论文部分内容阅读
摘要： 在大量使用日化用品使得水体富营养化日益严重的情况下，设计采用水体在线传感器和视频联用的方式来实时监测蓝藻的发展过程，一方面可以很好地提前预测蓝藻水华的发生可能性及过程，一方面还可以降低系统成本。科学合理、经济适用地解决了市、县、镇甚至更基层水源地的蓝藻监测预警问题。
关键词：蓝藻水华；实时监测；叶绿素a；富营养化
中图分类号：I207 文献标识码：A 文章编号：0000-0129/K（2014）02-0087-04
1引言
伴随着改革开放所带来的经济的高速发展，近些年来水体污染也逐渐成为日益严重的社会问题，越来越受到国家相关部门甚至是普通老百姓的热切关注。在城市或大量人口集中地一些营养丰富的水体中，蓝藻是一种常见的水体污染，一般会在夏季大量繁殖，蓝藻爆发的时候会在水面形成一层蓝绿色而有腥臭味的浮沫，被称为“蓝藻水华”；大规模的蓝藻爆发又被称为“绿潮”（和海洋中的赤潮对应），绿潮经常会引起水质的恶化，严重时会耗尽水中氧气而造成水生生物的死亡乃至对生态平衡的严重破坏。更为严重的问题是蓝藻中有些种类（如微囊藻）还会产生微囊藻毒素（简称MCs），大约50%的绿潮中含有大量MCs①。MCs除了直接对水体中的鱼类、对人畜产生毒害之外，同时也是肝癌的重要诱因②。
对于大面积水体而言，蓝藻的爆发危害尤其严重，一般在肉眼发现蓝藻爆发时已为时过晚，小范围的生态平衡已经遭到不可修复的破坏，因此对水体的蓝藻爆发做提前监测并预警非常有必要③。
2原理
目前蓝藻检测方法主要有人工采样、自动监测系统、全球眼系统、卫星遥感法，不同方法各有优劣势，我们统计比较汇总于下页表1④-⑥。
蓝藻问题的产生其根本原因是水体富营养化（随着城市化进程的推进，这是个不可避免的问题），而蓝藻的大量爆发还需要水温条件的促成，当温度适宜时，数量每一天可以呈几何级数增加。
水体中叶绿素a（CHL-a）的浓度直接反映了水体中蓝藻的含量，最能体现蓝藻的存在现状；水体中的总有机磷（TP）、总有机氮（TN）的含量表征水体的富营养化程度，蓝藻的死亡又加剧了水体的富营养化程度，蓝藻的生长过程中，由于作物的光合作用，消耗了部分CO2的含量，pH值升高，并产生大量的氧气，导致了水体中的溶解氧（DO）浓度的升高，随着蓝藻的逐步死亡，光合作用的减少，CO2消耗含量减小，降低了pH值，又导致了水体中溶解氧的降低⑦-⑧。
因此，可以监测水体的叶绿素a的含量，由此估算水体中蓝藻水华可能的总量，TP、TN、pH、DO是蓝藻水华发展过程中的变量，监测过程中同时对水体中的TP、TN、pH、DO的浓度进行监测，通过的合适的规律算法可预测一段时间后叶绿素a的浓度及其他的变量⑨，从而实现蓝藻监测及预警。
3设计
对于各地在省市级的蓝藻监测系统项目，通常由市环保局牵头、联合水利局、气象、园林、城建部门，对蓝藻进行监测治理。其中水文、水质检测参数多（如水温、风向、风速、pH、溶解氧、浊度、透明度、照度、藻类总密度、叶绿素a等），一方面设备成本、维护成本投入高，在区、县地方很难普及；另一方面，水文、水质的监测参数反映水体的各层面特定情况，水质的各参数（如叶绿素、溶解氧、浊度、透明度、pH）相互关联，重复监测会造成建设成本的浪费和分析数据的冗余⑩。
我们设计采用水体在线传感器和视频联用的方式来监测蓝藻，可以科学合理、经济适用地解决所处市、县、镇甚至更基层水源地的蓝藻监测预警问题。
在项目一期，我们将日照、风向、风速等水文参数作为蓝藻爆发的重要诱因，同时检测水体叶绿素含量，当水体中的叶绿素含量持续增加达到预警值时，开启视频观察水体状况并由相关责任部门查明水情、做出相应处理，叶绿素传感器放置在水体内，采用超声波振荡的方式对叶绿素传感器的光学部件进行清洁，保证仪器工作在合适的环境，在线探测传感器和视频传感器构成一个组合传感器节点，将其放置在水体敏感位，并将各个节点通过无线GPRS组网，传输到蓝藻数据库服务器，记录各水域的各个敏感节点实时测量的蓝藻含量和历史数据。此时结合我们所设计的地理位置系统，将叶绿素的含量在地图上实时显示出来。
在项目二期，增加水质传感器的类型，如增加水中溶解氧DO传感器、总磷TP传感器、总氮TN传感器、硝酸盐氮NO3-N传感器、氨氮NH4-N传感器、色度传感器、酸碱度pH传感器、浊度SS传感器、温度传感器等，从更广阔的角度来测量水体的营养盐含量和分析水质的发生、发展潜力，通过分析各个传感器的历史数据、以及各个监测参数与叶绿素含量的联系，采用神经网络算法推测3-5天后的叶绿素含量B11，实现蓝藻水华预报。
监测方案采用系统集成、监测敏感位置的方式，整个系统在各个关键位置布置各个自动检测子站，子站可采用固定场所的方式，也可采用浮标的方式放置在水面，随风飘移到探测位置，或两种方式相结合。每个子站配置各种传感器（如水中溶解氧DO传感器、总磷TP传感器、总氮TN传感器、硝酸盐氮NO3-N传感器、氨氮NH4-N传感器、色度传感器、酸碱度pH传感器、浊度SS传感器、温度传感器等），传感器探测的数据通过数据传送单元发送3G无线信号到蓝藻监测数据库中心，数据平台安装在监控平台上，保证实现传感器的正常工作，如图1所示。
本系统的建立是基于神经网络的藻类水华短期智能预测模型，实时监测水体水质参数、水文参数和气象参数，建立集成、多元、多点的实时数据采集系统，提高蓝藻水华预测的精度，对蓝藻水华的短期预警提供有效的方法，结合GIS技术，监测各处的实时蓝藻水情和预测各处蓝藻的短期发展。
由以上分析，我们按照模块化、层次化的思想设计蓝藻监测模块，主界面如下图2所示。
主界面包含GIS系统，当鼠标点击某地时，出现相应的监控子站，将子站的监测数据显示出来；选择历史数据，分析该地子站蓝藻监测模块，选择历史数据和输入气象条件、水文数据，将出现一段时间内叶绿素的预测模型，如图3所示。 选择某地的全球眼系统，将启动该地的视频，显示系统参数如图3所示。
监测模块预留卫星遥感接口，为下一步接入卫星遥感，圈中特定区域，显示该处水体的水质状况，并根据历史数据库，预测该处水质在一段时间内的叶绿素浓度，如图4所示。
对监控子站而言，可根据不同的需求组合不同硬件及软件以完成相应的功能模块，主要功能模块如图5虚线内所示，检测子站包含执行层的数据传输单元读取下位机传感器的水文、水质数据，以及控制摄像头的幅面、变焦、控制视频云台的俯仰角、周向旋转、水质传感器的清洗等功能，另一方面数据传输单元将采集到的数据通过3G无线模块传输到蓝藻监测模块。
最终设计的监控子站实物图如图6所示：
为测试产品的性能及监测的准确性，秦工于2013年7月携带样机在蓝藻易爆发水域太湖西北部近岸水域监测了近30天的水体蓝藻及叶绿素含量的情况，得到数据如下表：结合肉眼对水面的观察和气象卫星的数据，2013年7月10-11号日气象卫星观测到此水域有较明显的蓝藻水华发生，与实验所测数据吻合，说明子站系统能较好的提前对水体的蓝藻爆发做出预警。
4结论
上述设计借助子系统传感器的设计及强大的信息互联技术，尽可能集自动监测系统、全球眼系统、卫星遥感等技术的优势于一体，避免了人工采样分析时间过长、全球眼系统对远景分辨率不高、卫星遥感受天气影响严重且信息偏于滞后等问题。同时按现在的价格估算，一个监控子站的硬件成本可控制在1万元以下，布点的多少可根据实际情况安排，与现有的自动监测蓝藻系统监测硬件成本投入相比，大大减少了子站单元的建设成本。
注释：
① 秦伯强 太湖水环境面临的主要问题研究动态与初步进展[J]湖泊科学，1998，（04）：1-9
② 韩秀珍，朱小祥，刘诚 基于MODIS数据的太湖蓝藻信息提取研究[A]2007139-144
③ 黄家柱，赵锐卫星遥感监测太湖水域蓝藻爆发[J]遥感信息，1999，（04）：43-44
④ 孔繁翔，高光 大型浅水富营养化湖泊中蓝藻水华形成机理的思考[J]生态学报，2005，（03）：589-595
⑤ 马荣华，唐军武 湖泊水色遥感参数获取与算法分析[J]水科学进展，2006，（02）：720-726
⑥ 高月香，张永春 水文气象因子对藻华爆发的影响[J]水科学与工程技术，2006，（02）：10-12
⑦ 杨清心 太湖水华成因及控制途径初探[J]湖泊科学，1996，（01）：67-74
⑧ 段洪涛，张寿选，张渊智 太湖蓝藻水华遥感监测方法[J]湖泊科学，2008，（02）：145-152
⑨ 刘良明，文雄飞，余凡MODIS数据Bowtie效应快速消除算法研究[J]国土资源遥感，2007，（02）：10-15
⑩ 付必涛，王乘，曾致远 MODIS数据几何校正算法设计及其IDL实现[J]遥感信息，2007，（02）：20-23
B11 梅安新，彭望碌，秦其明 遥感导论[M]北京：高等教育出版社，2001
Abstract： In order to solve more and more serious water-body eutrophication caused by extensive use of cosmetic products， the design uses the online video sensor and water coupling to achieve a real-time monitoring for the process of cyanobacteria′s development. For one thing， we can well predict both the possibility and the process of cyanobacteria blooms； for another， we can reduce the system′s cost. Then the design can provide a more scientific and economical solution to the problem of cyanobacteria monitoring for a city， or a town.
Key words：Cyanobacteria bloom； Real-time monitoring； Chlorophyll a；Eutrophication
【责任编辑 罗 雪】
关键词：蓝藻水华；实时监测；叶绿素a；富营养化
中图分类号：I207 文献标识码：A 文章编号：0000-0129/K（2014）02-0087-04
1引言
伴随着改革开放所带来的经济的高速发展，近些年来水体污染也逐渐成为日益严重的社会问题，越来越受到国家相关部门甚至是普通老百姓的热切关注。在城市或大量人口集中地一些营养丰富的水体中，蓝藻是一种常见的水体污染，一般会在夏季大量繁殖，蓝藻爆发的时候会在水面形成一层蓝绿色而有腥臭味的浮沫，被称为“蓝藻水华”；大规模的蓝藻爆发又被称为“绿潮”（和海洋中的赤潮对应），绿潮经常会引起水质的恶化，严重时会耗尽水中氧气而造成水生生物的死亡乃至对生态平衡的严重破坏。更为严重的问题是蓝藻中有些种类（如微囊藻）还会产生微囊藻毒素（简称MCs），大约50%的绿潮中含有大量MCs①。MCs除了直接对水体中的鱼类、对人畜产生毒害之外，同时也是肝癌的重要诱因②。
对于大面积水体而言，蓝藻的爆发危害尤其严重，一般在肉眼发现蓝藻爆发时已为时过晚，小范围的生态平衡已经遭到不可修复的破坏，因此对水体的蓝藻爆发做提前监测并预警非常有必要③。
2原理
目前蓝藻检测方法主要有人工采样、自动监测系统、全球眼系统、卫星遥感法，不同方法各有优劣势，我们统计比较汇总于下页表1④-⑥。
蓝藻问题的产生其根本原因是水体富营养化（随着城市化进程的推进，这是个不可避免的问题），而蓝藻的大量爆发还需要水温条件的促成，当温度适宜时，数量每一天可以呈几何级数增加。
水体中叶绿素a（CHL-a）的浓度直接反映了水体中蓝藻的含量，最能体现蓝藻的存在现状；水体中的总有机磷（TP）、总有机氮（TN）的含量表征水体的富营养化程度，蓝藻的死亡又加剧了水体的富营养化程度，蓝藻的生长过程中，由于作物的光合作用，消耗了部分CO2的含量，pH值升高，并产生大量的氧气，导致了水体中的溶解氧（DO）浓度的升高，随着蓝藻的逐步死亡，光合作用的减少，CO2消耗含量减小，降低了pH值，又导致了水体中溶解氧的降低⑦-⑧。
因此，可以监测水体的叶绿素a的含量，由此估算水体中蓝藻水华可能的总量，TP、TN、pH、DO是蓝藻水华发展过程中的变量，监测过程中同时对水体中的TP、TN、pH、DO的浓度进行监测，通过的合适的规律算法可预测一段时间后叶绿素a的浓度及其他的变量⑨，从而实现蓝藻监测及预警。
3设计
对于各地在省市级的蓝藻监测系统项目，通常由市环保局牵头、联合水利局、气象、园林、城建部门，对蓝藻进行监测治理。其中水文、水质检测参数多（如水温、风向、风速、pH、溶解氧、浊度、透明度、照度、藻类总密度、叶绿素a等），一方面设备成本、维护成本投入高，在区、县地方很难普及；另一方面，水文、水质的监测参数反映水体的各层面特定情况，水质的各参数（如叶绿素、溶解氧、浊度、透明度、pH）相互关联，重复监测会造成建设成本的浪费和分析数据的冗余⑩。
我们设计采用水体在线传感器和视频联用的方式来监测蓝藻，可以科学合理、经济适用地解决所处市、县、镇甚至更基层水源地的蓝藻监测预警问题。
在项目一期，我们将日照、风向、风速等水文参数作为蓝藻爆发的重要诱因，同时检测水体叶绿素含量，当水体中的叶绿素含量持续增加达到预警值时，开启视频观察水体状况并由相关责任部门查明水情、做出相应处理，叶绿素传感器放置在水体内，采用超声波振荡的方式对叶绿素传感器的光学部件进行清洁，保证仪器工作在合适的环境，在线探测传感器和视频传感器构成一个组合传感器节点，将其放置在水体敏感位，并将各个节点通过无线GPRS组网，传输到蓝藻数据库服务器，记录各水域的各个敏感节点实时测量的蓝藻含量和历史数据。此时结合我们所设计的地理位置系统，将叶绿素的含量在地图上实时显示出来。
在项目二期，增加水质传感器的类型，如增加水中溶解氧DO传感器、总磷TP传感器、总氮TN传感器、硝酸盐氮NO3-N传感器、氨氮NH4-N传感器、色度传感器、酸碱度pH传感器、浊度SS传感器、温度传感器等，从更广阔的角度来测量水体的营养盐含量和分析水质的发生、发展潜力，通过分析各个传感器的历史数据、以及各个监测参数与叶绿素含量的联系，采用神经网络算法推测3-5天后的叶绿素含量B11，实现蓝藻水华预报。
监测方案采用系统集成、监测敏感位置的方式，整个系统在各个关键位置布置各个自动检测子站，子站可采用固定场所的方式，也可采用浮标的方式放置在水面，随风飘移到探测位置，或两种方式相结合。每个子站配置各种传感器（如水中溶解氧DO传感器、总磷TP传感器、总氮TN传感器、硝酸盐氮NO3-N传感器、氨氮NH4-N传感器、色度传感器、酸碱度pH传感器、浊度SS传感器、温度传感器等），传感器探测的数据通过数据传送单元发送3G无线信号到蓝藻监测数据库中心，数据平台安装在监控平台上，保证实现传感器的正常工作，如图1所示。
本系统的建立是基于神经网络的藻类水华短期智能预测模型，实时监测水体水质参数、水文参数和气象参数，建立集成、多元、多点的实时数据采集系统，提高蓝藻水华预测的精度，对蓝藻水华的短期预警提供有效的方法，结合GIS技术，监测各处的实时蓝藻水情和预测各处蓝藻的短期发展。
由以上分析，我们按照模块化、层次化的思想设计蓝藻监测模块，主界面如下图2所示。
主界面包含GIS系统，当鼠标点击某地时，出现相应的监控子站，将子站的监测数据显示出来；选择历史数据，分析该地子站蓝藻监测模块，选择历史数据和输入气象条件、水文数据，将出现一段时间内叶绿素的预测模型，如图3所示。 选择某地的全球眼系统，将启动该地的视频，显示系统参数如图3所示。
监测模块预留卫星遥感接口，为下一步接入卫星遥感，圈中特定区域，显示该处水体的水质状况，并根据历史数据库，预测该处水质在一段时间内的叶绿素浓度，如图4所示。
对监控子站而言，可根据不同的需求组合不同硬件及软件以完成相应的功能模块，主要功能模块如图5虚线内所示，检测子站包含执行层的数据传输单元读取下位机传感器的水文、水质数据，以及控制摄像头的幅面、变焦、控制视频云台的俯仰角、周向旋转、水质传感器的清洗等功能，另一方面数据传输单元将采集到的数据通过3G无线模块传输到蓝藻监测模块。
最终设计的监控子站实物图如图6所示：
为测试产品的性能及监测的准确性，秦工于2013年7月携带样机在蓝藻易爆发水域太湖西北部近岸水域监测了近30天的水体蓝藻及叶绿素含量的情况，得到数据如下表：结合肉眼对水面的观察和气象卫星的数据，2013年7月10-11号日气象卫星观测到此水域有较明显的蓝藻水华发生，与实验所测数据吻合，说明子站系统能较好的提前对水体的蓝藻爆发做出预警。
4结论
上述设计借助子系统传感器的设计及强大的信息互联技术，尽可能集自动监测系统、全球眼系统、卫星遥感等技术的优势于一体，避免了人工采样分析时间过长、全球眼系统对远景分辨率不高、卫星遥感受天气影响严重且信息偏于滞后等问题。同时按现在的价格估算，一个监控子站的硬件成本可控制在1万元以下，布点的多少可根据实际情况安排，与现有的自动监测蓝藻系统监测硬件成本投入相比，大大减少了子站单元的建设成本。
注释：
① 秦伯强 太湖水环境面临的主要问题研究动态与初步进展[J]湖泊科学，1998，（04）：1-9
② 韩秀珍，朱小祥，刘诚 基于MODIS数据的太湖蓝藻信息提取研究[A]2007139-144
③ 黄家柱，赵锐卫星遥感监测太湖水域蓝藻爆发[J]遥感信息，1999，（04）：43-44
④ 孔繁翔，高光 大型浅水富营养化湖泊中蓝藻水华形成机理的思考[J]生态学报，2005，（03）：589-595
⑤ 马荣华，唐军武 湖泊水色遥感参数获取与算法分析[J]水科学进展，2006，（02）：720-726
⑥ 高月香，张永春 水文气象因子对藻华爆发的影响[J]水科学与工程技术，2006，（02）：10-12
⑦ 杨清心 太湖水华成因及控制途径初探[J]湖泊科学，1996，（01）：67-74
⑧ 段洪涛，张寿选，张渊智 太湖蓝藻水华遥感监测方法[J]湖泊科学，2008，（02）：145-152
⑨ 刘良明，文雄飞，余凡MODIS数据Bowtie效应快速消除算法研究[J]国土资源遥感，2007，（02）：10-15
⑩ 付必涛，王乘，曾致远 MODIS数据几何校正算法设计及其IDL实现[J]遥感信息，2007，（02）：20-23
B11 梅安新，彭望碌，秦其明 遥感导论[M]北京：高等教育出版社，2001
Abstract： In order to solve more and more serious water-body eutrophication caused by extensive use of cosmetic products， the design uses the online video sensor and water coupling to achieve a real-time monitoring for the process of cyanobacteria′s development. For one thing， we can well predict both the possibility and the process of cyanobacteria blooms； for another， we can reduce the system′s cost. Then the design can provide a more scientific and economical solution to the problem of cyanobacteria monitoring for a city， or a town.
Key words：Cyanobacteria bloom； Real-time monitoring； Chlorophyll a；Eutrophication
【责任编辑 罗 雪】