高明超 徐泮林 刘瑞昌 罗婷婷

（1、山东科技大学测绘与空间信息学院，山东 青岛266000 2、济南市勘察测绘研究院，山东 济南250000 3、山东无形信息技术有限公司，山东 泰安271000）

随着科技与经济的飞速发展，人们逐渐将目光投向了神秘的海洋，海洋事业的发展已经成为了当今世界发展的大趋势。面对着宽广的海洋，人们通过普通的观测手段只能在限定的区域内获取到稀少的数据，很难对整个海洋有全面的了解。基于这种情况下，相关专家学者针对洋流、海底温度与盐度等方面绘制出了多种海洋模型，以此来帮助人们更好地了解和认识海洋的真实运行状态。海洋模型的产出已经被广泛应用于研究和生态系统的评估以及各种工业部门，如渔业、水产养殖、航运和海上能源等。在过去几十年中，海洋模型性能的改善部分归功于同化和验证数据的使用增加。通过EMOLT 项目取得海洋底部水温数据与模型预测数据进行比对验证，促进了海洋模型性能的改善，并帮助数值模拟者获得调整其边界条件以及量化不确定性所需的信息。

1 EMOLT 项目

为了帮助气象预报单位吸纳更多的温度数据、给予海洋模型更好地验证模拟以及协助渔民更清楚地了解捕鱼状况，美国海洋与大气管理局（National Oceanic and Atmospheric Administration，以下简称NOAA）与当地渔船合作提供了一个低成本的数据观测系统——龙虾诱捕器环境监测计划[1]（Environmental Monitors on Lobster Traps ，以下简称EMOLT），该系统已在美国东北部海洋大陆架的广泛范围内产生大量的每小时底部温度数据集。

该系统现在主要有Logger、微型计算机、卫星发射器三部分组成（图1-D）：

1.1 将Logger 用不锈钢螺栓固定在PVC 管内，渔民可以根据自己的需要，将PVC 管固定到不同的渔具上（图1-A、图1-B）。Logger 每分钟收集一次数据，一次电池充电可长达六个月。

1.2 触摸屏的微型计算机安装在渔船驾驶舱（图1-E）。当Logger 来到甲板上时，计算机会连接蓝牙，自动下载数据，并通过一个切换按钮绘制结果，让渔民可以轻松查看以前的捕捞情况。它还可以计算拖网统计数据，将观察到的值与历史记录，并将统计数据转发到卫星发射机。

表1 模型预测海底水温数据 （单位：℃）

1.3 卫星发射器安装在驾驶舱外的顶部（图1-C），并将每次采集的统计数据经由卫星发送到云服务器上，研究人员可通过云服务器对数据进行处理、分析。

图1 EMOLT 项目系统装备

图2 海洋模型边界图

2 海洋模型

缅因湾（Gulf of Main）位于北大西洋沿岸，特殊的地理位置以及适宜的气候条件使其拥有丰富的海洋生物资源。结合缅因湾的特殊情况，诸多学者为之开发了多种海洋模型，其中ROMS-DOPPIO[2]（Regional Ocean Modeling System-A double Experimental System for Predicting Shelf and Slope Optics，以下简 称DOPPIO） 模 型 与ROMS-GoMOFS[3]（Regional Ocean Modeling System -Gulf of Maine Operational Forecast System，以下简称GOMOFS）模型都是基于罗格斯大学的区域海洋建模系统（ROMS）而开发的三维缅因湾业务预报系统；FVCOM-GoM3[4]（The third generation of the Unstructured Grid Finite Volume Community Ocean Model，以下简称FVCOM）模型是由马萨诸塞州达特茅斯大学的陈长生团队和Woods Hole 海洋研究所的研究人员一同合作开发的一种非结构网格、有限体积法、自由表面、三维原始方程式的预测性沿海海洋环流模型，如图2。

3 案例分析

3.1 模型预测海底水温数据

文章实验数据采取参与EMOLT 项目的40 多艘渔船所采集到的实际监测海底温度数据，对采集到的数据进行GPS 位置、深度数据、时间数据和温度数据的预处理，剔除偏离较大的数据，随后采用Python 编程语言获取DOPPIO、GOMOFS 与FVCOM 三种模型的海底水温预测值[5]。

3.2 海底水温模拟的应用研究

结合表1，计算EMOLT 项目的海底水温观测值（Observation）同三种模型预测值的差值，随后通过可视化分析各个模型在不同季节的表现情况。

图3 观测值与DOPPIO 模型温度差异图

由图3 可看出，DOPPIO 模型在夏（SUMMER）、秋（FALL）两季的平均温差（mean）与均方根值（RMS）较低，预测效果较好；在春（SPRING）、冬（WINTER）两季中，平均温差（mean）与均方根值（RMS）较高，预测效果较差。此外，春、冬两季当水深达到200m时，模型预测效果显著降低。

图4 观测值与FVCOM 模型温度差异图

由图4 可看出，FVCOM 模型在春（SPRING）、冬（WINTER）两季的平均温差（mean）与均方根值（RMS）较低，预测效果较好；在夏（SUMMER）、秋（FALL）两季中，平均温差（mean）与均方根值（RMS）较高，预测效果较差。此外，春季当水深达到200m 时，模型预测效果显著降低。

图5 观测值与GOMOFS 模型温度差异图

由 图 5 可 看 出，GOMOFS 模 型 在 春（SPRING）、夏（SUMMER）、冬（WINTER）三季季的平均温差（mean）与均方根值（RMS）较低，预测效果较好；在秋季（FALL）中，平均温差（mean）与均方根值（RMS）较高，预测效果较差。

结束语

文章将 EMOLT 项目所获取的海底水温数据与ROMS-DOPPIO、ROMS-GoMOFS 和FVCOM-GoM3 三种模型所预测的水温数据进行比对，通过可视化分析对比后，了解到各个模型在不同区域、不同季节的预测状况，将所得情况反映给模型建模人员，以此促进建模人员进行模型的改善。今后将针对三种海洋模型进行数据同化前后地对比，以此更好地进行模型优化。