分布式Web服务在农田信息监测智能决策支持系统上应用研究

作者简介：段益群（1962-），女，副教授，研究方向：软件技术应用方面研究。

收稿日期：2015-05-09分布式Ｗｅｂ服务在农田信息监测智能决策支持系统上应用研究段益群1，曾辉2，3，卓辉2，3（1.湖南生物机电职业技术学院，湖南长沙410128；2.湖南农业大学信息科学技术学院，湖南长沙410128；3.湖南省国家农村农业信息化工程技术研究中心，湖南长沙410128）摘要：本文从群体智能决策支持系统中的知识库模型出发，将分布式Web 服务技术植入原有决策支持系统，在此基础上增添农田信息AI 逻辑判断功能、数理统计模块、人工现实功能。

系统能有效解决农田信息监测过程中存在诸多结构化或非结构化问题，对即时监测农田数据精准度，减少数据冗余起到辅助作用。

同时，也将为农业生产者或农业领域相关单位提供更加科学辅助决策起到一定指导价值。

关键词：群体智能决策；知识库；农田信息监测；精准中图分类号：TP315文献标识码：A文章编码：1672－6251（2015）06－0026－05Applied Research of Distributed Web Service in Farmland Information Monitoringand Intelligent Decision Support System DUAN Yiqun 1,ZENG Hui 2,3,ZHUO Hui 2,3(1.Hunan Biological and Electromechanical Polytechnic,Hunan Changsha 410128;2.College of Information Science and Technology,Hunan Agricultural University,Hunan Changsha 410128;3.National Rural Agricultural Information Engineering Technology Research Center of Hunan,Hunan Changsha 410128)Abstract:Based on the knowledge base model of group intelligent decision support system,the distributed Web service was put into the existing decision support system,adding up field information AI logic function,mathematical statistics module and artificial reality function,which can solve many structured or unstructured problems in farmland information monitoring process and help improve the accuracy of real-time monitoring data and reduce data redundancy.At the same time,it would play a guiding value in providing more scientific decision support for agricultural producers or relevant units in rural fields.Key words:group intelligent decision;knowledge base;farmland information monitoring;precision农业网络信息AGRICULTURE NETWORK INFORMATION·信息技术·2015年第6期群体智能决策支持系统相比支持决策系统而言，在原有的数理统计模块基础上增添了可用于标记扩展符号应用的人工智能服务[1]，能更有效地解决农田信息感知、传输、控制、加工、处理过程中存在复杂因素，使得基础农田基础数据与知识不在受时空、地域、自然环境因素等束缚，达到对农田耕作面积、土壤湿度、水分含量、病虫害预防与诊治、作物施肥精准模拟以及单位面积农作物产量数值建模与预测。

因此，须将群体智能决策系统与农田信息管理平台实现有效对接，在群里智能决策支持系统中通常包含联机事务处理系统[2~5]（OLTP ）、联机分析处理系统[6~9]（O -LAP ）、数据仓库[10~12]（DWH ）以及相关知识模型、推理模型、虚拟现实模型[13~15]、辅助决策分析模型等智能功能可以一定程度上对农田自身属性、农作物生长信息精准预测和科学决策。

但是，由于受外界环境变化影响，农田诸多信息与数据日新月异、不断更新必将导致群体智能支持决策系统在即时性、分布式处理上存在缺陷。

为此，本文将Web 服务中动态标准通用标记语言DHTML （图1)与群体智能决策支持系统有机结合，图2农田基础数据与信息集成与共享原理图图1系统结构简图为农业生产者或农业领域相关单位提供更加科学的辅助决策服务。

1系统软件结构1.1系统运行环境设计思路系统支撑以Oracle 10g 和SQL Server 分别作为Client 和Server 的数据库设计结构。

采用Web Logic Server 12c 作为动态JSP 引擎；在Linux 下运用VisualC++6.0编写设计模型与推理库生成人机界面与数据库综合管理系统。

首先，农业生产自身诸多因素（如作物生长环境、地域、湿度、气温）使得农业多元信息特征表现异常突出，其中关于此异构不仅仅指数据库内部表结构异构，还包含操作系统的异构。

其次，在应用终端数据使用的装置（RMV 、PDA 、语音识别、文字表达）不同，其数据存储、处理、加工形式也异同，这将使得数据仓库中数据格式变得多元化；同时，在实际生产过程中异构数据应用相对同源数据更为显著。

因此，实现农业数据多源异构是业务逻辑层与应用层中之间中间件的核心问题。

为此，有效解决多源异构问题提高农业数据集成与共享日趋重要，其实现的多源异构数据方案（图2）主要为以下几点。

1.1.1构建系统统一的业务逻辑范畴，提高数据可靠性其具体方案为利用XML 、SOAP\WSDL 亦或适用农业信息系统的成熟架构，解决各个数据库中语义冲突以及通讯协议标准存在不一致问题，实现所有农业信息数据在此平台下两两数据库之间数据同步，从而实现共享与集成，起到无缝链接的作用。

1.1.2运用中心数据库，保证系统访问透明性具体实现方法为构建一个中心数据库对其所有农业信息数据库进行存储和Web Service 认证，使得农业应用终端需求多元化以及数据挖掘得以实现；在此过程中，用户不必考虑其数据模型、管理系统、应用系统之间异构问题，只需运用某种工具，掌握具体使用规则对其进行检索，获取满足自己需要的信息服务。

1.1.3数据独立性充分保证各个农业数据库系统中数据在集成与共享时平台的独立，其具体路线为当数据仓库中某个或某些数据发生改变，其共享平台保持原有架构不变，将其XML元数据映射技术作为中转仓库对数据进行图4农田信息监测智能决策系统框架图图3分布式web 服务平台设计示意图处理，保证程序与数据二者充分隔离，这样既保证数据的真实性，也保障系统平台的可靠性。

1.2系统设计目标构建适合针对各级农业科研院所、农业资源生产部门、农业信息统计单位、基层农技站点及农业种植户对当前庞大、复杂农业信息、数据、知识的智能化、数字化处理和个性化需求；更加有效利用农田基础数据，提高农业事务分析决策，及时对农田数据进行采集、筛选、加工、控制、处理，实现数据共享与集成。

在此过程中，农业种植用户通过该虚拟平台能即时了解当前农田作物生长状况与相关信息，并且根据群体智能决策支持系统对其提供辅助决策可客观科学分析，从而实现对农作物产前、产中、产后一站式监测与管理。

1.3系统性能分析系统基于接口层、应用层、数据层三层体系结构建设。

分层结构既利用了网络的优势，又可避免了因为Web 服务器的性能缺陷对整个系统性能的影响（图3）。

1.3.1接口层接口层位于用户端,是信息平台的农业种植用户、农业科研人员、农业信息工作人员接口部分,相当于用户界面,即通常使用的Web 浏览器。

它负担着用户与应用层之间的对话,用于接收用户的请求,显示数据层返回的结果。

用户端分为三级用户：一般用户、普通管理员、超级管理员，通过他们来浏览网页信息,维护网页数据和网站结构。

1.3.2应用层应用层是系统核心部分,主要是对农业生产、统计、科学研究用户的请求进行处理，包括处理接口层的HTTP 请求，以及与数据库服务器的连接交互,一般以Web 服务方式实现。

以WindowsServer +IIS 作为应用层平台,采用ASP.NET 构造应用处理程序。

1.3.3数据层数据层位于系统最底层，是信息服务平台的基础，通过 操纵数据为事务逻辑层提供数据服务，如存储数据操作结果、返回数据检索结果等。

数据是信息服务平台的核心资源和竞争力，也是关系到农业信息服务平台长久发展的根基。

2在农田信息监测智能决策管理的应用系统软件运用面向对象方法设计，主要由三大对象模块构成（图4）：①农田数据感知、采集及处理模块；②农田数据网络传输模块；③农田信息应用终端管理模块（农田土壤土壤水分监测管理、农田二氧化图5传输层作为独立实体向上层提供服务碳浓度监测管理、农田平均气温监测管理、农田日照强度监测管理）。

2.1农田数据感知、采集及处理模块实时农业基础数据采集及处理完成对田间农作物生产参数、土地自身属性（面积、泥层含量等）；该模块主要应用于感知端。

主要步骤如下：①获取阶段：根据二维码标签和识读器、RFID 标签和读写器、摄像头、GPS 、传感器、M2M 终端、传感器网关传感仪器设置的时间节点、采集方法对田间作物状况来获取农田相关原始数据。

②初步处理阶段：采用相应的传感器或者单片机嵌入式之类的感知设备对采集到的信号进行初步筛选与处理。

③加工整合阶段：数据通过元处理之后，再整合通信模块，具体视系统而定，针对特定环境采用不同的通信模块，如GPRS 、ZIG -BEER 、BLUETOOTH 、红外。

深度计算与运行得到安全、可靠、实用强的农田可标记性数据。

2.2农田数据网络传输模块在田间数据传输模块中其最终目标向应用层需求用户提供有效、可靠且价格适宜的终端服务。

在原有优化网络基础上，为源端主机1到目的端主机N 之间提供一定可靠性强、价格低廉的数据传输，上一层应用用户在进行数据传输时不必考虑考虑通信过程的具体细节。