水下滑翔机数据管理

王冠琳, 王岩峰, 官 晟*

水下滑翔机数据管理

王冠琳, 王岩峰, 官 晟*

(1. 自然资源部 第一海洋研究所, 山东 青岛, 266061: 2. 青岛海洋科学与技术试点国家实验室 区域海洋动力学与数值模拟功能实验室, 山东 青岛, 266237 )

近年来, 随着水下滑翔机技术的深入发展, 其在各国海洋观测与探测系统中发挥着重要作用, 由此积累了大量的观测数据, 构建了相当成熟的数据管理框架体系, 并将逐步形成标准的业务化流程。我国在此方面开展的工作尚处于起步阶段。基于此, 文中综述了全球海洋观测系统(GOOS)计划对水下滑翔机数据管理的需求, 介绍了美国综合海洋观测系统(IOOS）、澳大利亚综合海洋观测系统(IMOS)和欧洲水下滑翔机观测组织(EGO)等已经形成的水下滑翔机业务化数据管理系统, 梳理总结了水下滑翔机数据管理在工作流程创建、数据格式和元数据、质量控制等关键技术方面的核心内容, 同时提出了水下滑翔机常见搭载的温盐深传感器(CTD）、光学类和生化类传感器的数据质控要点。最后, 从我国水下滑翔机的应用现状和发展角度, 对水下滑翔机数据管理未来的工作进行了讨论, 并在数据质控、业务体系建设等方面提出了具体建议。文中的工作可为我国水下滑翔机观测数据的科学管理及应用提供参考。

水下滑翔机; 数据管理; 数据质量控制

0 引言

Pierre[1]等在2009年的全球海洋观测白皮书中, 建议将水下滑翔机列入全球海洋观测系统(global ocean observing system, GOOS), 其能胜任各种海况下的现场工作, 在海洋水体高分辨率时空尺度采样观测方面发挥着重要作用。2010年以后, 水下滑翔机在海洋观测和调查中得以迅速推广应用, 主要归功于其工作性能在历经近20年的发展后日益成熟稳定, 其独特的工作方式在一定程度上填补了其他海洋观测手段在续航能力、观测范围、观测隐蔽性等方面的不足: 与漂流浮标相比, 水下滑翔机的优势在于能够控制性地进行采样观测; 与一般AUV相比, 其优势在于更长的续航时间; 与拖曳系统相比, 其优势在于可反映观测要素在更长时间尺度上的空间变化。

随着水下滑翔机技术的不断成熟, 应用面不断扩大, 其观测范围几乎覆盖了所有中小尺度的海洋动力过程[2]。当前国际上所有重要的海洋观测系统和海洋观测计划中, 都会包含水下滑翔机的研究任务和应用, 并开始向业务化的滑翔机网络转换, 每天在全球的海洋中都有将近30台水下滑翔机工作。我国水下滑翔机在近年来也取得了飞速的进展, 从多型号水下滑翔机的海试到应用试验, 我国在该领域的技术水平正迅速向世界先进水平靠拢[3-4]。

目前, 海洋观测数据的管理得到了国际上的空前重视。在GOOS计划正在制定的2030战略[5]中, 明确提出了对于海洋观测数据质量控制和共享的需求。在它的战略目标7中是这样描述的: 要确保全球海洋观测数据和信息满足FAIR(finda- ble, accessible, interoperable, reusable)原则(可发现F, 可访问A, 可互操作I, 可重用R); 具有适当的数据质量和反应时间; 鼓励向用户提供免费和不受限制的海洋观测资料, 确保数据、元数据和产品的公开交换在最少的时间延迟下进行, 同时具备无限期的可访问性。GOOS计划将通过指定的数据中心(通常是特定的平台)跟踪现场观测网络对上述原则的执行情况: 通过数据聚合器的手段将数据流聚合在一起, 确保及时汇交数据并提供可信度说明, 提供有关数据来源和元数据处理的信息, 以及数据系统(包括卫星)之间的互操作性, 从而确保每个海洋基本变量的可用性; 通过使用现代化的信息和通信技术手段支持数据流, 确保数据和相关元数据是可被发现的。数据流将引入端到端的评估, 了解用户的体验质量。水下滑翔机作为未来GOOS计划中的重要组成部分, 在数据管理方面将要努力实现上述目标。

2017年10月, 世界气象组织(world meteorolo- gical organization, WMO)和国际海洋委员会(inte- rnational olympic committee, IOC)经过近一年的磋商[6], 联合批准将支持长期的水下滑翔机观测计划, 其关注的4个重点领域中, 数据管理作为其中独立的领域之一, 主要任务包括: 制定基本制度和业务流程, 收集、处理和管理水下滑翔机的数据。

综上, 在可预见的未来, 水下滑翔机将成为GOOS的重要组成部分, 每天都会产生大量的实时数据提供给科学家和业务部门使用, 水下滑翔机数据管理的业务化标准也正在逐步形成。以美国的综合海洋观测系统(integrated ocean observing system, IOOS)[7]、澳大利亚的综合海洋观测系统(integrated marine observing system, IMOS)[8]和欧洲水下滑翔机观测组织(European gliding observatories, EGO)[9]为代表的水下滑翔机科学观测计划都已把数据管理列为其业务化流程的重要环节。

近年来, 水下滑翔机在我国获得广泛应用, 各类用户也积累了大量数据。如何管理好这些数据, 保证这些数据的质量, 让有需求的用户方便地获取和使用这些数据, 从而发挥其应有的作用, 是目前工作的当务之急。但国内目前还没有对此展开专门的研究, 业务化的管理规范更无从谈起。因此积极借鉴国际上的相关经验做法, 为我国未来的水下滑翔机发展提供参考, 是文中探讨的重点。

1 数据管理现状

水下滑翔机的数据管理目前在国际上基本成型, 其基础设施主要是通过1个国际或国内行业认可的标准数据中心或数据服务中心(如世界气象组织的全球通信系统(global telecommunication system, GTS)实时数据和基于web服务的实时、延迟数据)提供具有互操作性和内部可比性的实时或最小延迟数据, 数据要满足FAIR原则, 至少具有WMO和IOC海洋和大气现场观测计划支持中心联合技术委员会(The WMO-IOC joint technical commission for oceanography and marine meteorology insitu observing programs support centre, JCOM-MOPS)定义的最低级别的元数据。

水下滑翔机的数据管理主要借鉴Argo计划的成熟经验。国外研究机构在设计水下滑翔机数据的标准格式时, 多采用与Argo数据类似的框架。2010年, WMO提出了使用通用二进制表示气象数据格式, 用以解码NetCDF文件的编码, 进行水下滑翔机所测量的水文等参数数据的标准化。CF则是另一个主要的标准格式, 它可提高由NetCDFAPI创建文件的处理和共享性能, 正逐渐被EGO引用。

目前各国初步达成共识, 水下滑翔机的数据管理将建立在IOOS、IMOS和EGO现有的工作流程和为水下滑翔机开发的通用格式基础上。其数据格式将基于NetCDF和CF格式。同时根据水下滑翔机和其他网络(如Argo、Ocean-SITES等)的经验, 进一步制定一项国际公认的、适用于特定目的(如物理、生物及地球化学不同学科)的数据管理方法。

文中分别介绍国际上主要的(包括水下滑翔机)观测系统数据管理现状。

1) 美国IOOS系统

IOOS是由美国国家滑翔机数据中心(nationalglider data assembly center)支持的国家滑翔机网络(national glider network)数据管理系统。系统为滑翔机数据的访问提供了1个集中的场所, 使用现有环境研究部门的数据访问计划(the environ- mental research division’s data access program, ERDDAP)和专项实时环境分布式数据服务(the- matic real-time environmental distributed data services, THREDDS)。元数据标准采用NetCDF、CF和特定属性数据集查询(attribute conventions dat- aset discovery, ACDD)3种, 标准文件格式为Net- CDF, 可通过用户界面搜索和查询数据集, 采用实时海洋数据的质量控制(quality control of real- time oceanographic data, QARTOD)方法进行质量保障和质量控制, 实时和延迟模式的观测数据都被永久归档。美国IOOS在2012年发表了国家滑翔机网络白皮书, 按计划: 2013年开始设计实施国家滑翔机网络; 2014年从基于轨迹的NetCDF文件格式转变为基于剖面的NetCDF文件格式; 2017年开始提交延迟模式的数据集; 到2018年9月已提交了498个实时数据集, 拥有35名滑翔机操作员, 16名数据管理者, 主要观测覆盖美国周边海域, 同时在南大西洋、东北大西洋、南极和印度洋等海域也有涉及。其主要的体系结构如图1所示。

2) 澳大利亚IMOS系统

IMOS系统的数据管理机构为澳大利亚国家海洋滑翔机中心(Australian national facility for oc- ean gliders, ANFOG), 所提供的数据通过澳大利亚海洋数据网(Australian ocean data network, AODN)开展服务。由ANFOG运营IMOS中所有环绕澳大利亚的水下滑翔机, 原始数据在观测数小时后即可获取, 延迟模式的数据也在3个月内提供。每个观测任务都有自己的延迟模式NetCDF文件, 包括元数据、自动和人工的质量保障和质量控制。AODN数据入口负责检查文件并向公众发布。 ANFOG提供一款GliderScope软件用于提取和可视化国际滑翔机数据, 一款NetCDF Ninja软件用于查看和编辑NetCDF格式的数据文件。其主要的体系结构如图2所示。

图1 综合海洋观测系统的水下滑翔机数据管理体系架构

3) 欧盟的EGO

EGO的水下滑翔机数据流分为3个层次组织: 操作员/首席研究员、数据中心(data analytics cen- ter, DAC)和水下滑翔机数据中心(glider data analytics center, GDAC)。每个级别的数据管理描述如下: 操作员布放、操控和回收滑翔机, 对滑翔机的海上操控负责, 并实时交付数据和元数据; 首席研究员(principal investigator, PI)通常是一名科学家, 负责项目科学方面的使命, 同时负责提供DAC延迟模式的数据和完整的元数据; DAC按照“EGO水下滑翔机用户手册”的要求将原始数据和元数据处理成EGO格式文件, 并将EGO文件实时发送给GDAC。上述组织负责向GTS实时发送数据。DAC还与PI合作负责延迟模式的数据流, GDAC在实时和延迟模式下执行并分发数据文件副本。

GROOM(gliders for research, ocean observation and management)计划是在欧盟FP7框架下的1个用于海洋研究、观测和管理的水下滑翔机项目, 其目标是研究评估建立可持续发展的欧洲滑翔机基础设施要求, 从而可以安全地操作单台水下滑翔机或者滑翔机编队。2012年10月, GROOM主导为EGO建立了水下滑翔机数据格式[10]: 与CF和SeaDataNet兼容的NetCDF格式, 可与国际上正在开发的数据标准(如澳大利亚的IMOS和美国的IOOS)进行互操作; 针对实时和延迟模式滑翔机数据集的标准质量控制协议; 确保滑翔机的数据、元数据和技术信息以一致的方式存储和分发。

EGO的水下滑翔机数据分为3种模式: 实时数据, 即任务实施过程中实时传输的科学数据; 回收数据, 即滑翔机回收后从存储卡中恢复的科学数据; 延迟模式, 即延迟模式下的科学数据质量控制。

EGO的水下滑翔机数据管理系统非常接近Argo的数据管理系统(参见图3): 采用DAC-GDAC的组织形式在工作参与者之间共享; 采用NetCDF和CF文件格式管理元数据, 观测中采用常规代码以及实时质量控制程序。

图3 欧洲水下滑翔机观测组织的水下滑翔机数据管理体系架构

2 数据管理的核心内容

数据管理工作的通用流程如图4所示, 图中给出了数据创建、注册访问、质量控制、数据入库及数据获取等核心任务的流程。

1) 创建工作流程

工作流程主要包括: 收集水下滑翔机数据并将其安全存档, 按照统一标准形成标准格式的文件并进行数据处理, 按照管理制度进行内部存储,向用户分发数据。

图4 水下滑翔机通用数据管理工作流程

2) 数据格式和元数据

水下滑翔机的数据格式主要基于NetCDF, 原因如下: 它是用户广泛接受的一种数据格式; 可以自我描述, 并有多种工具可用; 是一种可靠、高效的数据交换格式。我国的水下滑翔机主要基于此种格式。

水下滑翔机元数据是按照一定标准, 从数据资源中抽取出足够的、代表性的特征, 采用规范化描述所组成的1个特征元素集合。元数据信息的准确和完整是数据集成的重要基础。元数据应描述数据集的内容、观测海区、质量控制信息、数据模式、数据的所有者等有关的信息。水下滑翔机的科学观测要素种类较多, 数据在采样频率、精度、格式、表述形式及数据结构等方面都存在差异, 并涉及不同的时间尺度、空间参照系统、坐标系统等特殊性, 在元数据的设计上要注意体现多态性和多样性等特点。

3) 质量控制

水下滑翔机数据的质量控制是指采用一定方法、模型和参数, 判断所提供的水下滑翔机实时数据或延迟模式数据的质量可靠性和准确性, 并进行质量标识的处理过程。数据质量控制是数据质量评估的重要基础, 对水下滑翔机观测数据进行适当的处理和质量控制, 能够较好地解决数据中可能存在的问题, 剔除数据中的不合理因素, 提高数据的可靠性与准确性。

目前海洋数据质量控制中选用的检验方法主要包括: 位置检验、气候学范围检验、合理性检验(季节性、局地性)、时间连续性、异常天气/海况限制、内部一致性检验、可视化图形绘制检验等方法。由于水下滑翔机目前除了标准的温盐深传感器外, 还可搭载多学科的传感器, 因此在不同观测要素的质控方法上, 要根据数据观测的时间和空间的差异以及要素特性, 采用不同的质控方法, 适应性地调整质控参数。通常必选的检验方法包括时间连续性检验、语法检验、位置检验、有效范围检验、压力值检验。可选的检验方法包括气候学范围检验、尖峰检验、梯度检验、多变量检验、温盐曲线检验及邻域检验等。

针对实时数据的质量控制, 主要是移植Argo 的实时资料质控方法, 目前常用的检验内容包括有效范围(如温度、压力、速度等)检验、区域范围检验和梯度检验等; 针对延迟模式的质量控制, 主要是进行科学校正, 采用修正系数、误差估算、标准偏差和参考数据等多种方式进行。

国际上, 部分水下滑翔机生产厂家也提供了一套质量控制程序, 以Seaglider 2011年发布的质量控制手册[11]为例: 质量控制采用类似Argo实时数据的质量控制数据处理过程, 整个质量控制是在滑翔机的岸基站上自动完成的; 配置文件采用NetCDF格式; 在转换和质量控制测试的假设条件是滑翔机的数据采集处于一个正常的剖面测量周期。

3 不同传感器的质量控制要点

3.1 温盐深传感器质控要点

温盐深(conductivity-temperature-depth, CTD)传感器观测误差的主要来源有2个: 一是热敏电阻、电导率和压力传感器的传感器时间响应不同; 二是热滞后效应(由于电导率电池惯性)。通常在质量控制时要针对上述情况考虑以下2种校正。

1) 响应时间延迟校正

盐度是通过2个独立传感器几乎同时测量温度和电导率来计算的。使用未对齐的值计算的盐度是不正确的, 并可能在盐度数据中显示为峰值, 从而产生错误的不稳定密度剖面。而对于带有水泵系统的水下滑翔机, 其CTD也可能发生偏差。这个误差可以通过微调2个独立传感器记录的相对时间来纠正。由于滑翔机或泵的运动, 微调量的大小取决于传感器采样率和流速。

2) 热滞后校正

电极型电导率传感器的工作原理是精确测量流经开放式电导池的海水电阻。当电导率传感器进入较冷(或较暖)的水中时, 电导池会微微加热(或冷却)电导池内的水。由于电导率是温度的强函数, 电导池内水温的这种微小变化导致电导率测量值与池内外温度相同时的测量值有很大的不同。当水下滑翔机通过温度梯度时, 就会产生这种热滞后效应。如果没有校正, 用于计算盐度的电导率和温度将导致错误的盐度和密度值, 特别是在强温度梯度附近。国外科学家为了获得更准确的盐度剖面开发了数种校正方法[12]。

上述校正都依赖于温度测量精度和传感器采样率。校正的程度取决于CTD传感器的能力和观测的需求。

当水下滑翔机的垂直速度低至小于5~6 cm/s时, 通过CTD电导池的流速会明显过低, 无法提供与温度一致的电导率测量, 导致盐度计算不准确。所以在水下滑翔机运动低速区的数据要特别予以重视。另外由于大振幅内波破碎造成的不稳定性有可能导致CTD数据波动, 这种情况在质量控制时要具体分析。CTD传感器的漂移很可能无法通过实时、自动化的检测校正。执行长期观测任务的水下滑翔机数据质控也应引起重视。具体可借鉴美国海军局地自治滑翔机数据编辑例程(local automated glider editing routine, LAGER)质量控制手册[13]。

3.2 光学类和生化类传感器质控要点

光学类传感器数据的气候学范围校验较温盐数据的气候学范围校验有很大的不同, 主要体现在其动态范围变化很大, 受环境变化影响很大, 数据经常有类似噪音的特征出现。所以在此类数据管理中, 对于数据质量的把控, 人工干预是非常有必要的, 专家的知识和经验在其中发挥着重要作用。

现场校准光学类设备(包括后向散射系数测量和叶绿素荧光测量等设备)非常困难, 由于其数据取决于海水成分, 而不同海域的海水成分变化较大。对其的数据管理, 除了与动力要素的匹配外, 还应关注不同海域的生态系统特征。图5简述了美国海军光学类传感器数据质量控制的基本步骤[14]。

图5 美国海军局地自治滑翔机数据编辑例程的光学类传感器数据质控基本步骤

加装生化传感器的Argo(BIO-Argo)对于生化类要素都分别有独立的检验, 包括溶解氧、CDOM(colored dissolved organic matter)、硝酸盐、光量子效率、光辐射量、后向散射系数和叶绿素a等。在水下滑翔机的化学类传感器质控时也可参照处理[15]。如溶解氧的数据质控经常面临的问题是水下滑翔机在下降和上升的剖面上温度的不一致性, 光电类溶解氧探测会受到环境温度变化的影响。在具体处理时可参考仪器公司推荐的校正步骤, 包括跟时间有关的校正、跟压力有关的校正和盐度补偿等[16]。

4 结束语

我国水下滑翔机技术的研究始于21世纪初, 虽然起步较晚, 但在其相关技术方面发展迅速。目前, 天津大学、中国科学院沈阳自动化研究所等单位开发出的水下滑翔机系统已经达到海洋观测实际应用水平, 多种类型的水下滑翔机已投入到海洋观测的实际应用中, 包括长航程滑翔机、生化性滑翔机等, 观测的要素和动力过程也变得越来越广泛, 包括层结、湍流、中尺度涡、内波、陆架坡物质输运及热带气旋的海洋响应等, 因而针对水下滑翔机的数据管理势在必行，应尽快达成共识。

对照国际的成熟经验, 针对我国水下滑翔机发展的现状和未来规划, 建议如下: 制定我国水下滑翔机的元数据和标准数据格式, 建议统一基于NetCDF格式; 制定水下滑翔机多学科传感器的数据质量控制手册, 主要包括温盐深传感器、叶绿素传感器、溶解氧传感器, 特别是针对我国近海海域建立区域检测的合理阈值; 建立水下滑翔机科学观测业务化运行的数据管理框架, 形成与国际主流观测计划对接的接口。

[1] Pierre T, Gary M, Charitha P, et al.Gliders as a Component of Future Observing Systems[R]. Italy: Venice Convention Centre, Venice-Lido, 2009.

[2] Rudnick D L, Davis R E, Eriksen C C, et al. Ocean Resea- rch Enabled by Underwater Gliders[J]. Annual Review of Marine Science, 2016, 8: 519-541.

[3] 俞建成, 刘世杰, 金文明, 等. 深海滑翔机技术与应用现状[J].工程研究——跨学科视野中的工程, 2016, 8(2): 208-216.Yu Jian-cheng, Liu Shi-jie, Jin Wen-ming, et al. The Pres- ent State of Deep-sea Underwater Glider Technologies and Applications[J]. Journal of Engneering Studies, 2016, 8(2): 208-216.

[4] 沈新蕊, 王延辉, 杨绍琼, 等. 水下滑翔机技术发展现状与展望[J]. 水下无人系统学报, 2018, 26(2): 89-106. Shen Xin-rui, Wang Yan-hui, Yang Shao-qiong, et al. Dev- elopment of Underwater Gliders: An Overview and Pro- spect[J]. Journal of Unmanned Undersea Systems, 2018, 26(2): 89-106.

[5] Global Ocean Observing System. The Global Ocean Observing System 2030 Strategy[R]. France: 7 Place De Fo- ntenoy, 75352 Paris 07-SP, 2019.

[6] World Meteorological Organization. Joint WMO/IOC Te- chnical Commission for Oceanography and Marine Meteorology[R]. Geneva 2-Switzerland: 7 Bis, Avenue De La Paix-P.O. Box 2300-CH 1211, 2017.

[7] John K, LCDR B L, Robert F, et al. IOOS Strategy of Glider Data Management. IOOS National Glider Data As- sembly Center[C]//Glider Data Management Meeting. Ge- noa, Italy: IOOS, 2018.

[8] 35 Stirling Highway Perth WA 6009 Australia. Australian National Facility for Ocean Gliders(ANFOG) Data Management, USER’s Manual[R]. Version 3.0. Perse: The Un- iversity of Western Australia, 2010.

[9] EGO Coordination Team. Simple Procedures for Glider Data Management in EGO[R]. France: 4 Place Jussieu, 75252 Paris cedex 05, 2018.

[10] EGO Coordination Team. EGO Gliders User’s Manual[R]. France: 4 Place Jussieu, 75252 Paris cedex 05, 2012.

[11] School of Oceanography and Applied Physics Laboratory. Seaglider Quality Control Manual[R]. Version 1.13. Washin- gton: University of Washington, 2016.

[12] IOOS Program Office Glider Data Assembly Center. Ma- nual for Quality Control of Temperature and Salinity Data Observations from Gliders[R].Version 1.0. Silver Spring: U.S. IOOS Program Office, 1315 E W Hwy, MD 20910, 2016.

[13] Michael Carnes, Patrick Hogan. Naval Research Laboratory, Validation Test Report for LAGER[R]. Version 1.0. Stennis Space Center, MS 39529-5004 USA, 2010.

[14] Hou W, Burrage D, Carnes M, et al. MS 39529-5004 USA. Development and Testing of Local Automated Glider Ed- iting Routine for Optical Data Quality Control[R]. 4555 Overlook Ave. S.W. Washington, DC 20375: Naval Research Laboratory, Stennis Space Center, 2010.

[15] Catherine S, Virginie T, Bio A, et al. Argo Quality Control Manual for Biogeochemical Data[R]. Version 1.0. The Bio Argo Team, CNRS, UMR 7093, LOV, Observatoire océa- nologique, Villefranche-sur-Mer, France. DOI: 10.13155/ 40879, 2016.

[16] Department of Commerce, National Oceanic and Atm- ospheric Administration, National Ocean Service, Integra- ted Ocean Observing System. Manual for Real-Time Qu- ality Control of Dissolved Oxygen Observations: A Guide to Quality Control and Quality Assurance for Dissolved Oxygen Observations in Coastal Oceans[R]. Version 2.0. Silver Spring: Integrated Ocean Observing System, 1315 E W Hwy, MD 20910, 2015.

Data Management of Underwater Gliders: a Review

（1. First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China; 2. Laboratory for Regional Oceanography and Numerical Modeling, Pilot National Laboratory for Marine Science and Technology(Qingdao), Qingdao 266237, China）

This paper reviews the requirements of the global ocean observing system(GOOS) program for data management of underwater gliders, and introduces some present data management systems such as the U.S. integrated ocean observing system(IOOS), the Australian integrated marine observing system(IMOS), and the European gliding observatories(EGO); and then summarizes the core contents of underwater glider data management, concerning workflow creation, data format and metadata management, quality control, etc. The key points of data quality control of multidisciplinary sensors, including conductivity-temperature-depth sensor, optical sensor and bio-chemical sensor, are introduced. Moreover, the future work for data management of underwater gliders is discussed from the perspective of current application and development of underwater gliders in China, and suggestions for the data quality control and operation system are offered. This work may provide reference for scientific management and application of underwater glider observation data in China.

underwater glider; data management; data quality control

TJ630; U674.941; TP272;

A

2096-3920(2019)05-0514-07

10.11993/j.issn.2096-3920.2019.05.006

王冠琳, 王岩峰, 官晟. 水下滑翔机数据管理[J]. 水下无人系统学报, 2019, 27(5): 514-520.

2018-11-02;

2019-04-10.

国家重点研发计划(2016YFC0301103); 国家自然科学基金委员会-山东省人民政府联合资助海洋科学研究中心项目(U1606405); 山东省重点研发计划(2016CYJS02A02).

*官 晟(1972-), 男, 博士, 研究员, 主要研究方向为水下自动平台观测及控制相关技术.

(责任编辑: 杨力军)