【正文】 (4)低成本 系統(tǒng)中。提高節(jié)點(diǎn)的射頻性能可以改善網(wǎng)絡(luò)工作能力，在同等功耗的條件下通信距離增大，具有更強(qiáng)的實(shí)用性。 (2)優(yōu)良射頻性 由于無(wú)線信號(hào)在空氣中的傳播與通信距離呈指數(shù)關(guān)系衰減，節(jié)點(diǎn)通信距離能夠直接影響到無(wú)線通信模塊的發(fā)射功率的消耗，進(jìn)而引出功耗的問(wèn)題。綜合以上種種，本系統(tǒng)的無(wú)線傳感器數(shù)據(jù)采集網(wǎng)絡(luò)中的傳感器節(jié)點(diǎn)的硬件設(shè)計(jì)，主要依據(jù)以下幾個(gè)方面即 : (1)低功耗 傳感器節(jié)點(diǎn)以電池供電，能量有限，電池耗盡以后，節(jié)點(diǎn)停止工作，整個(gè)傳 27 感器網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)要相應(yīng)的變化。數(shù)據(jù)采集作為本系統(tǒng)工作的第一步，采集到的數(shù)據(jù)準(zhǔn)確可靠，是整個(gè)系統(tǒng)正常工作的關(guān)鍵。最后負(fù)責(zé)數(shù)據(jù)信 J 自、的發(fā)布，將 Web 協(xié)議移植到其中，系統(tǒng)便可以接入到 Inter 中，實(shí)現(xiàn)“底層 (傳感器 )Inter 網(wǎng)絡(luò)一遠(yuǎn)程監(jiān)控”的結(jié)構(gòu)，能夠?qū)⒄麄€(gè)系統(tǒng)的信息發(fā)布到互聯(lián)網(wǎng) 上，實(shí)現(xiàn)整個(gè)互聯(lián)網(wǎng)的訪問(wèn)。首先智能監(jiān)測(cè)處理中心負(fù)責(zé)本系統(tǒng)的用戶的管理，實(shí)現(xiàn)了對(duì)本系統(tǒng)用戶的添加、刪除和查詢(xún)操作。終端節(jié)點(diǎn)實(shí)時(shí)采集溫度、濕度、光照強(qiáng)度、二氧化碳濃度等環(huán)境參數(shù)，經(jīng)由路由節(jié)點(diǎn)，數(shù)據(jù)以多跳中繼的方式傳達(dá)至協(xié)調(diào)器節(jié)點(diǎn)，協(xié)調(diào)器節(jié)點(diǎn)再通過(guò) RS232串口，將數(shù)據(jù)傳至上位機(jī)管理系統(tǒng)。無(wú)線傳感器數(shù)據(jù)采集網(wǎng)絡(luò)的功能是實(shí)現(xiàn)網(wǎng)絡(luò)的組建和感知數(shù)據(jù)的采集，由傳感器節(jié)點(diǎn)在硬件的基礎(chǔ)上基于 ZigBee 無(wú)線通信協(xié)議組建 Mesh 網(wǎng)絡(luò)。利用加權(quán)平均去除傳感器冗余信息的特性有效減少數(shù)據(jù)傳輸，使昂貴的通信轉(zhuǎn)化為便宜的本地計(jì)算，從而降低傳感器的能量消耗達(dá)到延長(zhǎng)傳感器節(jié)點(diǎn)生命周期的目的。 KDF 算法利用閡值限定計(jì)算，能夠?qū)⒃O(shè)定閉 值范圍以外的數(shù)據(jù)直接篩選出來(lái)，不經(jīng)過(guò)卡爾曼濾波和加權(quán)平均融合的處理，避免了不必要的計(jì)算，通過(guò)使用誤差閡值 Ox 和超時(shí)閡值 :，有效的限制了傳感器節(jié)點(diǎn)發(fā)送數(shù)據(jù)的時(shí)間間隔和傳感器節(jié)點(diǎn)對(duì)數(shù)據(jù)處理時(shí)的計(jì)算量。當(dāng)所有的 z,都不相同時(shí)，加權(quán)平均算法即成為算數(shù)平均算法。加權(quán)平均法的計(jì)算公式如下 : y 一藝 (z,*哄 )/藝 w, (i 一 1, 2,...,n)() 其中 :，為各傳感器節(jié)點(diǎn)在不同時(shí)刻的觀測(cè)值通過(guò)閡值限定計(jì)算和卡爾曼濾波的數(shù)據(jù)值， w 為對(duì)應(yīng)的權(quán)數(shù)， .。否則卡爾曼濾波器會(huì)認(rèn)為給定的 X(010)是最優(yōu)的，從而導(dǎo)致算法不能收斂。 ②用設(shè)定的 Q 和 R 來(lái)構(gòu)造卡爾曼濾波器的遞歸公式。 (2)卡爾曼濾波 在 KDF 算法中引入卡爾曼濾波的目的是盡 可能減少傳感器節(jié)點(diǎn)本身的限制和進(jìn)行數(shù)據(jù)采集和傳輸時(shí)周?chē)h(huán)境干擾對(duì)數(shù)據(jù)精度的影響，由于卡爾曼濾波在濾波的時(shí)候不需要任何歷史數(shù)據(jù)信息，只由前一次的估計(jì)結(jié)果和當(dāng)前時(shí)刻的測(cè)量值即可獲得這一次的最優(yōu)估計(jì)，所以它并不需要很大的存儲(chǔ)空間，因此在存儲(chǔ)空間有限的無(wú)線傳感器網(wǎng)絡(luò)中特別適合應(yīng)用卡爾曼濾波。 ④將第 i 次采集獲得的感知數(shù)據(jù) x，作為下一次感知的第一個(gè)數(shù)據(jù) x。 (b)當(dāng)其中任意兩個(gè)數(shù)據(jù)的差值超過(guò)誤差閡值“時(shí)，即 }x。 :進(jìn)行比較，若 23 感知數(shù) 據(jù) x，超出閡值設(shè)置范圍，則對(duì)該數(shù)據(jù)不進(jìn)行任何后續(xù)處理，直接傳至上位機(jī)進(jìn)行報(bào)警提示，若感知數(shù)據(jù) x，在閉值設(shè)置范圍內(nèi)，則進(jìn)行步驟③。 ② 每獲得一個(gè)新的感知數(shù)據(jù) x，都要與系統(tǒng)設(shè)置的閡值。同時(shí)閡值限定計(jì)算通過(guò)使用誤差閡值 ax 和超時(shí)閡值 :，有效的限制了傳感器發(fā)送數(shù)據(jù)的時(shí)間間隔和傳感器節(jié)點(diǎn)對(duì)數(shù)據(jù)處理時(shí)的計(jì)算量。當(dāng)植物生長(zhǎng)周?chē)h(huán)境變化或者無(wú)線傳感器節(jié)點(diǎn)出現(xiàn)問(wèn)題時(shí)，都會(huì)使采集的目標(biāo)數(shù)據(jù)不在設(shè)定的閉值范圍內(nèi)，必須要及時(shí)提示用戶以便用戶做出相應(yīng)處理。采用 KDF 算法對(duì)數(shù)據(jù)進(jìn)行融合處理包括閡值限定計(jì)算、卡爾曼濾波、加權(quán)平均融合三部分，下面對(duì) KDF 算法進(jìn)行詳細(xì)的闡述。二。 假設(shè)無(wú)線傳感器網(wǎng)絡(luò) : (1)由 n 個(gè)無(wú)線傳感器節(jié)點(diǎn)采集同一監(jiān)測(cè)目標(biāo)的數(shù)據(jù)。由公式 7 計(jì)算出 k 時(shí)刻 X (k I k)的協(xié)方差 P，卡爾曼濾波器就可以自回歸的運(yùn)算下去 3. 4. 3 KDF 算法 每一個(gè)無(wú)線傳感器節(jié)點(diǎn)采集到的數(shù)據(jù)都可以形成一個(gè)行矩陣，該行矩陣的 22 列表示傳感器節(jié)點(diǎn)經(jīng)過(guò)相同的時(shí)間間隔在不同時(shí)刻獲得的感知數(shù)據(jù)， n 個(gè)無(wú)線傳感器節(jié)點(diǎn)可以獲得 n 行感知數(shù)據(jù)。/(HP(k I k 一 1)H39。 X(k I k 一 1) = AX(k 一 Ilk 一 1)+BU(k) () 其中， X(k1 I k1)是 k1 時(shí)刻的最優(yōu)值， X(k I k 1)是根據(jù) X(k11 k1)得到的估計(jì)值， U(k)為現(xiàn)在狀態(tài)的控制量，如果沒(méi)有控制量，它可以為 0. P(k I k 一 1)二 AP(k1 I k1)A’十 Q () 其中， P 為 X 的協(xié)方差， P(k I k 1)是 X(k I k1)對(duì)應(yīng)的協(xié)方差， P(k1 I k1)是 X(k一 Ilk 一 1)對(duì)應(yīng)的協(xié)方差， A’表示 A 的轉(zhuǎn)置矩陣 ， Q 是系統(tǒng)過(guò)程的協(xié)方差。 W(k)和 V(k)分別表示過(guò)程噪聲和測(cè)量噪聲，被假設(shè)成高斯白噪聲，方差 Q、 R 不隨系統(tǒng)狀態(tài)變化而變化。 A 和 B 是系統(tǒng)參數(shù)。 3. 4. 2 卡爾曼濾波算法 前文己經(jīng)對(duì)卡爾曼濾波做了簡(jiǎn) 要的介紹，在無(wú)線傳感器網(wǎng)絡(luò)中，因?yàn)閭鞲衅鞴?jié)點(diǎn)獲得的數(shù)據(jù)可以看成是離散的數(shù)據(jù)，將卡爾曼濾波用于感知數(shù)據(jù)的濾波可 21 以提供統(tǒng)計(jì)意義下的最優(yōu)估計(jì)，并且卡爾曼濾波的過(guò)程只需要很小的存儲(chǔ)空間，這使得卡爾曼濾波非常適合應(yīng)用在無(wú)線傳感器網(wǎng)絡(luò)中，所以本系統(tǒng)的數(shù)據(jù)采用卡爾曼濾波來(lái)處理。 KDF 算法是在傳感器節(jié)點(diǎn)采集數(shù)據(jù)之后到將數(shù)據(jù)傳輸至上位機(jī)之前加入一個(gè)數(shù)據(jù)處理過(guò)程，在該過(guò)程中，傳感器節(jié)點(diǎn)采集到的數(shù)據(jù)首先要與之前系統(tǒng)設(shè)定的閩值進(jìn)行對(duì)比測(cè)算，若采集到的數(shù)據(jù)超出閩值設(shè)置范圍，進(jìn)行報(bào)警提示，若采集到的數(shù)據(jù)在所設(shè)定閩值范圍內(nèi)，則將傳感器節(jié)點(diǎn)采集到的數(shù)據(jù)通過(guò)卡爾曼濾波器進(jìn)行濾波處理，去除環(huán)境噪聲和干擾的影響，最后將去除噪聲后的數(shù)據(jù)再通過(guò)數(shù)據(jù)融合模型進(jìn)行處理。本文采用的數(shù)據(jù)融合思想是在傳感器節(jié)點(diǎn)處進(jìn)行像素級(jí)的融合處理，該處理是在傳感器節(jié)點(diǎn)獲得感知數(shù)據(jù)后立即進(jìn)行的數(shù)據(jù)融合計(jì)算，此時(shí)的感知數(shù)據(jù)還沒(méi)有進(jìn)行任何算法的處理，這種融合的好處是 :利用可用信息之間的相關(guān)性對(duì)原始數(shù)據(jù)進(jìn)行綜合與分析并且對(duì)一定測(cè)量次數(shù)內(nèi)獲得的有限的測(cè)量數(shù)據(jù)進(jìn)行融合處理，可以有效的消除無(wú)線傳感器測(cè)量中的干擾及不確定性，從而獲得更加準(zhǔn)確、更加可靠的測(cè)量數(shù)據(jù)，達(dá)到減少數(shù)據(jù)傳輸、節(jié)省能量的目的。 20 系統(tǒng)的數(shù)據(jù)融合處理 3. 4. 1 KDF 算法的提出 本文設(shè)計(jì)的智能農(nóng)業(yè)監(jiān)測(cè)系統(tǒng)既可以應(yīng)用于溫室或農(nóng)業(yè)大棚等封閉環(huán)境，也可以應(yīng)用在農(nóng)業(yè)大田等露天環(huán)境，無(wú)論應(yīng)用于哪種情況，本系統(tǒng)無(wú)線傳感器節(jié)點(diǎn)監(jiān)測(cè)的都是一個(gè)相對(duì)穩(wěn)定的環(huán)境，在該種環(huán)境下，存在在某一段時(shí)間內(nèi)，被監(jiān)測(cè)的目標(biāo)數(shù)據(jù)無(wú)明顯變化的情況，即無(wú)線傳感器節(jié)點(diǎn)感知到的數(shù)據(jù)具有時(shí)間的相關(guān)性，使得單個(gè)傳感器節(jié)點(diǎn)監(jiān)測(cè)獲得的數(shù)據(jù)存在冗余。神經(jīng)網(wǎng)絡(luò)算法的優(yōu)點(diǎn)是對(duì)先驗(yàn)知識(shí)要求不高或者根本沒(méi)有要求，因此神經(jīng)網(wǎng)絡(luò)法有較強(qiáng)的自適應(yīng)能力，缺點(diǎn)是神經(jīng)網(wǎng)絡(luò)算法的運(yùn)算量大，規(guī)則難建立。本系統(tǒng)對(duì)無(wú)線傳感器感知數(shù)據(jù)的處理方法采用了基于卡爾曼濾波原理的數(shù)據(jù)融合方法，關(guān)于卡爾曼濾波的內(nèi)容將在下一節(jié)內(nèi)容中詳細(xì)闡述。遞推特性使得卡爾曼濾波非常適合應(yīng)用在無(wú)海量信息存儲(chǔ)性能的系統(tǒng)中，在需要估計(jì)系統(tǒng)當(dāng)前狀態(tài)又需要預(yù)報(bào)系統(tǒng)的未來(lái)狀 態(tài)的情況下，也常常采用卡爾曼濾波對(duì)傳感器數(shù)據(jù)進(jìn)行融合?？柭鼮V波是一種遞歸的估計(jì)，它不需要任何有關(guān)的歷史數(shù)據(jù)信息，它的估計(jì)過(guò)程只與上一個(gè)相關(guān)狀態(tài)的估計(jì)值和當(dāng)前狀態(tài)的實(shí)際值有關(guān)，是線性濾波最常用的處理方法。貝葉斯估計(jì)的缺點(diǎn)是在實(shí)際中很難知道先驗(yàn)概率，當(dāng)假定的先驗(yàn)概率與實(shí)際情況不相符時(shí)，獲得的推理結(jié)果性能比較差，因此，貝葉斯估計(jì)算法的適用范圍比較小。若多個(gè)傳感器監(jiān)測(cè)目標(biāo)一致，則可以直接對(duì)傳感器所獲得的感知信息進(jìn)行融合，若多個(gè)傳感器根據(jù)不同的目標(biāo)對(duì)統(tǒng)一物體進(jìn)行描 19 述，只能以間接方式采用貝葉斯估計(jì)進(jìn)行數(shù)據(jù)融合。 18 (2)貝葉斯估計(jì) 貝葉斯估計(jì)算法是最早應(yīng)用于不確定數(shù)據(jù)融合的一種推理方法，也是靜態(tài)數(shù)據(jù)融合中的一種常用方法，它的基本思想是在假設(shè)先驗(yàn)概率的條件后，利用貝葉斯公式計(jì)算出后驗(yàn)概率，然后根據(jù)后驗(yàn)概率做出決策。 (1)加權(quán)平均法 在所有的數(shù)據(jù)融合方法中，加權(quán)平均法是最簡(jiǎn)單最直觀的方法，該方法將多個(gè)傳感器上傳的冗余信息進(jìn)行加權(quán)平均計(jì)算，計(jì)算的結(jié)果作為最后的融合值，常用于處理數(shù)據(jù)源的數(shù)據(jù)具有較大差異 的情況。 3. 3 數(shù)據(jù)融合的基本方法 在無(wú)線傳感器網(wǎng)絡(luò)系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)過(guò)程中，并沒(méi)有一種通用的數(shù)據(jù)融合方法，對(duì)于傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合，總是根據(jù)具體的實(shí)際應(yīng)用背景，來(lái)選擇相應(yīng)的融合算法。有的應(yīng)用中數(shù)據(jù)形式比較簡(jiǎn)單，不需要進(jìn)行像素級(jí)融合，就使用靈活的特征級(jí)融合手段，而有的應(yīng)用要處理大量原始數(shù)據(jù)，則選用像 素級(jí)融合。 上述的數(shù)據(jù)融合方法各有特點(diǎn)，在具體應(yīng)用的過(guò)程中應(yīng)該根據(jù)具體數(shù)據(jù)融合的目的和條件選擇合適的融合方法。它的缺點(diǎn)是信息損失大、精確性差。決策級(jí)融合是面向應(yīng)用的融合。再按統(tǒng)一目標(biāo)將各傳感器關(guān)于目標(biāo)的說(shuō)明數(shù)據(jù)進(jìn)行分級(jí)，即關(guān)聯(lián) 。 16 (3)決策級(jí)融合 決策級(jí)融合位于三層數(shù)據(jù)融合的最高層。由于特征級(jí)融合兼具了像索級(jí)融合與決策級(jí)觸合的優(yōu)缺點(diǎn)，具有較大靈活性，在許多情況下很實(shí)用。特征級(jí)融合是像索級(jí)融合與更高級(jí)決策級(jí)融合的折中形式，特征級(jí)融合一般采用分布式或集中式的融合體系，特征級(jí)觸合可以對(duì)數(shù)據(jù)進(jìn)行綜合融合。像素級(jí)融合通常要求精確的傳感器配準(zhǔn)和很高的傳輸帶寬。在像素級(jí)融合中，原始數(shù)據(jù)必須是匹配的，傳感器測(cè)量的是同一物理現(xiàn)象，如果傳感器不是同類(lèi)的，則無(wú)法進(jìn)行像素級(jí)融合，只能進(jìn)行特征級(jí)融合或決策級(jí)融合。 (3)提高數(shù)據(jù)收集效率 對(duì)傳感器節(jié)點(diǎn)采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)融合處理，減少了需要傳輸?shù)臄?shù)據(jù)量，從某種程度上降低了數(shù)據(jù)鏈路過(guò)程中的鏈路難度，減少了數(shù)據(jù)在無(wú)線通信過(guò)程中的沖突碰撞，減輕了網(wǎng)絡(luò)的傳輸擁塞，降低了數(shù)據(jù)的傳輸延遲，有效提高了數(shù)據(jù)收集效率。 (2)提高采集信息的準(zhǔn)確性 無(wú)線傳感器節(jié)點(diǎn)負(fù)責(zé)采集影響農(nóng)作物生長(zhǎng)的環(huán)境參數(shù)信息，由于傳感器節(jié)點(diǎn)存在因成本和體積而 導(dǎo)致的精度問(wèn)題，加之進(jìn)行數(shù)據(jù)采集時(shí)周?chē)h(huán)境因素的影響以及使用無(wú)線通信進(jìn)行數(shù)據(jù)傳遞時(shí)容易受到干擾和破壞，單一傳感器節(jié)點(diǎn)獲得的數(shù)據(jù)信息往往存在不可靠性。 3. 1 .2 數(shù)據(jù)融合的意義 本系統(tǒng)的數(shù)據(jù)采集網(wǎng)絡(luò)采用基于 ZigBee 技術(shù)的無(wú)線傳感器網(wǎng)絡(luò)，數(shù)據(jù)融合對(duì)于無(wú)線傳感器網(wǎng)絡(luò)的意義可以表述如下 : (1)減少冗余信息，降低能量消耗 為了增強(qiáng)采集數(shù)據(jù)的準(zhǔn)確性并確保整個(gè)無(wú)線傳感器網(wǎng)絡(luò)的穩(wěn)定性和魯棒性，無(wú)線傳感器節(jié)點(diǎn)需要大量且廣泛的分布于采集區(qū)域內(nèi)，相鄰無(wú)線傳感器節(jié)點(diǎn)的采集區(qū)域可能重疊，從而導(dǎo)致相鄰傳感器節(jié)點(diǎn)發(fā)送的信息存在冗余性。然后關(guān)聯(lián)，關(guān)聯(lián)過(guò)程是針對(duì)傳感器獲得的數(shù)據(jù)而進(jìn)行的，針對(duì)不同的目標(biāo)，傳感器節(jié)點(diǎn)會(huì)獲得不同的數(shù)據(jù)，將所有傳感器采集獲得的數(shù)據(jù)按照統(tǒng)一目標(biāo)分組，這一過(guò)程即為關(guān)聯(lián) 。其次，提取特征矢量，即 對(duì)用感知技術(shù)采集到的觀測(cè)數(shù)據(jù)進(jìn)行特征提取，得到感知數(shù)據(jù)的特征矢量 。 數(shù)據(jù)融合技術(shù)是應(yīng)用在數(shù)據(jù)處理方面的多學(xué)科交叉的新技術(shù)，其研究的內(nèi)容具有多樣性的特點(diǎn)，對(duì)從信息源獲得的可用信息可以進(jìn)行多種綜合處理，并且數(shù)據(jù)融合技術(shù)的分析和決策方法涉及多個(gè)知識(shí)領(lǐng) 域，所以到目前為止，數(shù)據(jù)融合并沒(méi)有一個(gè)統(tǒng)一的定義，根據(jù)資料，數(shù)據(jù)融合技術(shù)可以較為貼切的歸納為 :數(shù)據(jù)融合技術(shù)是一種信息處理技術(shù)，對(duì)按時(shí)序獲得的觀測(cè)信息，使用計(jì)算機(jī)在特定準(zhǔn)則下加以自動(dòng)分析、綜合，以完成所需的決策和評(píng)估任務(wù)。 總體來(lái)講，農(nóng)業(yè)物聯(lián)網(wǎng)將朝著更透徹的感知、更全面的互聯(lián)互通、更深入的智慧服務(wù)和更優(yōu)化的集成趨勢(shì)發(fā)展。隨著農(nóng)業(yè)物聯(lián)網(wǎng)企業(yè)和標(biāo)準(zhǔn)的不斷完善，農(nóng) 業(yè)物聯(lián)網(wǎng)將朝著協(xié)同化方向發(fā)展，形成不同農(nóng)業(yè)產(chǎn)業(yè)物體間、不同企業(yè)間乃至不同地區(qū)不同國(guó)家間的農(nóng)業(yè)物聯(lián)網(wǎng)信息的互聯(lián)互通操作，應(yīng)用模式從閉環(huán)走向開(kāi)環(huán)，最終形成可服務(wù)于不同應(yīng)用領(lǐng)域的農(nóng)業(yè)物聯(lián)網(wǎng)應(yīng)用體系。第五種，農(nóng)業(yè)視覺(jué)處理技術(shù)，是指利用圖像處理技術(shù)對(duì)采集的農(nóng)業(yè)場(chǎng)景圖像進(jìn)行處理而實(shí)現(xiàn)對(duì)農(nóng)業(yè)場(chǎng)景中的目標(biāo)進(jìn)行識(shí)別和理解的過(guò)程 ，基本視覺(jué)信息包括亮度、形狀、顏色、紋理等。第三種，農(nóng)業(yè)智能決策技術(shù)，是智能決策支持系統(tǒng)在農(nóng)業(yè)領(lǐng)域的具體應(yīng)用，結(jié)合了人工智能、商務(wù)智能、決策支持系 統(tǒng)、農(nóng)業(yè)知識(shí)管理系統(tǒng)、農(nóng)業(yè)專(zhuān)家系統(tǒng)等內(nèi)容 :第四種，農(nóng)業(yè)診斷推理技術(shù)，當(dāng)農(nóng)業(yè)客體，如人棚里的植物、花園里的花卉、畜牧業(yè)中的動(dòng)物，發(fā)生病蟲(chóng)滅害時(shí)，客體本身會(huì)表現(xiàn)出一定的特征，農(nóng)業(yè)診斷是指農(nóng)業(yè)專(zhuān)家根據(jù)這些客體所表現(xiàn)出的特征，根據(jù)理論和過(guò)往經(jīng)驗(yàn)對(duì)其進(jìn)行識(shí)別判斷，找出相應(yīng)的方法進(jìn)行預(yù)防或者改變。農(nóng)業(yè)預(yù)警是指對(duì)農(nóng)業(yè)的未來(lái)狀態(tài)進(jìn)行測(cè)度，預(yù)報(bào)不正確狀態(tài)的時(shí)空范圍和危害程度以及提出防范措施 。 農(nóng)業(yè)信息處理技術(shù)，是以農(nóng)業(yè)信息知識(shí)為基礎(chǔ)，采用各種智能計(jì)算方法和手段，使得物體具備一定的智能性，能夠主動(dòng)或被動(dòng)地實(shí)現(xiàn)與用戶的溝通。 農(nóng)業(yè)信息傳輸技術(shù)，是指將涉農(nóng)物體通過(guò)感知設(shè)備接入到傳輸網(wǎng)絡(luò)中，借助有線或無(wú)線通信網(wǎng)絡(luò)，隨時(shí)隨地進(jìn)行高可靠度的信息交互和共享。第四種， GPS 技術(shù)，即全球定位系統(tǒng)，是指利用衛(wèi)星，在全球范圍內(nèi)進(jìn) 行實(shí)時(shí)定位和導(dǎo)航的技術(shù)，全球