一种自然水体渔业养殖温度灾害智能预警方法

技术领域

本发明涉及渔业养殖信息技术领域，特别是涉及一种针对自然水体渔业养殖特点，自动监测养殖水体的温度，针对不同的养殖品种，结合多种判断条件，对可能产生的低温灾害或高温灾害进行智能预警的自然水体渔业养殖温度灾害智能预警方法。 

背景技术

我国拥有漫长的海岸线，沿岸地区往往依靠天然的海湾发展海水养殖业，其养殖环境是一个开放的自然环境，受到气候、海水环境变化的影响显著，尤其是冰雪寒冻天气的影响。我国主要从事气象灾害预报的职能部门是气象局，监测预报的范围广，对水产养殖的服务针对性弱。气象部门给出的预报是局地的气温，并且预报的范围是相对宽泛的地区范围。海洋部门采用卫星遥感进行海洋表层温度的监测，无法监测到水下的温度，而且监测范围也是区域性的，同样存在着对水产养殖的服务针对性不强的弱点。 

我国近海沿岸自然水体的一些养殖品种如大黄鱼、美国红鱼、紫菜、南美白对虾等都不耐寒，低温会造成其冻伤、冻死，除遭受直接经济损失外，冻伤个体在后期养殖过程中生长率、抵抗力均会受到显著影响，从而导致发病率较高、产量受损等。需要一种简单高效的监测预警方法，能够在渔业养殖的自然水体中自动监测养殖水体的温度，并根据养殖品种对可能到来的低温或高温灾害提前预警，方便养殖户采取预防和相应的措施，以减少经济损失。 

自然水域水体相较人工水体而言环境更加复杂，水面以下不同深度的水体温度在不同季节会有明显差异。同时，自然水域水体养殖会受到环境水流的影响，环境来水的温度异常会直接导致养殖区水温的快速变化。自然水域的养殖环境，防灾减灾应对更为困难，养殖户采取相应措施需要更多的反应时间。如果简单采用设置与养殖品种适宜温度范围相差较大的预警阈值，会导致预警时间提前同时误警率也显著上升，导致额外的人力物力损失。所以，自然养殖水体的温度监测需要综合考虑以上因素，保证预警准确性的同时增加养殖户的提前应对时间。传统的简单监测实时应对的方法不能适应自然水体渔业养殖的需要。 

因此该监测方法应该可以自动工作，配置安装后可以自动监测养殖水体的温度；该方法可针对不同的养殖品种对水温的适应性特点，可以灵活设定监测的水深以及低温灾害或高温灾害的预警阈值；该方法需要尽量提前预警给用户足够的应对反应时间，同时应降低误警率，避免造成无谓的人力物力损失。 

发明内容

针对以上自然水域渔业养殖温度致灾的现状和传统简单监测方法的不足，本发明的目的在于提出一种自然水体渔业养殖温度灾害智能预警方法。本方法在根据实际监测立体水温进行预警的基础上，可以根据温度的变化速率，对温度的变化进行提前预测，可以增加养殖户提前应对时间，并降低误警率。同时，对于来水方向水温与养殖中心区水温差值超过阈值时进行提前预警。 

本发明提出的自然水体渔业养殖温度灾害智能预警方法，所述方法通过预警装置实现，所述预警装置由数字温度传感器201和预警部件210组成，所述预警部件210由低功耗单片机202、无线通讯模块203、天线204、电源模块205组成，其中：数字温度传感器201安装于水面以下，预警部件安装于水面以上；数字温度传感器201的输出端通过信号线缆301连接低功耗单片机202的输入端，低功耗单片机202的输出端通过串口302连接无线通讯模块203，无线通讯模块203设有天线204；所述无线通讯模块203、低功耗单片机202和数字温度传感器201分别连接电源模块205；所述预警装置中的数字温度传感器201安装与水面以下，并固定于锚链的适当位置，单片机202、无线通讯模块203、天线204和电源模块205安装于水面以上，并固定于浮子402上；具体操作方法如下： 

(1)进行监测参数初始化配置；

根据具体养殖品种的特点，设置监测参数，所述监测参数为预警高温阈值T_H、预警低温阈值T_L、海流来水温度T_C与养殖区水温的差值阈值T_D、温度预测时间长度、接收预警信息的网络服务器信息或用户手机号，将监测参数存储于低功耗单片机设定的Flash存储空间；

(2)智能监测处理

为降低功耗，空闲时低功耗单片机及无线通讯模块均处于休眠状态，设定60分钟由内部定时器中断自动唤醒低功耗单片机进行例行处理，到达设定定时间隔时，按照以下流程进行智能监测预警处理；

(2.1)、读取养殖中心监测点立体水温T和海流来水方向监测点水温数值Tc，存入监测温度历史记录数据队列，共保留之前5天的历史水温监测数据；

(2.2)、判断养殖中心监测点立体水温T和海流来向水温Tc是否超过设定的高温预警阈值T_H或低温预警阈值T_L，如超出高温或低温阈值，则触发报警操作；

(3)、判断监测的养殖中心监测点水温T与海流来水水温T_C的差值是否超出设定的差值阈值T_D，如超过差值阈值，则触发预警操作；

(4)、根据之前监测的历史水温监测数据，采用最小二乘法拟合温度变化曲线，预测未来设定时间长度内水温；

（4.1） 根据当天各个时段已经监测到的水温数据Ti，预测当天的最低水温T_{_low}和最高水温T__high；

由于水体的比热较大，每天水温变化曲线基本是同比变化，计算当天监测的各个时点的温度Ti与前一天各个时点对应的监测温度Ti_y的差值以及差值的平均值Tdiff，如公式（3）；以此平均值作为当天最低最高温度与前一天最低最高温度T_low_yest、T_high_yest的差值，由此得到当天最低最高温度的预测值T_low，T_high，如公式（4）；

                            (3)

T_low = T_low_yest + T_diff                       (4)

T_high = T_high_yest + T_diff                     

其中：Ti为各个时点的温度，Ti_y为前一天各个时点对应的监测温度，Tdiff为Ti与Ti_y的差指的平均值，T_low_yest为前一天最低水体温度，T_high_yest为前一天最高水体温度，T_low为当天最低水体温度预测值，T_high为当天最高水体温度预测值；

（4.2）根据预测的当天最低水温T__low和最高水温T__high以及之前历史记录中每天的最低水温T_hist_low和最高水温T_hist_high，预测之后2天的最低水温T_pred_low和最高水温T_pred_high；

采用最小二乘方法拟合一条二次曲线，模拟每天最低温度和最高温度的变化趋势，并利用此二次曲线模型预测之后2天的最低最高温度；

T = x1*t*t + x2*t + x3                           (5)

                                   （6）

                             （7）

T_pred_low = a1*t*t + b1*t + c1                  （8）

T_pred_high = a2*t*t + b2*t + c2

公式（5）为一个二次曲线方程。其中t为时间，T为温度，x1、x2、x3为方程的待定参数。利用已知时间t和温度T的历史水温记录建立联合方程组，可以求解方程的待定系数。

式（5）最少需要三个已知水温数据来求解三个未知参数；为了避免已知数据偶然误差导致方程求解结果偏离温度实际变化规律，采用6个温度数据，通过最小二乘方法求解各个已知点拟合误差平方和最小的原则下的方程解，减小偶然误差得影响，更准确的表达温度实际变化规律，如式（6）、式（7）所示；其中，B为时间的矩阵，表示矩阵的转置运算，表示矩阵的求逆运算，为待定系数矩阵，为温度观测值，V为根据方程计算得到的温度值与实际观测的温度的差值，即拟合误差，P为权值矩阵，对每个观测值的拟合误差采用加权平方和最小原则，即最小时待定参数的值为方程的最优解，权值采用与距离当天时间越近权值越大，距离越远权值越小的原则，尽量准确拟合更接近当前时间的观测值， 

根据式(7)求解公式（8）中两个方程的待定系数a1、b1、c1和a2、b2、c2，得到最高温度和最低温度的拟合公式，

根据公式（8）计算之后1天及2天的最低温度和最高温度T_pred_low1，T_pred_high1,  T_pred_low2，T_pred_high2，

则权值矩阵P =，Diag(.)表示对角矩阵，

观测值矩阵  分别设为之前5天至当天的最低温度矩阵和最高温度矩阵，按照公式（7）加权最小二乘法可求得公式（8）最低温度以及最高温度拟合曲线方程的系数；

根据公式（8），预测之后1天和之后2天的最低温度和最高温度；

(5)、判断设定时间段内预测的水温值是否超出高温或低温阈值，如超出阈值则触发预警操作；

对步骤（4）中预测得到的当天以及之后1天和2天的最低最高温度进行判断。如果超出设定阈值，则触发报警操作；

(6)、温度预警操作

当智能监测流程触发预警操作时，低功耗单片机通过无线通信模块将相应的报警信息发送到指定的网络服务器端口或发送预警短信息到用户指定手机；

(7)、触发预警操作后，返回步骤(2)继续运行智能监测处理流程。

本发明中，所述温度传感器为DS18B20单总线数字式温度传感器。对传感器采用耐腐蚀不锈钢材料进行密封封装以适应自然水体温度测量。 

本发明中，所述单片机采用MSP430F149超低功耗微控制器。 

本发明中，所述的无线通讯模块为 基于GSM/GPRS通信网络 MC52i低功耗双频通讯模块。MC52i支持语音、短信息，并自带TCP/IP协议栈，易于系统集成。  

本发明中，所述信号线缆可以采用屏蔽或非屏蔽双绞线 。

本方法具有以下优点： 

1、基于单总线同时多点测量同一点位不同深度的立体水温，温度传感器报警温度上下限阈值以及监测温度的深度可根据养殖鱼种对不同深度水温的适应性要求进行灵活设置，可以实现低成本高效水温立体监测，更加适合自然水体渔业养殖需求。

2、本方法针对自然水体渔业养殖特点，可以根据海流方向，利用网箱的固定部件方便灵活地进行实地设置安装。并可在来水方向水温与养殖中心区水温差值超过阈值时进行预警。 

3、本方法基于温度变化速率等信息，对温度在未来设定时长内的温度进行预测。可以采用卡尔曼滤波方法或者温度变化曲线拟合方法等数学模型进行温度预测。当预测值超出设定温度范围时，提前进行预警。可以增加养殖户应对时间，降低误警率。 

综合以上特点，本发明方法可以灵活高效地进行自然水体养殖区的立体水温监测，实现前预警养殖水体的水温变化，并可增加用户应对时间，降低误警率，有利于养殖户采取预防和相应的措施，以减少经济损失。 

附图说明

图1为自然水域渔业养殖温度灾害预警方法的处理流程图。 

图2为自然水域渔业养殖温度灾害预警装置结构图示。 

图3为自然水域渔业养殖温度灾害预警装置使用示意图。 

图4 自然水体渔业养殖温度灾害智能预警方法养殖区布设示意图。 

图中标号：201为数字温度传感器，202为低功耗单片机，203为无线通讯模块，204为天线，205为电源模块，210为预警部件，301为信号线缆，302为串口，401为锚链，402为浮子，403为网片。 

具体实施方式

下面通过实施例结合附图进一步说明本发明。 

实施例1： 

本方法所用监测设施分为两个子部件：安装与水面以下的温度传感器部件201以及安装于水面以上由单片机及无线通讯构成的预警部件210。两部分通过信号线缆301连接。预警部件201由低功耗单片机202、无线通讯模块203、天线204、电源模块205组成。其中：数字温度传感器201通过信号线缆301连接低功耗单片机202的IO端口，进行数字温度传感器201的配置和测量温度数据传输。低功耗单片机202通过串口302连接，将温度报警信息传输到无线通讯模块203，并通过天线204发送到用户手机。

实际使用时，将数字温度传感器201安装与水面以下，单片机202、无线通讯模块203、天线204和电源模块205安装于水面以上，数字温度传感器201的输出端通过信号线缆301连接低功耗单片机202的输入端IO端口，低功耗单片机202的输出端通过串口302连接无线通讯模块203，无线通讯模块203设有天线204；所述无线通讯模块203、低功耗单片机202和数字温度传感器201分别连接电源模块205。对于由锚链401、浮子402以及网片403构成的网箱养殖结构，可以将多个数字温度传感器201固定于锚链401的适当位置，将预警部件210固定于浮子402上。多个数字温度传感器201采用并联方式连接于同一条信号线缆301。信号线缆可以采用屏蔽双绞线，在电源模块205供电的情况下，即可通过四芯屏蔽双绞线实现100米以上稳定温度转换和数据传输。所述低功耗单片机202采用MSP430F149超低功耗微控制器。所述温度传感器201为DS18B20单总线数字式温度传感器。所述无线通讯模块203为 基于GSM/GPRS通信网络 MC52i低功耗双频通讯模块。 

在自然水体养殖区的布设位置参照附图2所示，当养殖区由多个网箱组成时，养殖温度灾害预警传感器可以安放在A、B、C、D任一点，预警养殖区中心的水温状况；考虑到养殖区海流常年流向，可以安放在海流来向E、F任一点，预警养殖区外围的水温状况。根据自然水体渔业养殖规模和面积大小，布设数量可以灵活控制，一般100米半径范围内只需布设一套控制和通讯模块，而根据温度传感器数量采用单总线多点连接或分成多组单总线连接单片机的多个IO端口，可以有效降低总体监测成本。 

本方法的配置和具体工作流程如下： 

本发明方法的处理流程图如附图1所示。首先进行监测参数初始化配置。然后如图1流程进行智能化监测与预警处理。

一、初始化配置 

根据具体养殖品种的特点，设置预警的高温及低温阈值、来水温度与养殖区水温的差值阈值、温度预测时间长度以及接收预警信息的网络服务器信息或用户手机号等系统参数，存储于单片机程序设定的Flash存储空间。

这里以浙江沿海大黄鱼网箱养殖为例。大黄鱼对水温的适应范围为8~32℃，水温降至13℃以下或升至30℃以上摄食明显减少甚至停食。浙江沿海养殖的大黄鱼常面临着冬天表层6℃以下的低温威胁。所以将低温预警温度设置在8℃，高温预警温度设置在32℃。海流来向水温与养殖区中心区水温差值的预警阈值设为2℃。监测深度设为水面以下0.2米、水体深度的中间位置以及水体底部以上0.5米三个深度。 

二、智能监测处理流程 

为了降低功耗，空闲时低功耗单片机及无线通讯模块均处于休眠状态，设定60分钟由内部定时器中断自动唤醒单片机进行例行处理。到达设定定时间隔时，按照以下流程进行智能监测预警处理。

1、读取养殖中心监测点立体水温数值T1、T2、T3和来水方向监测点水温数值Tc，存入监测温度历史记录数据队列。共保留之前5天的历史水温监测数据。 

示例中，当前观测时刻为10时，观测的水温数据如表1所示。 

表1 当前时刻（10时）监测的水温数据 

当天已观测的水温数据如表2所示。前一天观测的水温数据如表3所示。表2和表3中记录的为各个观测时刻监测位置三个不同深度水温T1、T2、T3的平均温度。

表2 当天已观测的水温数据 

表3 前一天观测的水温数据

当天之前5天的最低水温和最高水温数据如表4所示。

表4 之前5天的最低水温和最高水温 

2、判断养殖区水温T1、T2、T3和海流来向水温Tc是否超过高温预警阈值TH或低温预警阈值TL。如超出阈值则触发报警操作。

IF  MAX（T1，T2，T3，Tc）>= TH  

   THEN  High Temperature Alarm.

IF  MIN（T1，T2，T3，Tc）<= TL             （1）

   THEN  Low Temperature Alarm.

这里，MAX(.) 表示最大值，MIN（.）表示最小值。T1、T2、T3为监测位置表层、中层、底层三个不同深度的监测水温。

当前实际监测值未触发预警操作。 

3、判断监测的养殖区水温与来水水温差值是否超出设定的阈值TD。如超限则触发预警操作。 

IF  ABS（AVG（T1，T2，T3）- Tc）>= TD      （2） 

   THEN  Temperature Difference Alarm.

这里，ABS(.) 表示绝对值，AVG（.）表示平均值。

当前实际监测值未触发预警操作。 

4、根据之前监测的序列水温数据，采用最小二乘法拟合温度变化曲线，预测未来设定时间长度内水温。 

这里的预测分为两步处理： 

（1） 根据当天各个时段已经监测到的水温数据Ti，预测当天的最低水温T_low和最高水温T_high。

由于水体的比热较大，每天水温变化曲线基本是同比变化。计算当天监测的各个时点的温度Ti与前一天各个时点对应的监测温度Ti_y的差值以及差值的平均值Tdiff，如公式（3）。以此平均值作为当天最低最高温度与前一天最低最高温度T_low_yest、T_high_yest的差值，由此得到当天最低最高温度的预测值T_low，T_high，如公式（4）。 

                            (3) 

T_low = T_low_yest + T_diff                       (4)

T_high = T_high_yest + T_diff                     

根据公式（3），由表2、表3数据计算得到Tdiff=1.25。由公式（4），计算得到当天最低温度和最高温度预测值为：T_low=28.49，T_high=30.16。

（2）根据预测的当天最低水温T_low和最高水温T_high以及之前历史记录中每天的最低水温T_hist_low和最高水温T_hist_high，预测之后2天的最低水温T_pred_low和最高水温T_pred_high。 

采用最小二乘方法拟合一条二次曲线，模拟每天最低温度和最高温度的变化趋势，并利用此二次曲线模型预测之后2天的最低最高温度。 

T = x1*t*t + x2*t + x3                          (5) 

                                                （6）

                                         （7）

T_pred_low = a1*t*t + b1*t + c1                 （8）

T_pred_high = a2*t*t + b2*t + c2

公式（5）为一个二次曲线方程。其中t为时间，T为温度，x1、x2、x3为方程的待定参数。利用已知时间t和温度T的历史水温记录建立联合方程组，可以求解方程的待定系数。

式（5）最少需要三个已知水温数据来求解三个未知参数。为了避免已知数据偶然误差导致方程求解结果偏离温度实际变化规律，这里采用6个温度数据，通过最小二乘方法求解各个已知点拟合误差平方和最小的原则下的方程解，可以减小偶然误差得影响，更准确的表达温度实际变化规律，如式（6）、式（7）所示。其中，B为时间的矩阵，表示矩阵的转置运算，表示矩阵的求逆运算。为待定系数矩阵，为温度观测值，V为根据方程计算得到的温度值与实际观测的温度的差值，即拟合误差。P为权值矩阵，对每个观测值的拟合误差采用加权平方和最小原则，即最小时待定参数的值为方程的最优解。权值采用与距离当天时间越近权值越大，距离越远权值越小的原则，尽量准确拟合更接近当前时间的观测值。 

根据式(7)求解公式（8）中两个方程的待定系数a1、b1、c1和a2、b2、c2，得到最高温度和最低温度的拟合公式。 

根据公式（8）计算之后1天及2天的最低温度和最高温度T_pred_low1，T_pred_high1,  T_pred_low2，T_pred_high2。 

这里，设定当天以及当天之前1天～5天的权值如表5所示。 

表5 当天及之前5天的权值 

则权值矩阵P =，Diag(.)表示对角矩阵。

 观测值矩阵  分别设为之前5天至当天的最低温度矩阵和最高温度矩阵，按照公式（7）加权最小二乘法可求得公式（8）最低温度以及最高温度拟合曲线方程的系数，如表6所示。

表6 温度变化曲线方程参数值 

根据公式（8），预测之后1天和之后2天的最低温度和最高温度如表7所示。

表7 未来两天的最低及最高温度预测值 

5、判断设定时间段内预测的水温值是否超出高温或低温阈值。如超出阈值则触发预警操作。

对步骤（4）中预测得到的当天以及之后1天和2天的最低最高温度进行判断。如果超出设定阈值，则触发报警操作。 

IF  MAX（T_high，T_pred_high1，T_pred_high2）>= TH  

   THEN  High Temperature Alarm.

IF  MIN（T_low，T_pred_low1，T_pred_low2）<= TL      （9）

   THEN  Low Temperature Alarm.

       这里，预测的当天及第2天的最低最高水体温度未触发预警。第3天的预测最高水温为32.89，已超过最高温度阈值32℃而触发预警操作。相对实时监测预警可以提前两天触发预警条件，有效提高养殖户应对反应时间。

三、温度预警操作 

以上智能监测流程触发预警操作时，单片机程序通过无线通信模块将相应的报警信息发送到指定的网络服务器端口或发送预警短信息到用户指定手机。

触发预警操作后，返回步骤二继续运行智能监测处理流程。