基于海洋機器人的科學觀測與實驗系統研究現狀與展望

盧曉亭，俞建成，孫朝陽，王 旭

（1.中國人民解放軍31016 部隊，北京 100086；2.中國科學院沈陽自動化研究所機器人學國家重點實驗室，遼寧 沈陽 110016）

海洋科學是一門以觀測為基礎的數據密集型科學[1]。隨著海洋機器人技術與傳感器技術的不斷進步，海洋科學考察經歷了從傳統的船基采樣分析到海洋機器人現場數據采集的發展歷程[2]，極大地提高了數據獲取效率和數據質量[3]，促進了海洋科學的發展。

用于科學觀測的海洋機器人主要包括水下滑翔機、AUV、無人帆船和波浪滑翔機等。21 世紀以來，物理海洋研究領域借助海洋機器人的觀測技術取得了革命性進展。為了更加科學精確地開展海洋生物地球化學研究，海洋生物地球化學領域也開始利用海洋機器人技術解決原位觀測與實驗問題，即將傳統生地化科學采樣與實驗技術和海洋機器人技術相融合，發展出了基于海洋機器人的海洋生地化原位采樣、培養與實驗系統。

本文從海洋機器人科學觀測和科學實驗兩個應用維度出發，以水下滑翔機、AUV 和無人帆船3 種典型的海洋機器人為例，概述海洋機器人在科學觀測和科學實驗中的發展與應用現狀，并結合未來海洋科學研究對海洋觀測與實驗數據的需求，對技術發展趨勢進行展望。

1 基于海洋機器人的科學觀測

觀測對于海洋科學研究至關重要，觀測資料缺乏是制約海洋科學發展的瓶頸。海洋機器人可以搭載豐富的科學載荷，實現海水溫鹽、溶解氧、葉綠素、硝酸鹽、pH、近海大氣風速、風向、氣溫、氣壓等海洋環境要素的現場動態精細觀測，為物理海洋學、海洋化學和海洋生物學等研究提供觀測數據。水下滑翔機、AUV 和無人帆船是3 種典型的觀測型海洋機器人，已在國內外海洋科學觀測中得到廣泛應用。

1.1 水下滑翔機海洋科學觀測應用

水下滑翔機是一種依靠浮力驅動的海洋機器人，具有實時、遠程可控、長續航力等優勢，可實現多尺度海洋過程的機動、高分辨率、精細觀測。美國先后研制出Spray[4]、Seaglider[5]和Slocum[6]等多種型號水下滑翔機。日本、法國、加拿大等國家也開展了水下滑翔機的研究工作。我國水下滑翔機研究始于2003 年，中國科學院沈陽自動化研究所、天津大學、中國船舶集團第七一茵研究所、中國船舶集團第七茵二研究所、西北工業大學、中國海洋大學、上海交通大學等多家單位開展了水下滑翔機研究工作，為我國水下滑翔機技術的進步做出了積極貢獻。目前主要形成了“海翼”和“海燕”兩型水下滑翔機實用裝備，在海洋科學觀測中得到了應用。圖1 為中國科學院沈陽自動化研究所研發的“海翼”系列化水下滑翔機。

圖1 “海翼”系列水下滑翔機

面向深遠海觀測，水下滑翔機的關鍵技術包括：大深度輕質耐壓結構技術、深海自適應節能浮力調節技術、觀測路徑精確自主跟蹤控制技術。

隨著作業深度的增加，使用鋁合金建造耐壓殼體時需要較厚的壁厚以抵御外部壓力，但壁厚的增加導致重量增加、浮力不足。針對該問題，中國科學院沈陽自動化研究所突破了深海碳纖維復合材料耐壓結構設計方法和大厚度深海碳纖維復合材料耐壓結構成型工藝與基材防水密封封閉技術，研制出了碳纖維耐壓艙并在“海翼”7 000 米級水下滑翔機上得到了成功應用。盧法良[7]提出了陶瓷耐壓艙結構，以碳化硅陶瓷作為耐壓艙圓柱殼體材料，碳化硅陶瓷圓柱殼體與半球形鋁合金封頭裝配密封形成耐壓艙整體結構。鄒達明[8]通過對殼體的耐壓優化提高了滑翔機續航能力，并對不同優化算法進行了比較。

海水密度在深度方向上具有顯著差異，7 000 m深海水密度比海面海水密度高3.3%，產生的浮力增量是水下滑翔機所需驅動力的6 倍。為實現正常下潛，需要發展深海自適應節能浮力調節技術，中國科學院沈陽自動化研究所提出了一種基于高可壓縮液體的自適應節能浮力調節技術，減小了深海密度差引起的浮力影響。WANG S 等[9]提出了雙浮力驅動的大深度滑翔機“海燕-X”，實現自適應浮力調節，下潛可達8 213 m，仿真效果與實驗結果吻合較好。

水下滑翔機的觀測作業模式一般包含斷面觀測、虛擬錨系和目標跟蹤。上述作業模式中的核心問題是路徑跟蹤，水下滑翔機路徑跟蹤控制的難點包括：運動速度與海流速度量級相同、反饋控制周期長達數小時、實時環境海流信息難以獲得。針對上述問題，中國科學院沈陽自動化研究所提出了基于等效滑翔運動模型的環境深平均流估計方法、基于時間序列預測的深平均流預測方法、基于預測深平均流的前饋自主跟蹤控制方法，實現了水下滑翔機觀測路徑的精確自主跟蹤控制。實驗測得虛擬錨系誤差圓直徑1 km 內位置概率分布為56%、誤差圓直徑2 km 概率分布為82%。宗正等[10]通過海表高度異常資料判斷待測中尺度渦的位置、范圍和移動方向，利用2 臺水下滑翔機分別在中尺度渦移動方向和移動方向法向的路徑上做正交路徑的剖面觀測，進行中尺度渦的溫鹽測量。

水下滑翔機作為一種續航能力較強的自主觀測平臺，已經應用在很多海洋觀測任務中，并取得了大量的精細觀測數據[11-12]，在海洋中尺度渦旋觀測方面展現出了極大的優勢。我國“海翼”號水下滑翔機先后開展了多次海洋中尺度渦觀測應用，取得了大量的中尺度渦垂直剖面數據[13]。ZHAO W 等[14]基于Kalman 濾波器融合了數十年的歷史數據信息和當前觀測數據，提出了基于中心運動預測的水下滑翔機自主跟蹤中尺度渦的控制方法，并成功在海上試驗中驗證了方法的有效性。2017 年，12 臺“海翼”水下滑翔機在南海東北部開展了為期一個月的中尺度渦旋組網觀測，如圖2 所示。此外，2017 年青島海洋科學與技術國家實驗室牽頭開展了以“海燕”水下滑翔機為代表的針對海洋中尺度渦的海洋立體綜合觀測網的構建及觀測任務。JIANG C 等[15]通過兩次海試的實驗數據說明滑翔機在水聲觀測和目標探測中的應用，研究結果表明，滑翔機在長期大規模水下被動傳感方面具有一定的優勢。PORTER M 等[16]使用水下滑翔機的高分辨率現場數據來識別極地鋒面區域被遙感觀測覆蓋的表面渦流。除了開展中尺度渦觀測之外，SWART S 等[17]使用水下滑翔機收集了南極夏季亞中尺度分辨率的觀測數據，揭示了強耦合的大氣-海洋過程。SHEEHAN P M F 等[18]通過水下滑翔機完成北海聯合信息系統（The Joint North Sea Information System，JONSIS）線，以高空間和時間分辨率觀察水流。BAUMGARTNER M F 等[19]使用水下滑翔機陣列監測鯨魚，滑翔機在惡劣天氣條件下的持續使用，使得對鯨魚發聲行為和海洋性條件的連續觀察成為可能。

圖2 開展組網觀測的12 臺“海翼”水下滑翔機

1.2 AUV 海洋科學觀測應用

AUV 由于具有高機動性能，被廣泛應用于海洋要素的高精度觀測任務中[20-22]。20 世紀90 年代開始，AUV 進入高速發展階段，美國和英國等世界海洋強國研制出了多種AUV 并進入商業應用階段，包括美國的REMUS、Bluefin 及挪威的HUGIN 等。此外，為實現AUV 對海洋特征長時間、大范圍的觀測，英美兩國先后研發了Autosub 系列和Tethys系列長航程AUV（圖3），并在相關領域取得大量的研究成果。

圖3 國外代表性長航程AUV

在精細化、智能化、自主化等高性能觀測目標的驅動下，越來越多的學者致力于海洋環境智能觀測應用研究。其中，水下精準定位與導航技術是制約AUV 精細化觀測海洋環境要素的主要關鍵技術，尤其當AUV 航行在無線電信號和多普勒速度儀（Doppler Velocity Log，DVL）對底速度無效時的中層水域環境中，AUV 的導航與定位精度將嚴重受到洋流的干擾。同時，隨著AUV 應用場景的豐富，科學觀測對其自主能力的要求也在增加，相比于AUV傳統的預編程調查路徑，能夠根據觀測數據動態調整AUV 調查策略的自主采樣方法，是實現其智能化應用的關鍵技術之一。此外，為了提高AUV 采樣效率，多異構平臺協同觀測方法也是備受關注。

為保證AUV 在大范圍海洋科學觀測任務中的航行精度，英國國家海洋中心SALAVASIDIS G 等[25]針對AutosubLRAUV 在北極海冰觀測任務，評估了在不需要外部校準，同時依靠少量低功耗傳感器和稀疏的水深圖情況下，地形輔助導航（Terrain Aided Navigation，TAN）是否可以支持AutosubLR AUV進行多月航行。在該工作之前，SALAVASIDIS G 等[26]使用南大洋執行的3 次深海和遠程任務的試驗數據對TAN 算法的導航和定位精度進行了離線驗證，并進一步評估TAN 算法在不同地圖分辨率下的有效性[27]。同樣為提高Tethys 系列長航程AUV 在動態海洋環境中的航行精度，ALAM T 等[28]將AUV 運動不確定性和傳感器不確定性與海洋環境中洋流的感知結合在一起，通過引入部分可觀測馬爾可夫決策過程（Partially Observable Markov Decision Process，POMDP）模型降低洋流對AUV 運動的干擾。在智能化方面，CRUZ N A 等[29-30]針對海洋溫躍層的觀測問題，提出了使用垂直溫度梯度檢測溫躍層的方法實現對溫躍層的跟蹤，并在葡萄牙北部杜羅河大壩水庫進行了試驗驗證，充分驗證了AUV 在海洋溫躍層跟蹤觀測任務中的機動性。PETILLO S 等針對AUV自主采樣任務提出“環境自適應評估” （Autonomous Adaptive Environmental Assessment， AAEA）概念，并成功將該概念應用到溫躍層與鋒面的跟蹤任務中[31-32]。

為克服動態環境帶來的時空變化的影響，FOSSUM T O 等[33]介紹了一種使用AUV 進行三維特征采樣算法的試驗方法和結果，在有限能源和時間約束下，AUV 首先對感興趣的區域進行目標特征空間分布估計，然后根據所獲得的信息實施快速、集中的采樣任務。為降低人在海洋觀測任務中的角色，ZHANG Y 等[34]針對捕獲深層葉綠素含量峰值層（Deep Chlorophyll Maximum，DCM）問題設計了用于拉格朗日研究的協調自主機器人系統，該系統由兩臺采樣的AUV 和一臺充當通信中繼器的波浪滑翔機組成。

國內在使用AUV 進行海洋科學觀測應用方面尚處于起步階段。TIAN Y 等[35]提出了一種基于行為的化學羽流自適應跟蹤方法，并在視覺圖像中采用模糊顏色提取器來分割顏色成分，通過測量顏色相似性來識別化學羽流及其來源。2010 年10 月在大連灣進行了水下試驗，AUV 在追蹤羅丹明染料羽流后，成功地確定了污染源位置。隨后作者將方法擴展到三維的熱液羽流噴口的定位工作中，并開展仿真驗證[36]。FENG H 等[37]針對動態海洋環境中溫躍層的觀測問題，利用“海鯨”輕型長航程AUV（圖4），提出了一種具有閉環結構的控制器，能夠感知AUV 的軌跡是否覆蓋目標溫躍層。該方法引入了垂直溫度梯度變化指數來表征溫躍層的復雜性，并通過自適應擴展工作深度成功引導AUV 實現對溫躍層的覆蓋性觀測。2020 年9 月，在南海西沙海域針對兩種不同分布類型的溫躍層開展跟蹤工作，跟蹤結果與船載溫鹽深儀（Conductivity Temperature Depth，CTD）站取樣結果基本相同，如圖緣所示。

圖4 “海鯨”輕型長航程AUV

圖5 “海鯨”AUV 自適應跟蹤溫躍層

1.3 無人帆船海洋科學觀測應用

無人帆船是一種以海洋環境能源為驅動，可以勝任遠距離作業的多用途新型海洋移動觀測平臺，其以風力作為航行驅動力，以太陽能電池板等獲取電能供給控制系統和負載使用。與無人艇等傳統海洋移動觀測平臺相比，無人帆船可實現低成本的長航時、大范圍、高時空分辨率海洋觀測，尤其是海氣界面的海表氣象數據和次表層海洋數據等海洋環境要素精細觀測，現已成為國際海洋機器人的研究熱點，已經開展業務化運營的無人帆船如圖6 所示。

圖6 國外代表性無人帆船

目前無人帆船的關鍵技術主要聚焦于高海況適應性技術、風能高效利用技術和智能航行控制技術等。現有無人帆船主要用于近海觀測，在高海況適應性方面的研究較少。隨著作業海域的擴大、作業時間的延長、應用場景的豐富，無人帆船遭遇高海況的概率越來越高，因此需要突破無人帆船的高海況適應性技術。無人帆船借助風帆將風能直接轉化為航行驅動力，提高風能利用效率可以有效提升無人帆船的航行速度，改善無人帆船的操縱性。在智能航行控制方面，根據感知到的環境信息進行航行控制，可以提高無人帆船的作業能力和航行安全，提高作業效率。

隨著無人帆船總體技術的不斷提升，無人帆船得到了廣泛的應用。2019 年1 月至3 月，Saildrone無人帆船被部署在墨西哥灣開展觀測，測量了氣溫、海面溫度、風速、風向、海平面氣壓和相對濕度等參數，為冬季觀測海洋表面熱量和動量通量提供了新的方法[38]。南大洋在調節地球的熱量和碳方面起著關鍵作用，但由于其環境惡劣，尤其是冬季海況更加惡劣，因此現場觀測數據較為匱乏。2019年8 月，Saildrone 無人帆船結束了繞南極的觀測航行，歷時196 天，總航程22 000 km，期間經歷了15 m 高的巨浪和36 m/s 的狂風[39]。執行本次任務的無人帆船搭載了美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）開發的一種可以精確測量碳通量的儀器，為南大洋的碳吸收速率研究提供了重要觀測數據。2020 年7月份，在南美洲北部海岸附近熱帶大西洋上的3 艘Saildrone 無人帆船結束了歷時6 個月的觀測任務。本次任務主要是為NOAA 的大西洋風-海洋-大氣中尺度相互作用研究提供觀測數據，以增進對海氣相互作用的理解，更好地了解渦流和區域尺度上的海氣相互作用過程，為衛星觀測和高分辨率耦合氣候和天氣預報模型的驗證提供基準數據集。在整個航行期間，Saildrone 無人帆船充分展示了它們的精確編隊航行能力，以及在變化無常的風和強流挑戰條件下的位置保持能力[40]。

國外從20 世紀90 年代開始開展無人帆船的研究工作[41]，理論和實踐發展較為迅速，無人帆船已進入業務化觀測應用階段。國內無人帆船尚處于起步階段，上海交通大學[42]、香港中文大學[43]、哈爾濱工程大學、浙江大學、大連海事大學[44]、青島大學[45]等單位開展了相關研究工作，為推動我國無人帆船的發展做出了積極貢獻。中國科學院沈陽自動化研究所自2018 年開始開展無人帆船的理論研究與關鍵技術攻關工作[46]，研制出了“海鷗”號無人帆船，并在南海開展了多次海上試驗和科學觀測應用（圖7）。“海鷗”號無人帆船長3.5 m，排水量200 kg，最大航速3 kn，定點誤差圓半徑為百米量級，與其他長續航力水面移動平臺相比，無人帆船具有航行速度快、機動性好等突出優點，突破了水面弱驅動平臺在強流區航行能力受限的問題。“海鷗”號無人帆船搭載了氣象站、云高儀、長短波輻射計等科學載荷，還可以搭載CTD、硝酸鹽傳感器、葉綠素傳感器等，實現海洋表層水體和近海大氣環境要素的協同觀測，為海氣界面的熱通量和碳通量研究提供高分辨率的長期現場觀測數據。

圖7 南海海試中的“海鷗”號無人帆船及航行軌跡

2 基于海洋機器人的海洋科學實驗

隨著原位實驗技術的發展、采樣與固定裝置的小型化及海洋生地化研究對于樣本高保真率的要求，近年來基于海洋機器人的海洋科學實驗得到了長足的發展，主要包括基于海洋機器人的原位采樣與固定和基于海洋機器人的原位培養與分析。

2.1 基于海洋機器人的原位采樣與固定

海洋生物地球化學研究樣品，特別是生物樣品回收過程中會受到壓力、溫度及溶氧量等環境因素變化的影響而導致微生物活性狀態的改變，特別是核糖核酸（Ribonucleic Acid，RNA）容易降解，其半衰期一般僅有幾分鐘。水下采集到的海洋生物地球化學樣品（特別是生物樣品）在到達海面后由于壓力、溫度及溶氧量等環境因素變化會出現樣品特性的改變，導致無法反映真實的參數信息，EDGCOMB V P 等[47]比較了原位采集/保存的樣本和用尼斯金（Niskin）采水器采集的樣品，發現某些類群基因表達存在顯著不同，轉錄基因也受影響。

針對上述問題，YAMAHARA K M 等[48]研發出新一代環境樣品處理器（Environmental Sample Processor，ESP） 加載于AUV，并將其應用在加利福尼亞州蒙特利灣附近，樣品容量與結果有效性都得到提高。雖然懸浮顆粒Rosette 采樣器（Suspended Particle Rosette，SUPR）系統無法對樣品進行原位分析，但由于其高過濾能力，成為需要大樣本量研究的首選儀器。加載了SUPR 的REMUS 600 AUV被應用于美國巴澤茲灣（Buzzards bay）的藤壺幼蟲研究[49]。美國伍茲霍爾海洋研究所（WoodsHoleOceanographic Institution，WHOI） 開發的水下機器人CLIO，能夠高效、精確地在海洋中垂直移動收集海洋微生物樣品和生地化參數，同時捕捉精細的生物地球化學過程，目前最大下潛深度6 000 m，能夠完成16 個層位以上的采樣工作，并實現原位RNA 樣品的保存，其工作時長可達14 h[50]。將CLIO 和船測結合，已獲得馬尾藻海長1 114 km 的斷面的基因組和蛋白質組，還有大量樣品可用于有機和無機化學分析。美國WHOI 弱光層團隊研發了MesobotAUV，其中取樣器由32 個過濾器組成，可以從水中收集環境脫氧核糖核酸（Environmental Deoxyribo Nucleic Acid），從而了解弱光層中物種及光對其產生的影響[51]。上述研究成果具體如圖8所示。

圖8 國外現有集成原位采樣分析模塊自主觀測系統

國內原位微生物取樣技術多集中在深海研究，中國科學院深海科學與工程研究所研發了一套依托于著陸器的自動化深海微生物原位富集與固定取樣器（In Situ Microbial Filtration and Fixation，ISMIFF）。該取樣器是一套可在深海及深(環境（深度大于6 000 m 的深海海域）下進行水體微生物原位富集過濾并將其生物信息即時固定的裝置[52]。應用ISMIFF 進行海底采樣不僅能夠大幅增加過濾水體的體積，減少工作量，而且可以實現樣品原位固定，獲得關于深(的研究成果[53]。雖然ISMIFF 可固定微生物，但核酸和蛋白質的降解仍在繼續。如果沒有高質量的DNA 和RNA，宏基因組學和宏轉錄組學研究將受到阻礙。為解決該問題，WEI Z F 等[54]在ISMIFF 的基礎上研制了一套深海微生物原位核酸提取裝置（Multiple In Situ Nucleic Acid Collections，MISNAC），依托著陸器可進行多個樣品的收集，并進行RNA 提取。中國科學院沈陽自動化研究所與廈門大學聯合開展了水下自動潔凈采樣系統（圖9）研制工作，可實現海洋生地化樣品的原位采集和固定。水下自動潔凈采樣系統主要通過改變自身凈浮力實現垂直剖面運動及定深采樣，采樣系統在海面布放后開啟浮力驅動裝置回油功能，載體凈浮力減少開始下潛；當下潛至最大作業深度500 m后，開啟浮力驅動裝置分級泵油功能，凈浮力增大開始上浮；當上浮至目標水層后，開啟浮力驅動裝置定深功能，并開啟原位過濾及保存裝置進行樣品收集與固定。在完成9 個層位采樣任務后，采樣系統上浮至水面，通過衛星通信系統與母船通信。

圖9 水下自動潔凈采樣系統及其工作過程示意圖

2.2 基于海洋機器人的原位培養與分析

原位培養實驗是海洋生物地球化學速率參數測量的必要手段，目前主要是對深海熱液或冷泉等特殊地點開展。通過深潛器等下放采樣培養設備，建立原位觀測平臺進行采樣和原位培養。比如EDGCOMB V P 等[55]研制的深海實驗裝置（Latest Attempt at Remote Experimentation in the Deep Ocean，LAREDO），針對深海微生物食物網原位實驗的微生物采樣及培養器（Microbial Sampler-Submersible Incubation Device，MS-SID），利用采集和培養的水樣進行水下原位研究原生生物對微生物攝食壓力，設備可以實現采集和培養功能，但不具備對培養過程的測量和記錄功能。深海原位培養系統多需要水下遙控機器人（Remote Operated Vehicle，ROV）或著陸器依托，不能實現參數自動化測量，以單次培養與樣品回收測量為主。水體中自動化原位速率參數培養裝置的研究相對缺乏，目前主要是針對生物生產速率參數（初級生產力、凈生產力），如水下培養器（Submersible Incubation Device，SID） 可以原位進行自動化14C-碳酸氫鹽添加與培養[56]，實現初級生產力多次測量，但受限于放射性標記物，對單個培養室僅能培養單個水樣。SID 已經應用于多項研究中，如熱液口微型生物過濾采樣、集成于漂浮浮標上進行拉格朗日式漂浮移動進行初級生產力和固氮速率的原位培養。為了研究海洋微表層氧氣循環速率與浮游植物的關系，RAHLFF J 等[57]設計了一套適用于表層海水的原位培養裝置，通過無人船拖動實現自由漂移，但需要手動加水樣，且無法實現自動連續培養測量。BARR N G 等[58]設計了一套應用于冰下藻初級生產測量的培養裝置，由潛水員下潛布放，能夠遠程控制和監測培養室的pH 值和溫度，利用溶解氧濃度變化為碳代謝的指示物，但無法進行連續測量。COLLINS R J 等[59]設計了一種使用光學溶解氧傳感器可多次培養的裝置來實現群落呼吸速率與凈生產力的原位連續測量。采用熒光控制的光電元件分別安裝于明暗室，利用活塞控制開關，使得該裝置能夠進行多次獨立的呼吸速率估算。簡化了對復雜機械自動化結構的依賴，有效提高了可靠性，同時也減小了設備體積，適用于棧橋、浮標等固定平臺。

自然資源部第二海洋研究所研發了一種海底水體溶解氧消耗過程原位培養裝置。該裝置集成了包括電子控制模塊、電機、培養容器與海水測量傳感器（包括溫度、鹽度、溶解氧和濁度）等在內的電控處理模塊和機械結構框架于一體，具備對海底水體的溶解氧耗氧過程進行現場培養和觀測的功能。自然資源部第三海洋研究所研制的深海生物長期原位觀測裝置可進行一年的長期生態觀測與微生物原位培養[60]。浙江大學也研制了一種可搭載或獨立工作的深海實驗生態裝置，在深海原位環境可進行人工誘導培養[61]。中國科學院海洋研究所在深海海底搭建了由原位環境傳感器、生物培養裝置和原位固定裝置組成的水下實驗平臺，科學家得以在深海開展水下原位實驗，為揭示深海生物極端環境的適應機制提供了可靠依據。

中國科學院沈陽自動化研究所與廈門大學聯合開展了移動式生物生產速率連續測量系統研制工作，將生物生產速率測量技術與水下滑翔機平臺技術有機融合，可自動獲取連續的海洋群落呼吸、初級生產、細菌生產等生物地球化學速率參數數據，移動式生物生產速率連續測量系統三維模型如圖10所示，具有兩種工作模式（圖11）。

圖10 移動式生物生產速率連續測量系統總體布置結構圖

圖11 移動式生物生產速率連續測量系統工作模式示意圖

（1）定深培養模式（白色箭頭），每個測量周期水下滑翔機滑翔至DCM 深度層后懸停，開啟海水泵置換培養艙中海水，在430 s 后關閉海水泵開始培養實驗，當水下滑翔機在DCM 深度層停留至預定時間后結束培養實驗，上浮至水面傳輸數據。

（2）滑翔培養模式（黃色箭頭），用于測量光合作用-光強響應曲線（photosynthesis-irradiance curve，PE-curve）光合作用曲線，即生產-光強（深度）關系。每個周期水下滑翔機滑翔至DCM 深度層后，開啟海水泵置換培養艙中海水，在430 s 后關閉海水泵開始培養實驗，當水下滑翔機繼續下潛至真光層以下（如1 000 m）后，緩慢上浮至水面結束培養實驗并傳輸數據。

3 技術發展趨勢

海洋機器人在海洋科學觀測和海洋科學實驗中得到了廣泛的應用，隨著海洋機器人載荷搭載能力的提升和計算能力的提升，海洋機器人本體對外部環境信息的感知能力和自主決策能力也得到了極大的提升，進一步提升了海洋機器人的觀測作業能力，然而，海洋中許多過程與響應是瞬時的、局部的，洋流的移動對海洋機器人的作業能力又提出了新的要求。為有效地研究上述復雜且不斷演變的現象，需要海洋機器人具備檢測并響應目標現象進行針對性觀測與實驗的能力、持續性作業能力，以滿足對海洋中小尺度過程的連續、多學科采樣和觀測需求。

3.1 海洋觀測發展趨勢

（1）提升海洋機器人智能化程度，實現作業決策智能化。以往的預編程海洋機器人僅可以按照預先設定的觀測路徑或者觀測深度開展作業，這種預編程的作業模式一方面無法滿足動態海洋現象的觀測需求，另一方面也降低了作業效率，使得觀測對象在連續性和完整性上存在較大不足。隨著海洋機器人智能化程度的不斷提升，移動觀測平臺基于環境數據信息可在線自主決策作業計劃或者樣本采集參數，實現對觀測對象的高空間分辨率和時間連續性觀測采樣，另外開發自適應采樣與算法以優化不同物理背景場和不同階段下觀測和采樣策略是海洋移動觀測集成應用的重要方向。

（2）提高海洋機器人續航力水平，實現作業時空連續化。觀測中典型的海洋中小尺度過程存在復雜三維空間-時間疊加的變異性，研究表明中尺度渦在空間上并非是一個均一的系統，而是存在亞中尺度的變異，渦旋中心區與邊緣區之間存在顯著的動力學和生物地球化學特性差異。從生物地球化學角度，海洋中小尺度過程也存在生命周期上的差異，如渦旋、藻華（赤潮）、羽流、上升流等生態系統響應顯著的海洋過程存在顯著的生命周期差異。開展海洋過程的全生命周期觀測是未來海洋科學研究對觀測技術手段的重要要求。在時間尺度上，需要具備跨季度的連續觀測，在空間尺度上，要完成數百公里甚至數千公里的觀測。因此需要海洋科學觀測平臺具備長期航行工作能力，以保證觀測或實驗的連續性、完整性。

3.2 海洋實驗發展趨勢

（1）加強海洋機器人原位采樣能力，實現作業采樣原位化。環境背景信息對于以海洋生物地球化學觀測為代表的觀測應用具有重要作用。脫離環境信息的觀測極易導致被測對象的理化參數或生物特性發生改變，無法真實客觀地反映真實信息。例如原位培養初級生產力與甲板培養初級生產力測量差異可以達到50%以上，與原位培養相比，甲板培養測量的固氮速率普遍存在高估，平均差異接近100%，在底棲藻類初級生產與呼吸速率測量中也發現類似現象。解決這一問題的方法之一就是使用原位培養技術，減少培養環境變化的影響，并通過連續測量增加原位培養速率參數的獲取。因此需要提高海洋機器人原位作業能力，尤其是原位采樣能力，保證被測對象和現場環境信息的耦合，使觀測數據能夠真實反映自然環境下的變化。

（2）提高觀測載荷功能集成水平，實現觀測多維立體化。隨著海洋科學研究不斷走向縱深，對觀測數據的時空耦合關系也提出了更高的要求，過去單一的、割裂的觀測數據難以完整地刻畫海洋過程的演變機制。如在海洋地化生研究過程中，海洋浮游植物初級生產、常量和微量營養鹽的限制作用、浮游植物群落組成、有機碳輸出與再礦化通量及對碳循環與氮、硅循環之間的耦合與分異的碳循環研究存在時空尺度割裂、學科交叉不夠等問題，這給如何全面準確定量化食物網的物質能量流動（固碳儲碳效率與調控因子）提出挑戰，因此需要海洋機器人可以搭載更多的傳感器或采樣器，以實現對某一要素及其關聯要素的綜合觀測，從多維角度更加真實立體地反映實際情況。

（3）構建海洋機器人作業新模式，推動觀測實驗一體化。海洋科學實驗離不開觀測數據的支撐、海洋觀測數據的變化也蘊含著生物地球化學過程變化的影響。目前海洋浮游生物活動及與化學元素的相互作用研究是海洋前沿科學研究熱點之一，其研究需要同時開展海洋科學實驗和海洋科學觀測，以深刻了解關鍵生物和生物地球化學過程的復雜相互作用和調控機制。然而目前海洋機器人在功能上多側重于海洋科學觀測或海洋科學實驗，尚未實現兩者之間深度有機融合。因此，需要開展海洋機器人觀測與實驗一體化研究工作。

4 結 論

目前以水下滑翔機、AUV 和無人帆船為代表的海洋機器人平臺技術在續航力、智能化程度、載荷搭載能力等方面已經得到了長足的發展，并且在海洋科學觀測中得到了較為廣泛的應用，為物理海洋和海洋化學的發展做出了重要貢獻，但是海洋機器人在海洋實驗方面的應用相對較少。本文系統梳理了水下滑翔機、AUV 和無人帆船在海洋觀測與實驗中的典型應用，針對未來海洋科學研究需求，仍需要在現有平臺技術的基礎上開展應用技術研究，在作業決策智能化、作業采樣原位化、功能模塊集成化、觀測實驗一體化、作業時空連續化等方面進行進一步研究，以提高觀測數據質量、提高觀測作業效率、提升作業能力，為我國海洋科學的研究與創新提供先進平臺和應用方法的支撐。