为了预测环境变化，研究人员创建了新一代无线传感器网络——赛斯维传感器网-ag尊龙凯时·中国官方网站

supratik guha教授开创了无线传感器网络，该系统能够实时监测土壤和水质，改善了气候建模和准确农业的环境数据。如上所示，大型传感器平台用于测量叶绿素和色氨酸等水参数。分享：约翰·齐奇

“物联网”是一个不断增长的互联设备网络 - 包括从智能灯泡到仓库机器人的一切 - 被认为是“第四次工业”的核心支柱，因为它改善了连接和信息共享。

现在想象一下，网络从建筑物扩展到景观中，形成一个感ag尊龙凯时·中国官方网站官网络，监测空气、土壤和水中的污染和营养成分。这样一个网络是芝加哥大学普利兹克分子工程学院（pme）教授、阿贡国家实验室顾问supratik guha的目标。

他和他的团队正在开发“无线传感器网络”——传感器阵列，可以监视一英亩宽的土地和水域，以跟踪污染、湿度水平和化学成分。古哈认为，这些系统将解锁地球快速变化的组成急需的数据。

“这些传感器网络将提供实时、高密度的数据，这对于创建生态系统的准确图片至关重要，”guha说。“我们想看看河流是如何被污染的，有多少肥料被冲出土壤。有了更好的数据，陆地生态学家可以开发更好的氮和二氧化碳循环模型;农民可以在正确的时间使用适量的水。

在农业中，小数据点可以产生深远的影响。体积含水量 - 有多少水被吸收到特定的泥土中 - 决定了农民今天是灌溉他的田地还是推迟灌溉。水太少，植物可能会枯萎。过多的水会加剧土壤侵蚀，浪费资源，并污染下游供应。

陆地生态学也是如此——数据为王。但是，直到近期，关于短期环境变化的质量数据历来很难获得。

利用较便宜的传感器和低功耗无线系统（如sigfox）的出现，guha教授和他的团队以梭罗（以博物学家亨利·大卫·梭罗的名字命名）创建了三个独立的环境传感器网络。一个这样的网络监测几条印度河流的水质，另一个记录芝加哥大学校园周围的地面湿度，而第三个网络在伊利诺伊州巴达维亚费米国家实验室附近的一个试点农场全年收集土壤信息。

从事该项目的四年级博士生格雷戈里·格兰特（gregory grant）解释了其更广泛的潜力。

“通过在田野或国家森林或自然保护区不显眼地部署传感器，我们可以监测水质或土壤温度，”格兰特说。“在像加利福尼亚这样的地方，这是监测野火或帮助农业管理的有力工具。我们可以就危害、用水、肥料径流、污染做出明智的决定——我们学到了很多东西。

网络的通信节点（上图）封装在透明防水塑料中，埋在地表以下一英尺半的地方。学分：古哈实验室

传感器技术发展迅速，每个梭罗网络中使用的特定组件随着时间的推移而变化。费米农场网络（梭罗2.0）使用相对便宜的土壤传感器连接到塑料封装的电路板。这些“节点”看起来类似于一个小型的无屏幕智能手机，其一端有一个尖头天线。

农场的 23 个节点中的每一个都埋在地表以下一英尺半的地方，在那里它们检测体积含水量、温度和土壤电导率。四个aa锂离子电池为节点供电，使其使用寿命约为四年半。

传感器寿命的关键是它们使用低功耗广域网（lpwan）硬件，这是一种以较低频率传输少量数据的技术，有时称为“零g”网络。

一旦被埋葬，节点每三十分钟收集一次信息，将其中继到位于场地中间的30英尺高的太阳能基站，该基站又将信息传输到guha的实验室。处理后，数据将公开显示在项目网页上。

该网络自 2019 年开始运营，几乎不需要维护，这表明它可以在不干扰日常农场运营的情况下运行多年。

古哈教授的一个监测河流污染的环境传感器网络于2017年在印度开发。从那时起，他和他的团队加入了一项全球合作努力，将先进的技术应用于环境可持续性和先进农业。

nsf和美国农业部支持该试点网络，作为未来农业复原力，管理和可持续性（aifarms）研究所的人工智能的一部分。aifarms是一个多机构机构，致力于推进基础人工智能，以应对世界农业面临的重要挑战。

古哈说，这种合作精神对于解决如此巨大的问题至关重要，这也是他被芝加哥大学吸引的原因之一。

“我来到芝加哥大学的一个重要原因是探索不同的追求并与这个专家网络合作，”古哈说。“事实上，我的水项目始于与芝加哥大学法学院的anup malani的合作，然后通过与能源政策研究所（epic）和芝加哥大学德里办事处的互动进一步发展。问题是多方面的。有社会经济因素，政治因素，监管因素，商业因素 - 对于当今复杂的环境问题，您需要该网络才能产生影响。

展望未来，guha的目标是进一步降低传感器单元的成本，同时简化整个系统。

“传感器网络已经走了很长一段路，因为您可以通过集成易于获得的标准化组件来组合系统，”guha说。“该领域的未来研究将集中在使网络负担得起，以便它们可以在全球范围内大规模部署。我们还在努力开发新的传感器，可以轻松测量我们今天无法可靠测量的许多参数：例如土壤中的硝酸盐含量以及水和土壤中的微生物含量。