南海三维温盐结构对海水透明度的影响分析

邓美环, 郝增周, 龚 芳, 陶邦一, 何贤强



南海三维温盐结构对海水透明度的影响分析

邓美环1,2, 郝增周1,2, 龚 芳1,2, 陶邦一1,2, 何贤强1,2

(1.卫星海洋环境动力学国家重点实验室, 浙江 杭州, 310012; 2.国家海洋局第二海洋研究所, 浙江 杭州, 310012)

无人水下航行器(UUV)试验作业、航行深度和航路选择等活动受海流、透明度、跃层、海水温度和盐度等海洋复杂水文环境的影响。研究结合卫星遥感和数值模式数据, 从信息流的角度分析了南海海域三维温盐结构对海水透明度(SDD)的影响及区域分布特征, 规避了在传统相关性分析中无法准确描述变量间因果影响关系的不足。结果表明, 因受高温低盐海域叶绿素浓度较高的影响, 表层盐度较低的中沙群岛及近岸海域, 其SDD主要受浅层海水盐度的影响; 表层高温低盐的南沙群岛附近海域SDD主要受20~30 m深处的海水温度影响; 表层高温高盐的西沙群岛附近海域SDD主要受60~70 m深处的海水温度和盐度影响; 由于受温度锋面和悬浮泥沙的影响, 吕宋海峡附近海域SDD主要受30~50 m深处海水温度的影响。水下三维海水温度和盐度的变化影响甚至会加剧SDD的变化, 因此建议UUV在航行和试验作业时应尽量选择最大SDD深度以下, 同时避开水下三维海水温度和盐度对SDD影响较大的深度, 以保证UUV航行的安全、可靠和隐蔽性。

水下航行器; 海水透明度; 三维温盐结构; 信息流

0 引言

无人水下航行器(Unmanned Undersea Vehicle, UUV)是一种可搭载多种传感器或专用设备的水下运动平台, 能够在水下自主或控制航行, 因其具有较强的灵活性和隐蔽性, 已被广泛应用于水下环境调查、目标探测和跟踪等诸多领域[1]。但UUV的航行会受到海流、跃层、海水透明度(Secci disk depth, SDD)、海水温度和盐度等主要海洋水文环境因素的影响, 例如 SDD会影响UUV的安全性和隐蔽性[2]。

UUV的水下通信和探测常以声学或激光为主, 水中声传播、光传播主要受海面、海底、海水介质以及水中悬浮物浓度的影响[3]。Richards等[4]通过研究浅海水域悬浮物浓度对声衰减的影响, 建立了稀混浊水体的附加声衰减系数的计算模型。文洪涛等[5]在总结国内外的混合水声衰减研究的基础上, 考虑混浊水体中悬浮物浓度和种类等特性, 对模型进行优化, 获得了更准确的声衰减系数。彭临慧等[6]利用实测数据, 计算分析了中国近海的悬浮物浓度与声波衰减的关系, 指出当泥沙类悬浮物浓度高于0.1 kg/m3、有机类悬浮物浓度高于1 kg/m3时将会对声波传输产生影响。在水下激光传播方面, 姜璐等[7]基于辐射传递方程和对比传输方程建立了激光雷达最大探测深度与SDD两者间的关系式。钟晓春等[8]使用半解析蒙特卡罗方法对光束在海水中的衰减进行分析, 结果表明, 后向散射系数对水下传输的影响较大, 水中悬浮体浓度影响水下目标的探测性能。因此, 水中悬浮物浓度或SDD影响着UUV平台水下探测和通信的能力。

SDD的分布与其等深线的分布和走向基本一致, 一般沿岸浅海水域SDD较低, 大洋开阔水域SDD较高。SDD作为描述海洋水体光学性质的一个重要参数, 受海水三维温盐结构的影响。海水三维温盐结构决定海水温跃层和混合层深度, 从而影响水中悬浮物和SDD的分布。Yanagi等[9]利用三维模型对黄海和东海的悬浮物浓度沉积过程和分布状况进行模拟, 结果表明, 受三维海水结构的影响, 不同海区的悬浮物类型不同。张晨等[10]建立了一个三维温盐流耦合数值模型并模拟了黄渤海温跃层的形成演化机制, 结果表明, 温跃层的深度及厚度受潮流和风浪的共同作用。而温跃层内部的物质能量交换受混合层湍流混合的卷入和卷出过程影响[11], 在混合层较深区域, 海水混合剧烈, 从而影响SDD的分布。

然而, 目前对SDD和环境因子关系的研究大都是针对表层环境要素的定性分析, 如黎洁溪等使用实测数据分析得到, 中国近海海域SDD主要受海水深度、季风活动及陆地径流等因素的影响, 其中部分海域如南海北部、东海海域和台湾海峡海域的SDD还受到黑潮的影响[12-14]。海水温度、盐度等环境因子影响叶绿素的含量, 从而间接影响SDD的变化, 但高磊等[15]研究了青岛近岸SDD与多种环境因子的关系, 对常规监测资料进行了相关分析, 结果显示海水盐度与SDD呈现显著相关, 而海水温度与SDD的相关性较差。可以看出, 相关分析并不能很好地刻画2个变量间是否存在影响。鉴于此, 文中采用信息流理论, 描述2个变量间的影响关系, 重点研究南海海域三维温盐结构对SDD的影响, 其结果对UUV航行的路线规划、水声探测等方面具有一定指导意义[2,16]。

1 数据与方法

1.1 研究区域与数据

南海是中国近海中面积最大、平均水深最深的海域, 平均水深约1 212 m, 最大水深5 559 m。 水下航行器试验和活动区域最大水深可达6 km, 因此, 南海是水下航行器试验和活动的优选区域。但该海区受季风、海流和上升流的作用明显, 影响SDD的分布。研究选择0º~25ºN、100º~125ºE海域, 覆盖中国南海海域, 水深分布如图1所示。

SDD是指水中白色圆盘的反射光及白盘以上水柱的散射光与周围海水散射光平衡时的深度, 用来表征光线穿透海水的深度, 其测量通常采用人工目测布放的水下塞克盘深度的测量方式。但随着卫星遥感探测技术以及SDD探测原理研究的发展, 卫星光学遥感探测技术已能获取大范围的SDD信息, 其反演算法可以分为直接反演和间接反演两种。直接反演是利用光学遥感探测的离水辐亮度或反射率直接估算, 间接反演是通过反演海水水体固有光学性质, 进而估算SDD。文中采用基于二流方程和对比传输理论模型得到水下物体的能见度模型, 建立SDD与水体光学固有光学量的关系模型[17]

式中: s为悬浮泥沙浓度。图2给出了2010~2012年南海年均SDD的空间分布。

温盐流是表征物理海洋特征的基本参数, 水下空间三维温盐结构能够刻画海水温度和海水盐度的时空变化和动态分布。全球Argo探测系统能够探测水下三维温盐结构, 但获得的仅是有限数量点上的温盐数据。目前大面积的温盐结构常常依靠数值模式模拟获得，文中所用的三维温盐结构数据为法国Mercator Ocean公司负责的哥白尼海洋监测计划(Copernicus marine environment monitoring service, CMEMS)模拟的全球海洋再分析数据。该数据采用欧洲海洋环流模式模拟获得,模式采用等矩形水平网格, 水平分辨率为1/4, 垂直分层共75层, 其中小于200 m时采用大洋水深地形图(general bathymetric chart of the oceans, GEBCO)进行分层, 共分为31层, 大于300 m时采用1弧分网格全球地形数据集(1 arc-minute earth topography, ETOPO1)进行分层, 共分为41层, 200~300 m采用线性差值, 分为3层。模拟过程中采用墨卡托同化系统2.0(système d’assimi- lation mercator version 2, SAM2)将实测的温盐剖面数据、遥感的海表温度和海面高度异常数据、海冰数据同化进数值模式,模拟再分析, 获得三维温盐数据[18-19]。

1.2 研究方法

1.2.1 多源卫星SDD融合方法

1.2.2 Liang-Kleman信息流以及时序因果分析

相关分析是分析变量间关联关系的常用方法, 变量间的关联性可用相关系数大小表示, 但不能很好地刻画变量间的因果性[20], 虽然后来发展的时间滞后相关分析[21]能分析变量间的因果影响关系, 却不能分辨相位差是因滞后还是超前影响而引起的。2000年, Schreiber[22]提出了信息流的概念, 2014年, Liang等[20,23]引入信息流分析解释了不同变量之间的因果影响, 适用于线性或非线性系统, 解决了有关因果性与相关性的长期争端。

2 结果与分析

2.1 表层海水温度和盐度对SDD的影响

图5为南海海域表层海水温度和盐度至SDD信息流的空间分布, 全面地给出了表层海水温度和海水盐度对SDD影响显著的区域。整个南海海域的表层海水温度对SDD有显著影响的区域主要集中分布在吕宋海峡西侧, 南沙群岛及其以南附近海域, 同时其信息流的传递均为正值, 表明该海域海水温度变化会引起SDD的剧烈波动; 南海北部陆架海域也是表层海水温度对SDD有显著影响的区域, 但其表层海水温度对信息流的传递为负值, 表明该海域海水温度使得SDD的变化趋于平稳; 中沙群岛和西沙群岛附近海域, 表层海水温度对SDD几乎没有影响。主要原因是因为吕宋海峡西侧和南海北部陆架海域存在多个温度锋面, 温度锋面影响悬浮泥沙的扩散与沉降, 从而影响SDD的变化。而南沙群岛附近海域为高温低盐海区, 温度影响叶绿素的浓度, 间接影响SDD的变化。表层海水盐度对SDD的影响主要集中在沿岸和南海海盆海域, 其他海域的表层海水盐度对SDD几乎没有影响, 这主要是因为盐度过高会影响浮游植物的生长, 降低叶绿素浓度, 由于径流注入和降水的作用, 沿岸和南海海盆海域的海水盐度较低, 导致叶绿素浓度较高, 对SDD的影响较为显著。

2.2 三维温盐结构对海水透明度的影响分布

图6分别给出了22.76 m, 47.21 m, 69.02 m 三个深度下, 海水温度和海水盐度到SDD的信息流分布。其中图6(a)~(c)为海水温度到SDD的信息流分布, 图6(d)~(f)为海水盐度到SDD的信息流分布。浮游植物生长受温度和盐度的共同作用, 海水叶绿素浓度随深度的变化曲线呈现倾斜的正态分布特征, 造成不同海域达到最大叶绿素浓度的深度不同。同时, 海水三维温盐结构的变化不仅影响叶绿素浓度还影响混合层的深度, 从而影响SDD的变化。从整体上看, 海水盐度对SDD影响程度随深度增加而逐渐减弱的区域主要集中分布在表层盐度较低的沿岸和中沙群岛附近海域; 海水温度和海水盐度对SDD影响程度随深度增加而逐渐增大的区域主要分布在表层为高温高盐的西沙群岛海域; 海水温度对SDD影响程度并不随深度增加而发生明显变化的区域主要分布在吕宋海峡西侧海域, 且一直呈现较高的值, 其原因是该海域SDD主要受温度锋面的影响。海水温度到SDD的信息流传递方向随着深度的增加而发生变化的区域主要集中在北部湾海域, 台湾岛南部和南沙群岛及其以南海域。其中北部湾海域由负的信息传递变为正的信息传递, 而台湾岛南部和南沙群岛及其以南海域则是由正的信息传递变为负的信息传递。

3 讨论

为分析说明SDD主要受哪层深度处的海水温度和海水盐度的影响, 研究根据计算的不同深度处海水温度和海水盐度到SDD的信息流, 选取信息流达到第1个极值点的深度作为该海域SDD受海水温度和海水盐度影响最大的深度。图7给出了海水温度和盐度对SDD影响最大的深度分布, 可以看出, 在吕宋海峡西侧, 40~50 m深度处的海水盐度对SDD影响最大; 西沙群岛附近海域, 60~80 m深度处的海水温度和盐度对SDD影响最大; 北部湾海域, 表层至10 m深度处的海水温度对SDD的影响最大; 而海水盐度对SDD影响最大的深度在20~40 m之间; 南海南部表层至40 m深度处的海水温度对SDD影响最大; 海盆东侧海域, 表层至40 m深度处的盐度对SDD影响最大。

进一步分析讨论南海海域影响SDD变化的主控因子的空间分布。研究利用海水温度和海水盐度到SDD的信息流差值, 结合海水温度和海水盐度对SDD影响最大的深度, 得到影响SDD变化的主控因子空间分布, 结果如图8所示。由图可知, 西沙群岛和南沙群岛附近海域, SDD受海水温度和海水盐度共同影响, 且两者对SDD的影响程度相当; 在南海海盆周边、吕宋海峡附近和南沙群岛以南海域的SDD主要受海水水温的影响, 海水水温为主控因素; 南海海盆靠近中沙群岛附近、东南半岛沿岸和北海海域的SDD变化主要受海水盐度的影响。

4 结论

研究引入信息流分析方法, 分析了南海海域表层海水温度和海水盐度对SDD的影响, 以及水下三维温盐结构对SDD的影响。讨论分析了SDD受海水温度、海水盐度影响最大的深度, 以及影响SDD变化的温盐主控因子。该方法克服了相关分析中变量间因果影响关系不明确的缺点, 准确刻画海水温度和盐度与SDD间的影响关系, 为UUV航路规划、作业深度选择, 以及水下工程建设等提供科学依据和建议。

研究发现, 由于温度锋面的作用, 表层海水温度对SDD有显著影响的区域主要分布在吕宋海峡西侧和南海北部陆架海域。由于高温低盐的环境适合浮游植物的生长, 表层海水温度对SDD有显著影响的区域还分布在南沙群岛及其以南附近海域; 表层海水盐度对SDD有显著影响的区域主要集中在沿岸和南海海盆海域。随着深度的增加, 沿岸和中沙群岛附近海域的海水盐度对SDD影响程度逐渐减弱。吕宋海峡西侧海域受到温度锋面的影响, 该海域海水温度对SDD的影响程度并没有因为深度的增加而发生明显变化, 其主要受到30~50 m深处海水温度的影响, 海水盐度几乎不影响该海域的SDD。西沙群岛附近海域的盐度较高, 随着深度的增加盐度逐渐降低, 在60~70 m深处, 海水温度和海水盐度对SDD的影响最为显著。而南沙群岛及其以南附近海域, 主要受20~30 m深处的海水水温影响。近岸和中沙群岛附近海域, 则要受浅层海水盐度的影响。海水温度和盐度变化会对SDD产生影响, 当海水温度或海水盐度到SDD的信息流传递为正传递时, 海水温度或海水盐度的变化将会导致下一时刻的SDD波动剧烈, 因此, 进行UUV投放、航行和试验时, 一方面选择SDD深度较大的海域, 另一方面应尽量避开SDD受海水温度和海水盐度影响较大的区域。

SDD作为描述海洋水体光学性质的一个重要参数, 并非依赖于单个环境因子, 而是受到多种环境因子共同作用,该研究分别计算并重点分析了海水温度、盐度对SDD的影响, 今后将会深入考虑海水温度和盐度等多种环境因子对SDD的综合影响,对研究进行完善。

[1] 钟宏伟.国外无人水下航行器装备与技术现状及展望[J].水下无人系统学报, 2017, 25(4): 215-225.Zhong Hong-wei.Review and Prospect of Equipment and Techniques for Unmanned Undersea Vehicle in Foreign Countries[J].Journal of Unmanned Undersea Systems, 2017, 25(4): 215-225.

[2] 王奎民.主要海洋环境因素对水下航行器航行影响分析[J].智能系统学报, 2015, 10(2): 316-323.Wang Kui-min.Influence of Main Ocean Environments on the Navigation of Underwater Vehicles[J].CAAI Transa­ctions on Intelligent Systems, 2015, 10(2): 316-323.

[3] 李凡, 郭新毅, 张毅, 等.水下声传播的发展及其应用[J].物理, 2014, 43(10): 658-666.Li Fan, Guo Xin-yi, Zhang Yi, et al.Development and Applications of Underwater Acoustic Propagation[J].Physics, 2014, 43(10): 658-666.

[4] Richards S D, Heathershaw A D, Thorne P D.The Effect of Suspended Particulate Matter on Sound Attenuation in Seawater[J].Journal of the Acoustical Society of America, 1996, 100(3): 1447-1450.

[5] 文洪涛, 杨燕明, 刘贞文, 等.混浊水的声衰减研究进展及应用前景[J].海洋通报, 2008, 27(6): 88-94.

Wen Hong-tao, Yang Yan-ming, Liu Zhen-wen, et al.Recent Advance and Application Prospects of Sound Attenuation in Turbid Water[J].Marine Science Bulletin, 2008, 27(6): 88-94.

[6] 彭临慧, 王桂波.中国近海悬浮颗粒物海水声波衰减[J].声学学报, 2008, 33(5): 389-395.Peng Lin-hui, Wang Gui-bo.Sound Attenuation in Suspended Particulate Matter Seawater of Chinese Sea Offshor[J].ACTA Acustica, 2008, 33(5): 389-395.

[7] 姜璐, 朱海, 李松.机载激光雷达最大探测深度同海水透明度的关系[J].激光与红外, 2005, 35(6): 397-399.Jiang Lu, Zhu Hai, Li Song, The Relationship Between Max Survey Depth of Airborne Ocean Lidar and Secchi Depth[J].Laser & Infrared, 2005, 35(6): 397-399.

[8] 钟晓春, 李源慧.激光在海水中的衰减特性[J].电子科技大学学报, 2010, 39(4): 574-577.Zhong Xiao-chun, Li Yuan-hui, Attenuation Characteristics of Laser in the Seawater[J].Journal of University of Electronic Science and Technology of China, 2010, 39(4): 574-577.

[9] Yanagi T, Inoue K I.A Numerical Experiment on the Sedimentation Processes in the Yellow Sea and the East China Sea[J].Journal of Oceanography, 1995, 51(5): 537-552.

[10] 张晨, 戚建华, 左军成, 等.黄、渤海温跃层三维数值模拟[J].海洋学报, 1997, 19(6): 12-20.

[11] 杜岩.南海混合层和温跃层的季节动力过程[D].青岛:中国海洋大学, 2002.

[12] 费尊乐.渤海海水透明度与水色的研究[J].黄渤海海洋, 1986, 4(1): 36-43.Fei Zun-le.Study on the Water Colour and Transparency in the Bohai Sea[J].Journal of Oceanography of Huang­Hai & BoHai Seas, 1986, 4(1): 36-43.

[13] 黎洁溪.南海北部海水透明度分布变化概况[J].海洋通报, 1985(4): 3-6.Li Jie-xie.Outline of the Distribution and Variation of Water Transparency in the Northern South China Sea[J].Marine Science Bulletin, 1985(4): 3-6.

[14] 张春桂, 曾银东.台湾海峡海水透明度遥感监测及时空变化分析[J].气象与环境学报, 2015, 31(2): 73-81.Zhang Chun-gui, Zeng Yin-dong.Remote Sensing Moni- toring and Spatial-temporal Change of Seawater Transpa- rency in Taiwan Strait[J].Journal of Meteorology and En- vironment, 2015, 31(2): 73-81.

[15] 高磊, 姚海燕, 张蒙蒙, 等.青岛近岸海域海水透明度时空变化及与环境因子之间的关系[J].海洋学研究, 2017, 35(3): 79-84.Gao Lei, Yao Hai-yan, Zhang Meng-meng, et al, Temporal and Spatial Variation of Seawater Transparency and Its Relationship with Environmental Factors in Qingdao Coastal Area[J].Journal of Marine Sciences, 2017, 35(3): 79-84.

[16] 郑晓琴, 丁平兴, 胡克林.长江口及邻近海域夏季温盐分布特征数值分析[J].华东师范大学学报(自然科学版), 2008(6): 14-23.Zhang Xiao-qin, Ding Ping-xing, Hu Ke-lin.Numerical Analysis of Characteristics of Temperature-salinity Distributions at the Changjiang Estuary and Its Adjacent Areas in Summer[J].Journal of East China Normal University(Natural Science), 2008(6): 14-23.

[17] 何贤强, 潘德炉, 黄二辉, 等.中国近海透明度卫星遥感监测[C]//海洋监测高技术2003年度战略研讨会.北京: 中国21进程管理中心, 2003.

[18] Deng Li-jing, Wei Hao, Wang Jia-ning.Vertical Distri­bu­tion of Kuroshio Velocity at PN Section and Its Formation Mechanism[J].Marine Science Bulletin, 2015, 33(1): 26- 39.

[19] 陈心一, 郝增周, 潘德炉, 等.中国近海海面风场的时空特征分析[J].海洋学研究, 2014, 32(1): 1-10.Chen Xin-yi, Hao Zeng-zhou, Pan De-1u, et al.Analysis of Temporal and Spatial Feature of Sea Surface Wind Field in China Offshore[J].Journal of Marine Sciences, 2014, 32(1): 1-10.

[20] Liang X S.Unraveling the Cause-Effect Relation Between Time Series[J].Physical Review E Statistical Nonlinear & Soft Matter Physics, 2014, 90(5-1): 052150.

[21] 任焕莲.辛安泉系统岩溶地下水降水补给滞后分析研究[J].地下水, 2007, 29(5): 59-63.Ren Huan-lian.Time Lag of Rainfall Recharge to the Karst Groundwater in Xin’an Springs[J].Ground water, 2007, 29(5): 59-63.

[22] Schreiber T.Measuring Information Transfer[J].Physical Review Letters, 2000, 85(2): 461-464.

[23] Stips A, Macias D, Coughlan C, et al.On the Causal Structure between CO2 and Global Temperature[J]. Scientific Reports, 2016, 6: 21691.

Effect of Three-Dimensional Temperature and Salinity Structure on Secci Disk Depth in South China Sea

DENG Mei-huan1,2, HAO Zeng-zhou1,2, GONG Fang1,2, TAO Bang-yi1,2, HE Xian-qiang1,2

(1.State Key Laboratory of Satellite Ocean Environment Dynamics, Hangzhou 310012, China 2.The Second Institute of Oceanography, State Oceanic Administration, Hangzhou 310012, China)

The experiment, navigation depth and sea route of an Unmanned Undersea Vehicle (UUV) are affected by ocean current, transparency, spring layer, seawater temperature and salinity, as well as other complex hydrological environments.Based on the information flow concept, this paper investigates the cause-effect relation between the three-dimensional temperature and salinity structure and the Secci Disk Depth (SDD) by using the data of satellite remote sensing and numerical model in South China Sea, which avoids the disadvantage of the traditional correlation analysis that the causal relationship among variables cannot be accurately described.The results show that: 1) The SDD in the area around the Zhongsha Islands and offshore with lower salinity is mainly affected by the salinity of the shallow sea water because the chlorophyll concentrations are high in the seawater with higher temperature and lower salinity; 2) Seawater of the area around the Nansha Islands with high temperature and low salinity, so the SDD mainly affected by the temperature of the seawater at a depth of 20-30 meters; 3) The SDD in the area around the Xisha Islands with higher temperature and salinity is mainly affected by the temperature and salinity of the seawater at a depth of 60-70 meters; and 4) Due to the influences of temperature front and suspended sediment, the SDD around Luzon strait is mainly affected by the temperature of the seawater at a depth of 30-50 meters.Therefore, it is suggested that UUV should navigate and conduct experiment beneath the depth with maximum SDD and keep away from the depth range, where the underwater three-dimensional temperature and salinity structure has significant impact on the SDD, in order to ensure its safety, reliability and invisibility.

unmanned undersea vehicle(UUV)；Secci disk depth(SDD); three-dimensional temperature and salinity structure; information flow

U674.941; P731.14; P722.7

A

2096-3920(2018)06-0596-09

10.11993/j.issn.2096-3920.2018.06.014

2018-07-31;

2018-09-17.

国家重点研发计划资助(2016YFC1400203); 中央级公益性科研院所基本科研业务专项资金资助项目(JT1503).

邓美环(1994-), 女, 在读硕士, 研究方向为多要素关联影响分析研究.

邓美环, 郝增周, 龚芳, 等.南海三维温盐结构对海水透明度的影响分析[J].水下无人系统学报, 2018, 26(6): 596-604.

(责任编辑: 陈 曦)