位难，管理手段迫切需要从“人工巡查式”方式向“基于信息技术支撑”的管理方式转变。由于缺乏基于现代信息技术的农田土壤重金属污染决策系统做支撑，难以综合考虑多方面因素以及时对某一区域的农田土壤重金属污染状况进行预警。

技术实现要素：

针对上述问题，本发明提供针对农田土壤的重金属污染分析预警系统。

本发明的目的采用以下技术方案来实现：

提供了针对农田土壤的重金属污染分析预警系统，包括：

无线传感器网络，用于获取农田土壤重金属污染监测数据；

计算机处理模块，用于对获取的农田土壤重金属污染监测数据进行预处理，并发送至数据管理模块处进行存储；

数据管理模块，用于对存储的数据进行管理；

风险分析模块，用于构建农田土壤重金属污染风险综合评估指标体系，确定农田重金属污染的影响因子及其权重，对农田土壤重金属污染风险进行综合评估，并输出农田土壤重金属污染风险评估值；

预警模块，用于在农田土壤重金属污染风险评估值大于设定的风险阈值时向设定的用户终端输出报警信息。

优选地，所述无线传感器网络包括：

汇聚节点和多个传感器节点，汇聚节点与计算机处理模块通信，多个传感器节点通过分簇确定簇头节点，簇内的传感器节点将采集的农田土壤重金属污染监测数据传送至对应的簇头节点，簇头节点将接收的农田土壤重金属污染监测数据通过多跳路由的方式传输至汇聚节点。

优选地，所述数据管理模块包括：

元数据管理子模块，用于元数据的添加、删除和更新；

数据融合子模块，用于对相关数据进行融合处理；

数据查询子模块，用于根据用户自定义的查询条件实时查询相关数据；

所述相关数据包括所述农田土壤重金属污染监测数据、所述元数据。

本发明的有益效果为：可实现农田土壤重金属污染的风险评估和预警，解决了现有技术中存在的智能化水平低、成本高、效率低等问题；可以对海量的农田土壤重金属污染监测数据进行融合和统一管理，解决了农田土壤重金属污染监测数据零散分布、共享程度低、难以实时查询和高效汇总等问题，能够显著提高农田土壤重金属污染的管理精度。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明一个示例性实施例的针对农田土壤的重金属污染分析预警系统的结构示意框图；

图2是本发明一个示例性实施例的计算机处理模块的结构示意框图。

附图标记：

无线传感器网络1、计算机处理模块2、数据管理模块3、风险分析模块4、预警模块5、异常数据处理单元10、缺失数据处理单元20。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本发明实施例提供了针对农田土壤的重金属污染分析预警系统，包括：

无线传感器网络1，用于获取农田土壤重金属污染监测数据；

计算机处理模块2，用于对获取的农田土壤重金属污染监测数据进行预处理，并发送至数据管理模块3处进行存储；

数据管理模块3，用于对存储的数据进行管理；

风险分析模块4，用于构建农田土壤重金属污染风险综合评估指标体系，确定农田重金属污染的影响因子及其权重，对农田土壤重金属污染风险进行综合评估，并输出农田土壤重金属污染风险评估值；

预警模块5，用于在农田土壤重金属污染风险评估值大于设定的风险阈值时向设定的用户终端输出报警信息。

其中，对农田土壤重金属污染风险进行综合评估时，具体执行：对预处理后的农田土壤重金属污染监测数据进行联机分析处理、空间分析或地统计分析，找出农田土壤重金属污染的影响因素，将其作为农田土壤重金属污染风险综合评估的初选指标；然后利用因子分析法、和/或灰色关联度分析法进行指标筛选和约简，得到最终评估指标；然后，综合利用客观赋权法、主观赋权法确定各指标的权重，以此构建农田土壤重金属污染风险综合评估指标体系，对农田土壤的重金属污染风险进行综合评估，从而得到农田土壤重金属污染风险评估值。

在一种可能实现的方式中，所述无线传感器网络1包括：

汇聚节点和多个传感器节点，汇聚节点与计算机处理模块2通信，多个传感器节点通过分簇确定簇头节点，簇内的传感器节点将采集的农田土壤重金属污染监测数据传送至对应的簇头节点，簇头节点将接收的农田土壤重金属污染监测数据通过多跳路由的方式传输至汇聚节点。

在一种可能实现的方式中，所述数据管理模块3包括：

元数据管理子模块，用于元数据的添加、删除和更新；

数据融合子模块，用于对相关数据进行融合处理；

数据查询子模块，用于根据用户自定义的查询条件实时查询相关数据；

所述相关数据包括所述农田土壤重金属污染监测数据、所述元数据。

在一个实施例中，如图2所示，计算机处理模块2包括异常数据处理单元10和缺失数据处理单元20，异常数据处理单元10用于对获取的农田土壤重金属污染监测数据进行异常检测，并将检测出的异常数据进行修正处理；缺失数据处理单元20用于对农田土壤重金属污染监测数据进行缺失检测，并对检测出的缺失序列进行数据填补。

本发明上述实施例可实现农田土壤重金属污染的风险评估和预警，解决了现有技术中存在的智能化水平低、成本高、效率低等问题；可以对海量的农田土壤重金属污染监测数据进行融合和统一管理，解决了农田土壤重金属污染监测数据零散分布、共享程度低、难以实时查询和高效汇总等问题，能够显著提高农田土壤重金属污染的管理精度。

在一种可选的方式中，无线传感器网络1采用基于最大一致性时间同步的方式实现传感器节点之间的时钟同步，从而所有传感器节点的逻辑时钟都达到一个共同的全局时钟，具体为：

(1)每个簇的簇头与其簇内传感器节点进行信息交换，将自己的逻辑时钟同步到其簇内的逻辑时钟速率最大的传感器节点的逻辑时钟；

(2)网络中所有簇头之间进行通信，采用已有的最大一致性时间同步方法进行同步，以使所有簇头的逻辑时钟同步到网络中的最大逻辑时钟；

(3)各簇头采用已有的最大一致性时间同步方法，通过与簇内传感器节点的信息交换将自身的逻辑时钟扩散到其簇内的所有传感器节点，此时，整个网络中的所有传感器节点的逻辑时钟达到全局一致。

本实施例结合无线传感器网络1的分簇拓扑结构，提出了新的传感器节点一致性时间同步的机制，该机制中，由各簇头将自己的逻辑时钟同步到其簇内的逻辑时钟速率最大的传感器节点的逻辑时钟，然后同步到网络中的最大逻辑时钟，并将同步后的最大逻辑时钟扩散到其簇内的所有传感器节点。本机制相对于传感器节点通过周期性向邻居节点广播时钟信息来更新自己的逻辑时钟的方式，减少了簇内传感器节点广播时钟信息的次数，有效减少了广播频率，从而能够降低网络的通信开销以及传感器节点的能耗，从而在整体上节省了农田土壤重金属污染监测数据采集的能耗，降低农田土壤重金属污染监测成本。

在一个实施例中，簇头将自己的逻辑时钟，同步到其簇内的逻辑时钟速率最大的传感器节点的逻辑时钟，具体包括：

(1)对于网络中的任意传感器节点i，设置逻辑时钟的斜率补偿参数ai和偏差补偿参数bi的初始条件为ai＝1,bi＝0；每个传感器节点设置共同的广播周期h，同步过程中，传感器节点按照所述广播周期h向簇头广播时钟信息，所述时钟信息包括传感器节点自身当前的硬件时钟值、斜率补偿参数和偏差补偿参数；

(2)簇头y每次接收簇内任意传感器节点j广播的时钟信息后，记录自身的硬件时钟值和收到的时钟信息，假设簇头y分别在t＝t1,t2,…,tk时刻成功收到传感器节点j广播的时钟信息，簇头y与传感器节点j在t1时刻的相对时钟斜率xyj(t1)＝1，按照下列公式计算出簇头y与传感器节点j在tk时刻的相对时钟斜率：

式中，xyj(tk)表示簇头y与其簇内的传感器节点j在tk时刻的相对时钟斜率，hj(tk)为传感器节点j在tk时刻的硬件时钟值，hj(tk-1)为传感器节点j在tk-1时刻的硬件时钟值，xyj(tk-1)为簇头y与其簇内的传感器节点j在tk-1时刻的相对时钟斜率，hy(tk)为簇头y在收到传感器节点j在tk时刻的硬件时钟值后记录的自身的硬件时钟值，hy(tk-1)为簇头y在收到传感器节点j在tk-1时刻的硬件时钟值后记录的自身的硬件时钟值；

(3)当k达到设定的阈值时，簇头y向簇内各传感器节点发送暂停消息，从而使收到暂停消息的各传感器节点停止向簇头y广播时钟信息，计算簇头y与其簇内任意传感器节点j在此时的逻辑时钟速率的比值gyj，并通过对比最大比值max(gyj,j＝1,…my)和1的大小来更新簇头y的斜率补偿参数和偏差补偿参数。

簇头与簇内传感器节点间的相对时钟斜率的精度会影响到时钟同步的精度，本实施例设定了新的相对时钟斜率的计算公式，该计算公式将先前计算的相对时钟斜率考虑到当前的相对时钟斜率的计算中，能够有效提高相对时钟斜率的计算精度；当簇内任意传感器节点广播时钟信息的次数达到设定的阈值时，簇头向簇内各传感器节点发送暂停消息以限制各传感器节点继续广播时钟信息，能够有效减少簇内传感器节点广播时钟信息的次数，从而降低簇内传感器节点的能耗。

通过对比最大比值max(gyj,j＝1,…my)和1的大小来更新簇头y的斜率补偿参数和偏差补偿参数，具体地，当max(gyj,j＝1,…my)>1时，选择最大比值max(gyj,j＝1,…my)对应的传感器节点的逻辑时钟为参考时钟，进行斜率补偿参数和偏差补偿参数校正；若max(gyj,j＝1,…my)≤1时，比较最大比值max(gyj,j＝1,…my)对应的传感器节点与簇头的逻辑时钟，选择其中最大的逻辑时钟为参考时钟。

在一个实施例中，设定所述gyj的计算公式为

其中，xyj为簇头y与其簇内任意传感器节点j在此时的相对时钟斜率，aj为传感器节点j的逻辑时钟的斜率补偿参数，ay为簇头y的逻辑时钟的斜率补偿参数，my为簇头y的簇内传感器节点个数；qj为传感器节点j的当前剩余能量，qmin为设定的最小能量值，e为设定的衰减系数；为比较函数，当时，当时，

本实施例在簇头与其簇内传感器节点之间的逻辑时钟速率的比值的计算公式中，考虑了传感器节点的能量因素，为能量不足的传感器节点设置了衰减系数，能够避免因能量不足导致的状态不是很稳定的传感器节点会影响到簇头的时钟同步，从而避免可能异常的传感器节点使时钟速度快于实际时间的情况。

在一个实施例中，当计算出簇头y与传感器节点j在tk时刻的相对时钟斜率满足下列条件时，簇头y判定该传感器节点j为攻击节点，并忽略与该传感器节点j的一切信息：

式中，xyj(t1)簇头y与其簇内的传感器节点j在t2时刻的相对时钟斜率，r为设定的差值阈值。

本实施例创新性地设定了硬件时钟防御机制，该机制简单、便于实施，使得网络中的攻击节点不能自由地改变硬件时钟读数并广播给安全的传感器节点，攻击节点的信息不会用于时钟更新，从而有效避免攻击节点使时钟速度快于实际时间的情况，进一步保障无线传感器网络1运行的稳定性。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。