Duy trì nồng độ DO ổn định là rất quan trọng để ngăn ngừa tình trạng thiếu oxy. Thiếu oxy có thể gây căng thẳng cho cá, làm giảm sự tăng trưởng, ức chế hệ thống miễn dịch của cá, và trong trường hợp nghiêm trọng, thậm chí dẫn đến chết hàng loạt, gây ra thiệt hại kinh tế nặng nề.
Đã từng có những vụ cá chết hàng loạt ở Philippines và hàng triệu con cá hồi bị mất do tảo độc nở hoa ở Chile cho thấy rõ những hậu quả nghiêm trọng của việc quản lý oxy hòa tan kém. May mắn thay, những tiến bộ trong công nghệ cảm biến, trí tuệ nhân tạo (AI) và Internet vạn vật (IoT) đang cách mạng hóa cách chúng ta theo dõi và dự đoán nồng độ oxy.
Một nghiên cứu được công bố trên tạp chí Kỹ thuật nuôi trồng thủy sản bởi các nhà nghiên cứu từ Đại học Florida Atlantic đã trình bày chi tiết những phát hiện của một đánh giá khoa học gần đây khám phá ba trụ cột của việc quản lý oxy hòa tan hiện đại: yếu tố nhân quả kiểm soát oxy hòa tan, mô hình dự đoán những thay đổi trong oxy hòa tan và công nghệ giám sát thông minh đo oxy hòa tan theo thời gian thực
Những yếu tố nào quyết định lượng oxy trong ao?
Nồng độ oxy hòa tan trong ao không phải là một giá trị tĩnh mà là kết quả của sự tương tác phức tạp giữa các quá trình vật lý, hóa học và sinh học. Để hiểu rõ hơn về điều này, nghiên cứu này đã phân loại các yếu tố này thành hai nhóm chính.
Yếu tố trực tiếp: Các quá trình bổ sung hoặc loại bỏ oxy. Đây là những quá trình trực tiếp thêm hoặc loại bỏ oxy khỏi nước.
- Sục khí: Đây là quá trình vận chuyển oxy từ khí quyển lên mặt nước. Quá trình này có thể diễn ra tự nhiên nhờ gió hoặc được tạo ra nhân tạo bằng máy sục khí guồng nước, đặc biệt quan trọng vào ban đêm khi quá trình quang hợp ngừng lại.
- Quang hợp: Được thực hiện bởi thực vật phù du và thực vật thủy sinh, đây là nguồn sản xuất oxy chính vào ban ngày và giải phóng oxy như một sản phẩm phụ của quá trình chuyển đổi ánh sáng mặt trời thành năng lượng.
- Hô hấp: Tất cả các sinh vật trong ao (cá, động vật không xương sống, sinh vật phù du và vi sinh vật) đều liên tục tiêu thụ oxy cho quá trình trao đổi chất. Sự cân bằng giữa tổng quang hợp và hô hấp quyết định động lực của oxy hòa tan ròng.
- Phân hủy và Nitrat hóa: Vi khuẩn hiếu khí (hoặc aerobe là sinh vật có thể tồn tại và phát triển trong môi trường oxy hóa) phân hủy chất hữu cơ (thức ăn thừa, phân, sinh vật phù du chết) tạo ra một lượng lớn oxy, đặc biệt là ở đáy ao. Tương tự, quá trình nitrat hóa, chuyển đổi amoniac độc hại thành nitrat, cũng tiêu thụ một lượng lớn oxy hòa tan.
Các yếu tố gián tiếp: Các điều kiện hình thành nên môi trường. Các yếu tố này không tự thêm hoặc bớt oxy, nhưng chúng thay đổi các điều kiện ảnh hưởng đến quá trình tức thời.
- Nhiệt độ: Đây có lẽ là yếu tố quan trọng nhất. Khi nhiệt độ nước tăng, khả năng giữ oxy hòa tan của nước giảm. Đồng thời, quá trình trao đổi chất của sinh vật tăng tốc, làm tăng nhu cầu oxy của chúng.
- Phân tầng nhiệt: Bức xạ mặt trời làm nóng bề mặt nước, tạo ra các lớp nước có nhiệt độ khác nhau, hạn chế sự pha trộn theo chiều dọc. Điều này có thể dẫn đến nồng độ oxy thấp hơn ở vùng nước sâu hơn do quá trình phân hủy tiêu thụ oxy hòa tan sẵn có, vốn không thể được bổ sung từ bề mặt.
- Độ pH: Độ pH ảnh hưởng đến các quá trình sinh học và hóa học quan trọng. Ví dụ, độ pH cao làm tăng độc tính của amoniac, gây căng thẳng hô hấp ở cá, buộc chúng phải tiêu thụ nhiều oxy hơn để giải độc.
- Độ đục: Các hạt lơ lửng quá mức (đất sét, chất hữu cơ) hạn chế sự xuyên qua của ánh sáng, làm giảm khả năng quang hợp của thực vật phù du và do đó làm giảm quá trình sản xuất oxy.
Dự đoán tương lai của oxy: Từ thống kê đến trí tuệ nhân tạo
Sự phức tạp của những tương tác này khiến việc dự đoán oxy hòa tan trở nên khó khăn. Trước đây, các mô hình cơ học dựa trên các nguyên lý vật lý và hóa học đã được sử dụng, nhưng việc áp dụng chúng vào các hệ thống thực tế thường tốn kém và hạn chế.
Các mô hình dựa trên dữ liệu đã mang đến một cuộc cách mạng. Thay vì hiểu rõ tất cả các định luật vật lý, các thuật toán AI này “học” các mẫu ẩn từ hàng đống dữ liệu lịch sử.
Sức mạnh của máy học và học sâu
- Các mô hình như LSTM (Bộ nhớ dài hạn ngắn) và GRU (Đơn vị hồi quy có cổng) đặc biệt hiệu quả trong việc phân tích dữ liệu chuỗi thời gian (ví dụ: phép đo DO hàng giờ) và nắm bắt cả sự phụ thuộc ngắn hạn và dài hạn.
- Các mô hình lai kết hợp nhiều kiến trúc khác nhau (ví dụ: CNN cho các mẫu không gian và LSTM cho các mẫu thời gian) đã được chứng minh là rất hiệu quả.
- Một trong những lĩnh vực đầy hứa hẹn nhất là Mạng Nơ-ron Thông tin Vật lý (PINN). Chúng kết hợp các định luật vật lý cơ bản, chẳng hạn như định luật Henry về độ hòa tan của một chất khí trong một chất lỏng, vào quá trình học tập của trí tuệ nhân tạo. Điều này giúp các mô hình chính xác và mạnh mẽ hơn, ngay cả khi dữ liệu khan hiếm.
Giám sát thông minh: Mắt và tai của ao nhà bạn
Để các mô hình dự báo có hiệu quả, chúng cần dữ liệu chất lượng cao, thời gian thực. Hệ thống giám sát thông minh đóng vai trò quan trọng trong vấn đề này
Công nghệ đằng sau cảm biến oxy hòa tan. Đo DO chủ yếu dựa vào hai kỹ thuật:
- Cảm biến điện hóa: Đây là loại cảm biến truyền thống hơn. Chúng hoạt động bằng cách đo dòng điện được tạo ra bởi sự khử oxy ở điện cực. Mặc dù giá thành rẻ, chúng đòi hỏi phải bảo trì thường xuyên (thay màng và chất điện phân) và độ chính xác của chúng có thể bị ảnh hưởng bởi dòng nước và các loại khí khác.
- Cảm biến quang học: Những cảm biến này đại diện cho công nghệ tiên tiến nhất. Chúng hoạt động dựa trên nguyên lý dập tắt huỳnh quang. Vật liệu phát quang được kích thích bởi ánh sáng, và sự hiện diện của oxy làm giảm cường độ và thời gian huỳnh quang của nó. Các cảm biến này không tiêu thụ oxy, có độ ổn định lâu dài cao, yêu cầu bảo trì tối thiểu và không bị ảnh hưởng bởi các loại khí như hydro sunfua, khiến chúng trở nên lý tưởng cho việc triển khai liên tục tại hiện trường.
Cuộc cách mạng Internet vạn vật (IoT) trong nuôi trồng thủy sản
Bước đột phá thực sự đến khi các cảm biến này được kết nối thông qua Internet vạn vật (IoT). Một mạng lưới cảm biến được triển khai trong ao liên tục thu thập dữ liệu về oxy hòa tan, nhiệt độ, độ pH và các thông số khác. Thông tin này được truyền không dây (sử dụng các giao thức như LoRaWAN hoặc 5G) đến nền tảng đám mây.
Tại đó, các mô hình AI sẽ phân tích dữ liệu theo thời gian thực, dự đoán xu hướng oxy hòa tan trong vài giờ tiếp theo và nếu phát hiện nguy cơ thiếu oxy, có thể tự động kích hoạt hệ thống sục khí hoặc gửi cảnh báo cho người sản xuất.
Kết luận: Hướng tới nuôi trồng thủy sản có khả năng dự đoán và phục hồi
Oxy hòa tan (DO) là thông số quan trọng nhất kiểm soát sức khỏe của các loài nuôi trồng và tính bền vững của hoạt động nuôi trồng thủy sản. Các yếu tố như nhiệt độ, quang hợp, hô hấp sinh học và phân hủy chất hữu cơ ảnh hưởng trực tiếp đến lượng DO. Trí tuệ nhân tạo (AI) cung cấp các công cụ mạnh mẽ thông qua các mô hình học sâu để dự đoán chính xác sự biến động của DO, cho phép quản lý chủ động. Cảm biến quang học, kết hợp với công nghệ Internet vạn vật (IoT), là công nghệ tiên phong trong giám sát thời gian thực, nhờ tính ổn định cao hơn và ít cần bảo trì hơn so với các phương pháp điện hóa truyền thống. Việc tích hợp các mô hình dự đoán và hệ thống giám sát thời gian thực là chiến lược đầy hứa hẹn nhất để tự động hóa việc kiểm soát sục khí và chuyển đổi từ quản lý phản ứng sang quản lý dự đoán.
Việc quản lý oxy hòa tan hiệu quả không còn chỉ dựa vào kinh nghiệm và các phép đo thủ công. Sự hiểu biết sâu sắc hơn về các yếu tố ảnh hưởng đến oxy hòa tan, sức mạnh của các mô hình dự đoán dựa trên AI, độ tin cậy của cảm biến quang học và giám sát thông minh dựa trên IoT đang kết hợp để mở ra một kỷ nguyên mới trong nuôi trồng thủy sản.
