刘海洋，陈 智，侯占峰，佟 鑫，宗哲英，宣传忠



基于GPRS 的土壤风蚀实时监测系统研制与测试

刘海洋，陈 智，侯占峰※，佟 鑫，宗哲英，宣传忠

（内蒙古农业大学机电工程学院，呼和浩特 010018）

为克服野外观测和风洞测试的缺点与不足，提高观测数据的连续性、科学性与可靠性。该文综合无线传感网络技术、传感器技术、电子技术和网络通信技术，研制了热敏式风速传感器、分流对冲式风沙分离器和具有无线组网与自动数据采集处理功能的近地表风速廓线仪和多通道集沙仪，建立了基于GPRS网络的土壤风蚀监测系统，实现了被测区域环境温度、相对湿度、大气压力、近地表风速廓线和风沙流结构等参数的同步采集、实时处理和远程监测等功能。试验结果表明：风速传感器输出电压在0.3～4.3 V之间，响应时间小于3 s，有效测量范围在0～17 m/s，测量精度随风速增大而降低，在6和17 m/s风速下的测量精度分别为0.1和 0.3 m/s；风沙分离器的降速效率和风沙分离效率分别在96%和99.8%以上，平均等动力性≥92%；称量系统有效测量范围在0～170 g，精度达0.01 g，短期静态误差和长期累积误差分别不超过±0.02 g和±0.04 g；9、12、15和18 m/s风速下的平均集沙效率达91.98%；无线通信建立时间≤5 s，中心汇聚节点可在3 s内实现一次节点遍历和数据汇聚，有效传输距离达140 m以上；风速廓线节点和集沙仪节点单次最大工作时长不低于6和22 h。在野外试验条件下，系统软硬件部分均运行稳定可靠，自组网数据传输的丢包率和错误次数为0，环境温度、相对湿度和大气压力的偏差分别小于2 ℃、4%和10 hPa；测得的近地表风速廓线与风沙流结构均符合指数分布规律，满足大尺度、跨区域野外土壤风蚀同步研究的需求。

无线传感网络；环境监测；风速廓线仪；集沙仪；土壤风蚀

0 引 言

土壤风蚀是导致中国北方寒旱地区草原和土地退化、沙化的重要因素[1]。特别在内蒙古阴山北麓农牧交错区，由于自然和人为等因素的综合作用[2]，加速了农田和草原的退化程度，大面积天然草地防风护土、涵养水源的综合生态功能大幅降低，导致扬沙肆虐、沙尘暴频发，风蚀进程大大加速；不仅超出了环境的自我承载能力，且严重制约了该地区经济和农牧业的可持续发展[1,3]。近年来，土地荒漠化已然成为中国北方地区较为严峻的环境问题，利用现代化技术手段研究土壤风蚀形成机理及其防治措施成为当前亟待解决的重要课题。

目前，围绕土壤风蚀进行的野外观测、风洞试验等研究在主要风蚀地区获得了空前的发展，研究人员相继从风沙地貌与沙漠化、风蚀动力学、风蚀影响因子、风蚀测定与评估模型、风蚀防治技术等方面阐述了各因素对风蚀过程的影响[4]，提出了不同地区的风蚀防治措施，但由于风蚀作用自身物理机制极其复杂且在时空上变异巨大，导致风蚀监测数据的误差较大，各项研究结果间差异明显、可比性不够强。同时，现有土壤风蚀测试与监测方法存在劳动强度大、风蚀监测数据不稳定、无法实现跨区域实时数据采集等缺点与不足。

因此，本文综合无线传感网络技术、传感器技术、计算机技术和网络通信技术，研制了热敏式风速传感器以及具有自组网和自动数据采集处理功能的近地表风速廓线仪和多通道集沙仪；并在此基础上研究了具有实时数据汇聚与处理功能的土壤风蚀监测系统，实现了被测区域内多点环境温度、相对湿度、大气压力、近地表风速廓线及风沙流结构等数据的同步采集、无线传输与实时处理等；提高了观测数据的连续性、科学性与可靠性，为实现跨区域、大尺度的土壤风蚀实时监测，分析风蚀过程的整体动态和区域差异提供有效的研究平台和重要的数据支持。

1 系统总体结构与工作原理

1.1 总体结构

该系统主要由分布在各被测区域内的风速廓线采集节点、风沙流结构采集节点、中心汇聚与转发节点、GPRS远程数据传输网络及客户端数据处理软件等组成[5-7]，其总体结构如图1所示。

1.2 系统工作原理

工作过程中，中心汇聚与转发节点首先通过发送“同步数据采集”指令，控制网络覆盖范围内的所有风速廓线节点和风沙流结构节点进行同步数据采集；然后通过发送“地址轮询”指令汇聚各节点采集的数据；数据汇聚完成后，对数据进行处理打包，并通过GPRS模块发送至远程服务器[8-9]；服务器端的数据中心软件通过TCP协议与各被测区域内的GPRS模块建立连接，接收远程数据并存储在本地Access数据库中，同时将数据包发送至远程客户端；客户端软件系统通过TCP协议连接访问服务器，接收来自服务器端的数据信息，并对数据包进行解析、处理，显示各测点处的环境信息，绘制其近地表风速廓线及风沙流结构曲线，最后将解析后的数据信息存储在本地数据库内[9]。

图1 风蚀监测系统总体结构图

2 硬件系统组成

2.1 热敏式近地表无线风速廓线仪

2.1.1 热敏式风速传感器

在阴山北麓农牧交错区，土壤风蚀常发生在春秋季节，且距地表0～70 cm范围内的风速变化范围基本不超过17 m/s；因此，本文以小体积、高精度、低功耗薄膜流量传感器敏感元件FS5为基础，设计了适用于测量近地表风速廓线的热敏式风速传感器。该敏感元件的测量范围为0～100 m/s，精度达0.01 m/s，风速响应时间小于2 s，由钝化在一块陶瓷基片上的两个铂电阻RH和RS组成。其中，RH（阻值45 Ω）被用作加热元件，用来测量流体速度；RS（阻值1 200 Ω）为热敏元件，用来测量环境温度，并可对传感器进行一定的温度补偿。为减小热惯性、提高响应速度，采用恒温式测量方法进行传感器电路设计[10-13]，风速传感器敏感元件的结构如图2所示[14]。

测量时需将敏感元件与风向保持平行。由于热敏元件的放热系数与气流速度有关，气流速越大，放热系数也越大，散热越快，流过加热电阻RH的电流越大，传感器电路输出的压差就越大，反之亦然[15-16]；电路输出的电压与气流速度呈一定的数学关系[13]。

风洞标定时，采用测量范围0～20 m/s、精度±(0.03 m/s+5%测量值)、分辨率0.01 m/s的testo-425热线风速仪对传感器探头前方2 cm处的风速进行测量，并以20次采样值的平均值作为试验风速；再用风速传感器对该风速进行20次连续采集，并将其输出电压的平均值作为标定值；采用最小二乘法对数据进行多项式拟合，获得风速传感器的标定曲线及标定方程。

由风洞试验可知[17]：风速传感器组的输出电压范围在0.3～4.3 V；测量精度随风速的增大而降低，6和17 m/s风速下的测量精度分别为0.1和0.3 m/s；传感器自上电至输出稳定所需时长不超过8 s，风速响应时间2～3 s；输出电压与风速间的函数关系满足5次多项式拟合，且符合单调递增规律[17]，基本满足近地表风速廓线的测量需求。

图2 风速敏感元件结构图

2.1.2 热敏式无线风速廓线仪

该风速廓线仪分为旋转部分和固定底座两大部分，主要由楔形外壳、带底盘旋转机构、导向板、热敏风速传感器组及无线数据采集器等5部分组成，其内部结构及实物如图3所示[17-19]。

1. 电源开关 2. 充电口 3. 锂电池 4. 楔形外壳 5. 电压转换模块 6. 无线数据采集器 7. 天线 8. 导向板 9. 风速传感器 10. 传感器探头 11. 轴承端盖 12. 集流环 13. 双切边轴承 14. 垫片 15. 旋转轴

为减小机体对周围流场稳定性和均匀性的影响，旋转部分设计成楔形细长体结构，高约70 cm，内部安装有锂电池、电压转换模块、风速传感器组及无线数据采集器等，可实现环境温度、相对湿度、大气压力及近地表风速数据的采集、处理与无线传输等[20-21]；其中，8个风速传感器探头安装在楔形结构面积较小的一侧，沿高度方向按对数规律分布，分别采集距地表2、4、8、16、24、32、48和64 cm高度处的风速数据；固定底座采用不锈钢材料制作，为直径40 cm的圆盘，其上固定有旋转轴，用于连接和支撑旋转部分；通过导向机构（导向板和旋转轴等）的气流导向作用，旋转部分可随风向自由旋转，以保证风速传感器探头能够始终正对来风方向，提高测量的准确性。

经风洞试验可知[17]：不同风洞中心风速下，该风速廓线仪得到的不同高度上的风速数据与风洞试验段的风速分布规律相一致，且拟合度均在0.9以上；系统绘制的风廓线基本符合指数分布规律，能够准确地反映近地表风速在垂直高度上的分布规律。

另外，综合考虑风沙测试环境与风速传感器体积，近地表风速廓线常采用体积较小、精度较高的热膜式风速传感器组来测量近地表不同高度上的风速，尚未形成标准测量设备；本文设计的风速廓线仪在6和17 m/s风速下的测量精度分别为0.1和0.3 m/s；不低于由风杯式风速传感器、超声波风速传感器所形成的风速廓线仪，且已基本满足土壤风蚀监测系统的设计需求。

2.2 分流对冲式无线集沙仪

2.2.1 扩容对冲风沙分离器

该风沙分离器主要由进沙管、对冲分流三角架、上排气口、下排气口和环流减速机构等5部分组成[22-23]，其三维结构模型如图4所示。

1. 进沙管 2. 对冲分流三角架 3. 上排气口 4. 下排气口 5. 环流减速机构

携沙风在该分离器内部通过多级扩容降速和分流对冲降速后，气流速度逐渐减小，气固分离效率不断增强，同时在壁面摩擦力和空气边界层的共同作用下，实现旋风分离降速，使得气流速度进一步减弱、气固分离作用进一步增强；由于降速后的气流速度较小，气固分离作用较好，绝大部分粒径较大的风蚀颗粒在重力作用下经下排气口排出，并进入集沙盒；但少部分粒径较小、质量较轻的风蚀颗粒随气流经上排气口排出，导致无法被收集，成为影响集沙效率的关键因素[22]。

由风洞测试可知[23]：当入口风速在2～16 m/s的条件下，分离器出口平均风速均大幅减小，降速效率均在96%以上；在6～16 m/s的入口风速下，风沙分离效率均在99.8%以上；该风沙分离器满足野外试验要求。

2.2.2 自动称量集沙单元

集沙单元整体结构为圆柱体结构，高14.2 cm，直径7.6 cm，主要由风沙分离器、风沙分离器底座、集沙盒、集沙盒托盘、称量传感器和支撑架等6部分构成[24-25]，总体结构如图5所示。

1. 风沙分离器 2. 风沙分离器底座 3. 集沙盒 4. 集沙盒托盘 5. 称量传感器 6. 支撑架

其中，风沙分离器底座内部设计有45°的圆形倾斜面,并与分离器配合约束，避免风沙分离器发生纵向位移；集沙盒被置于托盘上，用来收集由风沙分离器排出的沙蚀量；风沙分离器下排气口与集沙盒间保持1～2 cm的间隙，用来释放出风口剩余气流的能量，进一步降低气流速度，减小出口风速对称量传感器的干扰；悬臂梁称量传感器一端被固定在底座上，另一端固定集沙盒托盘，用来实时测量收集到的沙蚀量；支撑架连接集沙盒底座和集沙仪悬挂架，用来固定集沙单元[25]。

悬臂梁称量传感器的量程0～300 g、精度0.01 g；采用国标F2级标准砝码，选取砝码质量为0、0.02、0.04、0.09、0.10、0.15、0.20 … 150、160和170 g等38个标定点，对8路称量传感器的输出信号进行标定，并对传感器的测量精度及工作稳定性进行试验测试。

测试结果表明[24]：称量传感器组具有极好的线性度，测量精度可达0.01 g；当称量质量小于10 g时，传感器的短期（5 min）静态误差基本为0，长期（10 h）静态累积误差小于±0.02 g；当称量质量大于10 g时，随着质量的增加，传感器的短期静态误差和累积误差均略有增加；当称量质量为100 g时，传感器的短期静态误差为±0.02 g，长期累积误差不超过±0.04 g；当下排气口与托盘间距大于4 cm时，出口风速对传感器的影响可忽略不计。

2.2.3 双筒式多通道集沙仪

该集沙仪主要由导向板、保护外壳、旋转底座、固定底盘、支撑杆、集沙单元组、悬挂架、锂电池和无线数据采集器等组成[23,25]，总体结构如图6所示。

为减小机体对周围流场稳定性和均匀性的影响，该集沙仪设计成双柱体结构，筒体直径10 cm，高96 cm（导向板除外），下部旋转底座高16 cm，上部集沙部分高80 cm。其中，导向板和支撑杆构成旋转机构，集沙仪上半部分可随风向自由旋转，使各分离器进风口始终正对来风方向；8个集沙单元分成双列安装，通过支撑架固定于悬挂架上，间距5 cm；两列分离器进风口中心点间距12.5 cm，8个进风口分别距离旋转底盘18、24、35、48、52、65、69和82 cm高。试验时，将集沙仪固定底盘置于地面下16 cm深度处，以实现对距地表2、8、19、32、36、49、53和66 cm高度位置处的沙蚀量采集。无线数据采集器集成了单片机控制系统、无线传输模块、数据存储模块和电源模块[6,18-19]，完成8通道集沙量数据的自动采集、处理与短距离无线传输[24]。

1. 导向板 2. 保护外壳 3. 旋转底座 4. 固定底盘 5. 支撑杆 6. 集沙单元 7. 悬挂架 8. 无线数据采集器 9. 锂电池

风洞测试时，将集沙仪置于风蚀风洞试验段横截面（宽1 m，高1.2 m）中间位置，保持风沙分离器进风口正对风洞来风方向，且最下方的进风口中心点距风洞底面2 cm高；然后，通过变频器调节风洞中心风速，在不同中心风速下通过排沙器将粒径小于2 mm、质量10 kg、含水率1.41%的干燥沙粒以17 g/s的速度均匀注入风洞，并记录集沙仪8个高度上的集沙量；由于近地表的风沙流主要分布在70 cm以下且符合幂函数分布规律，故按照幂函数分布规律对集沙量进行积分，进而获得1～66 cm高度上的总集沙量（即实测集沙量）[23-25]。集沙效率是单位宽度上的实测集沙量与单位宽度上的实际输沙量之比，由于风沙分离器的进沙口宽度为6 mm，则在该宽度上的实际输沙量为60 g[25]。

风洞试验显示：该多通道集沙仪的平均等动力性不低于92%[24]；在9、12、15和18 m/s风速条件下，集沙效率分别为91.72%、91.96%、92.05%和92.2%，平均集沙效率达91.98%[25]；风洞中测得的风沙流结构分布符合指数分布规律，满足设计与野外实验需求。

目前，对应用在土壤风蚀方面的集沙仪的研究相对较少，且由于风沙分离器的气流降速能力的限制，无法消除分离器出口风速对称量传感器的扰动，致使大部分自动化测试设备的精度为0.1 g，少部分可达到0.01 g；本文所设计的全自动集沙仪的实测精度可达0.01 g，在准确性和测量精度上均满足土壤风蚀监测系统的设计需求。

2.3 基于GPRS的远距离数据传输系统

远距离数据传输系统由中心汇聚节点（包括433 MHz无线节点和单片机控制器）、GPRS无线模块、GPRS网络、网络服务器和运行在服务器端软件系统（包括数据中心软件和access数据库）等5部分组成[8,26-27]。

中心汇聚节点负责与网络覆盖范围内的所有采集节点建立星型通信网络[8,25]，采用“同步采集，异步传输”策略对各采集节点进行控制，汇聚各节点返回的数据包；GPRS无线模块通过串口与中心汇聚节点进行数据传输，将汇聚后的数据包发送至网络服务器[7]。服务器端软件系统包括GPRS数据中心和Access数据库，实现与远程GPRS无线模块的连接、数据包的接收与转发及数据信息的存储等功能。中心汇聚节点和GPRS无线模块的硬件电路如图7所示[14,21]。

图7 中心汇聚节点与GPRS无线模块实物图

其中，中心汇聚节点以双串口单片机为核心控制器，串口1和串口2分别与无线传输模块和GPRS无线模块进行数据通信；该节点首先以“广播通信模式”向所有采集节点发送同步采集指令“FF FF+信道+指令码”（例如：FF FF 17 00）；等待5 s后，再以“定点通信模式”通过“地址轮询”的方式依次发送带有节点地址的数据请求指令“目标地址+信道+指令码”（例如：00 02 17 01）[27]；采集节点接收到同步采集指令后立即进行数据采集、处理与打包，在接收到与本机地址相匹配的数据请求指令后立即返回数据信息。GPRS无线模块采用M3528GSM无线数据透传模块与远程服务器建立连接，并通过RS232串行接口与中心汇聚节点进行数据交换，实现本地数据的远程无线传输功能。

3 软件系统组成与设计

软件部分主要包括服务器端的数据中心软件和Access数据库系统以及远程客户端的数据处理软件。

3.1 服务器端数据中心软件

该软件采用SQL语句与Access数据库进行连接与数据传递；同时通过TCP协议，一方面与各被测区域内的GPRS无线模块进行连接，并实时显示各模块的运行状态及接收到的数据信息，另一方面调用数据转发程序将接收到的数据发送至远程客户端[24,26]。服务器端软件系统运行结果如图8所示。

图8 服务器端软件系统运行结果图

由图8可知，GPRS数据中心与远程GPRS无线模块成功建立了TCP连接，并接收到该节点返回的77字节数据信息（包括节点SIM卡号和一个风速廓线采集节点或一个风沙流结构节点的数据包），并对数据信息进行了解析，提取了节点SIM卡号；Access数据库将节点的SIM卡号、数据包接收时间和解析后的风蚀环境信息（长二进制形式）存储在服务器端。试验测试发现，当GPRS无线模块每1 min发送一次数据包时，GPRS数据中心均可成功接收，丢包率几乎为零，但由于网络延时，使各数据包的接收时间存在5～10 s的滞后。

3.2 客户端数据处理软件设计

客户端数据处理软件采用LabVIEW编写[5,24,28]，由主函数和分别负责串口通信、参数配置、服务器连接、数据包解析、数据库操作、数据处理与分析、集沙量处理、风速校准和曲线拟合等功能的26个子函数组成[28]；可选择“互联网传输”和“局域网传输”两种工作模式，实现远程数据监测和现场数据监测等功能。

软件界面主要由5个面板组成，分别用来实现参数设置、风速廓线显示、风沙流结构曲线显示、风蚀信息显示及方程拟合等功能[5,23,26]，主要界面如图9所示。

参数配置界面主要用来配置工作模式、拟合方法、节点数量、各采集节点的地址和传感器组高度等信息；在“局域网传输”模式下，软件运行星型自组网通信协议，与所有采集节点建立无线通信；在“互联网传输”模式下，软件运行TCP协议与远程服务器连接，监听并接收来自服务器端的数据信息[28-30]；该软件系统可同时对6个风速廓线采集节点和6个风沙流结构采集节点返回的数据进行处理与显示[5,24,30]，然后通过“指数拟合”或“多项式拟合”的方法对各测点处的风速和集沙量进行处理，并将拟合后的曲线以单图和多图显示的方式实时显示在相应的区域内，同时给出拟合方程，以便于观察和分析各测点处风速廓线和风沙流结构的变化规律；最后将处理后的数据存储在本地数据库中[24,31]。

测试结果表明：该软件系统运行稳定可靠，在“互联网传输”模式下，通过同时打开多个软件，并配置不同的节点参数，可实现对多个被测区域的同步监测。

4 系统综合测试与结果分析

4.1 系统性能测试

4.1.1 无线通信距离与续航能力测试

在实验室条件下，采用“局域网传输”模式搭建由一个集沙仪节点、一个风速廓线节点和中心汇聚节点组成测试网络，无线模块工作在470 MHz频带下，收发功率均设置为+20 dBm；所有采集节点均采用电压12 V、电量1.3 A×h的蓄电池供电（电量充足），且始终处在正常工作模式下。测试过程中，保持采集节点位置不变，改变中心节点位置，采集节点每10 s返回1个固定内容的数据包，设置无线模块空中传输速率为2、10、25和50 kbps，并分别在相距10、20、30、40 m等处连续采集100次，记录接收到的完整数据包个数；另外，系统运行后，所有采集节点保持运行状态，直至自动停止数据传输。试验测试结果如图10和表1所示。

图10 无线通信距离测试

表1 采集节点工作时长测试

由图10和表1可知：在4种不同空中传输速率下，随着距离的增加，无线模块的丢包率不断增大，零丢包率的最大通信距离分别为220、170、160和140 m；风速廓线节点和集沙仪节点可分别连续工作6.3 和22.6 h，具有较强的续航能力，满足土壤风蚀监测的需求。在需要进行长期野外观测时，可采用风光互补的方式来提高节点的续航能力。

4.1.2 局域网数据采集测试

测试时，环境温度为18.9 ℃，最大风速6.5 m/s，中心汇聚节点与采集节点间距100 m左右。在实验室内通过USB接口将中心汇聚节点连接至PC机，并将风速廓线节点和风沙流结构节点置于室外，客户端数据处理软件运行在局域网传输模式下。由于测试环境无风蚀作用，试验时将20、10、5、3、2、1、0.5和0.2 g 8种质量的标准砝码分别置于8个集沙盒内，保持系统连续运行3 h，对系统运行的稳定性进行测试。

结果表明：网络初始化与通信建立时长不超过5 s，中心节点完成一次节点控制和数据汇聚所需时间小于3 s；系统运行状态良好，能够稳定实现节点数据的同步采集、异步传输和实时处理等功能；绘制的风速廓线和风沙流结构曲线基本符合实际分布规律。

4.2 野外试验测试

选择植被覆盖度分别为80%～90%、30%～40%、15%～20%和<5%的4种草原地表作为试验对象，研究植被覆盖度对近地表风速廓线的影响，并验证风速廓线仪的工作性能。另外，选择无保护的深耕农田地表作为试验对象，对近地表的风速廓线和风蚀量分布状况进行实时监测，并对系统进行综合测试。试验时，保持各采集节点与中心节点间距<100 m，不同地表下的野外试验测试过程如图11所示。

图11 不同地表下的野外试验测试

4.2.1 草原地表测试结果

试验时，被测区域环境温度13.7 ℃，相对湿度23.6%，大气压力852 hPa，最大风速9.39 m/s，最小风速1.14 m/s；保持风速廓线仪最下方风速传感器距离地表高度2 cm，在每种地表状况下连续测量6 h，试验数据如表2所示。

表2 草原地表风速的试验数据

由表2可知：对于4种植被覆盖度的地表，距离地表2 cm处的风速相较64 cm处的风速降幅分别为88.9%、87.8%、86.1%和74.3%；当地表覆盖度<5%时，风速变化最缓慢，降速幅度最小，抗风蚀能力最弱；当地表覆盖度为80%～90%时，风速变化最明显，降速幅度最大，抗风蚀能力最强；当植被覆盖度>15%后，近地表风速变化规律比较稳定，降速作用明显，抗风蚀能力不断增强。

4.2.2 深耕农田地表测试结果

试验时，被测区域环境温度15.3 ℃，相对湿度21.4%，大气压力875 hPa，最大风速11.5 m/s，最小风速1.8 m/s；测试过程中，保持风速廓线仪最下方风速传感器探头和多通道集沙仪最下方进风口中心均距地表2 cm高，仪器间距0.5 m，以避免仪器对周围风场品质的影响，提高测量结果的准确性。

为使试验数据具有可比性，将距离地面2 m高处的瞬时风速作为参考风速，测量不同参考风速下的近地表风速廓线，并对其进行对比分析，研究深耕地表的抗风蚀能力；由于短时间内的土壤风蚀量较小，为验证集沙仪能否正确测试近地表风沙流分布情况，保持系统连续工作5.5 h，分别绘制出集沙仪连续工作1、2、3、4和5 h时测得的集沙量变化曲线。深耕地表下的近地表风速廓线和风沙流分布曲线如图12所示。

图12 深耕地表下的近地表风速廓线和风沙流分布曲线

试验结果表明：1）在野外试验条件下，系统实现了自组网测量及数据的实时处理等功能，软硬件部分均运行稳定可靠；无线自组网数据传输的丢包率和错误次数为0，环境温度、相对湿度和大气压力的测量偏差分别小于2 ℃、4%和10 hPa，得到的近地表风速和集沙量数据准确可靠，基本能够正确反映近地表风速廓线和风沙流结构的变化规律；2）由图12 a可知，由于地表对风速的影响，使得距地表8 cm以下的风速变化较为显著；随着风速的增大，近地表风速随之大幅增加，地表的抗风蚀能力较弱；3）由图12 b可知，近地表风沙流主要分布在距离地表60 cm以内的高度上，在5个时间段内各高度处的集沙量不断增加，距离地表越近，集沙量变化比较明显，5条曲线的变化趋势基本一致；风速越大，风蚀颗粒越多，集沙量增速也越快。

目前，在土壤风蚀研究过程中，近地表风速廓线仪和多通道集沙仪的研究相对较少，尚未形成标准的测试设备；同时现有的不同测试设备，因其测试方法、机械结构、适用环境、传感器精度等多方面的综合原因，虽然在土壤风蚀监测方面均能够正确反映出近地表风速廓线和风沙流结构分布的基本变化规律，但均不能作为标准设备来使用。相较陈世超[32]研制的风速传感器、自动集沙仪及风蚀监测系统，本文所研究的热敏式风速传感器将测量范围由0～5 m/s扩大到0～17 m/s，并增加了温度补偿电路；采用分流对冲扩容降速原理研制的集沙仪也大幅提高了抗强风干扰的能力，可同时对8个不同高度上的沙蚀量进行连续采集；系统监测能力也由单点测量改进为跨区域、多测点的自组网同步数据采集；上位机软件功能得到了优化与完善，由单一测点的数据显示与存储扩展到可同时满足12个测点所采集的132个数据的实时显示，并实现了6路近地表风速廓线和6路风沙流结构变化曲线的实时在线处理与动态绘制等。在土壤风蚀研究方面，本文所研制的相关设备在准确性和测量精度上已基本满足野外试验要求。

5 结 论

1）本文借助于现代化监测方法，建立了基于无线传感网络的土壤风蚀监测系统，研制了相配套的风蚀信息监测设备，实现了被测区域内各采集节点处的环境温度、相对湿度、大气压力、风速及集沙量等数据的组网采集、无线传输与实时处理，得到了较为理想的近地表风速廓线和风沙流结构。

2）研制了低功耗热敏风速传感器和具有自动风向校准的近地表风速廓线仪；研制了具有分流对冲与多级扩容降速功能的风沙分析器及具有自动称量功能的多通道集沙仪；实现了近地表风速廓线仪和风沙流分布曲线的实时监测；风速传感器响应时间为2～3 s，在6和17 m/s风速时的测量精度分别为0.1 m/s和0.3 m/s；风沙分离器降速比达96%以上，平均等动力性不低于92%；称量系统有效量程为0～170 g，精度达0.01 g，连续10 h的累积误差小于±0.04 g；9～18 m/s风速范围内的集沙效率均不低于91%。

3）底层无线传感网络采用“同步采集、异步传输”的方式对被测区域内各采集节点进行控制，无线通信建立时间不超过5 s，中心汇聚节点可在3 s内实现一次节点遍历和数据汇聚，零丢包率数据传输距离达140 m以上；风速廓线节点和集沙仪节点单次最大工作时长不低于6和22 h，满足了大尺度、跨区域土壤风蚀同步研究的需求。

[1] 苑依笑，王仁德，常春平. 风蚀作用下农田土壤细颗粒的粒度损失特征及其对土壤性质影响[J]. 水土保持学报，2018，32(2)：104－109，119. Yuan Yixiao, Wang Rende, Chang Chunping. Loss characteristics of fine particles by wind in farmland and its effect on soil properties[J]. Journal of Soil and Water Conservation, 2018, 32(2): 104－109, 119. (in Chinese with English abstract)

[2] 张志栋，常春平，郭中领. 河北坝上农田退耕地和天然草地土壤的可风蚀性[J]. 中国沙漠，2018，38(1)：85－91. Zhang Zhidong, Chang Chunping, Guo Zhongling. Abandonded farmland and glassland in the bashang area of Hebei, China[J]. Journal of Desert Research, 2018, 38(1): 85－91. (in Chinese with English abstract)

[3] 郑子成，杨玉梅，李廷轩. 不同退耕模式下土壤抗蚀性差异及其评价模型[J]. 农业工程学报，2011，27(10)：199－205. Zheng Zicheng, Yang Yumei, Li Tingxuan. Difference and evaluation model of soil anti-erodibility with different de-farming patterns [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(10): 199－205. (in Chinese with English abstract)

[4] 丁延龙，蒙仲举，高永. 荒漠草原风蚀地表颗粒空间异质特征[J]. 水土保持通报，2018，36(2)：59－64. Ding Yanlong, Meng Zhongju, Gao Yong. Heterogeneity of soil particles in wind erosion surface of desert steppe[J]. Bulletin of Soil and Water Conservation, 2018, 36(2): 59－64. (in Chinese with English abstract)

[5] 周利明，韦崇峰，苑严伟. 基于无线传感网络的改碱暗管排盐监控系统[J]. 农业工程学报，2018，34(6)：89－97. Zhou Liming, Wei Chongfeng, Yuan Yanwei. Monitoring system of subsurface pipe drainage for improving saline- alkaline soil based on wireless sensor network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(6): 89－97. (in Chinese with English abstract)

[6] 伍丹，高红菊，梁栋. 基无线传感器网络农田环境监测管理平台设计[J]. 农机化研究，2014，36(9)：138－141，151. Wu Dan, Gao Hongju, Liang Dong. An information management platform designed for farmland environmental monitoring based on wireless sensor network[J]. Journal of Agricultural Mechanization Research, 2014, 36(9): 138－141, 151. (in Chinese with English abstract)

[7] Shan Jinbao, Jiang Weiwei, Mu Shile. Soil erosion monitoring system of large areas based on dynamic priority GPRS remote network[J]. Applied Mechanics and Materials, 2014, 602－605: 2015－2018.

[8] 余国雄，王卫星，谢家兴. 基于物联网的荔枝园信息获取与智能灌溉专家决策系统[J]. 农业工程学报，2016，32(20)：144－152. Yu Guoxiong, Wang Weixing, Xie Jiaxing. Information acquisition and expert decision system in litchi orchard based on internet of things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(20): 144－152. (in Chinese with English abstract)

[9] 李丽芬. 基于无线传感网络的输电线路状态监测数据传输的研究[D]. 北京：华北电力大学，2013. Li Lifen. Research on Wireless Sensor Network Based Power Line Condition Monitoring Data Transmission[D]. Beijing：North China Electric Power University, 2013. (in Chinese with English abstract)

[10] Talić A, Ćerimović S, Beigelbeck R, et al. Novel thermal flow sensors based on wheatstone bridge read-out[J]. Procedia Chemistry, 2009, 1(1): 136－139.

[11] Nguyen N T. A novel wind sensor concept based on thermal image measurement using a temperature sensor array[J]. Sensors and Actuators A Physical, 2004, 110(1): 323－327.

[12] Hedrich F, Kliche K, Storz M, et al. Thermal flow sensors for MEMS spirometric devices[J]. Sensors and Actuators A Physical, 2010, 162(2): 373－378.

[13] 韦青燕，张天宏，沈杰. 恒温型热线风速测量系统动态特性分析及试验验证[J]. 仪器仪表学报，2015，36(10)：2265－2272. Wei Qingyan, Zhang Tianhong, Shen Jie. Dynamic characteristic analysis and experiment verification of hotwire wind velocity measurement system with constant temperature control loop [J]. Chinese Journal of Scientific Instrument, 2015, 36(10): 2265－2272. (in Chinese with English abstract)

[14] 康华光. 电子技术基础：模拟部分 (第五版) [M]. 北京：高等教育出版社，2006：102－147.

[15] 张焕卿，白雪婧，王德波. 热电式MEMS 微波功率传感器模型的研究[J]. 仪器仪表学报，2018，39(1)：110－116. Zhang Huanqing, Bai Xuejing, Wang Debo. Model of thermoelectric MEMS microwave power sensor[J]. Chinese Journal of Scientific Instrument, 2018, 39(1): 110－116. (in Chinese with English abstract)

[16] 林志伟. 恒功率式热膜风速计设计[D]. 哈尔滨：哈尔滨理工大学，2014. Lin Zhiwei. Design of Hot Film Anemometer with Constant Power[D]. Harbin: Harbin University of Science and Technology, 2014. (in Chinese with English abstract)

[17] 刘海洋，常佳丽，侯占峰. 热敏式近地表无线风速廓线仪研究[J]. 农业机械学报，2017，48(12)：69－77. Liu Haiyang, Chang Jiali, Hou Zhanfeng. Investigation on near-surface wireless wind speed profiler based on thermistors[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(12): 69－77. (in Chinese with English abstract)

[18] 赵仕俊，唐懿芳. 无线传感器网络[M]. 北京：科学出版社，2013：125－187.

[19] 王星明，杨玮，李民赞. 集成3S，ZigBee和射频识别的土壤采样远程智能管理系统[J]. 农业工程学报，2017，33(增刊)：143－149. Wang Xingming, Yang Wei, Li Minzan. Remote intelligent management system for soil sampling based on 3S, ZigBee and radio frequency identification[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(Supp): 143－149. (in Chinese with English abstract)

[20] 孙宝霞，王卫星，雷刚. 基于无线传感器网络的稻田信息实时监测系统[J]. 农业机械学报，2014，45(9)：241－246. Sun Baoxiao, Wang Weixing, Lei Gang. Real-time monitoring system for paddy environmental information based on wireless sensor network[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(9): 241－246. (in Chinese with English abstract)

[21] 何宾，姚永平. STC单片机原理与应用[M]. 北京：清华大学出版社，2015：340－378.

[22] 宋涛，商晓彬，仇义，等. 分流对冲与多级扩容组合式集沙仪内风沙分离规律研究[J]. 农业机械学报，2017，48(3)：113－118. Song Tao, Shang Xiaobin, Qiu Yi, et al. Study on wind-sand separation rules in shunt-hedgingand multi-stage expansion combined sand sampler[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(3): 113－118. (in Chinese with English abstract)

[23] 商晓彬，陈智，宋涛，等. 基于数值模拟和风洞试验的分流对冲式集沙仪结构优化设计[J]. 农业工程学报，2017，33(16)：80－87. Shang Xiaobin, Chen Zhi, Song Tao, et al. Optimization design of shunt-hedging sand sampler based on numerical simulation and wind tunnel experiment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(16): 80－87. (in Chinese with English abstract)

[24] 刘海洋，常佳丽，陈智. 全自动多通道农田无线集沙仪研究[J]. 农业机械学报，2016，47(6)：53－60. Liu Haiyang, Chang Jiali, Chen Zhi. Design of automatic multi-channel wireless agricultural sand sampler[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(6): 53－60. (in Chinese with English abstract)

[25] 商晓斌. 多通道自动集沙仪优化设计与试验研究[D]. 呼和浩特：内蒙古农业大学，2017. Shang Xiaobin. Optimization Design and Experimental Study of Multi-channel Automatic Sand Sampler[D]. Hohhot: Inner Mongolia Agricultural University, 2017. (in Chinese with English abstract)

[26] 张恩迪，雷思君. 基于GPRS的物联网农业虫害防治监测系统设计[J]. 农机化研究，2015，37(3)：91－94. Zhang Endi, Lei Sijun. The design of IOT agricultural pest-control monitoring system based on GPRS[J]. Journal of Agricultural Mechanization Research, 2015, 37(3): 91－94. (in Chinese with English abstract)

[27] 廖建尚. 基于物联网的温室大棚环境监控系统设计方法[J]. 农业工程学报，2016，32 (11)：233－243.Liao Jianshang. Design of agricultural greenhouse environment monitoring system based on internet of things [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(11): 233－243. (in Chinese with English abstract)

[28] 陈树学，刘萱. LabVIEW宝典[M]. 北京：电子工业出版社，2012：423－474.

[29] 刘九庆，朱福安，王楠. 基于LabVIEW 的叶片厚度远程监控系统[J]. 农机化研究，2015，37(10)：211－214. Liu Jiuqing, Zhu Fuan, Wang Nan. Design of a monitoring system with remote access based on LabVIEW[J]. Journal of Agricultural Mechanization Research, 2015, 37(10): 211－214. (in Chinese with English abstract)

[30] 蔡一欣，马丽，刘刚. 基于LabVIEW 的生猪群体活动量监测系统[J]. 农业机械学报，2017，48(增刊)：359－364. Cai Yixin, Ma Li, Liu Gang. Monitoring system of swinery activity based on LabVIEW[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(Supp): 359－364. (in Chinese with English abstract)

[31] 白士宝，滕光辉，杜晓冬. 基于LabVIEW平台的蛋鸡舍环境舒适度实时监测系统设计与实现[J]. 农业工程学报，2017，33(15)：237－244. Bai Shibao, Teng Guanghui, Du Xiaodong. Design and implementation on real-time monitoring system of laying hens environmental comfort based on LabVIEW[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(15): 237－244. (in Chinese with English abstract)

[32] 陈世超. 风蚀监测关键传感技术研究及监测系统研制[D]. 北京：北京林业大学，2013.

Chen Shichao. The Research of the Key Sensing Technology About the Wind Erosion Monitoring and the Development of the Monitoring System [D]. Beijing：Beijing Forestry University, 2013. (in Chinese with English abstract)

Development and test of real-time monitoring system for soil wind erosion based on GPRS network

Liu Haiyang, Chen Zhi, Hou Zhanfeng※, Tong Xin, Zong Zheying, Xuan Chuanzhong

(010018,)

In order to overcome the shortcomings and deficiencies of field observation and wind tunnel test, it needs to be improved for the continuity, scientificity and reliability of observation data to meet the demand of wind erosion monitoring in the field. In this paper, the wireless sensor network technology, sensor technology, electronic technology and network communication technology were used together to develop the wind speed profiler and the multi-channel sand sampler that had functions of wireless ad-hoc networks and automatic data acquisition and processing. Meanwhile, LabVIEW was used to design the client data processing software which could monitor six wind speed profile points and six wind sand flow structure points simultaneously. On this basis, a soil wind-erosion monitoring system using C/S framework was established, which realized the functions of automatic collecting, real-time processing and remote monitoring of the environment temperature, humidity, atmospheric pressure, wind speed profile and wind-sand distribution by means of GPRS wireless module and remote server. The test results showed that the time from power up to output stability would not exceed 8 s, and the wind speed response time was 2 to 3 s. The output voltage and wind speed satisfied polynomial fitting and monotonically increase. The measurement range was 0~17 m/s, and its measurement accuracy decreased with the increase of wind speed. The accuracy could reach 0.1 m/s at 6 m/s and 0.3 m/s at 17 m/s. The wind speed profiler realized the automatic acquisition, processing and wireless transmission of the environment temperature, humidity, atmospheric pressure and wind speeds at 2, 4, 8, 16, 24, 32, 48 and 64 cm heights. Besides, the speed-reduction efficiency and the wind-sand separation efficiency of the wind-sand separator were above 96% and 99.8%, respectively, and the average equidynamic performance was not less than 92%. The weighing system was in the range of 0 to 170 g with accuracy of 0.01 g. The short-term static error and long-term cumulative error were no more than ±0.02 g and ±0.04 g, respectively. The average sand collecting efficiency of the sand collector was 91.98%. The setup time of wireless communication was not more than 5 s, and the central node could achieve 1 time nodes traversal and data aggregation within 3 s. The effective transmission distance was more than 140 m. The maximum working time of the wind speed profiler node and the sand sampler node was not less than 6 h and 22 h, respectively. Under field tests, the stability and reliability of the system can be verified, data packet loss rate of the ad-hoc network and error packet number were also zero. The measured wind profiles and wind-sand distribution curves were in accordance with the exponential distribution law. The deviation of environmental temperature, relative humidity and atmospheric pressure were less than 2 ℃, 4% and 10 hPa, respectively. Therefore, the results could provide an effective research platform and important data support to meet the needs of large scale and cross-regional field synchronous study of soil wind erosion.

wireless sensor networks; environmental monitoring; wind speed profiler; sand sampler; soil wind erosion

2018-07-09

2019-01-11

国家自然科学基金资助项目（41361058，41661058）

刘海洋，河南南阳人，讲师，博士，2014年赴美国堪萨斯州立大学联合培养，主要从事测试控制技术与装备智能化研究。Email：haiyang0615@163.com

侯占峰，内蒙古呼和浩特人，副教授，2017年赴新西兰梅西大学进修，主要从事测试控制技术与装备智能化研究。Email：nmndhzf@imau.edu.cn

10.11975/j.issn.1002-6819.2019.05.020

TP274+.5；S237

A

1002-6819(2019)-05-0163-10

刘海洋，陈 智，侯占峰，佟 鑫，宗哲英，宣传忠. 基于GPRS的土壤风蚀实时监测系统研制与测试[J].农业工程学报，2019，35(5)：163－172.doi：10.11975/j.issn.1002-6819.2019.05.020 http://www.tcsae.org

Liu Haiyang, Chen Zhi, Hou Zhanfeng, Tong Xin, Zong Zheying, Xuan Chuanzhong Development and test of real-time monitoring system for soil wind erosion based on GPRS network [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(5): 163－172. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.05.020 http://www.tcsae.org