摘要：目前，農業生產已經越來越趨于精細化和智能化，該文介紹了基于可橫向擴展的列式數據庫HBase以及并行計算框架MapReduce等大數據技術的農業物聯網的應用系統。農業物聯網涉及對農業生產環境數據的實時采集、農作物的實時監控、農作物的生長狀況判斷以及改善農物的生長環境等方面。一個完整的物聯網系統應該涉及農作物生長的各個方面，系統基于采集的數據擬合環境變化曲線(ECC)，然后，再結合作物的生長狀況學習出農作物的最佳生長環境(CBGE)曲線，最后，再依據農作物的生長周期構造農作物生長模型(CGM)。在此基礎上就可以實現農作物的精細化耕作，實現遠程控制環境變化進而達到智能耕作的目的。

　　關鍵詞：物聯網;數據采集;并行計算;列式存儲;大數據技術

　　1 建立列式數據庫

　　Hadoop是目前使用最廣泛的大數據技術，它允許開發人員使用簡單的編程模型通過計算機集群進行大數據的分布式處理的計算框架。它可以將服務器從單臺擴展到上千臺，每臺服務器都可以提供本地的計算和存儲資源[8] 。相對于傳統關系型數據庫列式數據庫的讀取效率明顯要更高，它不再需要像關系數據庫一樣為讀取某個字段的值而掃描整個表結構的數據，如果我們需要讀取某列的數據只需要讀取此列的數據就可以了。另外，在擴展方面它也可以很簡單只要在 Hadoop集群中添加計算機節點然后再添加相應的服務就可以有效的擴展它的存儲容量，這使得它獲得幾乎無限容量的存儲能力[8-10] 。系統采集的數據主要來自傳感器，我們會將傳感器上傳送的數據轉換成可識別的信息存儲到 HBase數據庫中。

　　1.1 數據庫詳細內容 HBase是列式數據庫，所以與傳統關系型數據庫的設計模式不同，我們將按照列式數據庫的設計方法來進行數據庫設計。目前，列式數據庫的設計還沒有固定的模式，系統將根據實際需求對數據庫的列族、列、行健進行一定的設計。

　　(1) 列族，實際種植環境信息(如溫濕度)并不能以一個傳感器的數據來決定，根據采集區域范圍大小需要多個傳感器的數據共同來決定，所以列族名將由地區、地塊和農作物本身共同來決定的。編碼如下：地區采用實際的地名作為編碼的一部分，實際上都會采用區域編號來代替，例如，對于大棚實驗田就會分為 A 區、B 區等。考慮到傳感器覆蓋區域的數量，我們將一定數量的傳感器所覆蓋的區域當做一個地塊，對于大棚來說，一個大棚就可以當成一個地塊。最后是農作物的品種標記，用來標識采集地塊類的農作物，一般將同一種農作物放在同一個地塊中，這樣采集的數據參考意義更大。

　　(2) 列，列將由傳感器的標識來決定。考慮到同一個地塊將采集多種數據，而每一種數據將在地塊的不同位置采集多次。我們將同一個地塊中的所有同類型傳感器的數據都放在同一個列族當中，這有利于后期的數據挖掘和統計分析。例如，一個大棚(將一個大棚當做一個地塊)中包含上下各6個溫度傳感器，則一個地塊中同一時間可以獲得12個溫度類型的數據，這些數據都會被放到一個列族中存儲起來。

　　1.2 數據采集入庫傳感器采集的數據是主要影響農作物生長的環境信息數據，諸如土壤溫濕度、空氣溫濕度、光照強度等農作物生長環境參數。傳統的種植方式，無法對這些生長環境參數進行實時監測與定量、定性分析。物聯網改變了農業生產的模式，我們將各類環境數據采集并存儲到HBase中(如圖1)，這些數據將是構建農作物生長模型或分析農作物的重要數據支撐。

　　2 農業物聯網系統功能介紹

　　農業的發展越來越偏向機械化和智能化，為了構建智能化的農業生產模式，農業物聯網系統還需要提供必要的智能化生產功能應用。根據現有的需求和前人的研究系統暫時確定了五項功能模塊[11-13] 。這五項功能將農作物生長環境、生長狀況、生長模型等直觀的提供給使用者，使用者可以根據這些信息去培養、管理自己的農產品。農業物聯網應用系統主要由數據采集、數據可視化、實時監控和統計分析等模塊組成。數據采集功能主要是將傳感器信號轉換成可識別的文字或數字信息;數據可視化功能主要是將數據以生動的形式展示出來供使用者查看瀏覽;實時監控則是實時的傳遞地塊農作物的視頻信息，可以實時的查看農作物的生長狀況。

　　2.1 環境信息實時監測將實時采集的環境信息較為美觀的展示出來，可以為使用者帶來較好的感官體驗。最重要的也是實時的監測農作物生長環境的變化，在必要的時候可以根據這些數據信息的反饋做人工的干預，比如缺水就可以通過系統控制設備噴水實現為農作物添加水分(如圖2所示)。

　　2.2 地塊標注和實時監控將不同的地塊在地圖上以矢量圖來標注出來，這樣可以直觀地了解我們地塊的區域范圍。在地塊周圍安裝監控攝像頭，攝像頭實時捕獲地塊內的畫面。使用者可以遠程訪問來觀看地塊的實時畫面。既可以幫助生產管理者遠程了解作物的生長狀況，也可以幫助農業專家通過遠程監控畫面了解作物的健康狀況，解決種植中的病害難題(如圖3所示)。

　　2.3 環境變化趨勢分析將不同的環境信息數據根據時間的變化擬合出它的變化趨勢曲線(ECC)，這樣可以方便我能觀察它的變化趨勢以及合理的預測將來短時間內的變化。根據作物的生長情況擬合出最適合農作物的生長環境(CBGE)曲線(如下圖4所示)。擬合環境變化趨勢圖之前需要對數據做一些必要的處理，因為HBase 自身并沒有自帶的挖掘函數，此時MapReduce計算框架就起到了作用，我們利用MapReduce計算框架去處理分析HBase中的數據，再可視化到實際的圖表中，此處我們用到了數據驅動的 echarts作為大數據量的可視化圖表。

　　3 總結

　　本文闡述了基于大數據技術設計實現了農業物聯網應用系統，系統基于可橫向擴展的列式數據庫以及能夠在海量數據中進行并行計算的計算框架實現了采集農業生產環境數據和構造農作物生長模型以及其他功能。系統根據采集的數據對農作物的最佳生長環境進行擬合，并在此基礎上構建農作物生長模型。可以根據農作物的生長環境大致判斷農作物的生長周期，可以為農作物的播種、施肥、收獲做系統性的建議。系統結合大數據技術實現了對農業生產模式做了極大的改變，當然，目前廣泛推廣還是比較困難，但是，農業生產的智能化必然會是發展的大趨勢。

　　參考文獻：

　　[1] 趙璐,楊印生.農業物聯網技術與農業機械化發展[J].農機化研究,2011,08：226-229.

　　[2] 蘇美文.物聯網產業發展的理論分析與對策研究[D].吉林大學,2015.

　　[3] 王家農.農業物聯網技術應用現狀和發展趨勢研究[J].農業網絡信息,2015,09：18-22

　　《基于大數據技術的農業物聯網應用系統》來源：《電腦知識與技術》，作者：楊亞飛，湯軍，宋樹華，李功權。