[論文レビュー] Severity Prediction of Drought in A Large Geographical Area Using Distributed Wireless Sensor Networks

Satish. G. Dappin, M. Vaidehi+2 more|arXiv (Cornell University)|Jan 21, 2010

Energy Efficient Wireless Sensor Networks参考文献 12被引用数 3

ひとこと要約

本論文は、10,000 km²の地域における環境センサー（気温、降水量、湿度、風速・風向、気圧）を用いて、リアルタイムでの干ばつ深刻度予測を実現する分散型無線センサネットワーク（WSN）アーキテクチャを提案する。5つの地理的に分散したサブネットワークにセンサーノードを配置し、局所的なベースステーションでデータを集約し、中央サーバーに送信して分析することで、干ばつ深刻度を4段階（非干ばつ、軽度、中程度、深刻）に分類する。これにより、長期的な環境傾向と風による干ばつ拡散を基に、早期警戒と予測的イン사이트を可能にする。

ABSTRACT

In this paper, the severity prediction of drought through the implementation of modern sensor networks is discussed. We describe how to design a drought prediction system using wireless sensor networks. This paper will describe a terrestrial interconnected wireless sensor network paradigm for the prediction of severity of drought over a vast area of 10,000 sq km. The communication architecture for sensor network is outlined and the protocols developed for each layer is explored. The data integration model and sensor data analysis at the central computer is explained. The advantages and limitations are discussed along with the use of wireless standards. They are analyzed for its relevance. Finally a conclusion is presented along with open research issues.

研究の動機と目的

• 大規模な干ばつ監視に適したスケーラブルで低消費電力かつフェイルセーフなWSNアーキテクチャの開発。
• 複数パrameterの環境センシングを用いたリアルタイムでデータ駆動型の干ばつ深刻度分類の実現。
• 干ばつパターンの進化を予測することで、気象学者や政策立案者による意思決定支援。
• 分散型センサネットワークを用いた長期的環境危険予測の実現可能性の評価。

提案手法

• 10,000 km²の領域内に5つの100 km²のサブ領域にわたり、高密度な無線センサネットワークを展開。
• センサーノードに気温、湿度、風速・風向、気圧、降水量を測定するアナログセンサーを装備。
• 局所的なデータ処理とピアツーピア通信のために、マイクロコントローラーとRFトランシieverを搭載したMotesを採用。
• 3段階のアーキテクチャを構築：センサーノード（第1層）、ローカルベースステーション（第2層）、高性能コンピューティングを備えた中央リモートベースステーション（第3層）。
• 長距離通信とIPベースのリモートアクセスのために、TCP/IPおよび802.11無線LANを活用。
• OMNeT++を用いたシミュレーションで、メッセージ遅延とホップ数依存のシミュレーション時間を考慮したバイナリツリー構造を用いてデータルーティングをシミュレート。

実験結果

リサーチクエスチョン

• RQ1 大規模地理的領域にわたり、干ばつ状態を効果的に監視するための分散型WSNをどのように展開できるか？
• RQ2 リアルタイムでの干ばつ深刻度を予測する上で、最も予測的である環境パラメータは何か？
• RQ3 複数のセンサーネットワークからのデータをどのように集約・分析して干ばつ進化を予測できるか？
• RQ4 風向と気圧が、干ばつ状態の空間的拡散に果たす役割は何か？
• RQ5 センサーから得られるデータを用いて、干ばつ深刻度（非干ばつ、軽度、中程度、深刻）を分類する際の正確性はどの程度か？

主な発見

• センサーネットワーク3は、継続的な高温と年間降水量がほぼゼロであったため、深刻な干ばつを示した。
• センサーネットワーク4は、平均を上回る気温と年間降水量が25 mm未満であったため、中程度の干ばつを示した。
• センサーネットワーク1および5は非干ばつ地域として分類され、安定した気候条件が確認された。
• センサーネットワーク2は、中間的な環境ストレスを示し、軽度の干ばつリスクがあると特定された。
• 風データから、干ばつ状態の空気がセンサーネットワーク3からネットワーク4へ方向性を持って移動していることが示され、今後の干ばつ拡大の兆候が示された。
• 環境傾向を統合的に分析した結果、本システムは、ネットワーク2および3が近い将来に深刻な干ばつに見舞われる可能性を的確に予測した。