论文部分内容阅读
无线传感器网络（Wireless Sensor Networks，以下简称WSN）技术集成了传感器技术、通信网络技术和计算机技术等多种前沿技术，近年来发展迅速，已越来越多地应用到地学的观测试验中。“黑河流域生态水文无线传感器网络”是WSN观测技术在近地表生态水文观测试验领域最新、最全面、智能化程度最高的应用实例。黑河WSN观测数据自动综汇系统已成功实现了异源WSN数据的自动采集、传输入库、数据质量控制、在线数据可视化应用、仪器状态远程监控及面向用户的数据在线发布。自试验开展至今，已经积累了超过七亿条观测数据。 随着大数据时代的到来和计算机技术的不断发展，数据收集和存储的能力都得到了提高，科学研究领域和社会生活中都积累了大量的数据，如何分析这些海量数据并从中发掘有价值的信息具有重要意义。数据挖掘，即识别出巨量数据中有效的、新颖的、潜在的、有用的、最终可理解的平凡过程，为认识、理解和利用数据提供了更加高效和全面的途径。 针对黑河WSN系统获得的海量观测数据，利用数据挖掘的方法发现蕴含在其中的有价值信息，用以辅助从事生态水文研究的科研人员更清晰地理解数据间的相互作用与关系有重要意义。许多数据挖掘的方法已经应用到WSN观测数据的信息提取中，包括聚类分析、关联规则、异常探测和分类等。论文回顾总结了时空数据挖掘的方法及WSN观测数据的信息提取手段，分析了黑河生态水文WSN观测数据的特点。水是制约黑河中游农业和工业发展的重要因素，研究不同地物下垫面的蒸散发对黑河中游地区可持续发展有重要意义，论文探究了时空数据挖掘在黑河WSN土壤水分观测数据信息发掘中的应用，主要研究工作包括以下两个方面: (1)黑河观测数据质量自动控制系统可完成黑河WSN观测数据的初步质量控制，但其采用的处理方法目前仅基于单观测变量，未考虑时空约束信息，极有改造完善的必要性。在黑河中游人工绿洲试验区内，人工灌溉或降水会使土壤导电率、土壤水分等观测变量发生骤变，常规的异常判别方法会将骤变信息标识为异常，这些信息在实际中有非常重要的应用价值。观测变量之间的时间序列相似性可以表示它们是否具有相似变化趋势，论文利用观测变量间的时间序列相似性作为专题属性，将动态的观测值转化为相对静态的变化趋势，提出了一种基于时间序列相似性的时空异常探测方法，该方法能够准确辨别出相关突变信息，有效提高了数据的可用性。在上述工作基础上，分析了各个观测节点的灌溉时间。 (2)论文中以WSN观测数据为基础，利用空间插值方法获取了2012年7月1日至10日黑河中游人工绿洲试验区的灌溉区域。基于密度的时空聚类能够发现各种形状的时空簇，论文利用基于密度的时空聚类方法，对2012年7月5日、6日两天的WATERNET观测节点的4cm土壤水分数据进行聚类。在灌溉区域图的基础上，分析时空聚类结果，为研究土壤的干湿性、旱情监测和不同地物下垫面的地表蒸散发提供参考信息。