The Use of the Internet of Things Technology in Collecting Environmental Information of Agricultural Lands using Sensor Observation Service

Subject Areas : Agriculture, rangeland, watershed and forestry

Nima Ghasemloo ¹ (Phd. Student, Department of Remote Sensing and Geographical Information System, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran)
Ali Akbar Matkan ² (Professor, Department of Remote Sensing and Geographical Information System, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran)
Abbas Alimohammadi ³ (.Professor, Department of GIS Engineering, Faculty of Geodesy & Geomatics Engineering, Khajeh Nasir al-Din Tusi University of Technology, Tehran, Iran)
Hossein Aghighi ⁴ (Assistant Professor, Department of Remote Sensing and Geographical Information System, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran)
babak mirbagheri ⁵ (Assistant Professor, Department of Remote Sensing and Geographical Information System, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran)

Received: 2022-02-28 Accepted : 2022-05-16 Published : 2023-09-23

Keywords: smart agriculture, Internet of Things, sensor, sensor observation service, Open Geospatial Consortium, Spatial Data Infrastructure,

Abstract :

The challenges of food production in the 21st century make the employment of modern agricultural technologies increasingly vital due to population growth. The Internet of Things (IoT( is critical in changing traditional technology into modern technology, and it could help smart agriculture reduce waste and increase output. The integrated use of this technology in large metropolitan or national areas is problematic since data producers employ various formats and standards to implement the IoT. One of the most challenging aspects of utilizing the IoT in agriculture is gathering the collected data and displaying it online and in a standard format. This research has examined a method for receiving information from sensors, storing it, and presenting it in a standard context utilizing IoT technology. The result of this research shows that the sensor's data and their observations can be recorded in a standard format using the standard sensor observation service from the Open Geospatial Consortium. An integrated platform is built using spatial data infrastructure. In fact, using a standard format reduces the number of services requested and the parameters associated with the sensor name, retrieval time, and sensor position. Therefore, the output of sensor observations in the spatial portal of spatial data infrastructure will be more easily accessible than methods that use only web services. The use of spatial data infrastructure makes it possible to display sensor data alongside other spatial layers. Using this method, agricultural environmental data collected using sensors are more easily provided to farmers and decision-makers instantly and online.

Full-Text:



 

                استفاده از فن‌آوری اینترنت اشیا در جمع‌آوری اطلاعات محیطی

اراضی کشاورزی  با استفاده از استاندارد سرویس مشاهده حسگر

 

 

چکیده

چالش‌های تولید مواد غذایی در قرن بیست و یکم به دلیل افزایش جمعیت، به‌کارگیری فناوری‌های نوین در کشاورزی را بیش‌ازپیش ضروری می‌نماید. اینترنت اشیا نقش تعیین‌کننده‌ای در تبدیل و ارتقای فنّاوری سنتی به فنّاوری مدرن دارد و می‌تواند نقش مهمی در به حداقل رساندن ضایعات و افزایش بهره‌وری‌ها در کشاورزی هوشمند ایفا نماید. در پیاده‌سازی اینترنت اشیا با توجه به اینکه متولیان داده، از فرمت‌ها و استانداردهای جداگانه‌ای استفاده می‌کنند، لذا استفاده از این روش در محدوده‌های بزرگ شهری و یا ملی به‌صورت یکپارچه، دچار مشکل می‌گردد. یکی از چالش‌های مهم بهره‌گیری از اینترنت اشیا در کشاورزی، ارائه اطلاعات جمع‌آوری‌شده و نمایش بر خط این اطلاعات در یک فرمت استاندارد است. در این پژوهش با به‌کارگیری فناوری اینترنت اشیا، روشی برای دریافت اطلاعات از حسگرهای اطلاعاتی، ذخیره‌سازی آن‌ها، ارائه آن‌ها در یک بستر استاندارد موردبررسی قرارگرفته است. خروجی این تحقیق نشان می‌دهد که با استفاده از استاندارد سرویس مشاهده حسگر از کنسرسیوم مکانی باز، می‌توان اطلاعات حسگرها و مشاهدات آن‌ها را در یک فرمت استاندارد ذخیره نمود. برای ایجاد یک بستر یکپارچه، از زیرساخت داده‌های مکانی استفاده‌شده است. درواقع، استفاده از فرمت استاندارد، تعداد سرویس‌های درخواستی و پارامترهای مربوط به نام حسگر، زمان برداشت و موقعیت حسگر را کاهش می‌دهد. بنابراین، خروجی مشاهدات حسگرها در پورتال مکانی زیرساخت داده‌های مکانی، با سهولت‌ بیشتری نسبت به روش‌هایی که تنها از سرویس‌های تحت وب استفاده می‌کنند، قابل‌دسترس خواهند بود. استفاده از زیرساخت داده‌های مکانی سبب می‌شود که امکان نمایش داده‌های حسگرها در کنار لایه‌های مکانی استاندارد دیگر فراهم شود. به‌کارگیری این روش، داده‌های محیطی کشاورزی که با استفاده از حسگر برداشت‌شده‌اند, با سهولت بیشتری به‌صورت آنی و بر خط در اختیار کشاورزان و تصمیم گیران قرار می‌دهد.

 

 

واژه‌های کلیدی:  کشاورزی هوشمند، اینترنت اشیا، حسگر، کنسرسیوم مکانی باز، سرویس مشاهده حسگر، زیرساخت داده‌های مکانی

 

 

 

 

 

 

 

 

 

 

مقدمه 

چالش تولید مواد غذایی در قرن بیست و یکم موضوعی است که با افزایش جمعیت ارتباط کامل دارد. به‌طوری‌که تخمین زده می‌شود تا سال 2050، جهان با 10 میلیارد نفر جمعیت وابستگی زیادی به تنوع زیستی و افزایش تولید مواد غذایی خواهد داشت(16). ايران نيز از اين قاعده مستثنا نبوده و کشاورزی نقش مهمی در اقتصاد ایران ایفا می‌کند.  کشاورزی در ایران یک‌چهارم تولید ناخالص داخلی، یک‌چهارم اشتغال، بیش از 80 درصد نیازهای غذایی، یک‌سوم صادرات غیرنفتی و 90 درصد مواد اولیه صنایع را تشکیل می‌دهد(14).

  کشاورزی هوشمند را می‌توان در به‌کارگیری فناوری‌های پیشرفته در کشاورزی تعریف کرد. در این روش فن‌های تولید برای به حداقل رساندن ضایعات و افزایش بهره‌وری مورداستفاده قرار می‌گیرند. با استفاده از فناوری در مزارع هوشمند، فرآیندهایی مانند نظارت بر مزارع، مدیریت خاک، آبیاری، کنترل آفات، و ردیابی محصولات فروخته‌شده را امکان‌پذیر می‌کند (3).

ایده اینترنت اشیا برای اولین بار در سال 1999 مطرح شد. پیش‌بینی می‌شود تا سا‌ل‌های آینده میلیاردها دستگاه از طریق اینترنت و بدون دخالت انسان به یکدیگر متصل شوند. اینترنت اشیا با هوشمند سازی همه‌چیز، تأثیر چشمگیری در پیشرفت فنّاوری‌های مختلف دارد، همان‌گونه که بيان می‌شود كه آینده محاسبات هوشمند کاملاً مبتنی بر اینترنت اشیا خواهد بود. بنابراين اینترنت اشیا در حال کسب جایگاه مهمی در تحقیقات جهانی، به‌ویژه در حوزه ارتباطات بی‌سیم پیشرفته است(10). با توجه به اين موارد اینترنت اشیا نقش تعیین‌کننده‌ای در تبدیل فنّاوری سنتی به فنّاوری مدرن ایفا خواهد كرد.

کشاورزی هوشمند با استفاده از اینترنت اشیا، از انواع مختلفی از حسگرها برای جمع‌آوری داده‌ها (مانند دما، رطوبت، نور، فشار، رطوبت خاک و غیره) و شبکه‌های ارتباطی برای ارسال و دریافت داده‌ها استفاده می‌کند. اطلاعات جمع‌آوری‌شده توسط سیستم‌های اطلاعات مدیریت تجزیه‌وتحلیل می‌شوند (8). با هوشمند سازی فرآیندها و کشاورزی هوشمند بیش‌ازپیش بر استفاده بهینه از منابع و افزایش بهره‌وری تمرکز شده و ازاین‌رو امروزه راهبرد کشاورزی هوشمند بسیار موردتوجه قرارگرفته است. کشورهای صنعتی باهدف بهبود بهره‌وری به استفاده از روش‌های نوین کاشت، داشت و برداشت محصولات روی آورده‌اند(19). به‌عنوان‌مثال درزمینه‌ی  کاشت در کشاورزی هوشمند، هر گیاه در محیط مناسب به خود پرورش داده می‌شود و علائم حیاتی و فیزیکی آن‌ها در هرلحظه کنترل می‌شود. کنترل دقیق وضعیت هوا ازنظر میزان نور، رطوبت، وزش باد و میزان وجود گازهایی مثل دی‌اکسید کربن از کاربرد‌های مهم استفاده از کشاورزی هوشمند است. علاوه بر این از سیستم‌های هوشمند می‌توان برای هشدار به کشاورزان نیز استفاده نمود. تحلیل داده‌های جمع‌آوری‌شده، امکان پیش‌بینی و اصلاح روش‌ها برای اقدامات آتی را فراهم می‌کند(20). پیشرفت‌های جدید کشاورزی هوشمند با استفاده از اینترنت اشیا، روزبه‌روز چهره روش‌های کشاورزی مرسوم را از طریق بهینه کردن و مقرون‌به‌صرفه کردن آن برای کشاورزان و همچنين کاهش اتلاف محصول و نهاده‌های كشاورزي، تغییر می‌دهد (8).

 اگرچه مفهوم اینترنت اشیا تثبیت‌شده است اما نکته مهم در استفاده از آن، به‌کارگیری فرمت‌ها و استانداردهای مختلف توسط متولیان آن است. این مسئله سبب عدم یکپارچگی و تعامل‌پذیری بین حسگرهای مختلف و سامانه‌های استفاده‌کننده از آن‌ها می‌شود. به همین دلیل استفاده از این فنّاوری برای تصمیم‌گیری‌های مناسب در ناحیه‌های بزرگ دچار مشکل می‌شود(15).

حسگرها در مزارع کشاورزی به‌عنوان یکی از پلتفرم‌های اینترنت اشیا در جمع‌آوری اطلاعات محیطی در نظر گرفته می‌شوند. درنتیجه، با توجه به رشد اینترنت اشیا، پروتکل‌ها و فرمت‌های داده‌های مورداستفاده ناهمگن می‌شوند که خود باعث مشکل در استفاده از داده‌های اخذشده از حسگرها می‌شود(15).

برای افزایش تعامل‌پذیری اطلاعات در بین دستگاه‌های اینترنت اشیا استانداردهای باز تحت وب نقش مهمی را ایفا می‌کنند. کنسرسیوم مکانی باز(Open Geospatial Consortium) یک کنسرسیوم بین‌المللی است که در سال 1994 تأسیس شد. این کنسرسیوم به قابلیت‌های تعامل‌پذیری جغرافیایی، ازجمله قابلیت‌های استفاده از حسگرها  کمک کرده است. بر اساس تقاضای رو به رشد برای قابلیت تعامل‌پذیری اطلاعات، OGC استانداردهای حسگرهای وب برای ذخیره‌سازی، دسترسی و توصیف مشاهدات حسگرها را ارائه کرده است (6).

 سرویس مشاهده حسگر(Sensor Observation Service) توسط کنسرسیوم مکانی باز در سال 2007 به‌عنوان یک استاندارد باز رسمی برای مدیریت داده‌های حسگر در شبکه جهانی وب تائید شد. سرویس مشاهده حسگر یک رابط استانداردشده با استفاده از سواپ ایکس ام ال (SOAP XML) و جی سان(JSON) برای مدیریت و بازیابی ابر داده‌ها و مشاهدات سیستم‌های حسگر مختلف، است(11).

در ادامه تاریخچه‌ای در مورد تحقیقات انجام‌شده در مورداستفاده از اینترنت اشیا برای جمع‌آوری پارامترهای محیطی مزارع کشاورزی و همچنین استفاده از استانداردها برای افزایش قابلیت تعامل‌پذیری روش اینترنت اشیا ارائه‌شده است.

چودهاری و همکاران(11) در سال 2019 در کشور هند، یک سیستم هوشمند برای آبیاری مبتنی بر هوش مصنوعی و اینترنت اشیا ارائه نمودند. در این سامانه اطلاعات موردنیاز برای تعیین نیاز آبیاری با استفاده از حسگرها جمع‌آوری می‌شوند و داده‌ها با داده‌های هواشناسی مقایسه می‌شوند. در این پروژه با استفاده از محاسبات انجام‌شده، عملیات آبیاری کشاورزی به‌صورت خودکار انجام می‌شود. نتایج نشان دادند که دقت پارامترهای برآورد شده نسبت به مقادیر اندازه‌گیری شده زمینی بیش از 80 درصد بود.

باموریگیره و همکاران(2) در سال 2020 در مورد شبیه‌سازی مدیریت آبیاری در اراضی برنج، با استفاده از اینترنت اشیا، در مرکز آفریقا تحقیق نمودند. نتایج این مطالعه نشان داد که ترکیبی از فن‌آوری‌های حسگر مدرن ، اینترنت و تجهیزات پیشرفته آبیاری در سیستم اینترنت اشیا، امکان کنترل نسبتاً دقیق آبیاری کشاورزی را فراهم می‌کند. رویکرد اینترنت اشیا، می‌تواند انعطاف‌پذیری سیستم‌های کشاورزی را در برابر تقاضاهای پیچیده استفاده‌کنندگان آب افزایش دهد.  برای محاسبه نیاز آبیاری در این تحقیق از روش پنمن مونیتیث استفاده‌شده است. در این مطالعه مشاهده شد که علیرغم گسترش سامانه‌های اینترنت اشیا در کشورهای توسعه‌یافته، با توجه به محدودیت‌های اینترنت، اجرای پروژه‌های مبتنی بر اینترنت در رواندای آفریقا با مشکلاتی همراه است. 

قاسملو و همکاران(12) در سال 2021 در مورداستفاده از فن‌آوری اینترنت اشیا برای جمع‌آوری اطلاعات محیطی برای محاسبه نیاز آبیاری گیاه گل محمدی در استان قم ایران مطالعه کردند. در این تحقیق، یکی از چالش‌های مهم اینترنت اشیا، ارائه و استفاده برخط داده‌های اخذشده از حسگرها بیان‌شده است. استفاده از سرویس‌های تحت وب با استفاده از فریم ورک جنگو برای ارائه برخط داده‌های حسگرها و محاسبه نیاز آبی محصول، در این تحقیق پیشنهاد و مورداستفاده قرارگرفته است.

این تحقیقات اهمیت استفاده از اینترنت اشیا برای جمع‌آوری اطلاعات محیطی کشاورزی را نشان داد. بااین‌حال وجود فرمت‌ها و استاندارد‌های مختلف سبب می‌شوند که قابلیت‌های استفاده از اینترنت اشیا در جمع‌آوری اطلاعات محیطی در سیستم‌های یکپارچه با مشکل مواجه شوند. در مقالات مختلف تعامل‌پذیری حسگرها در اینترنت اشیا را یکی از چالش‌های مهم معرفی کرده‌اند (15). تعامل‌پذیری درواقع توانایی دو یا چند سیستم یا جزء برای تبادل اطلاعات و استفاده از آن‌ها است(16). در این بخش تحقیقاتی که در حوزه تعامل‌پذیری در اینترنت اشیا انجام‌شده‌اند، موردبررسی قرارگرفته‌اند.

الیجاه و همکاران (10) در سال 2018، یکی از چالش‌های مهم در استفاده از اینترنت اشیا در کشاورزی هوشمند را عدم تعامل‌پذیری بین اطلاعات جمع‌آوری‌شده از حسگرها در پروژه‌های مختلف، معرفی نمودند. در این تحقیق استفاده از استانداردهای باز، به‌عنوان یکی از مهم‌ترین عناوین تحقیقات آینده در کشاورزی هوشمند، برای افزایش تعامل‌پذیری نام‌برده شده است.

چیناچودتیرانون و همکاران (6) در سال 2016 استفاده از سرویس مشاهده حسگر کنسرسیوم باز را برای جمع‌آوری داده‌های هواشناسی کشاورزی پیشنهاد دادند. آن‌ها روشی را برای ارائه یکپارچه داده‌های آب و هوایی طولانی‌مدت در کشور ژاپن و بهره‌گیری از آن‌ها از طریق یک رابط برنامه‌نویسی کاربردی، را ارائه كردند. داده‌های حسگرها شامل پارامترهای هواشناسی روزانه دمای هوا، رطوبت نسبی، میزان بارش روزانه، سرعت باد و همچنین مدت تابش خورشید بودند. این پارامترها، اطلاعات مفیدی را برای تجزیه‌وتحلیل مکانی، توسعه نقشه‌های تناسب محصول و نظارت منطقه‌ای در اختیار تصمیم گیران قرار می‌دهد.

مارش-هان و همکاران (15) در سال 2020 استفاده از اینترنت اشیا را به‌عنوان یک روش تثبیت‌شده برای جمع‌آوری اطلاعات محیطی کشاورزی معرفی كرد. بااین‌حال ايشان ذكر كردند كه وجود فرمت‌ها و استانداردهای مختلف در جمع‌آوری اطلاعات کشاورزی با استفاده از اینترنت اشیا، یک مشکل مهم برای ایجاد یک بستر یکپارچه است. در این تحقیق از استانداردهای سرویس مشاهده حسگر برای جمع‌آوری اطلاعات کشاورزی تاکستان‌های اسپانیا استفاده‌شده است و نتایج تحقیق نشان داد که استفاده از این استانداردها، سبب ایجاد یک سیستم یکپارچه، منعطف و مقیاس‌پذیر شده است.

جهت ارتقا تحقیقات قبلی که تنها از سرویس‌های تحت وب استفاده کرده‌اند، در این مطالعه باهدف افزایش تعامل‌پذیری و ایجاد یک سیستم یکپارچه برای تعیین نیازهای آبی مزارع ، استفاده از سرویس مشاهده حسگر برای جمع‌آوری داده‌های حسگرهای مختلف موردبررسی قرارگرفته است. پس از استفاده از این استاندارد، گام دوم ایجاد یک سیستم یکپارچه‌ برای تسهیل بازیابی داده‌های حسگرها است. در این مطالعه برای یکپارچه‌سازی اطلاعات جمع‌آوری‌شده از حسگرها و ایجاد یک سیستم یکپارچه از زیرساخت داده‌های مکانی استفاده‌شده است. بنابراین باید استانداردهای لازم را برای استفاده از داده‌های حسگرها را پیاده‌سازی کرد. در ادامه مقاله ابتدا روش تحقیق، سپس ارائه و بررسی نتایج و در پایان نتیجه‌گیری ارائه‌شده‌اند.

روش­ تحقیق 

منطقه مطالعه

ناحیه موردمطالعه با مساحت تقریبی 30 هکتار در حدود 27 کیلومتری شهر قم و در روستای جعفریه و در ارتفاع 899 متری از ژئوئید قرار دارد.‌ این منطقه در طول جغرافیایی 50.6711 تا 50.6832 و عرض جغرافیایی 34.8355 تا 34.8383 درجه واقع است (شکل1).

(b)                (a)

شکل1. a- موقعیت منطقه موردمطالعه در 27 کیلومتری شهر قم، b- مختصات زمین کشاورزی موردمطالعه

Fig 1. a- Location of the study area in 27 km of Qom city, b- Coordinates of the studied agricultural land

منطقه موردمطالعه در این تحقیق مزرعه کاشت گل محمدی است. رز يكـي از مهم‌ترین محصـولات كشـت صنعتي است. درختچه رز شامل 200 گونـه و بـيش از18000 رقم است و گل محمدی بانام علمي رزا داماسينا ميل از مهم‌ترین رزهاي دنيا و از مشهورترين گياهـان در تاريخ باغباني است. فرآورده‌های ايـن گيـاه شـامل گلاب، عطرمایه، گلبرگ و غنچه خشك است(13).

 روش‌شناسی تحقیق

در این تحقیق برای جمع‌آوری پارامترهای موردنیاز برای محاسبه نیاز آبیاری مزارع کشاورزی از روش اینترنت اشیا استفاده‌شده است. داده‌ها پس از جمع‌آوری توسط حسگرها با استفاده از استاندارد سرویس مشاهده حسگر ، برای تحلیل‌های موردنیاز به سرورهای اطلاعاتی ارسال می‌شوند.

برای اندازه‌گیری نیاز آبیاری کشاورزی باید در نظر داشت که آب به‌طور مستقیم از سطح خاک و یا گیاه به اتمسفر منتقل می‌شود. انتقال آب از سطح خاک به هوا را تبخیر و خارج شدن آن از گیاه را تعرق گویند. این دو پدیده هر دو ماهیت تبخیری داشته و به نام تبخير - تعرق شناخته می‌شوند (1). منظور از تعیین نیاز آبی یا تبخير - تعرق گیاه، برآورد مقدار آبی است که باید برای تبخير - تعرق و تکمیل فرایند رشد محصول بدون مواجهه با تنش آبی در دسترسی یک پوشش زراعی و یا باغی قرار داشته است تا بتواند حداکثر مقدار محصول را تولید کند(5).

برای محاسبه تبخير - تعرق، از تبخير - تعرق گیاه مرجع در یک سطح بدون کمبود آب که با ET0 نشان داده می‌شود، استفاده می‌شود. سطح مرجع، یک گیاه مرجع چمن فرضی با ویژگی‌های مشخص است. مفهوم تبخير - تعرق مرجع برحسب تقاضای تبخیر و تعرق صرف‌نظر از نوع گیاه، مرحله رشد آن و عمليات مديريت زراعی توصیف می‌شود. در صورت کافی بودن آب خاک، تبخير - تعرق مرجع به عوامل مرتبط با خاک بستگی ندارد(9).

روش پنمن- مونتيث توسط سازمان خواروبار و کشاورزی یا فائو به‌عنوان روش استاندارد برای تعیین تبخير – تعرق گیاه مرجع چمن توصیه می‌شود (18) و از رابطه 1 قابل‌محاسبه است.

 

]1[

 

که در آن ET0، تبخير - تعرق مرجع بر حسب میلی‌متر بر روز، Rn تابش خالص ورودی به سطح گیاه بر حسب مگا ژول بر مترمربع بر روز، G  شار گرمای خاک بر حسب مگا ژول بر مترمربع بر روز، T میانگین روزانه دمای هوا در ارتفاع دو متری بر حسب درجه سلسیوس، u2 میانگین روزانه سرعت باد در ارتفاع دو متری با واحد متر بر ثانیه، es، فشار بخار اشباع بر حسب کیلو پاسکال، e فشار بخار واقعی با واحد کیلو پاسکال، es – ea کمبود فشار بخار اشباع بر حسب کیلو پاسکال،  شيب منحنی فشار بخار با واحد کیلو پاسکال بر درجه سلسیوس و  ضريب ثابت سایکرومتری با واحد کیلو پاسکال بر درجه سلسیوس است.

با توجه معادله پنمن مونتیث، تابش خورشیدی ، دما و رطوبت هوا، سرعت باد و عوامل گیاهی و ضریب گیاهی مهم‌ترین عوامل محیطی و اقلیمی مؤثر بر تبخیر- تعرق گیاه هستند(17). بنابراین لازم است تا حسگرهای مناسب برای جمع‌آوری اطلاعات دمای هوا، رطوبت هوا، سرعت باد، ساعات آفتابی و رطوبت خاک تعریف شوند.

برای اندازه‌گیری دما و رطوبت هوا از حسگر دی اچ تی 22(DHT22) استفاده‌شده است. این حسگر میزان دمای هوا را در محدوده 40- تا 80 درجه سانتی‌گراد با دقت 0.5 درجه و رطوبت هوا را در محدوده 0 تا 100 درصد با دقت 2 درصد اندازه‌گیری می‌نماید. برای اندازه‌گیری شدت نور از حسگر بی اچ 1750 اف وی آی(BH1750FVI) استفاده‌شده است. این حسگر از خانواده حسگرهای فتورزیستوری است. این حسگر شدت نور محیط را سنجیده و بر اساس پارامتر Lux به داده تبدیل می‌کند. برای اندازه‌گیری سرعت باد از حسگر ام پی ابکس وی 7002(MPXV7002) استفاده‌شده است. این حسگرها به‌صورت مبدل‌های پیزورزیستیو فشار سیلیکونی یکپارچه هستند. این حسگر برای طیف وسیعی از کاربردها طراحی‌شده است، به‌ویژه در شرایطی که از میکروکنترلر یا ریزپردازنده با ورودی‌های آنالوگ به دیجیتال استفاده می‌کنند.

 حسگرهای رطوبت خاک مورداستفاده در این تحقیق از نوع حسگر وای ال 69 (YL-69)  هستند که میزان حجمی آب موجود در خاک را با استفاده از مقاومت دی‌الکتریک خاک، اندازه‌گیری و محاسبه می‌کند. شکل 2 شکل ظاهری حسگرهای مورداستفاده را نشان می‌دهد.

حسگر رطوبت خاک YL-69	حسگر سرعت باد MPXV7002	حسگر شدت نور BH1750FVI	حسگر دما و رطوبت هوا DHT22

شکل 2. حسگرهای استفاده‌شده برای تعیین نیاز آبیاری کشاورزی

Fig 2. Sensors used to determine the need for agricultural irrigation

با استفاده از ماژول نود ام سی یو (NodeMCU) به‌عنوان میکروکنترلر، می‌توان اطلاعات اخذشده از حسگر رطوبت خاک را به کمک وای فای  و مودم متصل به اینترنت از راه دور به سرور ارسال نمود و تحلیل‌های لازم بر روی آن را انجام داد. از پاور بانک برای تأمین برق لازم برای استفاده حسگر و میکروکنترلر استفاده می‌شود. داده‌های موردنیاز برای تعیین نیاز آبی گیاه گل محمدی توسط حسگرهای رطوبت و دمای هوا، ساعت آفتابی و سرعت باد از 8 مهرماه 1399 تا 29 آبان ماه 1399 از منطقه برداشت‌شده و میزان نیاز آبی گیاه مرجع در این دوره به‌صورت روزانه محاسبه‌شده است. شکل 3 نحوه جمع‌آوری اطلاعات از حسگرها را نمایش می‌دهد.

 

 

شکل3. جایگذاری حسگر رطوبت خاک و استفاده از ماژول NodeMCU برای انتقال اطلاعات

Fig 3. Install a soil moisture sensor and use the NodeMCU module to transmit data

همان‌طور که پیش‌تر نیز اشاره شد ذخیره‌سازی اطلاعات حسگرها با استفاده از سرویس مشاهده حسگرها انجام‌شده است. این سرویس توسط کنسرسیوم باز به‌منظور کد‌گذاری و بهره‌برداری از مشاهدات حسگرها تعریف‌شده است. در این استاندارد، توابع مختلفی تعریف‌شده‌اند. تابع دریافت قابلیت‌ها (GetCapabilities) مشخصات حسگرهای استفاده‌شده، مدت‌زمان بهره‌برداری آن‌ها و نوع پدیده‌های محیطی که توسط آن‌ها اندازه‌گیری می‌شود در قالب زبان استاندارد ایکس ام ال (XML) و جی سان(JSON) تشریح می‌کند. تابع ثبت حسگر(InsertSensor)، اطلاعات عمومی حسگر ازجمله نام حسگر، واحدهای اندازه‌گیری و موقعیت قرارگیری حسگر را معرفی می‌کند. تابع ثبت مشاهدات (InsertObservation) به‌منظور ثبت مقادیر اندازه‌گیری شده و زمان ثبت اطلاعات مورداستفاده قرار می‌گیرد. تابع دریافت مشاهدات (GetObservation) به‌منظور بازیابی اطلاعات اندازه‌گیری شده توسط حسگر، به کار گرفته می‌شود. به‌منظور پیاده‌سازی این سرویس‌ها از سامانه 52 درجه شمالی(52°North) استفاده‌شده است. این سامانه استانداردهای موردنیاز برای سرویس مشاهده حسگر را پیاده‌سازی نموده است. اطلاعات در این سامانه در پایگاه داده پست گر اس کیو ال (PostgreSQL) که پایگاه داده متن‌باز می‌باشد، ذخیره می‌شوند. سپس از طریق تابع دریافت مشاهدات قابلیت جستجوی آن‌ها در پورتال مکانی زیرساخت داده‌های مکانی فراهم می‌شود.

زیرساخت داده‌های مکانی

برای ایجاد یک سامانه یکپارچه برای جمع‌آوری داده‌های محیطی از بستر زیرساخت داده‌های مکانی استفاده می‌شود. زیرساخت داده‌های مکانی، مجموعه‌ای از سیاست‌ها، استانداردها، شبکه‌های دسترسی، داده‌های مکانی، سازمان‌ها و نیروهای انسانی است که امور مختلف تولید، جمع‌آوری، ذخیره‌سازی، دسترسی، و استفاده بهینه از داده‌های مکانی را تسهیل و هماهنگ می‌کنند. بدین منظور معماری مشخص‌شده در شکل 4 برای ایجاد زیرساخت داده‌های مکانی برای ورود داده‌ها و جستجوی مقادیر اخذشده حسگرها استفاده می‌شود.

 

 

 

 

 

Sensor Observation Services

 

Sensor Data

 

 

MetaData Repositories

Geoportal

 

Client

Catalogue Services

 

 

شکل4. معماری پیشنهادی برای دریافت اطلاعات ذخیره‌سازی و ارائه آن‌ها در بستر زیرساخت داده‌های مکانی

Fig 4. Proposed architecture for receiving data and presenting it in the spatial data infrastructure

معماری پیشنهادی برای دریافت اطلاعات، ذخیره‌سازی و ارائه آن‌ها در بستر وب در شکل 4 نمایش داده‌شده است. داده‌های حسگرها پس از اخذ، توسط سرویس استاندارد مشاهده حسگر در پایگاه داده ذخیره می‌شود. هم‌زمان سرویس‌های موردنظر برای دریافت مشاهدات آن در یک فراداده که اطلاعات مربوط به متولی حسگر، اطلاعات تماس و آدرس‌های سرویس مشاهده حسگر را ذخیره می‌کند، جمع‌آوری می‌شود. در این مطالعه از استاندارد ایزو19139 به‌عنوان استاندارد فراداده استفاده‌شده است. برای ذخیره‌سازی فراداده‌های ایجادشده از کاتالوگ سرویس استفاده می‌شود. در این تحقیق از نرم‌افزار ژئونتورک (GeoNetwork) برای ذخیره‌سازی استفاده‌شده است. سپس با استفاده از سرویس کاتالوگ وب توسط این نرم‌افزار، اطلاعات موردنیاز برای جستجو در ژئوپورتال زیرساخت داده‌های مکانی ثبت می‌شود. درواقع ژئوپورتال درگاهی است، که کاربران برای دریافت اطلاعات به آن رجوع می‌کنند. در این تحقیق از ژئونود(GeoNode) برای ایجاد ژئوپورتال استفاده می‌شود. بدین طریق یک سیستم یکپارچه برای ذخیره‌سازی و بهره‌برداری از اطلاعات حسگرها ایجاد می‌شود.

ابتدا برای پیاده‌سازی روش پیشنهادی، پس از مشخص شدن حسگرهای مورداستفاده برای اندازه‌گیری پارامترهای محیطی موردنظر برای محاسبه نیاز آبیاری، این حسگرها در سامانه 52 درجه شمالی   با استفاده از تابع ثبت حسگر تعریف می‌شوند. شکل 5 نحوه تعریف حسگر  شدت روشنایی در این سامانه را نمایش می‌دهد.

 

 

شکل5. تابع ثبت حسگر برای ثبت مشخصات حسگرها 

Fig 5. Insert sensor function to record sensor characteristics

 

در شکل5 مقادیر موردنیاز برای تعریف حسگرها در تگ‌های استاندارد تعریف می‌شوند. به‌عنوان‌مثال، مقادیر مشخص‌شده نوع حسگر بی اچ 1750 اف وی آی(BH1750FVI)  که برای ثبت روشنایی مورداستفاده قرار می‌گیرد در شکل 5 مشخص است. همچنین نوع پیاده‌سازی آن و انتقال اطلاعات آن از طریق میکروکنترلر نود ام سی یو (NodeMCU) که با نام ای اس پی 8266 (ESP8266) است، مشخص می‌شود. علاوه بر این اطلاعات مربوط به موقعیت حسگر و واحد اندازه‌گیری آن در این تابع مشخص می‌شود. پس از تعریف حسگرها و پیاده‌سازی آن‌ها در مزارع کشاورزی، با استفاده از تابع ثبت مشاهده، مشاهدات هر حسگر ذخیره‌سازی می‌شود. 

 

 

شکل6. تابع ثبت مشاهده جهت ذخیره‌سازی مقادیر اندازه‌گیری شده توسط حسگرها

Fig 6. Insert Observation function to store values measured by sensors

شکل 6 نحوه ثبت اطلاعات مشاهدات حسگر رطوبت خاک که شامل تعریف کد حسگر ثبت‌شده، موقعیت آن، زمان برداشت و اندازه ثبت‌شده است را نشان می‌دهد.  پس از ثبت مشاهدات حسگرها، باید در نظر داشت که سامانه‌ای که به‌منظور استفاده از این سرویس‌های استاندارد مورداستفاده قرار می‌گیرد، نیز استاندارد است. بدین منظور در این مطالعه از زیرساخت داده‌های مکانی استفاده شد. برای استفاده از زیرساخت داده‌های مکانی، نیاز است برای هر یک از حسگرهای ثبت‌شده، فراداده‌ای ایجاد شود. در این فراداده مشخصات حسگرها ازجمله نام آن‌ها، موقعیت مکانی آن‌ها، چکیده‌ای از موضوع مورداستفاده از آن‌ها، سرویس‌های بازیابی داده‌ها و مشخصات متولیان آن‌ها آورده می‌شود. شکل 7 نمونه‌ای از فراداده ایجادشده برای حسگر دما آورده شده است.  برای ایجاد فراداده از نرم‌افزار ژئونتورک (GeoNetwork) استفاده‌شده است. در این نرم‌افزار می‌توان از استاندارد ایزو 19139 برای ذخیره‌سازی فراداده‌ها استفاده نمود.

 

شکل7. فراداده ایجادشده برای حسگر دما

Fig 7. Metadata created for temperature sensor

همان‌طور که در شکل 7  مشاهده می‌شود اطلاعات موردنیاز برای ثبت اطلاعات حسگر در فراداده ذخیره می‌گردد. پس از ذخیره‌سازی فراداده‌ها با استفاده از سرویس استاندارد کاتالوگ سرویس وب (Catalouge Service Web) اطلاعات حسگرها به زیرساخت داده‌ها مکانی انتقال می‌یابد. بدین منظور، در زیرساخت داده‌های مکانی با استفاده از تابع استاندارد دریافت رکوردها (GetRecords)، اطلاعات موردنیاز برای جستجو و بازیابی داده‌های حسگرها دریافت و در پایگاه داده پورتال زیرساخت داده‌های مکانی ذخیره می‌شود.

نتایج 

پس از ساخت فراداده‌ها و اضافه نمودن آن‌ها به زیرساخت داده‌های مکانی، امکان جستجوی حسگرها بر اساس نام، تاریخ دریافت داده‌ها و موقعیت مکانی آن‌ها فراهم می‌گردد. پس از دریافت اطلاعات و ساخت سرویس‌های بر خط، می‌توان قابلیت جستجوی این اطلاعات را در پورتال مکانی زیرساخت داده‌های مکانی فراهم نمود. شکل 8 نمونه‌ای از اطلاعات بازیابی شده در پورتال مکانی را نشان می‌دهد.

 

 

شکل 8. نمونه‌ای از بازیابی اطلاعات حسگر رطوبت خاک در ژئوپورتال زیرساخت داده‌های مکانی

Fig 8. An instance of soil moisture sensor data retrieval in spatial data infrastructure geoportal

پس از جستجوی اطلاعات، بر اساس اطلاعات سرویس دریافت مشاهده که در فراداده حسگرها وجود داشت قابلیت دستیابی به داده‌های مشاهده‌شده فراهم است. با استفاده از تابع دریافت مشاهدات، مقادیر ثبت‌شده مشاهدات قابل بازیابی و ارائه سرویس به پورتال مکانی خواهند بود. نمونه‌ای از تابع دریافت مشاهدات در شکل 9 نشان داده می‌شود.

 

شکل 9. تابع دریافت مشاهدات برای بازیابی مشاهدات حسگرها

Fig 9. Get observation function to retrieve sensor observations

همان‌طور که مشاهده می‌شود امکان جستجوی اطلاعات‌ در این تابع بر اساس نام حسگر، موقعیت مکانی و یا زمان برداشت اطلاعات فراهم است.

 

شکل10. خروجی تابع دریافت مشاهده حسگر رطوبت خاک

Fig 10. result of Get observation function of soil moisture sensor

 

نمونه‌ای از نتیجه خروجی از درخواست تابع دریافت مشاهدات از حسگر دمای هوا در شکل 10 نشان داده‌شده است. با استفاده از اطلاعات دریافتی از حسگرها می‌توان میزان نیاز آبی گیاه مرجع را با استفاده از رابطه 1 محاسبه نمود و تغییرات آن را کنترل کرد. تغییرات نیاز آبی گیاه مرجع در موقعیت مکانی این تحقیق بر اساس تاریخ در شکل 11 نمایش داده‌شده است.

 

شکل11. نمایش نتایج محاسبه‌شده برای نیاز آبی گیاه مرجع  به‌صورت نمودارهای زمانی (محور افقی تاریخ و محور قائم نیاز آبی گیاه مرجع)

Fig 11. Display the calculated results for the reference evapotranspiration (ETo) in the form of time charts (horizontal axis of the date and vertical axis of the reference evapotranspiration)

بحث و نتیجه­گیری 

در کشاورزی هوشمند به علت استفاده از حسگرهای مختلف اینترنت اشیا، ایجاد یک سیستم یکپارچه برای مدیریت انواع مختلف مشاهدات به‌صورت سری زمانی، ضروری است.در مقایسه باکارهای قبلی که از سرویس‌های تحت وب برای ارائه داده‌های حسگرها استفاده کرده‌اند، قاسملو (12) روش مورداستفاده در این تحقیق مزیت‌های قابل‌توجهی دارد.

به علت استاندارد بودن پارامترهای دریافت مشاهدات، با مشخص شدن توابع استاندارد و پارامترهای آن‌ها برای دریافت داده‌ها، با سهولت بیشتری می‌توان داده‌های حسگر را در پورتال مکانی نمایش داد. در کارهای قبلی به علت اینکه سرویس‌ها با فرمت‌های غیراستاندارد ایجادشده‌اند برای ارتباط با آن‌ها حتماً باید آدرس سرویس برای هریک از حسگرهای به‌کاررفته شده توسط متولی داده حسگر و پارامترهای نام‌گذاری شده توسط آن‌ها دریافت شود. درصورتی‌که با روش پیشنهادی در این تحقیق تنها آدرس سرویس دریافت فراداده‌ها از کاتالوگ سرویس مورداستفاده از کاربر درخواست می‌شود.

بنابراین چنانچه برای انجام وظایف موردنیاز در این مطالعه از حالت سرویس‌های مجزا برای هریک از حسگرها استفاده شود، برای دریافت داده‌های دما و رطوبت نسبی هوا، سرعت باد و میزان روشنایی که برای تشخیص ساعت آفتابی استفاده می‌شود لازم بود که از 5 سرویس مجزا استفاده شود. درنتیجه، با احتساب پارامترهای تاریخ و ساعت آغاز و پایان جستجو، پارامترهای مکانی برای کمترین و بیشترین مقادیر طول و عرض جغرافیایی نیاز به 5 سرویس و 6 پارامتر برای هر حسگر و درمجموع 30 پارامتر خواهد بود. حال با پیاده‌سازی یک سرویس برای تمام حسگرها، تنها یک پارامتر نوع حسگر به تعداد پارامترها اضافه‌شده و درمجموع لازم است تا یک سرویس با 7 پارامتر تعریف‌شده توسط کاربر متولی داده حسگر تعریف شود و در زیرساخت داده‌های مکانی پیاده‌سازی شود. اما با استفاده از حالت استاندارد در تحقیق حاضر، تنها نیاز به تعریف سرویس دریافت فراداده‌های کاتالوگ سرویس است و باقی پارامترها مرتبط با زمان برداشت و موقعیت آن در استاندارد تعریف‌شده‌اند و نیازی به درخواست جدیدی از کاربر پیاده‌سازی کننده زیرساخت داده‌های مکانی نیست. زیرا در خروجی این تابع، نام حسگرها و مشخصات موردنیاز برای جستجوی اطلاعات وجود دارند و بر اساس آدرس سرویس‌دهنده و استاندارد سرویس مشاهده حسگر، تابع دریافت مشاهدات قابل‌استخراج است.

حال با فرض 20 متولی مختلف داده حسگر در حالت غیراستاندارد و حالت پیاده‌سازی سرویس برای هر حسگر، نیاز به تعریف 100 سرویس و 600 پارامتر خواهد بود. در حالت ایجاد یک سرویس برای دریافت داده‌ها درصورتی‌که نوع حسگر به‌صورت پارامتر است، نیاز به تعریف 20 سرویس و 140 پارامتر خواهد بود. درحالی‌که در صورت پیاده‌سازی حالت استاندارد مورداستفاده در این تحقیق، لازم است تنها 20 سرویس دریافت رکوردهای کاتالوگ سرویس فراداده‌های ذخیره‌شده از متولی در زیرساخت داده‌های مکانی درخواست می‌شود و به علت وجود پارامترهای موردنیاز برای جستجو و آدرس سرویس‌های آن‌ها در فراداده‌ها دیگر پارامتر دیگری تعریف نمی‌شود، که منجر به ایجاد سهولت زیاد در پیاده‌سازی این روش بخصوص در نواحی بزرگ‌تر خواهد شد. تعداد سرویس‌های درخواستی و تعداد پارامترهای آن‌ها در مسئله تعیین نیاز آبیاری مزارع با استفاده از 5 حسگر در جدول 1 نمایش داده‌شده است.

جدول1. تعداد سرویس‌ها و پارامترهای ایجادشده در حالت استاندارد و غیراستاندارد در ایجاد سامانه یکپارچه برای تعیین نیاز آبیاری کشاورزی

Table 1. Number of services and parameters created in standard and non-standard mode in creating an integrated system to determine the need for agricultural irrigation

ردیف	روش اجرا	تعداد کاربران متولی داده حسگر	تعداد سرویس‌های ایجادشده	تعداد پارامترهای تعریف‌شده از سوی متولی برای سرویس‌ها در زیرساخت داده مکانی
1	ایجاد سرویس غیراستاندارد مجزا برای هر حسگر	1	5	30
2	ایجاد یک سرویس غیراستاندارد برای دریافت داده‌های حسگرها	1	1	7
3	ایجاد سرویس استاندارد برای دریافت داده‌های حسگر	1	1	0
4	ایجاد سرویس غیراستاندارد مجزا برای هر حسگر	20	100	600
5	ایجاد یک سرویس غیراستاندارد برای دریافت داده‌های حسگرها	20	20	140
6	ایجاد سرویس استاندارد برای دریافت داده‌های حسگر	20	20	0

 

در مقایسه با مقاله مارش-هان و همکاران (15) که از برنامه اینترنت اشیا هوشمند به اس اناویرو(SEnviro) به‌عنوان یک سیستم کامل برای مدیریت و نظارت داده‌های محیطی کشاورزی استفاده‌شده است، در این مقاله با استفاده از زیرساخت داده‌های مکانی، امکان ایجاد یک سیستم یکپارچه و استاندارد را فراهم می‌کند. استفاده از زیرساخت داده‌های مکانی سبب می‌شود که داده‌های حسگرها در یک بستر استاندارد در کنار سایر اطلاعات مکانی استاندارد قرار بگیرد و امکان تصمیم‌گیری مناسب را برای تصمیم گیران فراهم می‌نماید. 

این مقاله چگونگی ایجاد تعامل‌پذیری برای حسگرهای مختلف، به‌منظور جمع‌آوری اطلاعات محیطی کشاورزی در یک سیستم یکپارچه، با استفاده از زیرساخت داده‌های مکانی را توضیح می‌دهد. در این تحقیق با استفاده از استاندارد سرویس مشاهده حسگر کنسرسیوم مکانی باز، امکان ذخیره‌سازی داده‌ها در یک فرمت استاندارد موردبررسی قرار گرفت. علاوه بر این با استفاده از این استاندارد امکان ارائه اطلاعات ذخیره‌شده در بسترهای یکپارچه پورتال مکانی زیرساخت داده‌های مکانی نیز بررسی شد تا بدین طریق بتوان به‌صورت تعامل‌پذیر و مقیاس‌پذیر اطلاعات موردنیاز برای کشاورزی هوشمند را ثبت و بازیابی کرد. نتایج این تحقیق نشان می‌دهند که با استفاده از سرویس استاندارد، تعداد تابع و پارامترهای دریافتی از کاربر متولی داده حسگر کاهش می‌یابد. این کاهش، با افزایش تعداد کاربران متولی داده‌های حسگرها در یک سامانه یکپارچه اهمیت بیشتری می‌تواند داشته است. با استفاده از این اطلاعات می‌توان تغییرات داده‌های اخذشده را به‌صورت برخط با نمودارها مشاهده کرد. علاوه بر این استفاده از زیرساخت داده‌های مکانی باعث می‌شود که امکان استفاده از داده‌های حسگرها در کنار داده‌های مکانی دیگر فراهم شود و در تصمیم‌گیری‌های مرتبط با زمین‌های کشاورزی کمک نماید. با به‌کارگیری این استاندارد، و استفاده از سرویس‌های برخط، داده‌های بر خط با سهولت و سرعت بیشتر به‌صورت آنی در اختیار کشاورزان و تحلیل‌گران قرار می‌گیرند. درنتیجه، کشاورزان و سایر کاربران مرتبط می‌توانند اطلاعات مربوط به اراضی کشاورزی مدنظر خود را به‌صورت آنی مشاهده کرده و بر اساس آن تصمیم‌گیری و اقدامات دقیق‌تری انجام دهند. مقایسه استفاده از سایر سرویس‌های استانداردسازی مثل رابط برنامه‌نویسی کاربردی اشیا حسگر کنسرسیوم مکانی باز(OGC SensorThings API) با سرویس مشاهده حسگر در کشاورزی هوشمند ازنظر زمان پاسخ‌دهی و مصرف منابع شبکه، حافظه، می‌تواند به‌عنوان تحقیقات آینده موردمطالعه قرار بگیرند.

 

تقدیر و تشکر 

اين مقاله در دوران پایان‌نامه با عنوان مدل‌سازی نیاز آبیاری کشاورزی در مقطع (كارشناسي/ كارشناسي ارشد/ دكترا) در سال 97 تاکنون است كه با حمايت دانشگاه شهید بهشتی اجراشده است.

 

منابع  

 

1.       Al-Kazragy, M. O. (2020). Evapotranspiration and irrigation water requirements evaluation of Chinarok area using asce Penman-Monteith method. IRAQI JOURNAL OF AGRICULTURAL SCIENCES, 51(3), 816-828

2.       Bamurigire, P., Vodacek, A., Valko, A., & Rutabayiro Ngoga, S. (2020). Simulation of Internet of things water management for efficient rice irrigation in Rwanda. Agriculture, 10(10), 431.

3.       Bhagat, M.; Kumar, D.; Kumar, D. Role of Internet of Things (IoT) in Smart Farming: A Brief Survey.

4.       In Proceedings of the IEEE 2019 Devices for Integrated Circuit (DevIC), Kalyani, India, 23–24 March 2019; pp. 141–145.

5.       Biro, K., Zeineldin, F., Al-Hajhoj, M. R., & Dinar, H. A. (2020). Estimating irrigation water use for date palm using remote sensing over an Oasis in arid region. Iraqi journal of agricultural sciences, 51(4), 1173-1187.

6.       Chinnachodteeranun, R., & Honda, K. (2016). Sensor Observation Service API for Providing Gridded Climate Data to Agricultural Applications. Future Internet, 8(3), 40.

7.       Choudhary, S., Gaurav, V., Singh, A., & Agarwal, S. (2019). Autonomous crop irrigation system using artificial intelligence. Int. J. Eng. Adv. Technol, 8, 46-51

8.       Doshi, J., Patel, T., & kumar Bharti, S. (2019). Smart Farming using IoT, a solution for optimally monitoring farming conditions. Procedia Computer Science, 160, 746-751.

9.       Elhag, A. E., & Abdelkarim, A. A. (2021). Analysis of Irrigation Water Requirements in Gezira Scheme Using Geographic Information Systems: Case Study Block Number 26 (Dolga). Journal of Engineering and Computer Science (JECS), 22(1), 81-91.

10.       Elijah, O., Rahman, T. A., Orikumhi, I., Leow, C. Y., & Hindia, M. N. (2018). An overview of Internet of Things (IoT) and data analytics in agriculture: Benefits and challenges. IEEE Internet of Things Journal, 5(5), 3758-3773.

11.       Fredericks, J., & Botts, M. (2018). Promoting the capture of sensor data provenance: a role-based approach to enable data quality assessment, sensor management and interoperability. Open Geospatial Data, Software and Standards, 3(1), 1-8.

12.       Ghasemloo, N., Matkan, A., Alimohammadi, A., Aghighi, H., Mirbagheri, B., (2021), Estimation of plant water requirement using internet of things technology(Case study: Rosa Damascena Mill Agricultural Fields). 2nd International Conference on Geographic Information Science: Foundations and Interdisciplinary Applications. https://civilica.com/doc/1383939 (In Persian).

13.       Kazaz, S., BaydaR, H., &ERBaS, S. (2009). Variations in chemical compositions of Rosa damascenaMill.and Rosa canina L. fruits. Czech Journal of Food Sciences, 27(3), 178-184

14.       Keshavarz, A., Ashrafi, S., Hydari, N., Pouran, M., & Farzaneh, E. (2005, March). Water allocation and pricing in agriculture of Iran. In Water conservation, reuse, and recycling: proceeding of an Iranian American workshop, The National Academies Press: Washington, DC (pp. 153-172).

15.       Marsh-Hunn, D., Trilles, S., González-Pérez, A., Torres-Sospedra, J., & Ramos, F. (2020). A Comparative Study in the Standardization of IoT Devices Using Geospatial Web Standards. IEEE Sensors Journal, 21(4), 5512-5528.

16.       Navarro, E., Costa, N., & Pereira, A. (2020). A systematic review of IoT solutions for smart farming. Sensors, 20(15), 4231.

17.       Pinnagadi Venkateswara, M., Anuraag, K., Aravinth, V., David, M., Arun, E., (2018). "Smart Agriculture Monitoring System based on Internet of Things.", International Research Journal of Engineering and Technology (IRJET) , Volume: 05 Issue: 03 | Mar-2018, pp 1952-1956

18.       Roja, M., Deepthi, C., & Devender Reddy, M. (2020). Estimation of Crop Water Requirement of Maize Crop Using FAO CROPWAT 8.0 Model. Indian Journal of Pure and Applied Biosciences, 8(6), 222-228.

19.       Stočes, M., Vaněk, J., Masner, J., & Pavlík, J. (2016). Internet of things (iot) in agriculture-selected aspects. Agris on-line Papers in Economics and Informatics, 8(665-2016-45107), 83-88.

20.       TongKe, F. (2013). "Smart agriculture based on cloud computing and IOT." Journal of Convergence Information Technology8(2).

 

 

 

 

 

 

 

 

The Use of the Internet of Things Technology in Collecting Environmental Information of Agricultural Lands using Sensor Observation Service

 

Abstract

The challenges of food production in the 21st century make the employment of modern agricultural technologies increasingly vital due to population growth. The Internet of Things (IoT( is critical in changing traditional technology into modern technology, and it could help smart agriculture reduce waste and increase output. The integrated use of this technology in large metropolitan or national areas is problematic since data producers employ various formats and standards to implement the IoT. One of the most challenging aspects of utilizing the IoT in agriculture is gathering the collected data and displaying it online and in a standard format. This research has examined a method for receiving information from sensors, storing it, and presenting it in a standard context utilizing IoT technology. The result of this research shows that the sensors data and their observations can be recorded in a standard format using the standard sensor observation service from the Open Geospatial Consortium. An integrated platform is built using spatial data infrastructure. In fact, using a standard format reduces the number of services requested and the parameters associated with the sensor name, retrieval time, and sensor position. Therefore, the output of sensor observations in the spatial portal of spatial data infrastructure will be more easily accessible than methods that use only web services. The use of spatial data infrastructure makes it possible to display sensor data alongside other spatial layers. Using this method, agricultural environmental data collected using sensors are more easily provided to farmers and decision-makers instantly and online.

 

 

Keywords:  Smart agriculture,  Internet of things, sensor, Open Geospatial Consortium, sensor observation service, Spatial Data Infrastucture

 

 

 

 

 

 

 

 

 

 

 

 

 

 

-

 

 

 

 

استفاده از فن‌آوری اینترنت اشیا در جمع‌آوری اطلاعات محیطی

اراضی کشاورزی  با استفاده از سرویس مشاهده حسگر

 

چکیده مبسوط

طرح مسئله:

کشاورزی هوشمند با استفاده از اینترنت اشیا، از انواع مختلفی از حسگرها برای جمع‌آوری داده‌ها (مانند دما، رطوبت، نور، فشار، رطوبت خاک و غیره) و شبکه‌های ارتباطی برای ارسال و دریافت داده‌ها استفاده می‌کند. اطلاعات جمع‌آوری‌شده توسط سیستم‌های اطلاعات مدیریت تجزیه‌وتحلیل می‌شوند. با هوشمند سازی فرآیندها و کشاورزی هوشمند بیش‌ازپیش بر استفاده بهینه از منابع و افزایش بهره‌وری تمرکز شده و ازاین‌رو امروزه راهبرد کشاورزی هوشمند بسیار موردتوجه قرارگرفته است. اگرچه مفهوم اینترنت اشیا تثبیت‌شده است اما نکته مهم در استفاده از آن، به‌کارگیری فرمت‌ها و استانداردهای مختلف توسط متولیان آن است. این مسئله سبب عدم یکپارچگی و تعامل‌پذیری بین حسگرهای مختلف و سامانه‌های استفاده‌کننده از آن‌ها می‌شود. به همین دلیل استفاده از این فنّاوری برای تصمیم‌گیری‌های مناسب در ناحیه‌های بزرگ دچار مشکل می‌شود. با توجه به رشد اینترنت اشیا، پروتکل‌ها و فرمت‌های داده‌های مورداستفاده، ناهمگن می‌شوند که خود باعث مشکل در استفاده از داده‌های اخذشده از حسگرها می‌شود.

ایلیا و همکاران (10) در سال 2018، یکی از چالش‌های مهم در استفاده از اینترنت اشیا در کشاورزی هوشمند را عدم تعامل‌پذیری بین اطلاعات جمع‌آوری‌شده از حسگرها در پروژه‌های مختلف، معرفی نمودند. چیناچودتیرانون و همکاران (6) در سال 2016 استفاده از سرویس مشاهده حسگر کنسرسیوم باز را برای جمع‌آوری داده‌های هواشناسی کشاورزی پیشنهاد دادند. آن‌ها روشی را برای ارائه یکپارچه داده‌های آب و هوایی طولانی‌مدت در کشور ژاپن و بهره‌گیری از آن‌ها از طریق یک رابط برنامه‌نویسی کاربردی، را ارائه كردند. مارش-هان و همکاران (15) در سال 2020 استفاده از اینترنت اشیا را به‌عنوان یک روش تثبیت‌شده برای جمع‌آوری اطلاعات محیطی کشاورزی معرفی كرد. بااین‌حال ايشان ذكر كردند كه وجود فرمت‌ها و استانداردهای مختلف در جمع‌آوری اطلاعات کشاورزی با استفاده از اینترنت اشیا، یک مشکل مهم برای ایجاد یک بستر یکپارچه است. در این تحقیق از استانداردهای سرویس مشاهده حسگر برای جمع‌آوری اطلاعات کشاورزی تاکستان‌های اسپانیا استفاده‌شده است.

 

هدف:

جهت ارتقا تحقیقات قبلی که تنها از سرویس‌های تحت وب استفاده کرده‌اند، در این مطالعه باهدف افزایش تعامل‌پذیری و ایجاد یک سیستم یکپارچه برای تعیین نیازهای آبی مزارع ، استفاده از سرویس مشاهده حسگر برای جمع‌آوری داده‌های حسگرهای مختلف موردبررسی قرارگرفته است. پس از استفاده از این استاندارد، گام دوم ایجاد یک سیستم یکپارچه با استفاده از زیرساخت داده‌های مکانی‌ برای تسهیل در دسترسی داده‌های حسگرها است.

روش تحقیق:

ناحیه موردمطالعه با مساحت تقریبی 30 هکتار در حدود 27 کیلومتری شهر قم و در روستای جعفریه و در ارتفاع 899 متری از ژئوئید قرار دارد.‌ این منطقه در طول جغرافیایی 50.6711 تا 50.6832 و عرض جغرافیایی 34.8355 تا 34.8383 درجه واقع است. در این تحقیق برای جمع‌آوری پارامترهای موردنیاز برای محاسبه نیاز آبیاری مزارع کشاورزی از روش اینترنت اشیا استفاده‌شده است. داده‌ها پس از جمع‌آوری توسط حسگرها با استفاده از استاندارد سرویس مشاهده حسگر ، برای تحلیل‌های موردنیاز به سرورهای اطلاعاتی ارسال می‌شوند. این سرویس توسط کنسرسیوم باز به‌منظور کد‌گذاری و بهره‌برداری از مشاهدات حسگرها تعریف‌شده است. در این استاندارد، توابع مختلفی تعریف‌شده‌اند. در این استاندارد، توابع مختلفی تعریف‌شده‌اند. تابع دریافت قابلیت‌ها (GetCapabilities) مشخصات حسگرهای استفاده‌شده، مدت‌زمان بهره‌برداری آن‌ها و نوع پدیده‌های محیطی که توسط آن‌ها اندازه‌گیری می‌شود در قالب زبان استاندارد ایکس ام ال (XML) و جی سان(JSON) تشریح می‌کند. تابع ثبت حسگر(InsertSensor)، اطلاعات عمومی حسگر ازجمله نام حسگر، واحدهای اندازه‌گیری و موقعیت قرارگیری حسگر را معرفی می‌کند. تابع ثبت مشاهدات (InsertObservation) به‌منظور ثبت مقادیر اندازه‌گیری شده و زمان ثبت اطلاعات مورداستفاده قرار می‌گیرد. تابع دریافت مشاهدات (GetObservation) به‌منظور بازیابی اطلاعات اندازه‌گیری شده توسط حسگر، به کار گرفته می‌شود. به‌منظور پیاده‌سازی این سرویس‌ها از سامانه 52 درجه شمالی(52°North) استفاده‌شده است. این سامانه استانداردهای موردنیاز برای سرویس مشاهده حسگر را پیاده‌سازی نموده است. سپس از طریق تابع دریافت مشاهدات قابلیت جستجوی آن‌ها در پورتال‌های مکانی تحت وب فراهم می‌شود. برای ایجاد یک سامانه یکپارچه برای جمع‌آوری داده‌های محیطی از بستر زیرساخت داده‌های مکانی استفاده می‌شود. زیرساخت داده‌های مکانی ، مجموعه‌ای از سیاست‌ها، استانداردها، شبکه‌های دسترسی، داده‌های مکانی، سازمان‌ها و نیروهای انسانی است که امور مختلف تولید، جمع‌آوری، ذخیره‌سازی، دسترسی، و استفاده بهینه از داده‌های مکانی را تسهیل و هماهنگ می‌کنند. داده‌های حسگرها پس از اخذ، توسط سرویس استاندارد مشاهده حسگر در پایگاه داده ذخیره می‌شود. هم‌زمان سرویس‌های موردنظر برای دریافت مشاهدات آن در یک فراداده که اطلاعات مربوط به متولی حسگر، اطلاعات تماس و آدرس‌های سرویس مشاهده حسگر را ذخیره می‌کند، جمع‌آوری می‌شود. در این مطالعه از استاندارد ایزو 19139 به‌عنوان استاندارد فراداده استفاده‌شده است. در این تحقیق از نرم‌افزار ژئونتورک(GeoNetwork) برای ذخیره‌سازی استفاده‌شده است. سپس با استفاده از سرویس کاتالوگ وب توسط این نرم‌افزار، اطلاعات موردنیاز برای جستجو در ژئوپورتال زیرساخت داده‌های مکانی ثبت می‌شود. در این تحقیق از ژئونود(GeoNode) برای ایجاد ژئوپورتال استفاده می‌شود. بدین طریق یک سیستم یکپارچه برای ذخیره‌سازی و بهره‌برداری از اطلاعات حسگرها ایجاد می‌شود.

نتایج و بحث:

پس از ساخت فراداده‌ها و اضافه نمودن آن‌ها به زیرساخت داده‌های مکانی، امکان جستجوی حسگرها بر اساس نام، تاریخ دریافت داده‌ها و موقعیت مکانی آن‌ها فراهم می‌گردد. پس از دریافت اطلاعات و ساخت سرویس‌های بر خط، می‌توان قابلیت جستجوی این اطلاعات را در پورتال مکانی زیرساخت داده‌های مکانی فراهم نمود.

در مقایسه با کارهای قبلی که از سرویس‌های تحت وب برای ارائه داده‌های حسگرها استفاده کرده‌اند، روش مورداستفاده در این تحقیق مزیت‌های قابل‌توجهی دارد. به علت استاندارد بودن پارامترهای دریافت مشاهدات، با سهولت بیشتری می‌توان داده‌های حسگر را در پورتال مکانی نمایش داد. در حالت پیاده‌سازی به‌صورت وب‌سرویس درمجموع لازم است تا یک سرویس با 7 پارامتر تعریف‌شده توسط کاربر متولی داده حسگر تعریف شود و در زیرساخت داده‌های مکانی پیاده‌سازی شود. اما با استفاده از حالت استاندارد در تحقیق حاضر، تنها نیاز به تعریف سرویس دریافت فراداده‌های کاتالوگ سرویس است و باقی پارامترها مرتبط با زمان برداشت و موقعیت آن در استاندارد تعریف‌شده‌اند و نیازی به درخواست جدیدی از کاربر پیاده‌سازی کننده زیرساخت داده‌های مکانی نیست.

حال با فرض 20 متولی مختلف داده حسگر در حالت غیراستاندارد نیاز به تعریف 20 سرویس و 140 پارامتر خواهد بود. درحالی‌که در صورت پیاده‌سازی حالت استاندارد مورداستفاده در این تحقیق، لازم است تنها 20 سرویس دریافت رکوردهای کاتالوگ سرویس فراداده‌های ذخیره‌شده از متولی در زیرساخت داده‌های مکانی درخواست شود. به علت وجود پارامترهای موردنیاز برای جستجو و آدرس سرویس‌های آن‌ها در فراداده‌ها دیگر پارامتر دیگری از طرف تولیدکننده تعریف نمی‌شود، که منجر به ایجاد سهولت زیاد در پیاده‌سازی این روش بخصوص در نواحی بزرگ‌تر خواهد شد.

در مقایسه با  مقاله مارش-هان و همکاران (15) که از برنامه اینترنت اشیا هوشمند به اس اناویرو(SEnviro) به‌عنوان یک سیستم کامل برای مدیریت و نظارت داده‌های محیطی کشاورزی استفاده‌شده است، در این مقاله با استفاده از زیرساخت داده‌های مکانی، امکان ایجاد یک سیستم یکپارچه و استاندارد را فراهم می‌کند. استفاده از زیرساخت داده‌های مکانی سبب می‌شود که داده‌های حسگرها در یک بستر استاندارد در کنار سایر اطلاعات مکانی استاندارد قرار بگیرد و امکان تصمیم‌گیری مناسب را برای تصمیم گیران فراهم می‌نماید.

نتیجه­گیری:

این مقاله چگونگی ایجاد تعامل‌پذیری برای حسگرهای مختلف، به‌منظور جمع‌آوری اطلاعات محیطی کشاورزی در یک سیستم یکپارچه، با استفاده از زیرساخت داده‌های مکانی را توضیح می‌دهد. در این تحقیق با استفاده از استاندارد سرویس مشاهده حسگر کنسرسیوم مکانی باز، امکان ذخیره‌سازی داده‌ها در یک فرمت استاندارد موردبررسی قرار گرفت. علاوه بر این با استفاده از این استاندارد امکان ارائه اطلاعات ذخیره‌شده در بسترهای یکپارچه پورتال مکانی زیرساخت داده‌های مکانی نیز بررسی شد تا بدین طریق بتوان به‌صورت تعامل‌پذیر و مقیاس‌پذیر اطلاعات موردنیاز برای کشاورزی هوشمند را ثبت و بازیابی کرد. نتایج این تحقیق نشان می‌دهند که با استفاده از سرویس استاندارد، تعداد تابع و پارامترهای دریافتی از کاربر متولی داده حسگر کاهش می‌یابد. این کاهش، با افزایش تعداد کاربران متولی داده‌های حسگرها در یک سامانه یکپارچه اهمیت بیشتری می‌تواند داشته است. با استفاده از این اطلاعات می‌توان تغییرات داده‌های اخذشده را به‌صورت برخط با نمودارها مشاهده کرد. علاوه بر این استفاده از زیرساخت داده‌های مکانی باعث می‌شود که امکان استفاده از داده‌های حسگرها در کنار داده‌های مکانی دیگر فراهم شود و در تصمیم‌گیری‌های مرتبط با زمین‌های کشاورزی کمک نماید. با به‌کارگیری این استاندارد، و استفاده از سرویس‌های برخط، داده‌های بر خط با سهولت و سرعت بیشتر به‌صورت آنی در اختیار کشاورزان و تحلیل‌گران قرار می‌گیرند. درنتیجه، کشاورزان و سایر کاربران مرتبط می‌توانند اطلاعات مربوط به اراضی کشاورزی مدنظر خود را به‌صورت آنی مشاهده کرده و بر اساس آن تصمیم‌گیری و اقدامات دقیق‌تری انجام دهند. مقایسه استفاده از سایر سرویس‌های استانداردسازی مثل رابط برنامه‌نویسی کاربردی اشیا حسگر کنسرسیوم مکانی باز(OGC SensorThings API) با سرویس مشاهده حسگر در کشاورزی هوشمند ازنظر زمان پاسخ‌دهی و مصرف منابع شبکه، حافظه، می‌تواند به‌عنوان تحقیقات آینده موردمطالعه قرار بگیرند.

 

واژگان کلیدی: کشاورزی هوشمند، اینترنت اشیا، حسگر، کنسرسیوم مکانی باز، سرویس مشاهده حسگر، زیرساخت داده‌های مکانی

 

The Use of the Internet of Things Technology in Collecting Environmental Information of Agricultural Lands using Sensor Observation Service

 

Statement of the Problem: Different types of sensors are used to collect data (such as temperature, humidity, light, pressure, soil moisture, etc.) and communication networks for sending and receiving data in smart agriculture using the IoT. The collected information is analyzed by management information systems. The focus is more on the optimal use of resources and increasing productivity with the smart processes and smart agriculture; therefore, the strategy of smart agriculture has received a lot of attention nowadays. Although the notion of the IoT has been established, its trustees’ use of various formats and standards is critical. As a result, there is a lack of integration and interoperability between various sensors and the systems that use them. Consequently, it becomes difficult to use this technology to make appropriate decisions in large areas. As the IoT grows, the protocols and formats of the used data become more heterogeneous, making it more difficult to use the data collected by sensors.

Elijah et al. (10) In 2018, one of the major challenges in the use of the Internet of Things in smart farming was the lack of interaction between the information collected from sensors in various projects. In 2016, Chinachudtiranon et al. (6) proposed the use of an open consortium sensor observation service to collect agricultural meteorological data. They provided a way to integrate long-term climate data into Japan and utilize it through an application programming interface. In 2020, Marsh-Hahn et al. (15) introduced the use of the Internet of Things as a well-established method for collecting agricultural environmental information. However, they noted that the existence of different formats and standards in the collection of agricultural information using the Internet of Things is an important problem in creating an integrated platform. In this research, the standards of sensor observation service have been used to collect agricultural information of Spanish vineyards.

Purpose: In order to improve prior research that solely used web-based services, the use of sensor observation services to collect data from various sensors was examined in this study to increase interoperability and establish an integrated system to determine the water requirements of farms. Following the use of this standard, the next step is to develop an integrated system using the spatial data infrastructure to facilitate sensor data access

Methodology: The study area is located about 27 kilometers from Qom in the village of Jafariyeh with approximately 30 hectares area and at an altitude of 899 meters from the geoid. This region is located at longitude from 50.6711 to 50.6832 and latitude from 34.8355 to 34.8383 degrees. In this research, the IoT was used to collect the required parameters to calculate the irrigation needs of agricultural fields. Data is collected by sensors using the standard sensor observation service and sent to information servers for the required analysis. The sensors capture the data and send it to the information servers, where it is analyzed according to the sensor observation service standard. An open consortium defines this service for encoding and operating sensor observations. Different functions are defined in this standard. In GetCapabilities, the utilized sensors' characteristics and operation duration and the types of environmental phenomena are measured. InsertSensor function introduces general sensor information such as the sensor name, measurement units, and sensor location. InsertObservation function is used to keep a record of the measured values as well as the time they were recorded. The GetObservation function is used to retrieve the information measured by the sensor. The 52-degree North system has been used to implement these services. To establish an integrated system for gathering environmental data, spatial data infrastructure is used. Spatial data infrastructure is a group of policies, standards, access networks, spatial data, organizations, and human resources that make the generation, collection, storage, access, and optimal use of spatial data more accessible and more coordinated. The sensor data is recorded in the database by the standard sensor observation service after it is received. At the same time, the intended services are gathered in metadata that stores information about the sensor trustee, contact information, and addresses of the sensor observation service to receive its observations. In this study, the Iso19139 standard has been employed as the metadata standard, and GeoNetwork software is used to store data. The information needed to search the geoportal of the spatial data infrastructure is then recorded using this software's Catalog Service for the Web (CSW). In this research, GeoNode is used to establish a geoportal. As a result, an integrated system for storing and operating sensors data has been created.

Results and discussion: It is possible to search for sensors by name, data receiving date, and location after establishing metadata and adding it to the spatial data infrastructure. Also, it is possible to search for this information on the spatial portal of the spatial data infrastructure after receiving the information and building online services. The method used in this research has remarkable advantages over previous studies that used web services to provide sensor data. It is easier to present sensor data in the spatial portal due to the standard parameters of receiving observations.

In the case of web service implementation, it is necessary to describe a service with seven parameters including sensor name, four latitude and longitude parameters and two parameters start and end date of the search that defined by the producer of the sensor data and to implement it in the spatial data infrastructure. However, in the present study, by using the standard mode, it is only necessary to define the metadata retrieval catalog service; the rest of the parameters related to harvesting time and its location are defined in the standard, and there is no need for the implementing user of the spatial data infrastructure to make a new request.

Now, assuming 20 different sensor data producer in non-standard mode, it will be necessary to define 20 services and 140 parameters. However, in case of implementing the standard mode used in this research, it is necessary to request only 20 services to receive the catalog records of the metadata service stored in the spatial data infrastructure. Due to the existence of parameters required for the search and the address of their services in the metadata, no other parameter is defined by the sensor data producers. Therefore, it facilitates the implementation of an integrated system.

Compared to the article by Marsh-Hunn et al. (15) which uses the IoT application to SEnviro as a complete system for managing and monitoring agricultural environmental data, in this article using spatial data infrastructure, the possibility Provides an integrated and standardized system. The use of spatial data infrastructure allows sensor data to be placed in a standard context alongside other standard spatial information, enabling decision makers to make appropriate decisions.

Conclusion: This paper describes creating interoperability for different sensors to collect agricultural environmental information in an integrated system, using spatial data infrastructure. In this study, using the standard of Open Geospatial Consortium Observation service standard, the possibility of storing data in a standard format was investigated. In addition, using this standard, the possibility of providing information stored in the integrated platforms of the spatial portal and the spatial data infrastructure was examined to record and retrieve the information required for intelligent agriculture in an interactive and scalable manner. This study shows that using the standard service, the number of functions and parameters received from the data producer is reduced. This reduction could be more important as the number of users in charge of sensor data in an integrated system increases. Using this information, changes can be observed in the online obtained data with graphs by use of this information. In addition, the use of spatial data infrastructure makes it possible to use sensor data alongside other spatial data and assist in decisions related to agricultural lands. By using this standard and using online services, online data is made available to farmers and analysts more easily and instantly. As a result, farmers and other related users can instantly view information about their agricultural land and make more accurate decisions and actions. Comparison of other standardization services such as OGC SensorThings API with sensor observation service in intelligent agriculture in terms of response time and consumption of network resources memory can be studied as future research.

Keywords:  Smart agriculture,  Internet of things, sensor, Open Geospatial Consortium, sensor observation service, Spatial Data Infrasrtucture

 

 

 

1

 

---