AQUAIR

AQUAIR是一个公开访问的公共数据集，记录了摩洛哥阿姆加斯的一个鱼类养殖设施内的六个室内环境质量（IEQ）变量——空气温度、相对湿度、二氧化碳、总挥发性有机化合物、PM2.5和PM10。一个Awair HOME监控器从2024年10月14日至2025年1月9日每五分钟进行一次采样，产生了超过23000个时间戳观察结果，这些观察结果经过全面的质量控制，并在Figshare上公开存档。

AQUAIR is a publicly accessible open dataset that documents six indoor environmental quality (IEQ) variables within a fish aquaculture facility in Amghass, Morocco: air temperature, relative humidity, carbon dioxide, total volatile organic compounds, PM2.5, and PM10. An Awair HOME monitor collected samples every five minutes from October 14, 2024 to January 9, 2025, generating over 23,000 timestamped observations. All these observations have undergone comprehensive quality control and are publicly archived on Figshare.

搜集汇总

数据集介绍

构建方式

在智能水产养殖领域，环境参数的精确监测对鱼类健康管理至关重要。AQUAIR数据集通过部署单一Awair HOME传感器，在摩洛哥Amghass鳟鱼养殖设施内以五分钟间隔持续采集六项室内环境质量指标，包括空气温度、相对湿度、二氧化碳、总挥发性有机物及颗粒物浓度。数据采集严格遵循ISO 16000-1标准，将传感器置于距地面1.5米处，并通过本地REST/UDP接口实现自动化数据流捕获。原始数据经过时间戳标准化、缺失值插补和异常值检测等质控流程，最终形成跨越84天的23,856条标准化记录。

特点

该数据集的核心价值体现在其高时空分辨率与多参数协同监测能力。五分钟采样频率完整捕捉了投喂、清洁等作业引发的环境动态波动，例如二氧化碳浓度在操作时段呈现显著峰值。六类环境变量间存在明确关联性，颗粒物浓度与挥发性有机物变化呈现同步响应，湿度与温度则表现为负相关格局。数据集完整覆盖秋季至冬季的气候过渡期，为研究季节性环境模式提供了连续观测基础，其超过99.7%的数据完整率确保了分析可靠性。

使用方法

研究人员可通过Figshare平台获取CC-BY-4.0许可的标准化CSV文件，直接导入时序分析框架。数据集适用于多类机器学习任务：利用其五分钟采样间隔可构建ARIMA或LSTM模型进行环境参数短期预测；基于标注的养殖操作事件，可开发异常检测算法识别设备故障或环境突变。在跨领域应用中，该数据集能与水质监测数据融合，探究空气-水体交互机制，亦可作为低成本传感器性能评估的基准数据源。

背景与挑战

背景概述

随着全球鱼类资源衰退与食品安全需求增长，水产养殖业成为缓解野生渔业压力的关键产业。AQUAIR数据集由摩洛哥阿尔阿克海因大学的Youssef Sabiri团队于2024年10月至2025年1月创建，聚焦室内循环水产养殖系统中鱼类生存空间的空气质量监测。该数据集通过高频采集空气温度、相对湿度、二氧化碳等六项室内环境质量参数，填补了水产养殖领域大气环境动态数据的空白，为智能养殖系统的预测建模与异常检测提供了重要数据支撑。

当前挑战

在水产养殖环境监测领域，现有研究多集中于水质参数分析，而忽视空气环境与水体生态的耦合机制。AQUAIR构建过程中面临双重挑战：其一需解决传感器在高温高湿环境下的稳定性问题，通过ISO标准安装与定期校准确保数据可靠性；其二需处理时间序列数据的间断性问题，采用插值算法与异常值检测方法保障数据连续性，为机器学习模型提供高质量训练基础。

常用场景

经典使用场景

在智能水产养殖领域，AQUAIR数据集通过高频监测室内环境质量参数，为时间序列预测模型提供了理想基准。其五分钟采样间隔与84天连续记录的特性，使得研究人员能够构建精准的短时预测模型，例如基于LSTM或Transformer架构的二氧化碳浓度与颗粒物变化趋势预测。这些模型可捕捉投喂作业引起的周期性波动，为养殖环境动态调控提供数据支撑。

解决学术问题

该数据集填补了水产养殖研究中空气-水界面环境耦合数据的空白，解决了传统模型仅关注水质参数而忽视头部空间气体交换的局限性。通过提供温度、湿度、二氧化碳等六类室内环境参数，支持了异常检测算法开发与传感器漂移研究，为理解环境波动对虹鳟鱼生理应激的影响机制提供了实证基础。

衍生相关工作

基于该数据集衍生的研究已拓展至多模态学习领域，例如将头部空间气体数据与水质传感器记录融合，开发跨介质环境预测模型。部分工作探索了迁移学习框架，将建筑环境中的异常检测算法适配至养殖场景，另有研究利用其时间序列特性评估低成本传感器的长期稳定性，推动了水产物联网设备的标准化进程。