基于機器學習的“藍海”氣象指數建立及其影響因素分析

蔡仕博，王 杰，夏靜雯，趙曉彤，聞 丹

(1.南京信息工程大學，南京 210044；2.鄞州區氣象局，鄞州 315194)

0 引言

海水光學特性可以分為表觀光學性質(Apparent Optical Properties，AOPs)和固有光學性質(Inherent Optical Properties，IOPs)[1]。海水透明度作為描述海水光學特征的一個重要參數，在軍事、漁業生產、海洋生態環境監測等方面有著廣泛應用[2-4]。在物理學中，海水透明度實際表示的是海水的光束衰減系數；在海洋學中，海水透明度實則反映了海水的混濁程度[5]。因此從海洋學角度，海水透明度的變化一定意義上可以反映水色的變化。

中國東海屬典型二類水體[6]，水體光學特性復雜。長期以來，學者對東海海域透明度時空分布特征進行了比較詳細的研究[7-13]，研究發現東海海水透明度等值線大致呈南北向分布，透明度大小西低東高，且海水透明度有著明顯季節變化特征：夏季透明度高，春秋季次之，冬季最低。

咸祥鎮位于鄞州東南部，臨近象山港，擁有近16 km的海岸線。在溫度、風向、潮汐以及生態環境等有利的條件下，某些時段其海域海水透明度高、濁度低，非常清澈，呈現碧海藍天的宜人景致，這種現象稱為“藍海”現象。“藍海”現象的出現，對當地旅游業的發展起到了重要的促進作用。但是“藍海”現象何時出現難以預測，因此如何準確預報“藍海”成為了亟待解決的難題。

目前，已有眾多學者分析了水體內懸浮物質含量、風浪、潮流擾動、入海徑流等因素對海水透明度、濁度的影響，但是對于氣象條件因素的研究較少，且缺乏預測海水透明度的手段。因此，文章將選取以氣象要素為主的相關因素，以咸祥鎮附近象山港海域作為研究區，分析各類因素對其海水透明度和海水濁度的影響，以此為預報咸祥“藍海”提供理論依據。

1 數據與方法

1.1 研究區概況

文章選取鄞州咸祥鎮附近的象山港海域作為海洋要素觀測站點。象山港是一個東北-西南向、深入內陸約60 km的狹長形海灣，整體地形復雜。港內潮汐屬正規半日潮，潮汐特點是港內潮差較大，最大潮差5.65 m，漲潮歷時大于落潮歷時。港內潮流屬不正規半日淺海流，以往復流形式為主，落潮流速大于漲潮流速，最大流速183 cm/s。外海浪對于象山港域影響較小，天氣系統不易對港內風浪形成破壞性威脅。港內終年水色清澈，懸沙含量較低，平均值在0.01～0.4 kg/m3。

1.2 觀測設備及數據

海水透明度數據通過海水透明盤測量。透明度盤由一塊直徑30 cm的白色金屬圓盤、重物鉛錘和繩索組成，繩索上標有刻度。在背光處將透明度盤垂直放入水中，直到觀察者肉眼剛好看不見為止，此時繩索上的讀數即為海水透明度[15]。

文章用Hach 2100Q便攜式濁度儀測量海水濁度數據，儀器量程為0～1000 NTU，最低量程分辨力為0.01 NTU，準確度±2%。

在咸祥鎮附近象山港海域選取3個站點進行海水透明度及海水濁度觀測，3個站點經緯度分別為：29°39′52″E，121°50′8.10″ N(XX01)；29°39′15″E，121°47′53″N(XX02)；29°38′10.43″E，121°46′56.49″N(XX03)。

文章中氣象數據來源于鄞州區氣象局，選取與海水觀測站點最為接近的咸祥鎮南頭漁村站的氣象數據。潮位差數據來源于寧波市海洋與漁業局。所有觀測資料的時間段為2018-08-25—2018-10-24。

1.3 研究方法

基于機器學習理論，對于數據集中的某個特征進行預測本質上屬于回歸問題。文章使用Python中的scikit-learn機器學習庫，利用多元線性回歸模型對海水透明度和濁度進行預測。首先對數據集進行預處理，將“透明度、濁度、潮位差、極大風速、海況、平均氣溫”等6項數據歸入數據集；然后根據整體樣本數量(165個)，利用train_test_split將數據集進行劃分，隨機抽取其中20%的樣本作為測試集，其余樣本作為訓練集；再利用scikit-learn庫中的linear_model模塊，對海水透明度和海水濁度進行回歸分析。

2 結果與分析

2.1 海水透明度和濁度相關分析

對3個海水觀測點海水透明度及濁度數據進行時間序列分析，如圖1所示，其中橫軸時間為對應的農歷時間。從圖1中可以看出，XX01、XX02和XX03觀測點透明度的范圍分別在0.1～1.6 m、0.2～1.6 m和0.2～1.5 m，濁度的范圍分別為4～544 NTU、4.04～894 NTU和4.22～726 NTU。3個站點海水透明度與濁度均呈現明顯的負相關性，透明度的波峰波谷能較好對應濁度波谷和波峰。農歷初一或十五左右大潮時，透明度較低出現波谷，濁度較高出現波峰；農歷初七初八、廿二或廿三左右小潮時，透明度出現波峰，濁度出現波谷。

圖1 各站點透明度與濁度關系

2.2 “藍海”氣象指數預報模型建立

對數據集進行預處理后，使用scikit-learn庫中LinearRegression函數創建回歸器，使用train_test_split隨機分類后的訓練集，對潮位差、極大風速、海況等級、平均氣溫數據與海水透明度和濁度分別進行線性擬合，得到海水透明度和濁度預報模型：

(1)

(2)

式中，海水透明度為Y1；海水濁度為Y2；潮位差為X1；極大風速為X2；海況等級為X3；平均氣溫為X4。得到預報模型后，利用測試集對該模型進行檢驗，得到圖2。圖中x軸表示樣本，y軸分別表示透明度(圖2a)和濁度(圖2b)。

從圖2上看，海水透明度和濁度預報模型擬合效果較好。綜合考慮到濁度的取值范圍較大，以及透明度和濁度有著明顯的負相關性，因此文章擬定以海水透明度預報模型作為“藍海”氣象指數預報模型。通過實際情況綜合考量，最終將“藍海”氣象指數劃分為4個等級：一般、良、優、極優。定義海水透明度0.1～0.4 m時，“藍海”氣象指數為一般；0.5～0.7 m時，“藍海”氣象指數為良；0.8～1.1 m時，“藍海”氣象指數為優；1.2 m及以上時，“藍海”氣象指數為極優。

圖2 海水透明度及濁度預報模型檢驗

2.3 影響因素分析

從兩個模型的量級可知，潮位差、海況等級、氣溫對海水透明度影響顯著，而海水濁度的主要影響因子是潮位差、極大風速和氣溫。海況等級實際上表示的是風浪大小，所以極大風速在一定程度上可以代表海況等級，由此可知氣溫、風這兩個氣象要素，對海水透明度和海水濁度有明顯影響。

其中，氣溫與海水透明度呈正相關性，與海水濁度呈負相關，這可能是由于海氣交換，氣溫能直接影響海水溫度，海水溫度升高，海水垂直穩定度更大，上下層海水不易混合，因此海水透明度更高。而風力大小與海水透明度呈負相關性，與海水濁度呈正相關，則可能是因為風力大小直接影響風浪大小，較大的風浪會破壞海水的層化分布，在海水內部形成渦動混合，改變相對穩定的懸浮體系，引起透明度的降低和濁度的升高。

3 結束語

文章從探尋氣象要素、潮汐要素等多種要素對海水顏色影響的角度出發，利用實地觀測的透明度、海水濁度數據，對鄞州區咸祥鎮附近海域進行了研究分析。基于機器學習理論，從數據分析的角度切入，對各類要素與海水透明度和濁度之間的關系進行了定性分析，同時建立了咸祥“藍海”氣象指數定量預報模型，這可以為未來海水透明度研究提供一種從氣象要素出發的預報思路。