针对茶园土壤墒情传感器布局中传感器数量过多、数据冗余度过大的问题,采用改进的K-medoids方法,优化茶园土壤墒情传感器使用数量及部署位置.在保证茶园传感网络全覆盖的基础上,实时采集各传感节点数据;构造各传感器在不同天气条件下的时间序列数据,并运用三次样条插值法拟合成连续函数;应用谱排直法定义新的时间序列数据的距离函数替换K-medoids中的欧氏距离,将聚类中心作为最终的传感器布点;随机选取位置并采集土壤相对含水率以验证聚类中心作为传感器布点的代表性.采用改进前和改进后的K-medoids方法对2018-07-2018-08(试验Ⅰ)和2020-12(试验Ⅱ)采集的土壤墒情数据进行聚类.结果表明:1)改进的K-medoids将32个传感器减少到4个,改进前后簇中心墒情值与簇均值的相对偏差,试验Ⅰ由2.85％降到1.91％,试验Ⅱ由2.01％降到1.43％;2)改进K-medoids所得聚类中心相对含水率与试验区域平均值相近,相对偏差小于2％;3)以改进的K-medoids算法所得聚类中心作为起点的布点路径长度为82.4 m,使用8个传感器,优于改进前的106.5 m和10个传感器.基于改进K-medoids的布局方法能够优化传感器的数量和位置并且在不同天气条件下均适用.

土壤墒情;传感器布局;相对含水率;时序数据;K-medoids

汪涛;张武;苗犇犇;刘波;王瑞卿;张立付;徐少翔;饶元;江朝晖

安徽农业大学信息与计算机学院,合肥230036;智慧农业技术与装备安徽省重点实验室,合肥230036

中国农业大学学报

[1]汪涛;张武;苗犇犇;刘波;王瑞卿;张立付;徐少翔;饶元;江朝晖-.基于改进K-medoids算法的土壤墒情传感器布局优化)[J].中国农业大学学报,2022(08):221-233

medoids,土壤墒情,传感器布局,布局优化,茶园土壤,数据冗余,冗余度,传感网络,实时采集,传感节点,不同天气条件,时间序列数据,三次样条插值法,连续函数,定义新,距离函数,欧氏距离,聚类中心,布点,相对含水率,进前,簇中心,相对偏差,心相,试验区,区域平均,路径长,布局方法,时序数据

0.250795