基于NB-IoT和无人船的水华监测预警平台设计

摘要：提出了一种基于NB-IoT技术和无人船技术设计开发的一种水华监测预警平台，能够实现对水体中水华的实时监测和预警。该平台将有效地提高水环境监测的覆盖范围和监测频率，为相关部门提供及时、准确的监测数据，有助于保护水资源，维护生态平衡，提升城市环境质量。

关键词：NB-IoT；水华；预警；水质监测

1引言

水华是一种由蓝藻引起的水体异常现象，通常伴随着大量藻类的繁殖[1]。随着水环境污染日益加剧，特别是蓝藻水华问题的频发，对水体蓝藻监测预警技术的需求日益迫切。目前，传统的监测方法依靠卫星遥感和人工采样监测，上述方法存在监测点少、监测频率低、监测成本高、智能化水平低等问题，而随着NB-IoT技术的快速发展，其低功耗、广覆盖、高可靠的特点使其成为一种理想的应用技术[2]。

2水华特征数据分析

2.1 水华的定义与成因

水华现象是指水体表面因浮游藻类（如蓝藻、绿藻等）迅速繁殖和聚集而产生的异常现象，表现为水体变成绿色、蓝绿色、红色或其他颜色，常伴随异味、水质恶化及水生生物死亡等问题。这种现象会导致水体缺氧、生态失衡、鱼类和其他生物死亡，甚至产生有毒物质危害人类健康[3]。其产生的原因主要有以下几点：

（1）高浓度的营养盐。农业径流、生活污水和工业排放中含有大量的氮、磷营养盐。当总磷浓度超过0.1 mg/L、总氮浓度超过2.0 mg/L时，水体容易进入富营养化状态，为蓝藻的爆发提供了条件；

（2）温度和光照。蓝藻生长的最适温度在25℃至32℃之间，高温和强光有助于其快速繁殖；

（3）水体分层和流动性不足。静水环境中的分层现象削弱了水体的垂直混合，导致表层蓝藻聚集，进一步加剧水华的形成；

（4）pH值与溶解氧含量。蓝藻偏好碱性环境，低溶解氧条件也会促进底泥中营养盐的释放，从而进一步加剧水体富营养化。

2.2 水华爆发的特征数据

通过查阅大量文献和调查数据，总结了与水华爆发密切相关的关键水质参数及其对应的参考范围，以便更科学地评估水华风险。表1展示了这些参数及其在水华爆发前后常见的典型值：

3系统架构设计

水华监测预警平台的总体架构[4]如图1所示，主要包含以下几个模块：

（1）数据采集层。本系统的数据采集由部署在无人船上的传感器完成，负责实时获取水质参数数据。由于篇幅有限，本文对此模块不作具体展开；

（2）数据传输层。利用NB-IOT网络将数据传送至云服务器。NB-IOT（窄带物联网）技术是一种低功耗广域网技术，具备广泛的覆盖范围、多连接能力、低成本以及低功耗等特性。在水环境监测领域，NB-IOT能够实现远程且低功耗[5]；

（3）数据处理层。在这一层中，采用Node-RED工具对传输的数据进行处理，包括数据解析、存储操作。

（4）应用服务层。该层是系统与用户交互的核心，包含水华预警算法的应用、数据的可视化展示以及多终端用户界面的设计，为用户提供直观的监测结果及预警信息。

上述各模块的协同工作，构建了一个集数据采集、传输、处理和应用于一体的综合性水华监测预警平台。由于篇幅有限，本文重点讲述预警平台的设计与实现。

4.预警平台设计与实现

水华监测预警平台选择Node-RED 作为预警开发平台[6]，是一款基于流程的编程工具，专门针对物联网应用而设计。该平台是一个低代码并广泛用于工业化的物联网平台，其提供了基于流程编写的可视化编辑器，通过连接硬件设备、云服务和第三方 API，实现数据采集、处理、分析和控制[7] 。水华监测预警平台如图2所示。

4.1数据接收与解析

Node-RED通过集成MQTT协议，实现了对传感器数据的实时接收[8]。使用MQTT in节点，接收来自水质监测设备的实时数据。本系统中接收到的数据设置为JSON格式，在Function节点中，利用的JavaScript代码可以对数据进行解析与处理。

4.2数据存储

使用MySQL节点将解析后的数据存入MySQL数据库。首先，在Node-RED中配置MySQL节点，并设置数据库连接参数。创建一个water_quality名称的数据表，在Function节点后接MySQL节点，通过INSERT语句将数据存储到数据库中，通过此方法确保了数据的持久性，便于后续分析使用。

4.3数据展示

数据展示利用Node-RED的Dashboard节点实现可视化界面。通过拖拽组件，将Chart节点与Gauge节点添加至仪表盘。Chart节点配置为折线图，用于展示水质参数的变化趋势，Gauge节点用于显示关键指标。

4.4数据预警

数据预警功能是通过对存储数据与设定阈值的比较实现的。当检测到关键水质参数超出设定的阈值时，系统会触发警报信号。系统认定存在水华风险并激活预警机制[9]。以下为警报触发的示例规则：

（1）触发警报情况：氮浓度为2.5 mg/L，磷浓度为0.15 mg/L（均超出设定阈值），系统激活警报；

（2）不触发警报情况：氮浓度为1.5 mg/L，磷浓度为0.05 mg/L（均未达到设定阈值），系统不触发警报。

一旦警报被激活，系统会在可视化界面的右上角通过弹窗的形式向用户发出提醒，方便用户及时掌握水质异常情况，快速采取相应的应对措施，从而提高水环境管理的效率与科学性。

5应用效果

为了便于实验环境的调节并且不影响自然环境，本实验在人工蓄水池中进行。由于水华一般在夏季出现，特别是5月至9月期间最为常见，因此本实验始于4月份，监测周期为5个月，采集数据包括氮、磷浓度、温度和光照强度。在实验过程中，共采集数据540组，其中有效数据450组。根据预警规则，系统共触发警报15次，准确率为90%。以下是部分实验数据的对比表：

6结语

本研究详细介绍了基于NB-IoT和无人船的水华监测预警平台的架构设计，重点讲述监测预警平台的设计与实现。通过结合NB-IoT的远程通信能力和无人船的自主监测功能，本平台提出了一种新型的水华监测方法。该方法不仅提高了监测的实时性和准确性，还降低了人力成本和安全风险。然而，当前平台在数据获取的连续性、遥感技术的精度、以及模型的完善度方面仍存在挑战。通过不断优化，本平台的目标是成为一个全面、高效、可靠的水环境监测工具，为水质管理和环境保护做出贡献。

参考文献

[1] 龚 铭，王百群，赵方凯，于洋. 滇池蓝藻水华时空变化特征及环境影响因素[J]， 水土保持研究，2024，31（4）：420-423.

[2] 李开旭. 基于阿里云的智慧温室大棚系统设计[J].物联网技术， 2023， 13（6）：131-132.

[3] 曹甜甜． 朱洪涛， 王振北， 等． 我国西南地区城市水环境综合整治对策与路线图[J].环境工程技术学报，2022，12（02）：500-12.

[4] 杨观止，陈鹏飞，崔新凯，侯维岩.NB-IoT 综述及性能测试[J].计算机工程，2020，46（01）：1-14.

[5] 唐辉秀，王晴晴，王桥，吴恋，杨娅婷，张兆金，曾家明，俞潼 .基于NBIOT的厨房安全防护装置设计[J]， 科技论坛 ，2022，12（10）：94.

[6] 皇甫开心，陶思棋，刘春新，王祎玮，李宗轩. 基于物联网平台 Node - RED 设计 开发的鱼菜共生系统[J]， 农机使用与维修，2024，（11）：21-22.

[7] 彭松， 李金贵， 郑大元， 等. 基于 Node - RED 的工业 制造过程风险控制系统设计及应用研究[ J]. 中国设备工程， 2023（23）： 116 – 119.

[8]秦英栋， 贾文珅. 基于NB-IoT网络的兔舍环境实时监测系统[J]. 智慧农业（中英文）， 2023， 5（1）： 155-165.

[9] 董宇轩， 崔啸鸣. 基于Arduino的智能农业远程监测与异常预警系统研究[J]. 南方农机， 2021， 52（11）：54-55.

基金项目：湖北工业职业技术学院科研项目——《基于 NB-IOT 和无人船的水华监测预警平台设计》（2024KY21）

作者简介：胡智，男，湖北工业职业技术学院智能工程学院讲师，硕士，研究方向：应用电子、物联网应用

通信作者：刘甘霖，男，湖北工业职业技术学院智能工程学院讲师，硕士，研究方向：自动化应用