數據庫與實測數據融合實現對深海躍層的快速估算

莫軍，李博，萬峻

（1.海軍潛艇學院，山東 青島 266071；2.中國科學院 海洋環流波動重點實驗室，山東 青島 266071）

數據庫與實測數據融合實現對深海躍層的快速估算

莫軍1,2，李博1，萬峻1

（1.海軍潛艇學院，山東 青島 266071；2.中國科學院 海洋環流波動重點實驗室，山東 青島 266071）

海洋躍層的快速估計對于環境的態勢評估具有重要意義，躍層估計的精度和估計所用時間是兩個主要評估要素。基于實測的溫度、密度和LEVITUS數據庫中的溫度、密度進行融合來對躍層進行快速估計，可通過實測數據對數據庫的數據進行補充和修正，然后利用修正后的數據對躍層進行快速評估。結果表明，該方法可以大幅度地縮短躍層估計的時間和提高估計的精度。

數據融合；快速估計；躍層

海洋躍層的快速估計對于水下環境的態勢評估具有重要意義。躍層估計的精度和估計所用時間是兩個主要的評估要素。躍層估計的快速性和準確性是環境評估的兩個基本要求[1,2]。但在實際應用中，二者是相互矛盾的。提高空間的測量精度，那么躍層估計的時間就長。如果縮短估計時間，那么躍層的準確性可能受到損失。

由于數據庫的信息是以月平均的形式存在的，如果完全利用數據庫的信息對躍層進行估計，則其準確性難以保證對環境評估的實時性要求。完全依賴實測數據對躍層進行評估，則所耗費的時間過長，也不能滿足快速估算的需要[3-5]。因此，本文在兼顧二者的基礎上，綜合考慮快速和準確兩個指標，從中找出即能滿足準確，又能滿足精確的估計方法。

1 數據庫數據及實測數據

本文所采用的數據包括數據庫數據和實測數據。其具體情況如下：

1.1 數據庫數據

LEVITUS海洋四維同化月平均數據庫（1951-1995）（ http://ingrid.ldgo.columbia.edu/SOU RCES/.LEVITUS94/.MONTHLY/）。該數據包括全球的溫度λ、鹽度和λ密度。本文?研究從該?數據庫中截取范圍105 °E～132 °E，13.5 N～36.5 N內的海域數據進行研究。LEVITUS數據庫在垂直方向上分為24層（0 m，10 m，20 m，30 m，50 m，75 m，100 m，125 m，150 m，200 m，250 m，300 m，400 m，500 m，600 m，700 m，800 m，900 m，1 000 m，1 100 m，1 200 m，1 300 m，1 400 m，1 500 m）。水平方向的精度為10′×10′。在垂直方向上，該數據庫在上層0～300 m的深度內的分層精度比300～1 500 m的高，而0～300 m正是水下環境評估主要關注區域。

圖 1 CTD數據站位圖Fig.1 Location of CTD stations

1.2 實測數據的獲取

本文主要針對深海海域的躍層的快速估算。因此，本文采用的數據為：1986、1987和 1988年10月中國科學院海洋研究所西太平洋調查3個航次中A、B兩個站點（分別位于菲律賓海中部和巴士海峽臺灣東南方黑潮西側）的CTD資料；1995年10月、1996年5月、1997年7月和1997年12月國家海洋局中日合作西太平洋考察4個航次3個站點CTD資料。共有26個實測數據序列。這些數據序列的格式為：測量深度為0－1 500 m，每隔1 m有實測數據。

2 采樣樣式的確定

利用實測數據對海洋要素進行重構，其關鍵是測量深度的選擇，深度的選擇主要考慮兼顧估算的速度和精度。合適測量方式將在最短的時間估算出垂直方向上海區聲速場的變化規律。為了評估數據的采樣間隔的大小對躍層估計的影響。本文采用了以下方法：將實測數據序列作為樣本，從樣本中按照采樣間隔2 －75 m每隔1 m設定一個采樣樣式，以此獲取實測數據，然后利用模態進行聲速的重構，將重構后的聲速與實測的聲速結果進行比對。

圖2為26個實測序列上不同采樣間隔引起的平均誤差分布，從結果可以看出，隨著采樣間隔的增大，重構的誤差也逐漸增大，但采樣間隔在20 m以內時所引起的誤差分布比較平均，變化不大。如果能保持相同的精度，采樣間隔越大越好。因此，采樣間隔取為20 m左右是比較合適的。

在確定采樣間隔后，重構結果在不同深度的誤差也是不一樣。取采樣間隔為15 m，利用模態重構與其對應的實測數據序列進行比對，可分析誤差隨水深的變化。圖3為26個實測序列的平均誤差隨水深的變化。水深40～220 m為誤差較大處，尤其是50～100 m處是誤差的最大區域。因此在該區域應縮小采樣間隔。

圖 2 不同采樣間隔對聲速重構的誤差分布Fig.2 Error distribution of different sampling distances to sound speed reconstruction

圖 3 誤差隨水深的分布Fig.3 Error distribution varing with depths

根據以上分析，基本采樣間隔為20 m，在誤差較大處縮小采樣間隔以增加實測數據。本文設定采樣樣式為：采樣深度為8 m、20 m、50 m、60 m、70 m、80 m、90 m、100 m、120 m、150 m、175 m、200 m、250 m。

3 數據庫信息和實測數據的融合

為了充分利用數據庫中的信息，將數據庫的信息融入到數據重構中。數據庫信息作為環境背景場的形態描述，而將實測數據作為環境的現場信息，將二者進行融合處理可使二者的信息都得到有效的利用，從而提高聲場評估的精度。融合處理的思想為：數據庫的數據描述的是月平均的聲速場的變化，在深水處聲速場的變化比較穩定，因此可以數據庫為主構建融合數據鏈。在表層，溫度的變化比較劇烈，由于數據庫是背景場的粗略描述，而實測值表達了最新的信息，盡可能在表層進行測量，表層數據鏈的融合以實測值為主，同時適當借鑒數據庫數據所描述的背景場的變化規律。

融合處理方法包括水平方向的態勢估計和垂直方向的延拓處理。進行態勢估計主要是因為實測數據是近實時的信息，能比較真實地反映環境的實際情況，而數據庫的數據是月平均，因此，利用實測數據對數據庫數據進行平移，使結果在總體態勢上更接近實際情況。垂直方向的延拓是在垂直方向上利用實測數據構建垂直方向的海洋要素數據鏈。

3.1 態勢平移

態勢平移是對實測與數據庫的數據進行整體的移動。消除因二者之間的巨大差異所引起的誤差。

設測量深度為Si，相應的海洋要素測量值為Pi，其中i表示測量的次序，且i∈[1,N]。一般情況下，測量的次數有限，N≤5。根據實測數據計算出N次測量的平均值：

從數據庫中取出對應測量深度的海洋要素值為Qi，同樣計算其平均值:

則平移量δ為：

3.2 垂直延拓處理

垂直延拓是利用實測數據對經過平移的數據庫數據進行細化處理，也就是將非等間隔的數據表示成等間隔，并盡可能多地利用實測數據。如果僅按常規采用采用線性函數或階梯函數來表示，將忽略實測數據的作用。某一深度的海洋要素值為Pi，其中i表示溫度測量的次序，且為經過平移的LVTITUS數據庫的數據，由于利用海洋模態進行重構需要將數據轉換為間隔為1 m的數據鏈。因此，在實測數據與平移后的數據之間需要合并進行修正，修正后的海洋要素的垂直分布為Fk，k為常數，k表示從海表面垂直向下的間隔為1 m的水深，且垂直延拓算法是利用指數加權方法對實測數據與數據庫數據進行修補產生修補數據鏈。由于物理參量的變化隨深度的增加逐漸減弱。將實測值作為上邊界，數據庫的數據作為下邊界，垂直延拓后的海洋要素為

遺忘因子b要經實驗確定，一般取0.95～0.99。

dk為實測數據的加權系數，它隨水深的增加而逐漸減小，在100 m以后比較微弱。也就是當達到100 m以后，也就是說此時可以忽略實測數據的影響而完全按照經過平移后的數據來代替。所以在此處，

而在水面至第一次溫度測量數據的水深S1的范圍內，由于表層無法獲得溫度數據，可采用第一次測量的數據來近似代替，在這個范圍內溫度的變化不會太劇烈，而且，水下環境評估所關注區域的深度都要大于這個范圍，因此這種處理是比較合理的。而在其他層次上，都采用線性內插來處理。

密度采用同樣的方法進行處理。然后按照前面所述的模態方法對聲速進行估算。

4 結果分析

圖4、圖5為站點110和111的數據庫重構和融合后重構的結構。實測數據的采樣格式為：間隔為8 m、20 m、50 m、60 m、70 m、80 m、90 m、100 m。從結果中可看出：

圖 4 站點110重構后的聲速分布Fig.4 Sound speed distribution of station 110 after the reconstruction

圖 5 站點111重構后的聲速分布Fig.5 Sound speed distribution of station 111 after the reconstruction

單純利用數據庫重構的結果在深水處能反應聲速的變化規律。但在淺水區存在一定的誤差。因為上層海水的變化隨時間的變化很快，受影響的因素較多，而深層海水的性質比較穩定。而數據庫與實測值進行融合后，其重構的聲速結果與實測值比較接近，而且聲速的變化趨勢和躍層的深度比較接近，能大致估計出躍層的深度。但在躍層的強度方面還存在一定的誤差，但對躍層的性質和躍層的深度還是比較準確的。

圖 6 數據庫和融合后的誤差分布Fig.6 Database and error distribution after the merging

圖 7 數據庫和融合的相對誤差分布Fig.7 Database and relative error distribution of the merging

圖6為所有站點的數據庫重構和融合后重構的誤差分布圖。圖7為數據重構與融合重構之間的相對誤差分布。從圖6的誤差分布結果來看，數據庫和實測數據進行融合后的重構結果有明顯的提高。在水下150 m處左右，數據庫重構存在的最大的誤差分布。通過數據融合后得到大幅度降低。但在50 m躍層變化強烈區，數據融合的誤差雖然有一定程度的弱化，但仍在整個水深中處于最大區域。從圖7可看出，利用實測數據融合對150 m左右的誤差有很大的改善，但對50 m左右的誤差僅有部分改善。

5 結 論

本文通過對數據庫和少量的實測數據進行融合對聲速進行快速估計重構。結果證明該方法是有效的，以20 m以內的采樣間隔獲取的實測數據與數據庫融合就能實現聲速的快速估算。特別是對躍層的深度和躍層的性質，結果令人滿意。但在躍層變化的強烈區，對躍層的強度估計仍有一定的誤差。下一步應對此問題進行深入研究，通過對躍層強烈區進行精細處理來解決。

[1]RSPO Featured Project, Research and Sponsored Programs, Office Naval Postgraduate Sch001.The Windy Islands Soliton Experiment [EB/OL].http: ∥WWW.nps.edu/research/ResTopics/NPS Solitons.pdf.

[2]王新曉.基于DIS的水聲對抗聲學仿真系統設計 [J].系統仿真學報, 2005, 17(11): 2645-2648.

[3]張旭, 張永剛, 聶邦勝, 等.垂直梯度法與最優分割法確定溫躍層邊界的比較分析.[J].海洋通報2008, 27(6):20-26.

[4]張媛, 吳德星, 林霄沛.東海夏季躍層深度計算方法的比較 [J].中國海洋大學學報, 2006, 36: 1-7.

[5]徐小標.中國近海水文特征(躍層)分析及模式功能分析 [D].青島: 國家海洋局第一海洋研究所, 2001.

[6]葛人峰, 喬方利, 于非, 等.陸架海區溫躍層特征量的一種計算方法—擬階梯函數逼近法田.[J].海洋科學進展, 2003, 21(4): 393-400.

[7]Cui M C, Mo J, Qiao F L.El Ni?o Phenomenon and Extended Associate Pattern Analysis [J].Journal of Hydrodynamics, 2004, 16B(1): 90-100.

Research on rapid assessment of ocean-cline using merged data serial

MO Jun1,2, LI Bo1, WAN Jun1

(1.Navy Submarine Academy, Qingdao 266071, China; 2.Ocean Circulation And Wave Key Laboratory of Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China )

Rapid assessment of ocean-cline is important to the underwater warfare.Both precision and time of assessment can decide operational efficiency.This paper puts forward a new method that constructs fuse data serial based on temperature and density delivered by real-time measured and LEVITUS database.It fused data of database by real-time data, then assessed ocean-cline by the new data serial.The result shows that the method not only can shorten the assessment time, but also can improve the precision.

data fuse; rapid assessment; ocean-cline

P732

A

1001-6932(2011)03-0272-05

2009-07-09；收修改稿日期：2011-03-21

中國科學院海洋環流波動重點實驗室開放基金（KLOCAW0807）。

莫軍 ( 1972－ )，男，博士，主要從事物理海洋學研究。電子郵箱：marchel_j@163.com。

林榮澄，研究員。電子郵箱：rclin@public.xm.fj.cn。