高明超 徐泮林 劉瑞昌 羅婷婷

（1、山東科技大學測繪與空間信息學院，山東 青島266000 2、濟南市勘察測繪研究院，山東 濟南250000 3、山東無形信息技術有限公司，山東 泰安271000）

隨著科技與經濟的飛速發(fā)展，人們逐漸將目光投向了神秘的海洋，海洋事業(yè)的發(fā)展已經成為了當今世界發(fā)展的大趨勢。面對著寬廣的海洋，人們通過普通的觀測手段只能在限定的區(qū)域內獲取到稀少的數據，很難對整個海洋有全面的了解。基于這種情況下，相關專家學者針對洋流、海底溫度與鹽度等方面繪制出了多種海洋模型，以此來幫助人們更好地了解和認識海洋的真實運行狀態(tài)。海洋模型的產出已經被廣泛應用于研究和生態(tài)系統(tǒng)的評估以及各種工業(yè)部門，如漁業(yè)、水產養(yǎng)殖、航運和海上能源等。在過去幾十年中，海洋模型性能的改善部分歸功于同化和驗證數據的使用增加。通過EMOLT 項目取得海洋底部水溫數據與模型預測數據進行比對驗證，促進了海洋模型性能的改善，并幫助數值模擬者獲得調整其邊界條件以及量化不確定性所需的信息。

1 EMOLT 項目

為了幫助氣象預報單位吸納更多的溫度數據、給予海洋模型更好地驗證模擬以及協(xié)助漁民更清楚地了解捕魚狀況，美國海洋與大氣管理局（National Oceanic and Atmospheric Administration，以下簡稱NOAA）與當地漁船合作提供了一個低成本的數據觀測系統(tǒng)——龍蝦誘捕器環(huán)境監(jiān)測計劃[1]（Environmental Monitors on Lobster Traps ，以下簡稱EMOLT），該系統(tǒng)已在美國東北部海洋大陸架的廣泛范圍內產生大量的每小時底部溫度數據集。

該系統(tǒng)現在主要有Logger、微型計算機、衛(wèi)星發(fā)射器三部分組成（圖1-D）：

1.1 將Logger 用不銹鋼螺栓固定在PVC 管內，漁民可以根據自己的需要，將PVC 管固定到不同的漁具上（圖1-A、圖1-B）。Logger 每分鐘收集一次數據，一次電池充電可長達六個月。

1.2 觸摸屏的微型計算機安裝在漁船駕駛艙（圖1-E）。當Logger 來到甲板上時，計算機會連接藍牙，自動下載數據，并通過一個切換按鈕繪制結果，讓漁民可以輕松查看以前的捕撈情況。它還可以計算拖網統(tǒng)計數據，將觀察到的值與歷史記錄，并將統(tǒng)計數據轉發(fā)到衛(wèi)星發(fā)射機。

表1 模型預測海底水溫數據 （單位：℃）

1.3 衛(wèi)星發(fā)射器安裝在駕駛艙外的頂部（圖1-C），并將每次采集的統(tǒng)計數據經由衛(wèi)星發(fā)送到云服務器上，研究人員可通過云服務器對數據進行處理、分析。

圖1 EMOLT 項目系統(tǒng)裝備

圖2 海洋模型邊界圖

2 海洋模型

緬因灣（Gulf of Main）位于北大西洋沿岸，特殊的地理位置以及適宜的氣候條件使其擁有豐富的海洋生物資源。結合緬因灣的特殊情況，諸多學者為之開發(fā)了多種海洋模型，其中ROMS-DOPPIO[2]（Regional Ocean Modeling System-A double Experimental System for Predicting Shelf and Slope Optics，以下簡 稱DOPPIO） 模 型 與ROMS-GoMOFS[3]（Regional Ocean Modeling System -Gulf of Maine Operational Forecast System，以下簡稱GOMOFS）模型都是基于羅格斯大學的區(qū)域海洋建模系統(tǒng)（ROMS）而開發(fā)的三維緬因灣業(yè)務預報系統(tǒng)；FVCOM-GoM3[4]（The third generation of the Unstructured Grid Finite Volume Community Ocean Model，以下簡稱FVCOM）模型是由馬薩諸塞州達特茅斯大學的陳長生團隊和Woods Hole 海洋研究所的研究人員一同合作開發(fā)的一種非結構網格、有限體積法、自由表面、三維原始方程式的預測性沿海海洋環(huán)流模型，如圖2。

3 案例分析

3.1 模型預測海底水溫數據

文章實驗數據采取參與EMOLT 項目的40 多艘漁船所采集到的實際監(jiān)測海底溫度數據，對采集到的數據進行GPS 位置、深度數據、時間數據和溫度數據的預處理，剔除偏離較大的數據，隨后采用Python 編程語言獲取DOPPIO、GOMOFS 與FVCOM 三種模型的海底水溫預測值[5]。

3.2 海底水溫模擬的應用研究

結合表1，計算EMOLT 項目的海底水溫觀測值（Observation）同三種模型預測值的差值，隨后通過可視化分析各個模型在不同季節(jié)的表現情況。

圖3 觀測值與DOPPIO 模型溫度差異圖

由圖3 可看出，DOPPIO 模型在夏（SUMMER）、秋（FALL）兩季的平均溫差（mean）與均方根值（RMS）較低，預測效果較好；在春（SPRING）、冬（WINTER）兩季中，平均溫差（mean）與均方根值（RMS）較高，預測效果較差。此外，春、冬兩季當水深達到200m時，模型預測效果顯著降低。

圖4 觀測值與FVCOM 模型溫度差異圖

由圖4 可看出，FVCOM 模型在春（SPRING）、冬（WINTER）兩季的平均溫差（mean）與均方根值（RMS）較低，預測效果較好；在夏（SUMMER）、秋（FALL）兩季中，平均溫差（mean）與均方根值（RMS）較高，預測效果較差。此外，春季當水深達到200m 時，模型預測效果顯著降低。

圖5 觀測值與GOMOFS 模型溫度差異圖

由 圖 5 可 看 出，GOMOFS 模 型 在 春（SPRING）、夏（SUMMER）、冬（WINTER）三季季的平均溫差（mean）與均方根值（RMS）較低，預測效果較好；在秋季（FALL）中，平均溫差（mean）與均方根值（RMS）較高，預測效果較差。

結束語

文章將 EMOLT 項目所獲取的海底水溫數據與ROMS-DOPPIO、ROMS-GoMOFS 和FVCOM-GoM3 三種模型所預測的水溫數據進行比對，通過可視化分析對比后，了解到各個模型在不同區(qū)域、不同季節(jié)的預測狀況，將所得情況反映給模型建模人員，以此促進建模人員進行模型的改善。今后將針對三種海洋模型進行數據同化前后地對比，以此更好地進行模型優(yōu)化。