第7章 智慧水产与环境保护

智慧水产与环境保护第7章7.1水产养殖尾水处理 7.2赤潮监测预警 7.3碳排放管理 7.1水产养殖尾水处理7.1.1水产养殖尾水污染问题随着水产养殖业的发展，养殖载体数量增加，养殖污水也越来越多。其排放特征为排水期集中、排放量大、非点源排放。残留饵料、药物及水生生物排泄物导致水中硝酸盐、亚硝酸盐、氨氮等有害物质增多，水质恶化。有机污染物分解产生的硫化氢、甲烷等有害气体进一步污染水体、土壤和空气。外部污水与养殖业自身污染共同导致水产养殖环境恶化，毒素在水生生物体内积聚，引发疾病甚至死亡。这些毒素通过食物链传播到人体，损害人体健康。养殖尾水污染物及其危害如图所示。7.1水产养殖尾水处理7.1.2水产养殖尾水处理有关政策中国已有多部法律法规对水产养殖污染防治作出规定。为进一步规范地方排放标准制订工作，生态环境部在2021年启动了《地方水产养殖业污染控制标准编制技术指南》的编制工作，提出建立分区、分类、分级的水产养殖污染控制体系。生态环境部和农业农村部联合发布《关于加强海水养殖生态环境监管的意见》，要求加快制定出台海水养殖尾水排放相关地方标准，并加强池塘养殖尾水监测。各地也在积极探索开展水产养殖场尾水环境监测，为水产养殖尾水排放管控夯实基础。此外，有关政策也对提高养殖尾水处理技术作了要求，推动健康养殖方式的发展，开展水产养殖尾水治理。7.1水产养殖尾水处理7.1.3物联网水产养殖尾水监测依照尾水排放标准，在养殖区域或尾水排放区域安装传感器实时监测尾水中悬浮物、pH值、总氮、总磷、高锰酸盐指数、化学需氧量等参数的数据，并通过基于ZigBee/NB-IoT的无线传感网络将数据传输到网关节点上，网关节点接收各类数据后，通过4G/5G移动网络、计算机网络等将信息传输至系统进行统一存储、处理。数据经处理后得到直观的水质监测结果，在终端平台上进行展示，即可查看任意水质监测点和监测参数的实时数据和历史数据。图7-2养殖尾水智能监测系统界面7.1水产养殖尾水处理7.1.4水产养殖尾水智能化处理将物联网、人工智能等技术应用于水产养殖尾水处理系统，养殖尾水处理的信息化、智能化水平得到了明显提升。水产养殖尾水智能化处理系统架构如图7-6所示。感知层：采集与养殖尾水处理过程相关的数据。控制层：通过PLC控制尾水处理设备运行。传输层：通过无线传输模块实现数据在不同层级间的双向传输。处理层：提供数据管理服务，数据存储在云端数据库中。应用层：连接终端用户，提供水质监测、设备控制、工艺决策等应用服务。图7-6水产养殖尾水智能处理系统架构7.1水产养殖尾水处理图7-7水产养殖尾水智能处理系统功能框架图层级间协调保障系统运行，数据以图表、报告形式在终端显示。用户通过终端管理养殖尾水处理系统，远程查看实时、准确的数据和视频监控，进行设备控制、异常处理等操作。系统根据数据提供处理建议，及时预警异常，通过PLC控制器控制前端设备，并根据水质调节用药种类和数量。水产养殖尾水智能处理系统功能框架如图7-7所示。基于系统采集的全部数据，可以建立水产养殖尾水处理可视化数据模型，应用算法技术和专家系统开展深入的数据挖掘分析，即可掌握系统的整体运行状态，实现智能监控、分析和预警，提高尾水处理效率和质量，这种尾水处理方式可普遍应用于开放式水产养殖过程。7.1水产养殖尾水处理而对于工厂化养殖而言，水循环处理利用是一种更为环保高效的尾水处理方式。循环水养殖系统（RAS）结合多种技术，使养殖尾水得到有效处理和利用。以换水量为分类标准，分为水再利用养殖、半封闭式循环水养殖和全封闭式循环水养殖，水体重复利用率超过90%。RAS通过物理、化学、生物方法净化水环境，保证较低的耗水量，消除残留消毒物的影响，使养殖水体得到重复利用。循环水养殖系统原理如图7-8所示。图7-8循环水养殖系统原理图7.1水产养殖尾水处理循环水养殖系统需要对水温、pH值、氨氮、亚硝酸盐、溶解氧、水位等水质参数进行实时监测和调控，结合物联网、人工智能、智能装备等技术建立循环水养殖智能管控系统，可以实现水质数据实时监测与更新、设备自动控制、水质自动净化等目的。循环水养殖智能管控系统原理如图7-9所示。图7-9循环水养殖智能管控系统原理图在养殖池中安装传感器实时监测水质，包括pH值、溶解氧、氨氮等。智能控制设备，根据水质参数阈值自动调控循环水养殖系统。循环水养殖提高水资源利用率，智能管控系统提高处理效率和准确率，为水生动物创造适宜环境，实现零排放。推动工厂化养殖向现代化转型。7.2赤潮监测预警7.2.1赤潮及其危害赤潮是局部海域因微藻、原生动物或细菌突发性地大量增殖和高密度聚集而使水体变色的有害生态现象，是海洋严重污染的结果。赤潮海域叶绿素a、溶解氧、化学耗氧量等含量高，会直接抑制海洋生物生长、繁殖，造成海洋生态失衡，导致海洋生物窒息或中毒死亡，给海洋渔业带来严重损失。有毒赤潮生物毒素通过食物链传播,也会对人类健康和生命安全产生威胁。对赤潮进行监测预警，对保障海洋生态平衡、稳定海洋经济发展意义重大。图7-10赤潮7.2赤潮监测预警7.2.2赤潮监测预警方法影响赤潮发生的因素和赤潮的动态变化过程是赤潮监测的重要内容。现阶段我国常用的赤潮监测方法包括船舶定点监测、浮标监测以及卫星遥感监测。大数据模型赤潮预测方法通过采集赤潮发生时的水文气象、水质状态、生物活动等动态数据建立大数据赤潮预测模型，分析赤潮的发生变化规律。统计模型预测方法应用多元统计分析方法对赤潮形成、发生、发展的数据进行综合分析，找出不同指标与赤潮之间的关系，总结赤潮发生规律。生态动力学模型预测方法将海洋生态特性和赤潮发生动力学机制通过动力学模型表现出来，模型中的参数体现影响赤潮发生的因素，通过对模型进行分析求解，可以明确系统运行特性，了解赤潮的发生规律。神经网络模型预测方法基于神经网络构建预测模型，能够应用于赤潮实时监测和预警，预测精度高，反应速度快，但对预测结果进行解释的合理性还需提高。随着人工智能技术的发展，遗传算法、模糊逻辑、统计学习和知识发现等技术将在赤潮预测领域得到更广泛的应用。7.3碳排放管理7.3.1水产养殖业碳排放现状与畜禽养殖业相比，水产养殖业的碳排放量相对较低，每单位重量的水产品碳排放量约为猪肉1/2，牛肉1/10。但由于我国水产养殖业规模大，养殖面积和产量均居世界首位，所以碳排放总量大，碳减排负担较重，因此有必要对水产养殖业碳排放进行科学管理。水产养殖业是碳源，也具有碳汇属性。水产生物吸收水中的碳元素，通过捕获水产品即可将碳移出水体，从而维持水域生产系统吸收和存储碳的能力。国内海洋养殖和远洋渔业的碳汇属性明显，每年的碳移除量可达到上百万吨。现代渔业技术创新将会使渔业的碳汇作用得到更充分的发挥。7.3碳排放管理7.3.2水产养殖业碳排放管理的现实需求随着“双碳”目标提出，实施水产养殖业碳排放管理变得重要。农业农村部和国家发展改革委联合提出将监测体系建设作为农业农村减排固碳工作的重要举措，加快构建农业减排固碳监测、报告、核算体系。在水产养殖方面，《方案》提出开展渔业减排增汇行动，推广节能养殖机械，推进池塘标准化改造和尾水治理。能源结构调整、智能化养殖技术和设备的应用能减少水产养殖碳排放，而碳排放监测评估为碳减排方案实施提供依据。目前，水产养殖业碳排放监测评估是热门领域，但受技术手段、规模化程度等因素影响，完善的碳排放监测、核算体系尚未形成。明确水产养殖产业链各个能耗指标并开展实时监测，制定能耗核算方法和能源利用效率评价体系，将有利于分析水产养殖能源利用效率和经济效益，规范水产养殖程序，指导低碳水产养殖业发展。7.3碳排放管理7.3.3水产养殖碳排放监测管理系统1.水产养殖碳排放监测管理系统概述应用物联网、人工智能、大数据、云计算等技术，建立水产养殖碳排放监测管理系统。使用传感器采集与碳排放相关的能源消耗、三废排放等数据，通过无线传输技术实时传送到数据中心。对数据进行存储、分析、挖掘、整合，并在平台上展示。管理人员可通过电脑、手机查看实时监测数据，科学实施节能计划。水产养殖碳排放监测管理实现流程如图7-11所示。图7-11水产养殖碳排放监测管理实现流程水产养殖碳排放监测管理系统功能:

实时监测碳排放数据；直观展示碳排放结果；智能管理碳排放过程；科学评估碳减排成效。7.3碳排放管理2.水产养殖碳排放监测的具体实现方式由于目前没有对碳排放量的直接监测方式，因此需要制定可量化、可实施、可考核的指标监测机制，监测水产养殖各环节碳排放，特别是饲料生产和运输、养殖设备能耗、水产生物排放、废水处理等环节。在众多的水产养殖碳排放来源中，养殖能源消耗是最主要的碳排放源，因此，监测碳排放量首先可以从监测养殖能耗入手，具体监测内容如表7-4所示。监测养殖能源消耗，包括总用电量、分项用电量、可再生能源消耗、分布式能源供给的冷（热）量，以及部分设备的耗油量。同时监测用水量，以了解水产养殖综合能耗情况。7.3碳排放管理表7-4养殖能耗监测的具体内容7.3碳排放管理在安装传感器对能耗量进行实时采集的基础上，建设物联网能耗监测分析系统，系统架构如图7-12所示，可以将能耗量、耗能过程、耗能设备运行状态等转化成可视化的数据，辅助进行水产养殖能耗管理，有针对性地开展节能工作。图7-12物联网能耗监测分析系统架构物联网能耗监测分析系统实时采集水产养殖设备能耗数据和视频监控运行情况，数据由无线传输技术上传至数据采集系统。数据分析处理系统对能耗数据进行多维度统计和在线分析，实时反馈能耗变化趋势，出现异常时发出报警。系统自动调控供能系统，保障用能安全。用户可登录系统平台实时查询和调控设备运行。7.3碳排放管理物联网能耗监测分析系统的主要功能模块包括能耗监测、视频管理、能耗分析、异常报警和系统管理，具体如图7-13所示。