Важное предупреждение: Эта статья не для слабонервных. Если ты всё ещё веришь в официальные данные Росгидромета и МЧС — закрой страницу и иди смотреть котиков. Если ты хочешь знать, КОГДА РЕАЛЬНО можно будет дышать, а когда пора заклеивать окна скотчем и надевать противогаз — добро пожаловать в клуб параноиков. У нас есть печеньки. И датчики. Очень много датчиков.

Часть 1. Философия параноика: «Измеряй всё, что движется, и то, что нет»

Обычный человек смотрит новости и верит. Параноик собирает данные и ПРОВЕРЯЕТ. Официальные данные — это усреднённая температура по больнице. А меня интересует температура на моём балконе, радиация у моего подъезда и количество формальдегида, которое выделяет новый ламинат у соседа. Только так я пойму, когда официальная ложь закончится и начнётся настоящая жесть.

Цель: Создать систему мониторинга, которая замерит всё: от погоды до уровня безумия в атмосфере. Данные будем складывать в базу, писать скрипты и ждать, когда цифры подтвердят, что мы не параноики, а просто хорошо информированные люди.

Часть 2. Железо: Список датчиков для «Апокалипсис-мониторинга»

Это не просто метеостанция. Это лаборатория по измерению конца света. Вот полный комплект датчиков, которые превратят твою Raspberry Pi в центр сбора данных о деградации окружающей среды.

🌦️ Базовая метеостанция (Климат)

• Датчик температуры/влажности/давления (BME280). Основа основ. Покажет, как быстро воздух становится суше и теплее.
• Датчик освещённости (TSL2591). Измеряет в люксах. Нужен, чтобы понять, сколько солнца реально доходит до панелей, а не "по данным астрономического календаря".
• Датчик УФ-индекса (VEML6075). Покажет, не собираемся ли мы сгореть нафиг из-за очередной озоновой аномалии.

☢️ Радиация и частицы (То, о чём молчат)

• Датчик радиации (RadiationD v1.0 на трубке СБМ-20). Гамма и бета в мкЗв/ч. Узнать, когда «Фукусима» или местная АЭС решат напомнить о себе. Или когда очередной «товарищ майор» решит где-то что-то обронить.
• Датчик пыли PM2.5 и PM10 (Sensirion SPS30). Сажа, дым, аллергены. Понять, когда в Москву пришёл смог от пожаров не «где-то там», а прямо к тебе в форточку.

🧪 Токсичные газы (Промышленность и транспорт)

• Датчик диоксида азота (NO₂). Выбросы от машин и ТЭЦ. Научное обоснование, почему дышать на ТТК нельзя.
• Датчик диоксида серы (SO₂). Кислотный запах от промышленных выбросов. Раннее обнаружение «нештатной ситуации» на ближайшем заводе.
• Датчик озона (O₃). Приземный озон. В больших концентрациях убивает всё живое.
• Датчик оксида углерода (CO). Угарный газ. Главный убийца при пожарах и неисправных обогревателях.

🏠 Летучие органические соединения (Домашний ад)

• Датчик TVOC (Sensirion SGP40). Формальдегид, бензол, ацетон. Доказательство, что твоя соседская «гарантированно безопасная» стяжка потихоньку тебя травит.

🔊 Шум

• MEMS микрофон. Уровень шума в дБ. Доказательство, что «тишина в мегаполисе» — это миф.

Главное правило параноика: Покупай датчики сейчас. Когда всё пойдёт по пизде, их будут разбирать, как тушенку перед дефолтом.

Часть 3. Софт: База данных для хранения всего этого безумия

Всё это хозяйство должно где-то храниться. Обычная SQLite не вывезет объём. Нужен нормальный PostgreSQL для временных рядов.

Структура базы данных (с учётом всех датчиков)

-- Таблица для хранения СЫРЫХ показаний (каждые 10 минут)
CREATE TABLE sensor_data (
    id SERIAL PRIMARY KEY,
    timestamp TIMESTAMPTZ DEFAULT NOW(),
    
    -- Базовая метео
    temp_c REAL,
    humidity REAL,
    pressure_hpa REAL,
    illuminance_lux REAL,
    uv_index REAL,
    
    -- Радиация и пыль
    radiation_usv REAL,          -- Радиационный фон
    pm25 REAL,                   -- Мелкая пыль (дым, смог)
    pm10 REAL,                   -- Крупная пыль (песок, пыльца)
    
    -- Токсичные газы
    no2_ppm REAL,                -- Диоксид азота (выхлопы)
    so2_ppm REAL,                -- Диоксид серы (заводы)
    o3_ppm REAL,                 -- Озон
    co_ppm REAL,                 -- Угарный газ
    
    -- Летучие вещества и шум
    tvoc_ppb REAL,               -- Формальдегид и прочая гадость
    noise_db REAL                -- Уровень шума
);

-- Таблица для агрегированных данных (часовые/дневные средние)
CREATE TABLE daily_stats (
    date DATE PRIMARY KEY,
    avg_temp REAL, max_temp REAL, min_temp REAL,
    total_light_kwh REAL,        -- Интеграл освещённости
    avg_uv REAL,
    avg_radiation REAL,
    avg_pm25 REAL, avg_pm10 REAL,
    avg_no2 REAL, avg_so2 REAL, avg_o3 REAL, avg_co REAL,
    avg_tvoc REAL, avg_noise REAL
);

Примечание параноика: Базу данных обязательно реплицируй на два диска. Один — в квартире, второй — у бабки в деревне. Чтобы, когда прилетит, данные не пропали.

Часть 4. Скрипт для сбора данных (sensor_logger.py)

Этот скрипт будет крутиться в бесконечном цикле и дёргать все датчики. Он написан так, чтобы ты мог добавить любой новый датчик, просто дописав пару строк.

import time
import psycopg2
from datetime import datetime
import Adafruit_BME280
import board
import adafruit_tsl2591
import adafruit_veml6075
import serial  # для радиации
import pms5003 # для пыли
# ... и другие библиотеки для газов

# Инициализация датчиков (упрощённо)
bme280 = Adafruit_BME280.BME280()
i2c = board.I2C()
tsl = adafruit_tsl2591.TSL2591(i2c)
veml = adafruit_veml6075.VEML6075(i2c)
# ... инициализация остальных датчиков

conn = psycopg2.connect(database="apocalypse_db", user="pi", password="pass", host="localhost")

def read_all_sensors():
    return {
        'timestamp': datetime.now(),
        # База
        'temp_c': bme280.temperature,
        'humidity': bme280.humidity,
        'pressure_hpa': bme280.pressure,
        'illuminance_lux': tsl.lux,
        'uv_index': veml.uvi,
        # Радиация
        'radiation_usv': get_radiation(),  # Функция чтения с ком-порта
        # Пыль
        'pm25': pms.pm_ug_per_m3(2.5),
        'pm10': pms.pm_ug_per_m3(10),
        # Газы (заглушки, добавь свои функции)
        'no2_ppm': read_no2(),
        'so2_ppm': read_so2(),
        'o3_ppm': read_o3(),
        'co_ppm': read_co(),
        'tvoc_ppb': read_tvoc(),
        'noise_db': read_noise()
    }

while True:
    data = read_all_sensors()
    cur = conn.cursor()
    cur.execute("""
        INSERT INTO sensor_data (timestamp, temp_c, humidity, pressure_hpa, illuminance_lux, uv_index,
        radiation_usv, pm25, pm10, no2_ppm, so2_ppm, o3_ppm, co_ppm, tvoc_ppb, noise_db)
        VALUES (%(timestamp)s, %(temp_c)s, %(humidity)s, %(pressure_hpa)s, %(illuminance_lux)s, %(uv_index)s,
        %(radiation_usv)s, %(pm25)s, %(pm10)s, %(no2_ppm)s, %(so2_ppm)s, %(o3_ppm)s, %(co_ppm)s, %(tvoc_ppb)s, %(noise_db)s)
    """, data)
    conn.commit()
    cur.close()
    time.sleep(600)  # Раз в 10 минут. Можно реже, чтобы база не распухла.

Часть 5. Аналитика: Главный скрипт для выявления лжи (analytics.py)

Этот скрипт — сердце паранойи. Он будет искать тренды, считать корреляции и выдавать готовые графики для твоего блога.

import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
import pandas as pd
import psycopg2

conn = psycopg2.connect(database="apocalypse_db", user="pi", host="localhost")
df = pd.read_sql("SELECT * FROM daily_stats ORDER BY date", conn, index_col='date')

# 1. Анализ радиации (самое страшное)
y_rad = df['avg_radiation'].values
x = np.arange(len(y_rad))
slope_rad, _, _, p_rad, _ = stats.linregress(x, y_rad)
print(f"☢️ Тренд радиации: {slope_rad:.4f} мкЗв/ч в день (p={p_rad:.3f})")
if slope_rad > 0 and p_rad < 0.05:
    print("   -> ТРЕВОГА! Радиационный фон растёт. Пора закупать йодид калия и думать о бункере.")

# 2. Анализ пыли и смога
y_pm25 = df['avg_pm25'].values
slope_pm, _, _, p_pm, _ = stats.linregress(x, y_pm25)
print(f"😷 Тренд PM2.5 (мелкая пыль): {slope_pm:.2f} мкг/м³ в год")
if slope_pm > 0 and p_pm < 0.05:
    print("   -> Воздух становится грязнее. Рекомендуется респулёр класса N95.")

# 3. Анализ газов (индустриальный ад)
y_no2 = df['avg_no2'].values
slope_no2, _, _, p_no2, _ = stats.linregress(x, y_no2)
print(f"🚗 Тренд NO₂: {slope_no2:.3f} ppm в год")
if slope_no2 > 0:
    print("   -> Машин меньше не становится. Дышать нечем.")

# 4. Индекс качества жизни (собирательный)
df['pollution_index'] = (df['avg_pm25'] / 10) + (df['avg_no2'] * 10) + (df['avg_tvoc'] / 100)
y_pollution = df['pollution_index'].values
slope_poll, _, _, p_poll, _ = stats.linregress(x, y_pollution)
print(f"🤢 Индекс загрязнения: {slope_poll:.2f} пунктов в год")
if slope_poll > 0 and p_poll < 0.05:
    print("   -> Город реально становится токсичнее. Это не субъективно, это данные.")

# 5. Генерируем график для блога (самый страшный)
fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize=(12, 12))
fig.suptitle('Апокалипсис по данным моей метеостанции', fontsize=16)

ax1.plot(df.index, df['avg_radiation'], label='Радиация', color='red')
ax1.set_ylabel('мкЗв/ч')
ax1.axhline(y=0.3, color='r', linestyle='--', label='Опасный уровень')
ax1.legend()
ax1.grid(True)

ax2.plot(df.index, df['avg_pm25'], label='PM2.5 (смог)', color='orange')
ax2.set_ylabel('мкг/м³')
ax2.axhline(y=25, color='r', linestyle='--', label='ПДК')
ax2.legend()
ax2.grid(True)

ax3.plot(df.index, df['avg_no2'], label='NO₂ (выхлопы)', color='brown')
ax3.set_ylabel('ppm')
ax3.legend()
ax3.grid(True)

plt.tight_layout()
plt.savefig('/var/www/html/apocalypse_report.png')
print("✅ График апокалипсиса сохранён. Можно постить в блог.")

Часть 6. Выводы для параноика (Что мы будем знать через 2 года)

• Про радиацию: «Фон вырос на X% с момента запуска. Источник пока не найден, но тренд пугающий.»
• Про воздух: «Количество дней с превышением ПДК по PM2.5 выросло в 2 раза. Официальные данные занижены.»
• Про газы: «NO₂ стабильно превышает норму по ночам (фуры) и в часы пик. Выхлопные газы — наше всё.»
• Про климат: «Температура выросла, инсоляция упала, УФ-индекс подскочил. Это не «аномалия», это тренд.»
• Про жизнь в мегаполисе: «Шум и вибрация превышают санитарные нормы в 3-5 раз. Доказано документально.»

И самое главное: когда соседи спросят, зачем тебе этот безумный пульт с датчиками, ты просто покажешь им графики. И скажешь: «Я не параноик. Я просто знаю правду. И она вот здесь, в этих цифрах.»