陳雷雷，杜 舟，李 俊，胡慶松

(上海海洋大學(xué)工程學(xué)院，上海 201306)

河蟹是中國(guó)水產(chǎn)養(yǎng)殖重要品種，2017年、2018年養(yǎng)殖規(guī)模均在75萬t以上，主要養(yǎng)場(chǎng)地區(qū)是江蘇、安徽、湖北及遼寧等省份[1]。池塘養(yǎng)殖是河蟹養(yǎng)殖的主要模式之一，在河蟹養(yǎng)殖行業(yè)中具有重要地位。河蟹是變溫動(dòng)物，體溫隨水溫而變化，一般與水溫只差0.1℃，因此，水溫對(duì)河蟹池塘養(yǎng)殖有著重要的影響[2-3]。首先，水溫會(huì)直接影響水產(chǎn)養(yǎng)殖生物的生長(zhǎng)發(fā)育[4-5]，河蟹也是如此，時(shí)冬頭等[6]在研究中指出水溫是影響中華絨螯蟹成蟹蛻殼生長(zhǎng)的主要因素；陳軍偉等[7]研究了積溫與河蟹幼蟹生長(zhǎng)的關(guān)系，研究結(jié)果顯示累計(jì)有效積溫與幼蟹殼長(zhǎng)、殼寬、體高等指標(biāo)的相關(guān)性極為顯著；趙云龍等[8]則研討了水溫對(duì)中華絨螯蟹胚胎發(fā)育周期、各發(fā)育階段以及卵裂同步率等的影響；俞寧寧[9]提出“三要素理論”，即影響河蟹后天生長(zhǎng)的關(guān)鍵因素是溶氧、水溫及營(yíng)養(yǎng)這三項(xiàng)；辜曉青等[10]根據(jù)不同層次水溫與氣溫的相關(guān)關(guān)系建立了利用氣溫預(yù)測(cè)水溫的模型，同時(shí)，研究結(jié)果顯示相同管理措施下,水溫是河蟹生長(zhǎng)快慢的主要影響因子。其次，水溫還是影響?zhàn)B殖池塘水質(zhì)的重要因素，鞏沐歌等[11]通過氣象因子與水質(zhì)之間的相互關(guān)系分析，指出水溫是溶氧和pH的關(guān)鍵影響因子；張雷鳴等[12]在內(nèi)循環(huán)流水池塘和傳統(tǒng)池塘的浮游植物群落對(duì)比中分析了水溫對(duì)浮游植物群落的影響；Ho等[13]將水溫視為重要參數(shù)，采用參數(shù)估計(jì)和不確定性分析模擬天然湖泊建立池塘的綜合水動(dòng)力學(xué)模型；戴恒鑫等[14]對(duì)河蟹養(yǎng)殖池塘溶氧分布規(guī)律的研究中指出由于高溫季節(jié)無風(fēng)，水溫升高，導(dǎo)致河蟹養(yǎng)殖池塘上下水層存在熱阻力現(xiàn)象使得上下層溶氧存在分層現(xiàn)象；而蓋建軍等[15]的研究則指出高溫天最容易導(dǎo)致河蟹養(yǎng)殖池塘水體的溶氧過低。正是由于水溫對(duì)水質(zhì)及河蟹本身的重要影響，很多學(xué)者在養(yǎng)殖池塘水質(zhì)監(jiān)測(cè)系統(tǒng)的研究中都關(guān)注了水溫的監(jiān)測(cè)與管理[16-19]，但在河蟹養(yǎng)殖生產(chǎn)實(shí)踐中，由于水草的種植，使得河蟹養(yǎng)殖池塘的水體水溫存在一定的區(qū)域性和分層性[20-21]，而當(dāng)前的水溫監(jiān)測(cè)研究中未對(duì)河蟹養(yǎng)殖池塘的這一特性加以重視。

為研究微流水循環(huán)生態(tài)養(yǎng)蟹模式下河蟹池塘的水溫分布特性，設(shè)計(jì)了多層水溫實(shí)時(shí)監(jiān)測(cè)裝置，并構(gòu)建了基于物聯(lián)網(wǎng)云的實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，能實(shí)時(shí)監(jiān)測(cè)不同水層的水溫及不同時(shí)刻水體溫度的分布，為科學(xué)養(yǎng)殖提供科學(xué)依據(jù)。

1 微流水循環(huán)生態(tài)養(yǎng)蟹模式

傳統(tǒng)的種草養(yǎng)蟹已經(jīng)被大量實(shí)踐證明是一種成功、有效的養(yǎng)殖模式[22]，但該模式也存在一定的弊端，由于養(yǎng)殖池塘的靜水特性，常年養(yǎng)殖造成池底淤泥越積越厚，水質(zhì)調(diào)控難度大，為了保持養(yǎng)殖水體的適用性需要進(jìn)行大量換水[23]。一方面，給周邊水環(huán)境造成一定程度的污染和凈化壓力；另一方面，從外部環(huán)境引入的水體，由于外部水體溫度、水質(zhì)及微生物的不確定性也會(huì)給養(yǎng)殖帶來一定風(fēng)險(xiǎn)。在河蟹養(yǎng)殖實(shí)踐中，微孔增氧技術(shù)能有效解決水體溫度分層帶來的底層欠氧問題[24-25]，但微孔增氧一般在需要時(shí)才開啟，其償還氧債效率和及時(shí)性難以保證，且水體凈化能力非常有限。因此，基于塘內(nèi)循環(huán)自凈技術(shù)構(gòu)建封閉式或半封閉式的微流水循環(huán)養(yǎng)殖模式是一種有益的探索[26]。既通過微流水提高池塘水體自身的凈化能力，又能盡量減少池塘水體與外部自然水體之間的交換。

微流水循環(huán)生態(tài)養(yǎng)蟹模式是在傳統(tǒng)的種草養(yǎng)蟹基礎(chǔ)上通過池塘水體阻隔結(jié)構(gòu)的設(shè)計(jì)，將池塘劃分為相互隔離的不同區(qū)域，使得水體在推水造流裝置的驅(qū)動(dòng)作用下形成池塘內(nèi)部的水流循環(huán)。池塘分隔結(jié)構(gòu)示意圖見圖1，圖1中箭頭表示水流方向。利用軟圍隔將池塘分為兩部分，第一部分為河蟹養(yǎng)殖區(qū)，第二部分由回流凈化渠和凈水區(qū)組成。河蟹養(yǎng)殖區(qū)約占90%的池塘面積，按照規(guī)劃種植水草(伊樂藻、輪葉黑藻和苦草等)為河蟹提供立體化的生存、生長(zhǎng)環(huán)境，養(yǎng)殖區(qū)域水深在0.6～1.5 m之間，要求水草區(qū)塊化種植并在區(qū)塊之間留出水道。在推水造流裝置的作用下凈水區(qū)的凈化水體進(jìn)入養(yǎng)殖區(qū)，從而形成凈水區(qū)和養(yǎng)殖區(qū)之間的水位差，由于水位差的存在，使得池塘另一端的養(yǎng)殖水體進(jìn)入回流凈化渠，經(jīng)水生蔬菜種植凈化區(qū)、吸附過濾區(qū)后流入凈水區(qū)，形成塘內(nèi)循環(huán)凈化的同時(shí)在養(yǎng)殖區(qū)形成微流水。推水造流裝置可采用氣提推水設(shè)備，根據(jù)養(yǎng)殖池塘的面積配置，一般1 hm2面積配置1臺(tái)2～3 kW的氣動(dòng)風(fēng)機(jī)驅(qū)動(dòng)6～8個(gè)推水造流裝置。圖1中圓點(diǎn)是微流水循環(huán)模式在崇明寶島蟹業(yè)有限公司具體實(shí)施過程中根據(jù)水草多寡確定的10個(gè)監(jiān)測(cè)采樣點(diǎn)，監(jiān)測(cè)采樣點(diǎn)的水草情況、實(shí)際水深及區(qū)位情況見表1。

圖1 微流水河蟹養(yǎng)殖池塘結(jié)構(gòu)分隔及監(jiān)測(cè)采樣點(diǎn)示意圖

表1 水體溫度采樣點(diǎn)及其特點(diǎn)

2 河蟹養(yǎng)殖池塘多層溫度監(jiān)控系統(tǒng)的設(shè)計(jì)

河蟹養(yǎng)殖池塘多層溫度監(jiān)控系統(tǒng)由兩部分組成，分別是多層水溫感知終端和物聯(lián)網(wǎng)云平臺(tái)。多層水溫感知終端攜帶多個(gè)水溫傳感器，安裝在不同水深位置，能夠?qū)崟r(shí)獲取不同水層的水溫，并上傳至物聯(lián)網(wǎng)云平臺(tái)。物聯(lián)網(wǎng)云平臺(tái)為設(shè)備提供安全可靠的連接通信能力，向下連接海量設(shè)備，支撐設(shè)備數(shù)據(jù)采集上云；向上提供云端API，服務(wù)端通過調(diào)用云端API將指令下發(fā)至設(shè)備端實(shí)現(xiàn)遠(yuǎn)程控制[27-29]。多層水溫感知終端包含多層溫度傳感器、太陽(yáng)能供電系統(tǒng)、無線通信系統(tǒng)、傳感器數(shù)據(jù)采集系統(tǒng)和固定支架等組成部分，其三維設(shè)計(jì)圖見圖2。

圖2 多層水溫感知終端三維設(shè)計(jì)圖

在河蟹養(yǎng)殖過程中，池塘水深隨著養(yǎng)殖階段不同而變化，同時(shí)，不同功能區(qū)域池塘水深也有所不同，最大水深在80～150 cm之間不等，因此，多層水溫感知終端總深度為150 cm，從底部開始每隔30 cm安裝一個(gè)PT100A熱敏電阻溫度傳感器，總共6個(gè)溫度傳感器。多層水溫感知終端工作原理如圖3所示，采用2個(gè)12V40AH的鉛酸蓄電池為終端供電，并采用40 W的太陽(yáng)能電池進(jìn)行能源補(bǔ)充，連接太陽(yáng)能充電控制后通過負(fù)載端對(duì)所有設(shè)備供電。6個(gè)溫度傳感器采用三線連接法，連接在格控RTU-318E數(shù)據(jù)采集器的0～5口上，采集數(shù)據(jù)以485協(xié)議傳輸給NB-IoT模塊。窄帶物聯(lián)網(wǎng)(Narrow Band Internet of Things，NB-IoT)是一種專為萬物互聯(lián)打造的蜂窩網(wǎng)絡(luò)連接技術(shù)[30]。一般而言，NB-IoT所占用的帶寬只需約180 kHz，可采取帶內(nèi)、保護(hù)帶或獨(dú)立載波3種部署方式，與現(xiàn)有網(wǎng)絡(luò)共存，能夠直接部署在2/3/4G的網(wǎng)絡(luò)上，實(shí)現(xiàn)現(xiàn)有網(wǎng)絡(luò)的復(fù)用和平滑升級(jí)[31]。

圖3 多層溫度感知終端工作原理圖

在NB-IoT網(wǎng)絡(luò)的支持下，系統(tǒng)采用阿里云物聯(lián)網(wǎng)平臺(tái)對(duì)多層溫度感知終端設(shè)備和所采集的水溫?cái)?shù)據(jù)進(jìn)行管理。阿里云物聯(lián)網(wǎng)平臺(tái)向下可連接海量設(shè)備，支持設(shè)備數(shù)據(jù)采集上云；向上可以為服務(wù)端和應(yīng)用提供云端API，允許服務(wù)端通過云端API向設(shè)備端下發(fā)指令實(shí)現(xiàn)遠(yuǎn)程控制。本研究在阿里云物聯(lián)網(wǎng)平臺(tái)建立產(chǎn)品模型(WaterTemp)，根據(jù)終端物理結(jié)構(gòu)定義功能(物模型：即 Thing Specification Language，簡(jiǎn)稱TSL,采用JSON格式)如圖4所示，在物模型中每個(gè)終端為一個(gè)設(shè)備(Station)，即產(chǎn)品模型的一個(gè)實(shí)例，每個(gè)設(shè)備有8個(gè)屬性分別對(duì)應(yīng)6個(gè)水層的水溫、地址位置以及采集器狀態(tài)信息。

圖4 多層水溫感知云端物模型

經(jīng)由NB-IoT網(wǎng)絡(luò)，搭載6個(gè)水層溫度傳感器的物理終端設(shè)備通過ProductKey和DeviceSecret與阿里云上的物模型建立連接，并實(shí)時(shí)地將RTU所采集的6個(gè)水層溫度數(shù)據(jù)通過互聯(lián)網(wǎng)上傳至物聯(lián)網(wǎng)云平臺(tái)。

3 微流水循環(huán)養(yǎng)殖多層溫度監(jiān)控試驗(yàn)及分析

3.1 試驗(yàn)塘及多層溫度監(jiān)控裝置布置概況

為了研究河蟹微流水循環(huán)養(yǎng)殖的池塘水溫特性以及多層水溫實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的可行性，于2018年開始在崇明上海寶島蟹業(yè)有限公司的河蟹養(yǎng)殖塘展開研究與試驗(yàn)工作。試驗(yàn)塘位于上海市崇明區(qū)綠華鎮(zhèn)，GPS坐標(biāo)為北緯31°74’，東經(jīng)121°23’，池塘面積約為1 hm2，長(zhǎng)約129 m，寬約74.5 m。按圖1微流水循環(huán)養(yǎng)殖方案，凈水區(qū)與養(yǎng)殖區(qū)之間用水泥磚墻隔離，回流凈化渠與養(yǎng)殖區(qū)用軟圍隔分隔，凈水區(qū)與回流凈化渠連成一體。各區(qū)域面積分別為：回流凈化渠(792 m2)，凈水區(qū)(447 m2)，養(yǎng)殖區(qū)(8 371.5 m2)，養(yǎng)殖區(qū)面積占87.1%，流水凈化功能區(qū)合計(jì)占12.9%。考慮到水草多寡及區(qū)域位置對(duì)微流水和水溫有較大影響，池塘水溫監(jiān)測(cè)試驗(yàn)中，在圖1所示的10個(gè)監(jiān)測(cè)采樣點(diǎn)布置10個(gè)多層水溫感知終端，監(jiān)測(cè)同一時(shí)刻不同區(qū)域、不同水層的水溫。

2019年7月16日1:00—2019年9月2日24:00期間通過基于物聯(lián)網(wǎng)云的河蟹養(yǎng)殖池塘多層水溫實(shí)時(shí)監(jiān)測(cè)系統(tǒng)進(jìn)行了連續(xù)不間斷地試驗(yàn)塘水體溫度監(jiān)測(cè)，監(jiān)測(cè)頻率為5 min/次，其中，2019年7月25日9:00—10:00監(jiān)測(cè)站1(Station1)的實(shí)時(shí)數(shù)據(jù)示例如表2所示。

表2 2019年7月25日9:00—10:00 Station1數(shù)據(jù)示例

3.2 試驗(yàn)周期及對(duì)照組選擇

開放池塘試驗(yàn)設(shè)計(jì)和執(zhí)行有較高的復(fù)雜性，由于存在天氣情況等不可測(cè)、不可控因素對(duì)于對(duì)池塘的水體溫度有著重大影響。因此，試驗(yàn)設(shè)計(jì)時(shí)考慮池塘內(nèi)部結(jié)構(gòu)對(duì)水溫的影響，選擇單塘不同時(shí)段進(jìn)行對(duì)比試驗(yàn)，試驗(yàn)前期(7月16日—7月27日)關(guān)閉推水造流裝置使得池塘處于靜水狀態(tài)作為對(duì)比組，試驗(yàn)中后期(7月28日—9月2日)開啟推水造流裝置使池塘處于微流水循環(huán)養(yǎng)蟹狀態(tài)，作為試驗(yàn)組。同時(shí)，在數(shù)據(jù)選用和分析時(shí)考慮了天氣情況，選用天氣條件基本相同的兩天，對(duì)其24 h數(shù)據(jù)進(jìn)行對(duì)比分析，分別選用7月25日(對(duì)比組)和7月29日(試驗(yàn)組)，其天氣對(duì)比情況見表3。

表3 對(duì)比組和試驗(yàn)組天氣狀況

3.3 全天溫度波動(dòng)情況分析

將5 min一次的實(shí)時(shí)溫度監(jiān)控?cái)?shù)據(jù)按20 min(也就是按照順序?qū)γ?個(gè)監(jiān)測(cè)數(shù)據(jù)計(jì)算算術(shù)平均值)取均值后，每天每個(gè)監(jiān)測(cè)傳感器總共有72組數(shù)據(jù)，表1的10個(gè)監(jiān)測(cè)點(diǎn)中，監(jiān)測(cè)點(diǎn)1為全水深水草密集區(qū)域，最具代表性。因此，就該監(jiān)測(cè)點(diǎn)，對(duì)比其靜水狀態(tài)與微流水狀態(tài)下的全天水溫波動(dòng)情況，靜水狀態(tài)下不同水深溫度值見圖5，微流水狀態(tài)下的溫度波動(dòng)情況見圖6。

圖5 監(jiān)測(cè)點(diǎn)1靜水狀態(tài)下不同水層溫度全天波動(dòng)情況

圖6 監(jiān)測(cè)點(diǎn)1微流水狀態(tài)下不同水層溫度全天波動(dòng)情況

由圖5和6可見，同等天氣條件下，微流水對(duì)養(yǎng)殖池塘水溫波動(dòng)產(chǎn)生了顯著的影響，池塘表面水溫極值明顯變小，上下層水溫差值顯著減小，由此高溫時(shí)段的水溫分層風(fēng)險(xiǎn)大為降低。通過對(duì)高溫時(shí)段(中午12：00至下午16：00)的水溫進(jìn)行對(duì)比：10個(gè)監(jiān)測(cè)點(diǎn)上層近水面溫度如圖7所示，1號(hào)點(diǎn)和5號(hào)點(diǎn)(水草密集點(diǎn))高溫時(shí)段平均溫度達(dá)到了38℃和37.8℃，微流水狀態(tài)表層水溫普遍降低，最高溫度為36℃，可見微流水能夠緩解水體表層的極端高溫度情況，可降低2℃左右；從深度上看，微流水狀態(tài)下可大幅降低中上層水溫，較靜水狀態(tài)減小上下層溫差2.5℃，能顯著降低溫度分層風(fēng)險(xiǎn)，但會(huì)略微提高中層水體溫度詳見圖8；同時(shí)由圖8可見微流水狀態(tài)下水體的微動(dòng)使得中上層水體(90 cm上方)水溫得以調(diào)節(jié)和均衡，但對(duì)中下層水體(90 cm下方)水溫影響微小，并不影響高溫時(shí)段河蟹尋找陰涼躲避處。

圖7 監(jiān)測(cè)點(diǎn)1～10上層近水面溫度

圖8 高溫時(shí)段各水層平均溫度統(tǒng)計(jì)情況

3.4 養(yǎng)殖池塘溫度均衡性分析

養(yǎng)殖池塘水溫均衡性指的是同一時(shí)刻池塘各區(qū)域的水溫差值情況，即該時(shí)刻所有溫度監(jiān)測(cè)傳感器中最高水溫減去最低水溫除以這一時(shí)刻平均水溫。水溫差值越小池塘水溫均衡性越好，均衡度值越高，反之，則越低。經(jīng)過統(tǒng)計(jì)計(jì)算，43個(gè)有效監(jiān)測(cè)溫度傳感器，在72個(gè)時(shí)段的水溫均衡度值見圖9。

圖9 池塘全天水溫均衡度值

從池塘全天水溫均衡度值分布情況可見，微流水情況下，不管是在低溫時(shí)段還是高溫時(shí)段，溫度的均衡性都要優(yōu)于靜水狀態(tài)，尤其是在高溫時(shí)段對(duì)比更加明顯。從全天平均看，微流水狀態(tài)下全天均衡度平均值為0.893，較靜水狀態(tài)下的0.811提高了10.17%。溫度均衡度的提升，也對(duì)池塘溶氧產(chǎn)生了有益的影響，采用Aquaread AP2000手持多參數(shù)傳感器對(duì)10個(gè)監(jiān)測(cè)點(diǎn)早中晚的溶氧監(jiān)測(cè)結(jié)果顯示：靜水狀態(tài)下水深30～40 cm處和水深60～70 cm處的溶氧平均值分別為6.10 mg/L和3.94 mg/L，微流水狀態(tài)下水深30～40 cm處和水深60～70 cm處的溶氧平均值分別為6.71 mg/L和4.54 mg/L，微流水狀態(tài)較靜水狀態(tài)上下層溶氧分別提高了9.99%和15.3%。

4 結(jié)論

河蟹養(yǎng)殖池塘的水溫分布及變化對(duì)河蟹養(yǎng)殖效果有重要的影響。為實(shí)時(shí)監(jiān)測(cè)河蟹養(yǎng)殖池塘不同區(qū)域不同水層的水溫分布情況，集成開發(fā)了一套基于物聯(lián)網(wǎng)的多層水溫實(shí)時(shí)監(jiān)測(cè)系統(tǒng)。設(shè)計(jì)了基于太陽(yáng)能的多層水溫感知終端，能實(shí)時(shí)上傳6個(gè)監(jiān)測(cè)傳感器的溫度數(shù)據(jù)，并在能源供應(yīng)上自給自足，既綠色環(huán)保又避免了池塘中拉設(shè)電線帶來的風(fēng)險(xiǎn)。建立了基于阿里云的物聯(lián)網(wǎng)云平臺(tái)，實(shí)現(xiàn)了數(shù)據(jù)的實(shí)時(shí)收集和管理。通過試驗(yàn)，一方面，驗(yàn)證了系統(tǒng)的可行性和可靠性，另一方面，也從水溫角度充分證實(shí)了微流水養(yǎng)殖的模式的效果：(1)微流水對(duì)養(yǎng)殖池塘水溫波動(dòng)可以產(chǎn)生顯著的影響，池塘表面水溫極值明顯變小，上下層水溫差值顯著減小，尤其是在高溫時(shí)段，能有效降低水溫分層的風(fēng)險(xiǎn)；(2)微流水情況下，不管是在低溫時(shí)段還是高溫時(shí)段，溫度的均衡性都要優(yōu)于靜水狀態(tài)，微流水狀態(tài)下全天均衡度平均值為0.893，較靜水狀態(tài)下的0.811提高了10.17%。本研究所開發(fā)的基于物聯(lián)網(wǎng)云的河蟹養(yǎng)殖池塘多層水溫實(shí)時(shí)監(jiān)測(cè)系統(tǒng)具有適用性強(qiáng)、結(jié)構(gòu)簡(jiǎn)單、穩(wěn)定性好、成本低等優(yōu)點(diǎn)，在河蟹養(yǎng)殖池塘領(lǐng)域具有較好的推廣應(yīng)用價(jià)值。未來研究中，將探索和分析水溫分布與溶氧、pH和氨氮等池塘水質(zhì)參數(shù)的關(guān)聯(lián)性。

□