图1 系统空间分布图
Fig.1 Spatial distribution of the system
摘要：针对海洋环境变化快、水质检测难度大的问题，通过建立传感器网络，得到更为准确的水质模型，研发了基于传感器网络的海洋环境监测与预报系统，该系统可实现对海洋水质的在线和离线分析以及对未来水质的预测和预报。系统包含数据采集子系统和数据处理子系统，分别实现海水水质要素的采集、水质监测浮标的位置定位和水质分析分类等功能，两者通过GPRS进行通信。实验结果显示，该系统运行良好，具有较高的可靠性，在赤潮等影响海洋水质的事件发生时，该系统可对相关事件的发展变化进行实时跟踪监测和预报，对预防海洋水质灾害的发生具有积极作用。
关键词：海洋水质监测；海洋水质预报；数据监测；传感器网络
对海洋的开发带来巨大经济效益的同时，也对海洋环境造成了不同程度的破坏，例如赤潮现象频发[1]。如何在保持海洋经济快速增长的同时，尽量减少对海洋环境的破坏，是目前面临的一个非常重要的问题。近年来，随着计算机技术、传感技术、网络技术等的发展，海洋环境监测与预报技术发展迅猛[2-13]。美国、加拿大、欧盟等从20世纪70年代开始研究海洋自动监测技术，经过持续多年的投入和发展，美国建立了一个由卫星、海岸自动观测站、浮标等现场监测系统组成的HABSOS系统，可以为预测、预报服务提供支持[2]。美法联合研制的ARGOS系统能够准确传输、接收、处理资料稀少的远海信息，形成了卫星遥感、海洋浮标相结合的一个现代化立体海洋监测系统[3-5]。Alastair[6]在爱尔兰海东部采用了统计方法，通过浮标进行了海洋水质的分析与预测。虽然中国的海洋监测技术相比于国际先进水平仍有较大差距，但是近年来的相关研究取得了很大进展。杨晓慧[7]实现了将无线传感器网络技术应用于海洋环境实时监测领域，实现了世界上第一个近海长期部署的无线传感器网络试验场，采集了大量的有用数据，并通过课题组门户网站向全世界研究者开放。王骥等[8]提出了基于智能无线传感器网络的监测系统，完成了对海洋生态环境监测、数据实时处理、各类海洋气象与灾害的数值预报预测、各类海水指标的检测控制。任秀丽等[9]改进了基于蒙特卡罗定位的移动传感网精确定位算法，提出了基于无线传感网的海洋监测节点定位算法，解决了节点随海水移动的定位问题。彭伟等[11]提出了基于北斗系统的海洋环境监测数据传输系统，构建了从海上监测设备到地面接收站的数据链路，实现了离岸监测数据通过中国卫星系统的可靠传输。姜韩杭[13]提出了将无线传感网用于海面污染区域的定位，以Zigbee网络、无线传感网定位算法为基础，对污染点进行定位报告。
最近，本课题组针对海洋水质监测与赤潮预报这一重要课题，结合中国海洋水质环境的实际情况，成功研究出一种新的海洋水质监测预报系统。该系统主要实现以下功能：通过在近海海域布置要素传感器，建立传感器网络，获得主要水质参数，实现近海海域水质参数的实时监测，由此得出监测海域的水质状态，利用水质数学模型，对富营养化进行趋势预测与预报。该系统中提出的水质数学模型和赤潮预报模型在文献[14]中已做了专门论述，本研究中只介绍该系统的软/硬件功能模块的设计、实现和实验结果。
海洋水质监测与赤潮预报系统空间分布如图1所示，数据采集子系统通过传输网络，将传感器网络采集到的信息传输给数据处理子系统，进行水质监测与预报。
根据系统预完成的功能，系统分为数据采集子系统和数据处理子系统，如图2所示。数据采集子系统位于海上，主要通过传感器、智能二次仪表等仪器设备采集海洋水质环境的物理、化学、生物信息，通过数据采集处理和数据通信处理将信息传送给数据处理子系统。数据处理子系统位于陆地上，
主要完成数据处理建库以及根据采集的数据进行水质评价、水质变化情况进行预报预测等，并将上述信息传递给政府部门、涉海单位等用户，用户可根据监测到的水质情况进行富营养化的判断。数据采集子系统和数据处理子系统之间通过GPRS进行数据传输。
图1 系统空间分布图
Fig.1 Spatial distribution of the system
图2 系统集成总体结构框图
Fig.2 Structured flowchart of the integrated system
1.1数据采集子系统
数据采集子系统是海洋水质监测与预报系统的基础。图3所示的要素传感器以每2 h一次的频率采集数据，浮标端通过RS232接口收集所连接传感器采集到的数据。
图3 数据采集传输流程图
Fig.3 Flowchart of data acquisition and transmission
数据采集子系统由多个传感器节点构成，每个传感器节点包括要素传感器、控制模块、GPS定位模块和GPRS通信模块。
本设计中传感器节点通过自组织的方式构成网络，并按一定统计规律随机放置，每个节点既有数据采集功能又有路由功能，所采集的数据通过多跳的方式传输，是一个随机部署的静态传感器网络，每个节点的通信范围为15 m以上，以保证海面远距离传输的可行性。传感器节点的控制器采用恒丰锐科公司的hf2410B嵌入式平台，此平台使用三星S3C2410B作为处理器芯片，提供包括串口、以太网在内的丰富的外围设备接口[13]。能耗是传感器网络节点设计中的重要指标，在初期实验过程中，选用南孚电池作为供电电源，可持续工作10 d左右，为了延长节点的生存期，改用自放电率小于10%/月的纽扣电池LIR2032，有效工作时间为20 d左右。
在进行赤潮等灾害的监测过程中，灾害发生的位置即传感器监测点的位置是否已知至关重要。在本系统中为了减少通信开销，采用TOA的定位方法，通过位置已知的锚节点和位置未知的定位节点协同定位，实现对污染点位置的识别。
数据采集子系统基本工作过程是：温度传感器、pH值传感器等要素传感器采集所监测海域的水温、盐度、溶解氧等信息，将这些物理信息转换为电信息，采用RS232专用协议将数据传输给数据通信驱动，通过数据处理和故障诊断，启用数据通信驱动，使得控制模块能够完成数据的暂存和预处理。GPS定位模块将本要素传感器的位置信息通过NMEA协议传输给控制模块。在系统运行中，若某传感器发生故障时，控制模块中的故障诊断功能将启用，将故障报警信息发送给数据处理子系统，进行故障诊断和修复，以保证系统连续运行。
1.2数据处理子系统
数据处理子系统接收图3所示传感器节点发来的数据信息。数据处理子系统建立数据库，将接收到的信息存入数据库中，以备进行数据处理，同时监测数据采集子系统中各个传感器节点的工作状态，根据不同的工作任务，发出相应的控制指令。数据处理子系统主要由数据通信模块、系统管理模块、数据管理模块、水质评价与预报模块、数据产品模块组成。各个模块的主要功能[15]如下：
(1)数据通信模块。该模块主要完成数据采集子系统与数据处理子系统之间的信息传输。本系统采用科浪公司提供的无线数据中心软件(mServer)，该软件对数据采集子系统上的GPRS终端设备进行管理，并且提供基于TCP/IP的SOCKET接口，通过该接口中心站子系统可以对数据采集子系统进行管理和数据通信[13]。
(2)系统管理模块。该模块负责数据处理子系统和数据采集子系统的设备配置。主要用于设定数据采集子系统中传感器的采样频率、接收数据采集子系统传送的主要水质参数、数据采集子系统与数据处理子系统的通信参数、数据采集子系统中传感器的工作状态、用户管理模式等。
(3)数据管理模块。该模块在整个系统中至关重要。通过对采集来的数据进行整理，建立包括用户数据、仪器管理、采样数据、评价标准数据等数据库模型，完成对数据的管理，为后续的水质评价与预报模块、数据产品模块提供支持。
(4)水质评价与预报模块。该模块主要分为水质评价与水质预报两部分。水质评价模块主要依照海水水质标准(GB3097—1997)，应用主成分分析方法，根据采集的数据对监测水域进行水质分类，同时分析水体污染物的来源。水质预报模块主要是对海洋灾害(如赤潮、海冰等)进行建模，并对未来水质发展趋势进行预报。本系统使用NPZD方法建立了赤潮模型[15]，结合数据采集子系统提供的水质参数，通过模型分析进行赤潮灾害的预报，可为防灾、减灾提供参考。
(5)数据产品模块。该模块主要根据水质评价与预报模块分析出的海洋水质情况，以可视化界面的形式展现给用户。用户可对所监测海域的水质情况进行数据收集、查询、管理、分析和趋势预测。
海洋水质监测及赤潮预报系统的软件包括数据采集子系统软件和数据处理子系统软件。
2.1数据采集子系统
由于数据采集子系统位于海上，海况复杂，人员难以接近，因此，数据采集子系统既要完成传感器信息的采集，还要完成采集信息的处理、设备之间的通信，故障的监测、报警和修复等功能。数据采集子系统的软件流程[15]如图4所示。
图4 数据采集子系统程序流程图
Fig.4 Software flowchart of the monitoring subsystem
系统首先进行初始化设置，由此启动GPS模块和GPRS模块。系统的工作模式分为自动、手动和两者兼有3种工作情况，系统默认为自动模式。当系统处于自动远程监控状态时，在浮标端均不能修改设置参数，从设备配置文件读取系统参数，设置并启动GPS和传感器，为了保证传输数据的完整性，还需要进行发送数据时的定时器时长设置，将数据进行标准化处理并存入监测文件；当系统处于手动状态时，手动读传感器和读GPS、发送数据，将数据进行处理并存入监测文件；当系统处于两者兼有的工作方式时，启动GPRS、GPS和传感器模块，设置并读取传感器参数，将信息传送给数据处理子系统，若发现故障，将报警数据传送给数据处理子系统。
2.2数据处理子系统
数据处理子系统主要完成以下功能：数据采集子系统和数据处理子系统之间的通信，包括中心站对传感器模块发出的控制命令和查询命令，以及传感器模块发送回来的故障报警信息等内容；建立水质数学模型，将要素传感器检测到的水质参数带入数学模型，对水质情况进行预测、预报；根据水质参数，对水质进行分类，分析污染物的来源；实现本系统与用户之间的交互，通过可视化界面使用户完成信息查询、分析、结果显示等操作。软件流程[15]如图5所示。
图5 数据处理子系统软件流程图
Fig.5 Software frame diagram of the center station subsystem
在数据处理子系统中，各子程序主要靠主函数的调用来实现其具体功能，调用过程如下：
SZYC int main (void)
{
osal_ram_register(); /*登陆操作
csh_ram_init(); /*初始化数据处理子系统和浮标
if (CommunicationCtrl == TRUE) {
GetDrogueData(); /*调用子函数取得浮标数据
if(DrogueData >= THRESHOLD) {
SendWarning(); /*调用子函数发送警告数据
} else {
csh_communication_init(); /*初始化通信模块
DoDrogueInfomation(); /*调用子函数处理浮标数据
} else {
AnalysisWaterQuality(); /*调用子函数分析水质
SendAnalysisRsttoLCD(); /*水质分析结果显示
}
}
}
在本研究所开发的海洋水质监测及赤潮预报系统中，数据采集子系统包括传感器、下位机、GPS定位器和无线终端，它们以浮标的形式架设于海上，构成浮标系统；数据处理子系统采用配置优良的PC机作为平台；数据采集子系统和数据处理子系统的通信由GPRS无线传输网络和互联网完成。基于上述系统架构和各子系统功能需求，本课题组开发了海洋水质检测与预报应用程序。
验证实验于2009年1月—6月在大连海事大学无线传感器网络实验室进行。实验过程中因受到投放浮标困难的限制，对于数据传输部分的测试，采用点对点数据传输。从一个传感器节点连续向终端节点发送一串数据，终端节点接收数据后计算误码率。通过循环发送0X00H-0XFFH，然后统计总比特数和误码数，计算误码率，结果如表1所示。计算结果表明，误码率较小。当节点间距离为3 m时，按照确认帧时间、非标准CSMA/CA算法和互联网网络状况，延时时间在0～3 s之间。两节点间的传输距离，室内标准楼层下可穿透一层，室外无障碍情况下可达到70 m。
表1不同波特率下的误码率
Tab.1Biterrorrateatdifferentbaudrates
波特率baudrate/Bd总比特数totalnumberofbits/Bt误码率biterrorrate96004 1472×1087 23×10-8192004 1472×10811 33×10-8384004 1472×10829 41×10-8
数据采集子系统的测试在实验室模拟水池中进行，在水池中部署4个传感器，2009年1月和2009年4月的监测数据分别如表2所示。
表2 2009年1月和4月的监测数据
Tab.2MonitoringdatainJanuaryandApril, 2009 mg/L
传感器sensor1月January4月April氨氮ammonianitrogen叶绿素achlorophylla氨氮ammonianitrogen叶绿素achlorophylla10 022 50 032 820 032 80 052 830 042 70 052 940 073 20 094 0
数据处理子系统接收采集子系统传输的数据后，通过嵌入在数据处理子系统的水质预报模块，可对监测水域未来的发展趋势进行预测。由图6可以看出，根据2009年1月份的监测数据，预测出未来4～6个月的水质有富营养化趋势，容易发生赤潮，预报结果与监测水质情况相吻合。
经过测试，整个系统可以无故障地连续运行，具有较高的可靠性。
图6 数据处理子系统模型预测界面
Fig.6 Model predictive interface of center station subsystem
本研究中实现了针对监测点的海洋水质监测及赤潮预报系统的设计。此系统可以通过数据采集子系统建立的传感器网络对海洋水质要素进行监测，将采集到的数据通过无线传输网络和互联网传输到数据处理子系统。通过数据处理子系统中的功能模块能对监测点处的水质进行分类，并对未来水质状况进行预测、预报。在实验室内对该系统进行了验证实验，实验证明系统运行良好。下一步的工作将进行本系统实际应用的研究。
参考文献：
[1] 刘岩,王昭正.海洋环境监测技术综述[J].山东科学,2001,14(3):30-35.
[2] Malone T,Horn C.HABSOS:a pilot project of the US global ocean observing system and the national association of marine laboratories
[J].Journal of Shellfish Research,1999,18(2):721.
[3] Gajewska H,Kistler J,Manasse M,et al.Argo:a system for distributed collaboration[C]//Proceedings of the second ACM international conference on Multimedia:New York,USA,1994:433-440.
[4] Argo Science Team.Argo:the global array of profiling floats,in observing the oceans in the 21 st century[R].GODAE Project Office,2001:248-258.
[5] Roemmich D,Owensw B.The ARGO project: global ocean observations for understanding and prediction of climate variability[J].Oceanography,2000,13(2):45-50.
[6] Alastair D.A statistical approach to investigating enhancement of polonium-210 in the Eastern Irish Sea arising from discharges from a former phosphate processing plant[J].Environmental Radioactivity,2014,138(1):289-301.
[7] 杨晓慧.海面无线传感器网络实时监测系统设计与实现[D].青岛:中国海洋大学,2009.
[8] 王骥,周文静,沈玉利.基于无线传感器网络的海洋环境监测系统研究[J].计算机工程与设计,2008,29(13):3334-3337.
[9] 任秀丽,韩静晶. 基于无线传感网的海洋监测节点定位算法[J].计算机应用,2012,32(10):2692-2695.
[10] Teymorian A Y,Cheng Wei,Ma Liren,et al.3D underwater sensor network localization[J].IEEE Transactions on Mobile Computing,2009,8(12):1610-1621.
[11] 彭伟,徐俊臣,杜玉杰，等.基于北斗系统的海洋环境监测数据传输系统设计[J].海洋技术,2009,28(3):13-15.
[12] 许杨,邱晓国,李浩,等.山东省环境水质自动监测网运行管理系统研究[J].环境与科学,2012,35(11):152-161.
[13] 姜韩杭.海面无线传感器网络定位及管理系统的研究[D].大连:大连海事大学,2014.
[14] 曹立杰,郭戈,王其华,等.基于NPZD模型的海洋水质预测与预报[J].大连海事大学学报,2012,38(3):112-116.
[15] 靳玉峰.海洋水质监测与预报系统研究[D].大连:大连海事大学,2009.
Abstract：A marine environmental monitoring and prediction system was established by sensor network for rapid and correct detection of water quality. The system was consisted of a data monitoring subsystem realizing the factor collection and positioning and center subsystem, and analyzed marine water quality online and offline more accurately, and predicting and forecast the future water quality. The center subsystem realized the water quality analysis, and communicated via GPRS. Experiments showed that the technology monitored and forecasted in real-time in the event of red tide, preventing marine water quality from disaster and the operation of the system was well, with high reliable.
Key words：marine water quality monitoring; marine water quality forecasting; data monitoring; sensor network
DOI：10.3969/J.ISSN.2095-1388.2014.06.023
文章编号：2095-1388(2014)06-0664-05
收稿日期：2014-10-13
基金项目：国家自然科学基金资助项目(61273107, 61174060);大连市领军人才支持计划项目(2012Z0036);中央高校基本研究项目(3132013334)
中图分类号：TP393
文献标志码：：A