易鎮(zhèn)輝, 俞建成, 毛華斌, 張志旭, 練樹民, 邱春華, 李先鵬*

一種水下滑翔機鹽度數(shù)據(jù)的噪聲處理方法

易鎮(zhèn)輝1,3, 俞建成2, 毛華斌1, 張志旭1, 練樹民1, 邱春華4, 李先鵬1*

(1. 中國科學院 南海海洋研究所 熱帶海洋環(huán)境國家重點實驗室, 廣東 廣州, 510301; 2. 中國科學院 沈陽自動化研究所, 遼寧 沈陽, 110016; 3. 中國科學院大學 資源與環(huán)境學院, 北京, 100049; 4. 中山大學 海洋科學學院近岸海洋科學與技術(shù)中心, 廣東 廣州, 510275)

溫鹽深傳感器(CTD)是水下滑翔機常規(guī)搭載的模塊, 可以高效地觀測海水的溫度、鹽度和壓強。但在鹽度的計算過程中, 熱滯后誤差問題普遍存在且不可忽略。對此, Morison 等提出能有效修正熱滯后誤差的方法。文中對2017年7~8月間, 8臺“海翼”水下滑翔機搭載的滑翔機有效載荷CTD(GP-CTD)數(shù)據(jù)進行處理, 用中值濾波和移動平滑濾波解決鹽度峰的問題, 基于上述方法, 對鹽度數(shù)據(jù)進行熱滯后修正, 發(fā)現(xiàn)熱滯后誤差與垂向溫度結(jié)構(gòu)和水平分辨率密切相關(guān); 在剖面插值過程中, 由海洋內(nèi)部波動引起的壓強振蕩影響插值結(jié)果, 會帶來很大的鹽度差和溫度差, 并基于CTD剖面數(shù)據(jù), 提出一種海洋內(nèi)部波動的簡單識別方法。文中的工作可為水下滑翔機的數(shù)據(jù)質(zhì)量控制和海洋現(xiàn)象的捕捉提供參考。

水下滑翔機; 溫鹽深傳感器; 熱滯后修正; 剖面插值; 鹽度

0 引言

水下滑翔機作為一種新型的無人水下航行器, 在海洋觀測中起著非常重要的作用[1]。它通過改變自身重力與浮力的大小來控制垂向的滑行速度, 通過調(diào)整滑翔翼來實現(xiàn)水平運動, 從而在海水中以鋸齒型軌跡航行。水下滑翔機具有制作成本低、能耗小、續(xù)航能力強、自主可控等優(yōu)點, 還能進行模塊化設(shè)計, 可以搭載不同的傳感器, 對海洋進行大規(guī)模、長時間、全天候和高分辨率的自主實時觀測, 彌補了傳統(tǒng)海洋觀測手段的缺陷, 具有廣闊的應(yīng)用前景[2]。

水下滑翔機的概念是1989年由Stommel[3]首次提出。1991年, 美國Teledyne Webb Rese- arch(TWR)公司研制了最早的水下滑翔機Slo- cum[4]; 1999年, 美國Scripps海洋研究所和Woods Hole海洋研究所共同研發(fā)了工作深度更大的Spray[5]; 隨之, 美國華盛頓大學應(yīng)用物理實驗室開發(fā)了更高效節(jié)能的Seaglider[6]。這3類為第1代水下滑翔機, 在海洋觀測中應(yīng)用最為廣泛。之后的產(chǎn)品朝著多樣化發(fā)展, 如: 混合推進水下滑翔機(hybird-driven underwater glider, HUG)[7]、深海水下滑翔機[8]、飛翼水下滑翔機[9]和波浪滑翔機(wave glider, WG)[10]等相繼研制。

相比國外, 國內(nèi)對水下滑翔機的研究起步較晚, 但也取得了顯著的進展。2005年, 天津大學研制的溫差能驅(qū)動的水下滑翔機成功進行了水域測試[11]; 同時, 中國科學院沈陽自動化研究所研發(fā)的原理樣機也在湖上進行評估測試[12-13]。隨后, 多家科研單位或院校也進行了相關(guān)技術(shù)研發(fā)并取得了技術(shù)突破, 如中國海洋大學[14]、國家海洋技術(shù)中心[15]、中國船舶重工集團公司第710研究所[16]、第702研究所[17]、華中科技大學[18]、浙江大學[19]、大連海事大學[20]、上海交通大學[21]和西北工業(yè)大學[22]等, 特別是在混合推進水下滑翔機和深海水下滑翔機的研發(fā)方面, 國內(nèi)發(fā)展已經(jīng)與國際水平同步。

水下滑翔機可以搭載傳感器對海水進行測量, 其中溫鹽深傳感器(conductivity temperature depth, CTD)是其搭載的最常規(guī)和最重要的傳感器, 可以測量海水的溫度、電導率和壓強, 進而推導出海水的鹽度和密度等參數(shù)。但是對于傳統(tǒng)CTD, 由于電導傳感器的熱慣性, 溫度和電導率的測量會不同步, 電導傳感器要消耗時間來適應(yīng)周圍海水, 例如: 從暖水到冷水過程中, 需要擴散儲存的熱量, 相比電導傳感器, 溫度傳感器的反應(yīng)速度較快。這種傳感器反應(yīng)時間的滯后導致了計算鹽度時存在誤差, 被稱為熱滯后效應(yīng)[23]。

Lueck和Picklo[23-24]首次提出一種熱滯后修正的數(shù)值算法, 并用SBE(Sea-Bird electronics Inc.)的電導元件進行驗證, 該算法可以有效移除鹽度偏差, 對其中參數(shù)的敏感度不高, 具有普適性。Morison等[25]提出了一種實用的確定熱滯后修正振幅和時間常數(shù)的方法, 最小化下潛—上升過程的溫鹽曲線中2個鹽度之間的差異, 并根據(jù)SBE-9 CTD數(shù)據(jù)所得到的經(jīng)驗結(jié)果, 得出和都是平均速度的函數(shù)。Johnson等[26]用3臺錨定的SBE-41CP CTDs數(shù)據(jù)對電導元件的熱慣性進行評估和修正, 并對裝備了SBE-41 CTD的Argo浮標剖面進行篩選, 選取了上百個強溫躍層之上充分混合的表層剖面進行熱滯后修正。 Bishop[27]修正了Slocum 水下滑翔機數(shù)據(jù)的熱滯后效應(yīng), 根據(jù)Lueck、Picklo和Morison 等的方法, 用Slocum 水下滑翔機的平均垂向速度來計算修正參數(shù)。Menash等[28]對SBE-4的數(shù)據(jù)進行熱質(zhì)量慣性修正, 以Morison等的方法為基礎(chǔ), 提出一種經(jīng)驗方法來確定修正參數(shù)的最優(yōu)值, 并計算出在強溫躍層中普遍適用的參數(shù)值。Garau 等以Morison 等的工作為基礎(chǔ), 提出了不帶泵的Slocun CTD數(shù)據(jù)的熱滯后修正方法, 該方法優(yōu)點如下: 使用水下滑翔機自身的可變速度, 同時不需要參考剖面; 最小化2個CTD剖面(1個為下潛過程, 1個為上升過程)組成的T-S曲線圍成的面積所確定的目標函數(shù), 從而確定4個修正參數(shù)[29]。這種方法被用來進行常規(guī)水下滑翔機CTD的數(shù)據(jù)處理。Liu 等[30]對比了Morison 等的方法和Garau 等的方法在強溫躍層的可行性和局限性, 并提出用中值濾波(=7)的方法移除較大的鹽度峰, 可以明顯改善熱滯后修正的效果。Eric- ksen[31]對Seaglider上不帶泵的電導元件進行了鹽度估計。Frajka-Williams等[32]根據(jù)Ericksen 等的模型和Lueck的熱滯后理論, 對Seaglider數(shù)據(jù)進行了簡單的熱慣性修正。

文中利用Morison 等的方法對2017年7～8月期間南海中尺度渦多滑翔機集群觀測的幾千個CTD剖面數(shù)據(jù)進行熱滯后修正。Morison 等的方法能有效地修正帶泵CTD的熱滯后誤差[25], 但是在層結(jié)強的深度上, 熱滯后修正效果不好[28]。

文中將評估該方法在溫躍層的修正效果, 討論的問題有: 1) 提高鹽度熱滯后修正的效果; 2) 討論鹽度熱滯后誤差的影響因子; 3) 改善剖面插值效果。

1 “海翼”水下滑翔機數(shù)據(jù)熱滯后修正方法

1.1 “海翼”水下滑翔機數(shù)據(jù)

2017年7~8月期間, 由中國科學院沈陽自動化研究所組織的南海中尺度渦多滑翔機集群觀測, 以揭示南海北部渦旋的精確三維結(jié)構(gòu), 研究渦旋不對稱性導致的南海北部跨陸坡物質(zhì)能量輸運, 文中研究的為其中的8臺。該次為期1個月的觀測獲取了3075個CTD的剖面數(shù)據(jù), 詳細信息見表1。對原始數(shù)據(jù)進行預(yù)處理, 去掉原始數(shù)據(jù)中一些異常的采樣過程和奇異值。異常的采樣過程主要分為以下幾種: 1) 只有下潛過程的數(shù)據(jù); 2) 采樣時間不連續(xù), 文中定義為存在大于10 m壓強差的采樣過程; 3) 高頻振蕩; 4) 壓強一直為0。8臺水下滑翔機總共出現(xiàn)的異常采樣過程分別有2、22、6和2次, 所以有效剖面數(shù)為3 043個。

表1 8臺“海翼”水下滑翔機基本信息

“海翼”水下滑翔機搭載的CTD為Slocum 滑翔機有效載荷CTD(glider payload CTD, GP-CTD), 能測量電導率、溫度和壓強。在水下的滑翔軌跡呈鋸齒形, CTD傳感器整個過程都處于采樣觀測狀態(tài)(見圖1)。工作深度為300 m的水下滑翔機完成1個采樣過程的時長是30~40 min, 出入水位置間的距離約為0.5 km; 工作深度為1 000 m的水下滑翔機完成1個采樣過程的時長約3 h, 出入水位置間的距離約為2 km。8臺水下滑翔機基本位于南海北部海盆的深水區(qū), 其中4臺水下滑翔機(300K001, 300K003, 1000J005和1000J008)為東北—西南走向的來回斷面觀測, 剩余4臺基本為西北—東南走向的來回斷面觀測(見圖2), 每臺水下滑翔機每天滑翔的距離為25~30 km。

圖1 “海翼”水下滑翔機滑行路徑圖

圖2 8臺水下滑翔機觀測列陣位置圖

1.2 熱滯后修正方法

在鹽度計算過程中, 由于溫度傳感器和電導率傳感器的瞬間反應(yīng)速度不同步而導致的誤差不容忽視。1990年, Lueck[23]提出了熱滯后修正的理論模型, 具體如下。

電導率修正值

式中:f為折疊頻率(Nyquist頻率);和分別為誤差的振幅和時間常數(shù), 二者都取決于通過電導單元的流速。Lueck的理論由Morison等進一步驗證, 并根據(jù)經(jīng)驗結(jié)果, 得到計算系數(shù)和的等式

式中,為通過電導單元流速的平均速度。需要注意的是, Morison 等的研究是在傳統(tǒng)CTD試驗的基礎(chǔ)上進行的, 流速已知, 假定為常數(shù)0.486 7 m/s, 所以系數(shù)和分別為0.0677和11.1431[25]。

Morison等在Lueck的理論基礎(chǔ)上, 進一步提出通過估計電導單元的溫度來實現(xiàn)溫度和電導率的同步變化

式中, 溫度修正值T加上測量的溫度可得電導單元內(nèi)的估計溫度, 由此可依據(jù)測量的電導率來計算鹽度。

相比而言, Morison等的方法因為不需提供電導率對溫度的敏感度，而比Lueck的方法更為簡單。

2 熱滯后誤差修正

在溫躍層或鹽躍層中, 鹽度的垂向剖面會存在許多陡峭的峰[33], 這些峰不能被常規(guī)的平滑方法(如: 低通濾波)濾掉, 雖然插值過程也存在平滑的作用, 但未能將這種峰值去除[26], 所以就可能將這種峰值插值到標準的剖面上, 從而影響剖面整體結(jié)構(gòu)和現(xiàn)象的判斷, 特別是在尺度較小的過程中。

Emery等[34]提出可通過比較樣本值的直方圖檢查離散值是否符合假定的概率分布函數(shù), 以此來分離誤差較大的點。另一種方法是對于所有的數(shù)據(jù), 設(shè)定1個閾值(如±3, 其中,為標準差), 超過閾值則視為異常值。但是這些方法將異常值也當作樣本的一部分, 從而影響概率分布函數(shù)和閾值的計算[34], 所以并不適合用來去除這些鹽度峰值。Mensah等[28]提出用中值濾波有效去除CTD數(shù)據(jù)中溫度、電導率和鹽度中存在的峰值現(xiàn)象。Liu等[31]用窗口為7的中值濾波有效地去除鹽度存在的峰值, 并且保證原有數(shù)據(jù)的變化趨勢。窗口為的中值濾波可以表示為

但從數(shù)據(jù)的處理結(jié)果發(fā)現(xiàn), 窗口為7的中值濾波并不能將鹽度的一些峰值完全濾掉(見圖3(a)), 窗口寬度需要重新調(diào)整。

選取300K001水下滑翔機的第389個采樣過程, 記為300K001-389(入水時間2017/7/26 13:20: 19, 入水位置(117.97oE , 21.30oN); 出水時間2017/7/26 14:03:22, 出水位置(117.80oE , 21.30oN))作為典型例子。由圖3(a)可以看出, 中值濾波可以很好地移除陡峭的峰值(如92 m處), 對于較緩的峰值(如85 m處), 不同窗口寬度的中值濾波有不同的效果, 11點中值濾波基本能移除鹽度峰值, 15點中值濾波則因窗口過大, 可能會改變鹽度本身的變化趨勢(如90 m處)。為了移除鹽度峰值和保留鹽度本身的變化趨勢, 窗口為13的中值濾波將用于移除原始數(shù)據(jù)的鹽度峰值, 對應(yīng)的垂向深度為10 m左右。但是, 中值濾波存在弱化鹽度變化的問題, 經(jīng)過中值濾波處理后, 可能幾個甚至十幾個相鄰數(shù)值相等, 對應(yīng)的垂向深度為10 m的鹽度值相同, 這顯然不符合觀測事實, 移動平滑濾波可以解決這個問題。窗口為的移動平滑濾波為

不同窗口的移動平滑濾波對鹽度都有明顯的平滑作用, 為了保守起見, 對中值濾波處理后的鹽度進行窗口為7的移動平滑濾波(見圖3(b))。

Morison等[25]提出的熱滯后修正方法的基本假設(shè)是整個下潛—上升過程基本處于同一個水團, 海水的理化性質(zhì)也基本不變, 所以在溫度-鹽度曲線(T-S曲線)上, 下潛剖面曲線與上升剖面曲線應(yīng)相差不大。下潛和上升過程的鹽度差可以表征該過程的鹽度數(shù)據(jù)質(zhì)量。中值濾波(=13)和移動平滑濾波(=7)處理后, 不管是原始鹽度還是熱滯后修正的鹽度, 數(shù)據(jù)質(zhì)量都有顯著的提高, 下潛和上升過程向平均值聚攏, 更加符合同屬一個水團的性質(zhì), 鹽度差減小了0.1 psu左右(見圖4), 這與熱滯后修正屬于同一個量級, 所以濾波移除鹽度峰值同樣重要。圖中, 濾波處理包括中值濾波(=13)和移動平滑濾波(=7)。

圖4 濾波處理前后的溫度-鹽度曲線圖

Morison 等提出的熱滯后修正方法對原始的鹽度有明顯的修正(見圖5), 特別是50~300 m的溫躍層, 修正幅度平均值能達到0.02~0.05 psu, 最大值甚至超過0.1 psu, 特別是1000K003水下滑翔機, 修正幅度甚至能達到0.2 psu(見圖5(f))。圖中, 橫坐標為熱滯后修正鹽度與原始鹽度之差。相比原始數(shù)據(jù), 下潛過程修正鹽度值減小, 上升過程增加, 下潛—上升過程的差異進一步縮小, 使得修正后的鹽度都向平均剖面聚攏, 這才是符合海水中的鹽度分布, 在同一水團中, 海水的理化性質(zhì)相似。300 m以深, 修正后下潛—上升過程的鹽度基本一致, 修正效果明顯優(yōu)于溫躍層, 這可能與海水的垂向溫鹽結(jié)構(gòu)有關(guān)。但是, 在溫躍層中, 熱滯后修正下潛—上升過程的鹽度仍然存在著差異, 甚至二者的變化趨勢相反, 所以在溫躍層中熱滯后修正方法仍然需要改善。

3 熱滯后誤差的影響因子

鹽度偏差(salinity error)的定義為熱滯后修正下潛—上升過程之間存在的鹽度差, 它是衡量熱滯后誤差的量, 鹽度偏差越大, 說明熱滯后現(xiàn)象越明顯[28]。在觀測期間, 海洋中存在許多波動現(xiàn)象, 可能會引起溫躍層的起伏變化, 相應(yīng)地, 在一次采樣過程中, 下潛過程和上升過程的溫鹽結(jié)構(gòu)存在著很大變化。為排除這種影響, 只選取下潛—上升過程溫躍層深度之差都不超過2 m的剖面進行統(tǒng)計分析[28], 將溫躍層上界設(shè)為溫躍層深度, 溫躍層上界的定義為溫度超過海表面溫度0.5℃所對應(yīng)的深度[35], 海表面溫度為5 m處的海水溫度。8臺水下滑翔機共選取了1 888個剖面進行討論。

圖5 8臺水下滑翔機鹽度差垂向分布圖

3.1 垂向溫度結(jié)構(gòu)

鹽度偏差的垂向呈現(xiàn)雙峰分布, 第1個峰值在50 m左右的深度上, 最大值能達到0.2 psu; 第2個峰值在200 m左右的深度上, 能達到0.05 psu, 只有第1個峰值的1/4 ; 400 m以深, 鹽度偏差隨深度變化很小并維持在0.01 psu以下(見圖6(a))。溫度梯度都為單峰變化, 梯度先增后減然后維持穩(wěn)定, 最大值都在50 m左右, 約為0.11℃/db(見圖6(b))。

圖6 8臺水下滑翔機鹽度偏差和溫度梯度垂向分布圖

選取溫躍層以淺探討鹽度偏差隨溫度梯度的變化, 為了排除降水等因素對鹽度的影響, 選取10~300 m作為研究深度。鹽度偏差最大值所在深度為40~50 m, 在南海北部夏季, 可看成是混合層與溫躍層的界限。在混合層, 鹽度偏差與溫度梯度呈現(xiàn)很好的線性關(guān)系, 其擬合優(yōu)度為0.91~0.99, 溫度梯度對鹽度偏差的線性解釋程度很高, 鹽度偏差隨溫度梯度的增大而增大(見圖7(a)); 在溫躍層中, 鹽度偏差與溫度梯度線性關(guān)系很弱(見圖7(b)), 圖中顏色表示與圖6相同。溫度梯度相同時, 混合層的鹽度偏差比溫躍層的小, 這與混合層的劇烈混合有關(guān)。

圖7 8臺水下滑翔機鹽度偏差隨溫度梯度的變化曲線

3.2 水平分辨率

水平分辨率的定義為出入水位置之間的距離, 該距離越大, 水平分辨率越小。由圖6可知, 在溫度梯度變化趨勢基本一致的情況下, 300K001、300K003和300K004這3臺水下滑翔機(下潛深度為300 m)的鹽度偏差明顯小于后面幾臺; 由圖7(a)可知, 這3臺的曲線也與其他幾臺存在明顯分離, 鹽度偏差相差約0.04 psu, 這與水平分辨率差異有關(guān)。當下潛深度為300 m 左右時, 水平分辨率約為0.5 km, 鹽度偏差約為0.02 psu; 當下潛深度約為1 000 m時, 水平分辨率約為2 km, 相應(yīng)的鹽度偏差約為0.05～0.06 psu。隨著水平分辨率的減小, 鹽度偏差會增加, 但并非呈線性增加趨勢(見表2)。這是因為水平分辨率減小, 下潛—上升過程的距離變大, 由于小尺度或次中尺度現(xiàn)象的影響, 水團性質(zhì)發(fā)生改變, 鹽度偏差變大。所以水平分辨率也是影響熱滯后修正效果的因素, 隨著水平分辨率增加, 熱滯后修正效果變好, 熱滯后誤差減小, 下潛—上升過程就更加趨于一致。

表2 8臺水下滑翔機平均水平分辨率和平均鹽度偏差表

4 剖面插值和標準剖面選取

4.1 剖面插值

對8臺水下滑翔機的鹽度進行熱滯后修正后, 下潛—上升過程鹽度變得比較一致。為了對觀測的斷面進行更加直觀的展現(xiàn), 用一條標準的剖面來代表整個下潛—上升過程, 能準確反映整個過程的溫鹽變化。一維線性插值是1種簡單有效的插值方法, 將下潛—上升過程的剖面一維線性插值到等米的標準剖面上, 然后對這2個剖面取平均值, 則該標準剖面代表整個下潛—上升過程。

在處理水下滑翔機溫鹽數(shù)據(jù)中發(fā)現(xiàn), 下潛—上升過程中溫鹽分布存在異常起伏, 同一深度存在2個差異較大的觀測值, 2次觀測的海水分別屬于不同水體, 對插值的結(jié)果勢必造成影響。8臺水下滑翔機存在這種現(xiàn)象的剖面有: 300K001- 490; 1000J008-56、62、72、75。選取剖面1000J008-56 (入水時間為2017/7/23 12:39:59, 入水位置為(119.27°E、20.30°N); 出水時間為2017/7/23 16:22:15, 出水位置為(119.24°E、20.33°N)評估該現(xiàn)象對插值結(jié)果的影響。為了對比水下滑翔機溫鹽異常起伏過程對插值結(jié)果的影響, 將該起伏過程移除, 然后進行一維線性插值, 前后進行對比, 為了清楚看出移除起伏過程前后的差別, 僅選取下潛過程250~450 m 進行具體分析。該起伏過程影響鹽度的垂向分布, 存在1個鹽度增長率相反的過程, 在同一深度上, 前一次測的是鹽度高的水團, 后一次測的是鹽度低的水團。插值后, 350 m處鹽度突然降低, 形成1個鹽度斷層; 在350~380 m深度層, 移除起伏過程后的插值, 結(jié)果明顯比移除前小并且光滑。移除起伏過程前后, 在同一深度上, 鹽度相差最大能達到0.1 psu(見圖8(a)和(d)), 與熱滯后誤差同一量級, 所以該起伏過程對插值結(jié)果帶來的影響不可忽略。相同地, 溫度在350 m處溫度也突然降低, 形成1個溫度斷層, 而在350~ 380 m深度層, 溫度移除起伏過程后的插值結(jié)果也明顯比移除前小。移除起伏過程前后, 在同一深度上, 溫度相差最大能達到2℃(見圖8(c)和(f))。在T-S圖上, 起伏過程移除前后在鹽度為34.37~34.55 psu之間存在明顯的差異, 而對應(yīng)的深度為280~430 m (見圖8(b)和(e))。該起伏過程還會給插值結(jié)果帶來毛刺, 影響插值后溫鹽數(shù)據(jù)的質(zhì)量。

圖8 1000J008-56下潛中溫鹽起伏過程對剖面插值的影響曲線

溫鹽起伏過程帶來的鹽度差和溫度差對插值的影響不可忽略。在該過程中, 壓強的變化不是單調(diào)的, 也存在著振幅為30 m左右的振蕩過程(見圖9), 與溫鹽起伏過程相對應(yīng), 所以溫鹽起伏過程是由壓強的振蕩引起的。壓強振蕩是因為受到海洋內(nèi)部波動(如內(nèi)波)的影響, 將正在下潛(或上升)的水下滑翔機抬升(或下落), 則同一深度存在著2個溫鹽觀測值, 而2次觀測的海水分別屬于不同水體, 造成觀測值相差較大。其他溫鹽異常起伏剖面都存在著壓強振蕩現(xiàn)象(見圖10), 說明這種異常起伏并非傳感器出錯而導致的數(shù)據(jù)異常, 而是由海洋內(nèi)部波動引起的。圖10中, 紅圈為海洋內(nèi)部波動所在深度, 每個分圖的剖面從左到右依次為300K001-490, 1000J008-56、62、72、75; 圖中橫坐標刻度為一條剖面的標度, 可以將這些剖面篩選出來, 這樣不僅使插值結(jié)果更準確, 而且可以很好地研究海洋內(nèi)部波動。

圖9 1000J008-56 CTD剖面壓強變化曲線

圖10 不同剖面壓強、鹽度及溫度變化趨勢

相對應(yīng)地, 海洋內(nèi)部波動所在深度上的壓強、鹽度和溫度也存在起伏過程, 其判定的標準為: 在下潛—上升過程, 同一深度(壓強)存在著至少2個觀測值(如: 溫度和鹽度等)(見圖10)。由于海水鹽度跨度小, 所以壓強和鹽度的起伏可以很好捕捉到海洋內(nèi)部波動, 這種簡單的識別方法可以有效地篩選出海洋內(nèi)部波動, 為其研究提供寶貴的觀測數(shù)據(jù)。

4.2 標準剖面選取

在選取標準的剖面來代表整個下潛—上升過程時, 常用的方法有3種: 1) 最普遍的方法是選擇原始數(shù)據(jù)下潛過程為該標準剖面, 而將上升過程舍棄不用, 但往往會忽略很多尺度較小的現(xiàn)象(如空間尺度為-1 km 的次中尺度現(xiàn)象); 2) Liu Y等[31]提出, 將熱滯后修正的下潛—上升過程的剖面, 一維線性插值到等米的標準剖面上, 然后對這3個剖面取平均, 用平均剖面代表整個下潛—上升過程, 由于熱滯后修正需要迭代過程, 所以這種方法的計算量比較大; 3) 將原始數(shù)據(jù)的下潛—上升過程的剖面線性插值, 然后取平均剖面代表整個過程, 相對于方法2), 這種方法計算比較簡單。與方法2)相比, 方法1)剖面鹽度相差達0.5 psu, 其最值所在的深度集中在300 m以淺, 2種方法的鹽度相差在50 m 左右達到最大(見圖11中a1~a8)。圖11中, 藍色點為鹽度差最小值, 紅色點為鹽度差最大值。而方法3)剖面與方法2)的鹽度相差最大為0.05 psu, 最值對應(yīng)深度也相對集中在300 m以上(見圖11 中b1~b8)。南海北部溫躍層所在深度為50~300 m, 在溫躍層里, 2種方法與方法2）的鹽度差都比其他深度大, 這是由于在溫躍層明顯的熱滯后誤差導致的。在文中試驗中, 方法1)和方法3)所得剖面與方法2)的鹽度差相差了一個量級, 0.5 psu的鹽度差可能會引起鹽度分布的顯著變化, 從而改變水團的理化性質(zhì), 影響對海洋現(xiàn)象的捕捉和研究, 所以方法1)是不準確的; 對于方法3)的可行性, 可依據(jù)研究的問題而定, 對于大尺度現(xiàn)象, 可接受0.05 psu的鹽度差, 但是對于小尺度現(xiàn)象, 0.05 psu的鹽度差也可能影響鹽度的分布, 所以該方法不適用。對于300 m以深的深海溫鹽梯度和熱滯后誤差都很小, 選取標準剖面時, 3種方法的差異不大。

5 結(jié)束語

文中用Morison 等的方法對8臺水下滑翔機的CTD(帶泵)數(shù)據(jù)進行熱滯后修正, 討論了熱滯后誤差的影響因子, 并探討了海洋內(nèi)部波動對溫鹽剖面插值的影響和標準剖面的選取, 得出以下結(jié)論。

圖11 8臺水下滑翔機采用不同方法選取剖面與方法2)選取剖面的鹽度差最值的垂向分布圖

1) 用中值濾波(=13)和滑動平均濾波(=7)不僅能夠移除鹽度峰, 而且可有效解決中值濾波去趨勢的問題, 提高熱滯后修正效果。

2) 熱滯后誤差的影響因子包括: 垂向溫度結(jié)構(gòu)和水平分辨率。在混合層, 鹽度偏差與溫度梯度呈現(xiàn)很好的線性關(guān)系; 而在溫躍層, 二者線性關(guān)系較差。水平分辨率減小, 鹽度偏差則會增加, 但是并非呈線性增加趨勢。

3) 在插值過程中, 海洋內(nèi)部的波動(如內(nèi)波)形成的壓強起伏會引起溫鹽起伏現(xiàn)象, 帶來很大的鹽度差和溫度差, 影響插值結(jié)果。同步的壓強振蕩和鹽度起伏可以簡單識別出海洋內(nèi)部波動。

文中著重討論CTD數(shù)據(jù)的處理, 尚未應(yīng)用到海洋現(xiàn)象的探討, 下一步工作重點是海洋中尺度渦和海洋內(nèi)波的相關(guān)研究。

致謝: 感謝國家重點研發(fā)計劃項目(2017YFC 0305904)對論文的支持和中國科學院沈陽自動化研究所提供的水下滑翔機數(shù)據(jù)。

[1] 沈新蕊, 王延輝, 楊紹瓊, 等. 水下滑翔機技術(shù)發(fā)展現(xiàn)狀與展望[J]. 水下無人系統(tǒng)學報, 2018, 26(2): 89-106.Shen Xin-rui, Wang Yan-hui, Yang Shao-qiong, et al. Development of Underwater Gliders: An Overview and Prospect[J]. Journal of Unmanned Undersea Systems, 2018, 26(2): 89-106.

[2] Rudnick D L, Davis R E, Eriksen C C, et al. Underwater Glider for Ocean Research[J]. Marine Technology Society Journal, 2004, 38(2): 73-84.

[3] Stommel H. The Slocum Mission[J]. Oceanography, 1989, 2(1): 22-25.

[4] Webb D C, Simonetti P J, Jones C P. SLOCUM: an Underwater Glider Propelled by Environmental Energy[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 447- 452.

[5] Sherman J, Davis R E, Owens W B, et al. The Autonomo- us Underwater Glider “Spray”[J]. IEEE Journal of Ocean- ic Engineering, 2001, 26(4): 437-446.

[6] Eriksen C C, Osse T J, Light R D, et al. Seaglider: a Long- range Autonomous Underwater Vehicle for Oceanographic Research[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 424-436.

[7] Bachmayer R, Leonard N E, Graver J, et al. Underwater Gliders: Recent Developments and Future Applications [C]//International Symposium on Underwater Technology. Taipei, China: IEEE, 2004: 195-200.

[8] Osse T J, Eriksen C C. The Deepglider: A Full Ocean De- pth Glider for Oceanographic Research[C]//OCEANS 2007. Vancouver: IEEE, 2007: 1-12.

[9] Wood S. Autonomous Underwater Gliders[J]. Underwater Vehicles, 2009, 26: 499-524.

[10] Hine R, Willcox S, Hine G, et al. The Wave Glider: A Wave-Powered Autonomous Marine Vehicle[C]//Oceans 2009, MTS/IEEE Biloxi-Marine Technology for Our Future:Global and Local Challenges. Biloxi: IEEE, 2009: 1-6.

[11] 武建國. 混合驅(qū)動水下滑翔器系統(tǒng)設(shè)計與性能分析[D]. 天津: 天津大學, 2010.

[12] 王樹新, 李曉平, 王延輝, 等. 水下滑翔器的運動建模與分析[J]. 海洋技術(shù)學報, 2005, 24(1): 5-9.Wang Shu-xin, Li Xiao-ping, Wang Yan-hui, et al. Dyna- mic Modeling and Analysis of Underwater Gliders[J]. Oc- ean Technology, 2005, 24(1): 5-9.

[13] 王樹新, 王延輝, 張大濤, 等. 溫差能驅(qū)動的水下滑翔器設(shè)計與實驗研究[J]. 海洋技術(shù)學報, 2006, 25(1): 1-5.Wang Shu-xin, Wang Yan-hui, Zhang Da-tao, et al. Design and Trial on an Underwater Glider Propelled by Thermal Engine[J]. Ocean Technology, 2006, 25(1): 1-5.

[14] Liu Y, Luan X, Song D, et al. Simulation for Path Plann- ing of OUC-II Glider with Intelligence Algorithm[C]// Intelligent Robotics and Applications: 10th International Conference, ICIRA 2017. Wuhan: Springer, 2017: 801- 812.

[15] 秦玉峰, 張選明, 孫秀軍, 等. 混合驅(qū)動水下滑翔機高效推進螺旋槳設(shè)計[J]. 海洋技術(shù)學報, 2016, 35(3): 40- 45.Qin Yu-feng, Zhang Xuan-ming, Sun Xiu-jun, et al. Desi- gn of a High-Efficiency Propeller for Hybrid Drive Unde- rwater Gliders[J]. Journal of Ocean Technology, 2016, 35(3): 40-45.

[16] 陳剛, 張云海, 趙加鵬. 基于混合模型的水下滑翔機最佳升阻比特性[J]. 兵器裝備工程學報, 2014, 35(2): 150- 152.Chen Gang, Zhang Yun-hai, Zhao Jia-peng, et al. Optim- um Lift-drag Ratio of the Underwater Glider Based on Mixture Models[J]. Journal of Sichuan Ordnance, 2014, 35(2): 150-152.

[17] 馬冬梅, 馬崢, 張華, 等. 水下滑翔機水動力性能分析及滑翔姿態(tài)優(yōu)化研究[J]. 水動力學研究與進展, 2007, 22(6): 703-708.Ma Dong-mei, Ma Zheng, Zhang Hua, et al. Hydrodynamic Analysis and Optimization on the Gliding Attitude of the Underwater Glider[J]. Journal of Hydrodynamics, 2007, 22(6): 703-708.

[18] 李寶仁, 傅曉云, 楊鋼, 等. 一種噴水推進型深?；铏C: CN203581363U[P]. 2014-5-7.

[19] Yang C, Peng S, Fan S. Performance and Stability Analysis for ZJU Glider[J]. Marine Technology Society Journal, 2014, 48(3): 88-103.

[20] 楊豪, 陳濟民, 初再宇. 圓碟形水下滑翔機的創(chuàng)新設(shè)計及應(yīng)用前景[J]. 硅谷, 2015(4): 24-25.

[21] 倪園芳. 溫差能驅(qū)動水下滑翔機性能的研究[D]. 上海: 上海交通大學, 2008.

[22] 田文龍, 宋保維, 劉鄭國. 可控翼混合驅(qū)動水下滑翔機運動性能研究[J]. 西北工業(yè)大學學報, 2013, 31(1): 122- 128.Tian Wen-long, Song Bao-wei, Liu Zheng-guo. Motion Characteristic Analysis of a Hybrid-Driven Underwater Glider with Independently Controllable Wings[J]. Journal of Northwestern Polytechnical University, 2013, 31(1): 122-128.

[23] Lueck R G. Thermal Inertia of Conductivity Cells: Theory[J]. Journal of Atmospheric & Oceanic Technology, 1990, 7(5): 741-755.

[24] Lueck R G, Picklo J J. Thermal Inertia of Conductivity Cells: Observations with a Sea-Bird Cell[J]. Journal of Atmospheric & Oceanic Technology, 1990, 7(5): 756-768.

[25] Morison J, Andersen R, Larson N, et al. The Correction for Thermal-Lag Effects in Sea-Bird CTD Data[J]. Journal of Atmospheric & Oceanic Technology, 1994, 11(11): 1151-1164.

[26] Johnson G C, Toole J M, Larson N G. Sensor Corrections for Sea-Bird SBE-41CP and SBE-41 CTDs*[J]. Journal of Atmospheric and Oceanic Technology, 2007, 24(6): 1117- 1130.

[27] Bishop C M. Sensor Dynamics of Autonomous Underwater Gliders[D]. Newfoundland: Memorial University of Newfoundland, 2008.

[28] Mensah V, Le Menn M, Morel Y. Thermal Mass Correcti- on for the Evaluation of Salinity[J]. Journal of Atmosph- eric and Oceanic Technology, 2009, 26(3): 665-672.

[29] Garau B, Ruiz S, Zhang W G, et al. Thermal Lag Correction on Slocum CTD Glider Data[J]. Journal of Atmo- spheric and Oceanic Technology, 2011, 28(9): 1065-1071.

[30] Liu Y, Weisberg R H, Lembke C. Glider Salinity Correction for Unpumped CTD Sensors Across a Sharp Therm- ocline[J]. Coastal Ocean Observing Systems, 2015, 17: 305-325.

[31] Eriksen C C. Salinity Estimation Using an Unpumped Conductivity Cell on an Autonomous Underwater glider[C]//Fourth EGO Conf. Larnaca, Cyprus: EGO, 2009.

[32] Frajka-Williams E, Eriksen C C, Rhines P B, et al. Determining Vertical Water Velocities from Seaglider[J]. Jo- urnal of Atmospheric and Oceanic Technology, 2011, 28(12): 1641-1656.

[33] Bray N A. Salinity Calculation Techniques for Separately Digitized Fast Response and Platinum Resistance CTD Temperature Sensors[J]. Deep Sea Research Part a Oce- anographic Research Papers, 1987, 34(4): 627-632.

[34] Thomson R E, Emery W J. Data Analysis Methods in Physical Oceanography[M]. Newnes, Amsterdam, Oxford and Boston, 2014: 639-664.

[35] Sprintall J, Tomczak M. Evidence of the Barrier Layer in the Surface Layer of the Tropics[J]. Journal of Geophy- sical Research Oceans, 1992, 97(C5): 7305-7316.

A Noise Processing Method for Salinity Data Underwater Glider

YI Zhen-hui1,3, YU Jian-cheng2, MAO Hua-bin1, ZHANG Zhi-xü1, LIAN Shu-min1, QIU Chun-hua4, LI Xian-peng1*

(1. State Key Laboratory of Tropical Marine Environment, South China Sea Institute of Oceanology, Chinese Acaderny of Sciences, Guangzhou 510301, China; 2. Shen Yang Institute of Automation Chinese Academy of Sciences, Shenyang 110016, China; 3. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China; 4. The Center for Coastal Ocean Science and Technology, School of Marine Sciences, Sun Yat-sen University, Guangzhou 510275, China)

Conductivity-temperature-depth(CTD) sensor on underwater glider is used to measure temperature, salinity and pressure of sea water. However, in the calculation of salinity, thermal lag error is a common problem but cannot be neglected. In this paper, eight glider payload CTD(GP-CTD) data of underwater gliders “Sea Wing” obtained during July – August, 2017 are processed. Median filter and sliding smoothing filter are used to solve the problem of salinity peak. The salinity data are corrected considering the thermal lag based on the thermal lag correction method proposed by Morison, et al. It is found that the vertical temperature structure and horizontal resolution are closely related to the thermal lag error. In the process of profile interpolation, the pressure oscillation caused by ocean internal fluctuation affects the interpolation results, resulting in significant error in temperature and salinity. Based on the CTD profile data, a simple identification method of ocean internal fluctuation is proposed. This study may provide reference for data quality control and marine phenomena capture of underwater gliders.

underwater glider; conductivity-temperature-depth(CTD); thermal lag correction; profile interpolation; salinity

TJ630; U674.941; P733.22

A

2096-3920(2019)05-0503-11

10.11993/j.issn.2096-3920.2019.05.005

易鎮(zhèn)輝, 俞建成, 毛華斌, 等. 一種水下滑翔機鹽度數(shù)據(jù)的噪聲處理方法[J]. 水下無人系統(tǒng)學報, 2019, 27 (5): 503-513.

2018-11-30;

2018-12-27.

國家重點研發(fā)專項項目(2017YFC0305904).

*李先鵬(1983-), 男, 高級工程師, 主要研究方向為海上觀測作業(yè).

(責任編輯: 楊力軍)