基于精细化管理的环境物联网发展趋势

李泽浩，常 杪，王东生，徐翀崎

1.清华大学环境学院，北京 100084 2.青岛市生态环境监控中心，山东 青岛 266003

物联网在生态环境领域得到了广泛应用。国务院办公厅颁布的《生态环境监测网络建设方案》[1]与原环境保护部办公厅颁布的《生态环境大数据建设总体方案》[2]等要求运用现代信息技术创新环保工作，实现生态环境数据互联互通和开放共享已成为社会共识。2020年3月中共中央办公厅与国务院办公厅印发的《关于构建现代环境治理体系的指导意见》[3]中要求全面提高监测自动化、标准化、信息化水平，加大监测技术装备研发与应用力度，推动监测装备精准、快速、便携化发展。

环境物联网关注生态环境管理对象，运用智能传感器、遥感等非实验室监测手段感知生态环境的变化，监控企业的排污行为[4]，对获取的生态环境信息进行处理、整合，指导环境管理决策，以实现环境管理的目标。环境物联网由下至上可分为感知层、传输层、应用层3层结构[5]。感知层使用射频识别技术与传感器技术等采集环境状态数据和信息，射频识别技术广泛应用于固废转运、移动放射源等监管领域，而在环境质量分析和污染源监测等领域传感器技术的应用更为普遍。传输层使用通讯技术将采集的数据传输到数据库中。应用层将环境数据进行处理、整合分析以实现环境管理应用需求。近年来新技术的不断涌现提供了解决环境物联网现存问题的新手段，笔者分析环境物联网的应用现状及其与现阶段应用需求之间的差距，结合环境物联网的感知层、传输层与应用层发展情况，找出主要问题，结合物联网与大数据新技术的研究进展，展望环境物联网的未来发展方向。

1 环境物联网在环境管理中的需求

构建环境物联网能够有效支撑以下环境管理业务：①环境质量管控：利用地面自动监测设备、手持便携设备等全面感知和监测水、大气、土壤、生态等环境要素，以全面评估生态环境质量；②环境质量预警预测：通过分析地面自动监测、无人机监测、卫星遥感监测等获取的数据，研究并准确预测生态环境质量变化趋势，识别敏感点位，预警并应对突发环境污染事故；③污染源管控与溯源：利用自动监测设备、视频监控设备、无人机监测等，实现对各类污染源与污染物从生产过程到末端排放的全程监控，由事后应对为主的环境管理模式转为事前预防，实现精细化监管；④形势研判与治理决策：利用地面自动监测设备、垂直观测塔、卫星遥感监测等技术，对背景点位跨区域传输、长时间跨度变化问题提供数据支撑，辅助制定系统性规划与管理方案，科学治理区域性环境问题。

环境物联网在近年来取得了长足发展，但在实践过程中也存在一些不足。一些新政策对环境物联网的应用提出了新的要求。生态环境部发布的《关于推进生态环境监测体系与监测能力现代化的若干意见(征求意见稿)》[6]《生态环境监测规划纲要(2020—2035年)》[7]等提出要开展监测能力现代化达标建设，完善环境质量监测网络，统筹构建污染源监管体系，提高溯源解析与风险监控能力，推动数据共享。结合上述政策文件中提及的管理目标，将环境物联网在实际应用中存在的不足，与环境物联网的感知层、传输层、应用层对应分类归纳，见表1。

表1 环境物联网在环境管理应用中的不足[3,6-7]Table 1 Deficiencies in the application of environmental IoT in environmental management

2 环境物联网发展现状

2.1 环境物联网感知层

当前环境物联网感知层实现自动在线监测的指标主要集中在大气6种污染物、水质五参数、化学需氧量和氨氮(湖库还包含总氮和总磷)[8]，环境噪声涉及的部分指标也已实现自动在线监测[9]。而其他指标更多地是根据本地环境问题，使用手持便携设备、无人机监测设备等实现监测需求。笔者将从监测原理、信号转化类型和监测方式等方面总结环境物联网传感器技术的现状。

2.1.1 监测原理

按照信号产生原理可将传感器技术方法分为物理方法、化学方法和生物方法。物理方法指直接或者依靠光、热等外界能量作用来监测目标物质的质量、光谱学等特征以确定监测目标物质的含量的方法；化学方法通常是利用目标物质对化学反应产生的电信号或者对指示物光学或颜色等可识别特征的不同响应进行观测的方法；生物方法则是利用酶、抗体等生物活性分子的特征反应或者活体细胞受到监测目标物质影响而改变表现型或状态，进而转化为便于观测的光、电信号等进行检测的方法[10]。相较而言，物理方法适用范围较窄，可完成对选择性要求不太高的物质的监测或者对精度要求不太高的宏观尺度监测；化学方法的使用最为广泛，成本也相对较低，选择性、灵敏度、可重复性、准确度等指标表现也较好[11]；生物方法具有很好的选择性，灵敏度表现较好，使用细胞时，还能够实现对多种污染物的联合监测和高通量现场检测，但是检测范围较小，反应条件要求更为严格，环境变量对监测结果影响较大，响应时间也较慢，识别过程会影响仪器的使用寿命，增加运维难度[12]。

2.1.2 信号转化类型

按照信号转化类型可将传感器技术方法划分为光学方法，电化学方法和色谱/质谱[13]、质量、热量方法等。其中光学方法和电化学方法属于主流方法。光学方法使用的光谱类型包括发光、荧光、吸收、散射、反射、干涉光谱等，根据使用的光的频段又可分为红外、紫外、激光等[14]。电化学方法使用的传感器类型包括电位、伏安、电流等电阻型传感器，电极法以及半导体传感器[15]。通常来看，色谱/质谱法和遥感监测仪器成本更高，使用光学方法(尤其是紫外、激光等技术)的能耗较电化学方法而言更高。不同监测方法适用的污染物种类见表2。

表2 不同监测方法适用的污染物种类Table 2 Types of pollutants that different monitoring methods are applied

2.1.3 监测方式

各种环境监测方式按照载体可划分为固定点位监测和移动式监测，其中移动式监测包含手持、车载、船载、系留气球、机载、星载等各种形式的监测(表3)。相较而言，固定点位监测自动化可减少人力投入，实现持久、固定频率的环境监测，对于获取相对高频的环境状态信息有重要意义。近年来监测站呈现出小型化、微型化的趋势，在提高环境适应性的同时，降低了运维成本，既可以快速移动部署，高频传输数据，又适合大范围、高密度布设。移动式监测则需要一定的人力参与，牺牲了监测的频密度但获得了更多机动性，可帮助获取环境状态在时空分布上的变化趋势，但是也需要解决载具的协调性、交互性与路线问题等[16]。多种载体监测方式的结合有助于形成多层次、立体式的环境监测网络。以大气环境管理为例，固定点位监测设备可满足常规的环境质量监测、点源排放监控等需求；对于有污染溯源、应急监测或不定期监督抽查监测需求的敏感点位等，则可以根据监测任务的范围选用手持、车载等监测设备；而面对区域性空气污染问题识别与联防联控、重污染天气研判等较大时空尺度的管理需求时，则可以使用机载、星载等监测设备获取数据以辅助决策。

新疆医科大学附属中医医院作为新疆规模较大的教学基地之一，已形成临床实习全过程质量管理体系，在该领域积累了不少宝贵的经验。加强实习医师的基本技能操作，科教科对实习生进行入院前岗前培训，抽调全院教师参加培训工作，岗前培训的项目包括：四项基本技能（体格检查、心肺复苏、无菌操作、中医针灸操作）的强化训练。开展临床理论培训：加强实习医师的理论及基本技能掌握，在实习医师入院前[2-5]，科教科制定整个实习期间的培训计划，固定时间进行培训，使实习医师能较系统的掌握临床的基本知识。

表3 不同载体的监测方式对比Table 3 Comparison of monitoring manners with different carriers

2.2 环境物联网传输层

当前环境物联网传输层采用的常见技术有短距离无线通信系统(蓝牙[17]、ZigBee、Wi-Fi[18]等)及移动通信网络技术(2G、3G、4G[19]等)，技术的选取由传输距离、传输速率与带宽、传输安全级别、时延接受度、设备能耗等决定。通常，短距离无线通信系统可以满足数十米范围的数据传输需求(如工业园区内监测数据的传输)，而更大范围(如数千米)的数据传输则由移动通信网络补充(如野外环境监测数据的传输)[19]。短距离无线通信系统的技术比较见表4。移动通信网络技术方面，环境物联网蜂窝设备主要由3G和4G来承载，预计未来4G将成为蜂窝物联网设备的主要承载者[20]。现有的传输技术能够满足常规监测数据的传输需求，但传输较大数据包(如视频数据)的能力不足，且难以满足未来监测时空密度不断增加所带来的数据传输需求。

表4 蓝牙、ZigBee、Wi-Fi技术对比[17-18]Table 4 Comparison of Bluetooth,ZigBee and Wi-Fi

2.3 环境物联网应用层

环境物联网可以获取多种环境状态信息和数据，从而辅助实现多种环境管理需求。结合笔者分析，按照不同的环境管理应用需求对环境物联网的应用层现状进行梳理，见表5。当前物联网应用层对数据的分析应用仍以传统的统计分析为主，部分应用场景使用了机理模型与一些机器学习算法，总体数据分析应用能力还有待提升，辅助决策能力有待提高。

表5 环境物联网管理应用现状Table 5 Status of the application of environmental IoT in management

3 新技术特点及在环境精细化管理中的应用场景

3.1 传感器技术的发展

传感器的基础创新周期较长，近年来传感器技术逐渐成熟，成本持续下降，传感器的创新方向主要是面向下游应用需求，包括监测设备的集成化、设备安全和信号后端处理稳定性等[20]。降低传感器的成本和体积(如监测站小型化、手持便携设备微型化)，提高传感器的性能指标，减少环境因素的干扰将是传感器改进的主要方向。此外，当前已经实现自动在线监测的指标包括物理参数和主要空气或水体污染物，还需进一步完善自动在线监测所能覆盖的监测指标类型。

从原理上看，光学、电化学方法目前仍是主流方法并得到了广泛的应用[13]，生物方法也得到越来越多的关注[21]。从传感器使用材料上看，新材料的引入将对改进传感器的性能有很大帮助。膜[22]、半导体材料[23]可以提高传感器的灵敏度，降低响应时间，且都已得到了成熟的应用；纳米材料因其比表面积较大，有利于提高反应速率等而被关注(尤其是在生物传感器中的应用[10])；此外还有硅化材料和超导材料等。新材料的开发和应用还需要考虑运维成本和实用性等因素。

此外，传感器校准技术和算法的研究也有助于提高采集数据的精准度(如使用智能算法对传感器采集结果进行校准，可以解决温度等环境变量的影响问题[24]，还可以解决长期使用导致的老化、中毒等[25]使传感器出现漂移的问题)。

在需要增设更多的监测指标、解决复杂环境问题的背景下，为减少重复建设，多污染物联合监测、多功能集成的传感器阵列研发成为重要的课题。难点是减少监测不同污染物的传感器之间的相互影响。利用集成开发尽可能降低环境监测过程中仪器操作的复杂度，以便在使用较少设备数量的情况下实现复杂环境问题的监测需求，提高工作效率。对于使用不同原理的传感器获得的监测数据，要建立完善的数据质量评价标准体系，便于预警预测和污染源监管的应用。

3.2 传输层技术的发展

从环境物联网传输层的技术现状来看，当前环境物联网传输层采用的技术不能满足未来环境监测指标不断增加、环境监测布点不断加密的数据传输需求，同时也无法完成一些要求低时延的远距离传输任务，因此需要结合网络传输技术的一些新进展改进环境物联网传输层以适应环境物联网的应用新需求。

3.2.1 5G技术与低功耗广域网技术

网络传输技术近年来取得了许多突破。移动通信网络技术方面，5G技术相较于4G在通信速率与承载设备数量等方面获得较大提升；低功耗广域网技术则在保持无线通信网络传输速率的基础上大幅扩大了传输覆盖范围，同时保持了较低的功耗。这些技术的突破都为环境物联网数据传输提供了新的解决方案。

近年来5G的应用成为社会关注的焦点。在监测布点不断加密的背景下，对于环境监测设备向云平台传输日常监测中不断产生的小数据包的场景，5G技术中的mMTC(海量机器类通信)与uRLLC(超可靠、低时延通信)[26]有着更为广阔的应用前景。在污染源管控场景中对排污口等的视频监控数据包和在环境应急监测现场监控中产生的数据包通常较大，使用5G技术可以解决现有技术在传输大量视频数据方面的难题；5G更快的传输速率也有助于实现智能监测设备的实时控制。但5G信号容易衰减，需要布设较多的基站，建设成本较高。

近年来，低功耗物联网因具有传输数据包小、大量用户零星活动、上行传输为主、速率低、采集设备能耗低等特征[27]，在物联网中的应用也备受关注。与移动通信网络相比，低功耗广域网在连接数量、信号覆盖深度以及节能等方面更具优势。低功耗广域网技术中的典型技术SigFox、LoRa和NB-IoT的对比见表6。由于SigFox具有超窄带的特点，其应用场景相对有限[28]，因此预计未来环境物联网的低功耗广域网传输将形成以NB-IoT为主的公共网络与以LoRa为主的私有网络共同发展的格局[20]。对于较难运维的监测设备以及数据包较小的数据传输，低功耗广域网技术将有广泛的应用前景(如辐射源、危险化学品监控等场景，需尽量减少人力投入，以保障安全；进行长期生态监测时，也需减少人为干扰；在污染源中间过程监控中，用水、用电数据容量通常较小，降低传输功耗可以增加设备续航，减少运维投入)。

表6 SigFox、LoRa、NB-IoT技术对比[20,26,28-29]Table 6 Comparison of SigFox,LoRa and NB-IoT

3.2.2 区块链技术

区块链是一个分布式共享数据集群，主要解决的是在不可信的网络建立可信的信息交换[30]。区块链在环境大数据和物联网的应用场景主要包括物联网数据的采集传输[31]与生态环境大数据的共享交换[32-33]。

区块链技术具有不可篡改性，便于溯源和查验[33]，因而适用于环境物联网数据的采集传输，分布式的数据传输也利于监测数据的垂直管理。区块链中每个区块的区块头和区块体信息十分明确，可以辅助环境数据资源的分类分级存储和调用，有利于清晰划分业务流程。数据无须经过中心服务器节点，而是在约定的数据共享开放规则下点对点地交换，减少数据共享过程的壁垒[33]。区块链能备份上链同步的数据，并且对于部门业务职能变动等有较好的可拓展性[34]。

但是区块链在环境物联网的应用中还存在以下问题：①物联网设备计算能力有限，掉线问题时有发生，节点的动态连接等问题容易产生大量网络带宽消耗[35]并提高终端设备能耗，物联网设备可能不具备足够的存储空间应对区块链持续延长所带来的数据增长[33]；②区块链技术的业务应用仍无法兼顾效率、分布式与安全的要求[33]，解决软件版本更新带来的分叉问题成本也较高；③目前区块链产品不成熟，缺乏相关开发和运维体系，区块链数据对链内用户公开透明、智能合约责任主体缺失[34]，其多方协同治理也是难题。

3.3 应用层技术的发展

从环境物联网应用层的现状可以看出，当前环境物联网采集的数据质量难以保证，数据应用主要基于传统的统计分析与数值模型应用，对于时空数据与多源数据的分析应用仍然不足，导致智能化应用水平较低，辅助环境管理决策的能力仍有不足，因此需要结合大数据技术的一些新进展增强环境物联网数据的应用能力以适应环境物联网的应用新需求。

3.3.1 边云协同

目前，中国政务云覆盖率达到70%以上，超过90%的省(区、市)和70%的地市政务云平台已建成或在建[36]。多地生态环境大数据平台和相关业务系统也被要求统一上云，这为云计算提供了充分的发展平台，但是仅依靠云计算实现环境大数据的处理分析任务仍有不足。云计算和边缘计算的优劣势分析见表7。边云协同有利于两者优势互补，会逐渐发展成为物联网平台数据处理分析的重要技术。结合政务云平台分级分地区建设的背景，可考虑将边缘计算与云计算平衡协同发展，为环境物联网提供新的解决方案。边云协同可能的应用场景有低时延、快速响应的物联网数据处理和更智能化、有交互的监测行为。

表7 云计算和边缘计算的优劣势对比[37-40]Table 7 Comparison of cloud computing and edge computing

低时延、快速响应的物联网数据处理。对于一些突发的监测任务(如应急监测)，分散监测活动徒增，带来大量数据处理压力，从而对网络和云平台节点带来冲击[41]，只由终端设备进行分析又会影响终端设备的续航。视频数据等数据包较大、含有较多冗余信息的数据传输可能会给中间节点数据处理带来较大压力[41]。因此可采用边云协同技术，拆解数据处理任务，物联网终端设备只负责完成数据的采集和打包发送，由边缘节点完成数据的处理并将处理后的数据发送至云平台，云平台完成数据的后期处理和深层分析应用。

智能化、有交互的无人监测。无人监测设备的运行需要低时延的信息交互，若由云平台进行实时控制，则可能由于网络传输距离过长造成较长的时延，影响设备响应速度，或因为网络波动而丢失指令，影响监测结果质量，甚至损坏终端硬件设备。因此可以由云端节点提前生成监测活动计划和控制指令，并将实时控制部署于边缘节点，从而缩短网络链条，降低时延，保证无人监测设备工作过程中信息交互顺畅，保证监测结果的质量[41]。

3.3.2 机器学习算法

机器学习作为新的技术手段，与传统的信息处理和数据分析方式相比，可以对海量多源异构数据进行复合处理，做到多元感知数据的交互学习、时空模拟预测的尺度加密、机理模型与机器学习算法结果的比对和补充、目标管控与调控措施的深入联动。机器学习算法在环境管理领域的应用研究主要涉及环境质量预测、环境质量评价和污染物识别等，主要方法有人工神经网络、支持向量机、层次贝叶斯、K-means聚类、深度学习等。在环境质量预测方面，DI等[42]利用EM聚类和HC聚类等无监督机器学习算法分析时空污染特征，为地方政府的日常监控预警提供数据支撑；BURCHARD-LEVINE等[43]使用人工神经网络替代传统物理模型用于饮用水源保护的早期预警；KRISHAN等[44]利用LSTM算法预测印度德里地区的O3、NOx等污染物浓度以指导制定污染物削减调控措施。在环境质量评价方面，LI等[45]采用支持向量机分类模型对太湖流域苕溪水质进行分类评价；LI等[46]利用模糊算法对鄱阳湖水质进行分类评价。在污染物识别方面，LIU等[47]使用多目标优化算法优化污染源识别和污染事件检测中的传感器布点；WANG等[48]通过算法学习行业污染与水域水质之间的关联规则并进行跟踪预测，从而实现污染源管控目标。

总体来看，当前研究主要集中于机器学习算法优化环境质量相关模型的参数或构建新模型对环境质量进行综合评价及预测分析，有关污染物追踪、风险管控等方面的研究相对薄弱，相关研究内容仍缺乏与环境管控目标及调控方法的有机结合，缺乏实际联动调控规则的反馈效果循环优化算法，可迁移性较弱。因此仍需进一步从环境管理者的实际需求出发，构建智能化的、多目标场景下的环境物联网与机器学习算法的联动调控规则体系，这对于提升环境管理的科学化水平，最终促进环境质量改善具有重大现实意义。

4 总结与展望

通过系统分析环境物联网传感器技术、无线网络通信技术以及环境物联网的应用场景，发现现阶段环境物联网在实际应用中存在的问题有以下方面：数据质量和精准度缺乏保证，数据传输能力存在瓶颈，数据共享还未打通，对数据的分析应用还有待提升。现有的环境物联网的设计还无法完全满足政策需求，笔者结合物联网与大数据技术的最新进展，对环境物联网的数据采集、传输与应用场景进行展望。传感器创新的主要方向将是降低成本和体积、增加应用场景、提高性能指标。传输层方面将形成5G面向高通量、高速率、低延时数据传输，NB-IoT和LoRa面向小数据包传输的格局，区块链技术的应用有助于生态环境大数据采集传输防篡改及开放共享。应用层方面，边云协同与机器学习算法的应用有助于突破环境物联网数据应用在算力和算法方面的瓶颈。只有充分考虑环境数据的特征和环境管理业务的需求，结合物联网和大数据技术的研究进展，才能实现更精细化、精准化的环境管理，提升环境管理水平，为实现精细化管理与科学决策提供科学参考。