二十一世纪,面临着人口的大量增长、耕地的萎缩以及越来越多的证据表明农业投入对环境和健康的不利影响,需要新的农业途径来提高现有耕地产量和效益的生产。几个世纪的农业研究大大提高了对农业系统的认识,虽然影响农业生产的因素很多,但科学上来讲,我们仍是知之甚少。农民往往把关键作物管理决策建立在个人经验和直觉的基础上,因为他们缺乏关于这些决定如何影响产量的定量科学证据。为了满足日益增长的对农产品的环保需求,帮助农场做好数据决策,更加高效准确的采集和分析农业环境数据的方法就变得尤为重要了。利用WSNs(Wirless Sensor Networks无线传感器网络)与互联网实现统一寻址,收集大数据时代需要的海量信息以及建立更广泛的普适性,减少设计差异复杂度是物联网近年来的发展新思路。本文提出并实现了一种基于IPv6网关的多协议无线传感网融合系统,Zig Bee、Wi Fi、蓝牙多种传感器可以在IPv6网关下进行相互通信,以满足无线传感网在不同环境不同应用下的多种需求,相比单一通信协议的WSNs更具灵活性和普适性。首先,设计了一种基于IPv6的网关架构,实现不同的无线设备,全部采用IPv6协议达到协议通信层的格式统一,达到与互联网统一寻址。实现了Zig Bee、蓝牙、Wi Fi无线设备的IPv6移植,相对于不采用IPv6协议的无线传感器,避免了网关进行复杂的应用层协议转换,降低网关设计复杂度和能耗。其次,还研究了一个混合无线传感器网络的传感器节点定位问题,节点位于地下(传感器节点)和地上(卫星节点)。运用了基于到达时间的测距技术,信号在不同传播速度的介质下以及不同程度的干扰和衰减中传播。提出了接收信号强度和接收信号到达时间的联合分布参数估计的问题。首先,利用参与节点的位置坐标在网络中的各种通信场景的功率衰落模型来模拟接收信号强度的传播距离,解释了各种信号的退化沿不同路径到达的两个信号之间的衰落、反射、传输和干扰等效应。在相同的目标下,用传感器节点坐标定位的参数导出测量到达时间的统计模型。基于严格统计分析,推导了信号到达时间的概率分布。然后,利用导出的统计模型,构造最大似然优化问题来估计节点的位置坐标。结果通过该传感器定位方法使用Sci Py优化包在Python实现验证。本研究还对土壤的介电常数和磁导率的估计进行了敏感性分析。最后,聚焦大型农产品生产记录的历史数据,分析预测目标数据集产量和害虫密度和其他因素之间的关系。为了预测产量和害虫密度,比较了三种建模方法:线性回归、随机森林和支持向量机。支持向量机预测在这三种方法中的预测精度最高。其中,预测产量比预测害虫密度(62.6%平均绝对百分比误差)要成功得多(8.2%平均绝对误差百分比)。研究结果强调可以从农业生产历史记录中提取有用的价值。此外,还证明了通过机器学习方法,可以提供比传统的建模方法更多精度、更有说服力的决策。