环境监测是智慧城市的重要组成部分,也是污染源控制、环境管理与保护的前提和基础。环境监测类应用通常需要部署大量位置固定的传感器节点来获取感知数据,不仅部署速度慢,网络成本也很高。为了解决这些问题,研究人员一方面提出了多种数据预测和估算方法,另一方面引入了移动节点,以减少网络节点的部署,降低网络成本,提高网络的灵活性与健壮性。本文也针对这类问题进行了研究,并做了如下工作。(1)对未监测地点进行数据预测可以减少感知节点的部署,降低环境感知的成本。传统的克里金插值算法存在变差函数拟合参数不准确等问题,导致结果不够精确。本文结合感知数据的特性,引入了自适应权重最小二乘法来进行变差函数的拟合,并提出了两种改进的克里金算法:基于残差改进的克里金数据插值算法和基于滞后距改进的克里金数据插值算法。仿真结果表明,两种算法的预测结果优于传统的克里金插值方法。(2)为进一步减少环境感知节点的部署数量,本文设计并实现了一个环境信息移动感知仿真系统。系统以Raspberry Pi 2作为处理模块,包含环境感知节点、GPS模块、供电模块等,可移动式收集目标区域的环境数据,并进行图形化界面显示。系统使用改进的克里金数据插值算法对未监测的数据进行预测。综合分析表明,本文提出的改进克里金数据插值方法效果良好,区域环境信息移动感知仿真系统实用可行。