设计并评估了一种基于无人机中继的LoRaWAN网络，用于监测森林中站立生树的微气候

《Agricultural and Forest Meteorology》：Design and performance evaluation of a UAV-relayed LoRaWAN network for microclimate monitoring of standing live trees in forests

有效监测森林微气候需解决传统无线传感器网络信号衰减、能耗高等问题。本研究提出AI-IoT框架，通过多源节点监测温湿度、无人机中继LoRaWAN系统实现50米高空信号增强（RSSI提升>30dB，丢包率<5%），并基于LSTM模型构建云平台进行环境预测，发现信号强度与林内热湿状态存在短期耦合关系。

　　

马月伟|何源|李文斌|李青松|陈恒

北京林业大学技术学院，中国北京市海淀区清华东路35号，邮编100083

摘要

有效监测森林微气候（包括树木、土壤和大气条件）对于理解生态系统动态和推进森林管理至关重要。然而，在密集或原始森林中，传统的无线传感器网络（WSNs）和现有的物联网系统受到信号衰减、覆盖范围有限、能耗高以及感知深度不足的制约。能够实现稳定无线通信和环境监测的集成系统，以及对射频信号进行评估的系统仍然缺乏。信号行为与微气候之间的潜在耦合关系也尚未得到充分研究。本研究提出并评估了一个针对封闭林冠层的AI–IoT框架，该框架包括：（1）多源节点，用于监测树干、土壤和空气的微气候变量，并记录RSSI以跟踪链接质量；（2）一个由无人机中继的LoRaWAN系统，该系统中的无人机安装的网关从森林地面升至林冠层以上，从而能够进行高度分辨的传播分析，并将RSSI作为距离和海拔的函数进行建模；（3）一个基于云的平台，用于接收数据流，并通过LSTM模型支持环境监测和短期预测。在研究林分进行的实地实验表明，将无人机网关提升至50米高度可使RSSI提高超过30分贝，并将数据包丢失率从超过60%降低到5%以下（在约1公里的范围内）。LSTM模型对温度和湿度相关变量的预测精度很高，平均绝对百分比误差通常低于5%，而土壤和间歇性气象变量的准确性则处于中等或较低水平。通过联合分析RSSI和位于林冠层以上区域的微气候观测数据，该框架提供了信号强度与树木和土壤热湿状态之间短期耦合关系的初步、特定于该地点的证据。这些关系仅与所监测的林分和时期相关，其普遍性和因果机制需要通过跨地点、多季节的实验验证来确认。

章节摘录

引言

森林生态系统是地球陆地生态的重要组成部分，提供了诸如生物多样性保护、碳封存和水文调节等关键服务。在这些生态系统中，树木周围和内部的微气候在塑造生态过程中起着决定性作用。监测微气候参数（包括树干内部温度和湿度、根区土壤条件以及胸高附近的环境空气温度和湿度）

研究区域

本研究选定的研究区域是中国河北省滦平县的白草窝国家森林公园，地理位置介于北纬40°50′–40°51′和东经117°37′–117°40′之间。该公园面积为54平方公里，其中核心景区面积为10平方公里，森林覆盖率超过80%，植被覆盖率为97.6%。这里拥有中国北部最大且最完整的白桦（Betula platyphylla）森林

无线传感器网络性能评估

为了量化林冠遮挡和几何间隙对森林无线链路的影响，我们进行了垂直网关实验，其中无人机安装的LoRaWAN网关在多个不同高度与十个固定传感器节点进行通信。这些高度涵盖了下层植被层（0米）、林冠层（约15米）以及远高于林冠层的高度（100–300米）。对于每种配置，我们记录了每个节点的接收信号强度（RSSI）和数据包丢失率（PLR）。网关到节点的距离各不相同

无人机辅助LoRaWAN系统的性能和科学意义

所提出的系统将长期以来关于森林无线电传播的定性认识转化为定量、可重复的规则，这些规则既具有操作实用性，又具有生态学解释意义。在封闭林冠层中的多次飞行实验中，高度扫描显示出一个明显的林冠间隙阈值，之后信号强度趋于稳定。在0米（下层植被层）处，平面图和极坐标视图（图6a–b）显示被树叶遮挡的路径中RSSI经常低于-100 dBm，数据包丢失率较高

结论

本研究展示了基于无人机的LoRaWAN监测网络的设计、部署和评估，重点在于揭示无线传播与生态过程之间的相互作用。除了证明技术可行性外，我们在密集森林地形中的实验还发现了一个新的科学现象：接收到的信号强度变化与树木和土壤的热湿状态存在系统性的耦合关系。这表明RSSI不仅

作者贡献声明

马月伟：撰写 – 审稿与编辑，撰写 – 原稿撰写，可视化处理，验证，监督，软件开发，资源管理，项目协调，方法论设计，研究实施，资金获取，正式数据分析，数据整理，概念构思。何源：研究实施。李文斌：监督，正式数据分析。李青松：研究实施。陈恒：研究实施。