登录
国际上已经有多种型号的水下滑翔机投入商业应用，如美国Teledyne Webb Research公司研制的Slocum型，美国华盛顿大学应用物理实验室研发并由挪威Kongsberg公司生产的Seaglider型，以及美国Scripps海洋研究所和蓝鳍机器人研究所联合开发的Spray型水下滑翔机等，已被广泛应用于美国综合海洋观测系统（IOOS）、澳大利亚综合海洋观测系统(IMOS)、欧洲水下滑翔机观测网(EGO)和加拿大海底观测网等的建设和维护中，开展从亚中尺度到中尺度涡旋的监测及沿飓风路径的上层海洋监测等，从而为海洋数据同化和模式预测提供了大批高分辨率的现场观测资料。 我国水下滑翔机的研发始于2003年，第一台“海翼”型水下滑翔机实验样机由中国科学院沈阳自动化研究所研制，于2005年宣告问世；2009年由天津大学研发的“海燕”型水下滑翔机正式投入海试。目前，这两种型号的国产滑翔机已开始用于监测和研究中尺度涡的动力学结构特征等海洋现象。与Slocum型滑翔机一样，海翼和海燕型水下滑翔机都安装了美国海鸟公司研制的GPCTD传感器，其连续采样频率约为1Hz。 该文基于海翼水下滑翔机在南海中北部和吕宋海峡以东海域的组网观测中，获得的一批温、盐度剖面资料的初步分析与研究，提出了一套包含热滞后校正在内的CTD资料处理及其质量控制方法，以便尽可能提高国产水下滑翔机观测的CTD资料质量。因原文篇幅较长，平台将其拆分为水下滑翔机CTD数据质量控制方法与检测步骤（上）和水下滑翔机CTD数据质量控制方法应用实践（下）两篇，作一详尽介绍。 水下滑翔机CTD数据质量控制方法与检测步骤（上）
海水温度和盐度是两个基本的海洋环境要素，但目前只有温度可以用电子传感器直接测量，而盐度只能利用海水状态方程通过测量的海水电导率、温度和压力间接计算获得。与传统的船载CTD仪一样，由于温度和电导率传感器的响应时间不匹配，电导率传感器的热惯性会导致电导率值存在热滞后误差，从而使换算出的盐度值存在差异。换言之，由于电导池具有一定容积，可储存热量，为此需要等待一定的时间才能使其温度与周围海水保持一致；而温度传感器具有更快的响应时间。所以，电导池内部水温的微小变化会导致盐度出现较大误差，尤其是在温跃层内。 因此，在使用水下滑翔机观测的CTD资料进行分析研究之前，对滑翔机上（上升）、下（下潜）观测过程中获得的剖面数据进行热滞后校正，是一项必不可少的质量控制工作。 基于船载CTD仪观测，Morison等开发了一种校正热滞后误差的实用方法，而Garau等则针对Slocum型滑翔机安装的非泵抽式CTD传感器，提出了另一种校正热滞后误差的新方法。Liu等还利用非泵抽式CTD传感器穿过强温跃层时获得的大量盐度剖面数据，提出了一套针对非泵抽式CTD传感器的热滞后校正方法。 其实，除了热滞后校正外，针对水下滑翔机观测的温、盐度剖面数据，还存在一些由其他因素引起的数据质量问题，同样需要进行质量控制。 为此，美国IOOS计划专门编制了一份针对水下滑翔机CTD数据的实时质量控制手册，提出了多达19项测试步骤。Tintoré 等和Troupin 等还开发了基于Matlab编程的水下滑翔机工具包（SOCIB），用于处理水下滑翔机观测的CTD数据，包括盐度热滞后校正和数据可视化等。 然而，如同安装在自动剖面浮标上的CTD传感器一样，水下滑翔机上的CTD传感器，尤其是电导率传感器，也会因生物污染、生物杀伤剂泄漏进入电导池而导致传感器出现漂移误差，有的在海上连续运行数月后还会出现其他一些技术问题。 此外，由于存在传感器漂移误差的剖面通常很难辨别，实时质量控制程序也无法检测出来，只有通过与高质量现场船载CTD仪观测数据和历史水文数据集或WOA气候态数据集的比较，才能被发现并校正。 １、水下滑翔机CTD数据质量控制方法 （１）电导率异常检测 盐度是由水下滑翔机上安装的GPCTD传感器测量的电导率、温度和压力值计算而来。因此，检测和排除因滑翔机自身状态或生物污染导致的电导率异常是必要的。当滑翔机刚开始下潜前或上升至海面后，CTD传感器暴露于空气中会导致电导率异常。以下三项测试，可用于检测电导率异常。 １）电导率传感器测量范围 该项测试用于检测电导率剖面中存在超过传感器测量范围（即0−6 S·m-1）的明显错误。如果未通过此项检测，则该电导率值及其所对应的温度数据，均应标记为坏数据，不再计算该深度上的盐度。 ２）毛刺异常 先将滑翔机测量周期分为下潜和上升两个阶段，分别得到2个测量剖面。不考虑压力变化，并假设测量数据可充分再现电导率随压力的变化。 如果之前没有标记，且满足
式中，C为电导率，i为剖面从开始至结束的压力层序列号，K=0.15 S·m-1（Z（i）<500 dbar）或K=0.02 S·m-1（Z（i）≥500 dbar），Z为压力，则应将电导率值C（i）标记为坏数据。 ３）滑动标准差 滑动标准差算法由美国IOOS滑翔机数据中心提出。对于每一个从4到N-3（N是数据总数）的i，计算9个连续点（如果之前未标记为坏数据）平均值（Cave（i））和标准差（Cstd（i））。如果相邻点之间的时间间隔大于30 s或深度间隔大于5 dbar，则不在计算中使用其前一点和后一点数据。对于时间序列的第一组（或最后一组）四个点，计算所得的平均值和标准差为第5（N-4）个数值。 如果之前没有标记，且满足
（GPCTD电导率最小分辨率） 则应将电导率值C（i）标记为坏数据。 （２）热滞后校正
Garau 等采用滑翔机下潜和上升期间处于相同性质水团（假设水平平流较小）内的假设，提出了一种可以通过连续观测（下潜和上升）的两条T-S曲线间面积的目标函数最小化，来确定这些参数值的实用方法。热滞后校正之后，就可以利用海水状态方程，计算出对应电导率、温度和压力层上的盐度值。 ２、水下滑翔机CTD数据质量控制步骤 在国际Argo计划中，针对剖面浮标测量的CTD数据进行实时质量控制时，采用了16个检测步骤，包括剖面位置、日期和时间、漂移速度、密度倒转、冻结剖面、全局/区域范围、最大压力，以及温、盐度剖面毛刺和梯度等检测，并由计算机自动执行完成。 需要指出的是，对海上持续观测超过数月，甚至数年的自动剖面浮标来说，由于其携带的CTD传感器，特别是电导率传感器，会受到各种海洋环境因素或者电子元器件老化等自身原因的影响，测量数据难免会出现偏移或者漂移误差，甚至偶然误差。于是，人们又提出了一种延时模式质量控制方法，即基于全球高质量、高分辨率历史水文数据集来校正由此造成的盐度误差。 当然，水下滑翔机可以随时回收、且重复使用，决定了其携带的CTD传感器可以在每个观测航次的前后送权威部门进行标定，对CTD数据的质量控制会比自动剖面浮标更容易些。但当滑翔机在海上持续运行时间超过一个月，甚至长达数月或者一年以上，有时还会利用多台滑翔机进行组网观测等；而滑翔机的观测区域通常又会在近海或者海洋上层区域，容易受到海面油污染等其他恶劣海洋环境的影响。所以，其测量数据出现偏移、漂移误差或者偶然误差也是在所难免。 为此，在前人研究的基础上，提出了将通常用于对剖面浮标数据采取的延时质量控制方法移植到对滑翔机盐度数据的质量控制中，即对滑翔机CTD数据进行实时质量控制时，同时考虑气候态检测，以及类似于Argo剖面数据的质量控制测试，以确保滑翔机CTD资料的质量。采取的检测步骤主要有如下11项： （１）观测时间。此检测要求滑翔机下潜/上升剖面的儒略日（JULD）晚于2010年1月1日，同时早于当前检测日期（UTC时间）。若JULD等于自1970年1月1日以来经过的天数，则当JULD＜14610或JULD＞检测日期时，滑翔机数据文件的日期未通过此检测，该数据文件的日期标记为坏数据，文件中的所有数据均不可用。 （２）地理位置。首先，滑翔机剖面的经纬度应分别处于在-180°-180°和-90°-90°范围内。如果经度或纬度未通过此检测，则将数据文件的位置标记为坏数据，文件中的所有数据均不可用。 其次，观测剖面位置应位于海洋中。检测使用了分辨率小于5′的全球海底地形数据库（ETOPO5），如果剖面位置不在海洋中，则将该数据文件标记为坏数据。 （３）压力范围。海水中的压力值应大于0 dbar。如果压力未通过此检测，则将压力及其相应的温度和盐度标记为坏数据。此外，若已知滑翔机预设的最大剖面观测深度（DEEPEST_PRES），则可进行最大压力检测，剖面的压力值不应大于DEEPEST_PRES的1.1倍；若超过了，则相应的温、盐度值均标记为坏数据。 （４）温、盐度全局范围。该项检测可根据观测海域的实际情况确定，最小、最大温、盐度的分布范围，需适合海洋中预期可能发生的所有极端情形。通常情况下，温度范围可以确定为-2.5-40.0℃，盐度范围为0.0-41.0。 （５）温、盐度值不变的（冻结）剖面。如果剖面上最大值和最小值之差小于CTD传感器的分辨率，即max(T(i))−min(T(i))< 0.001°C 和max(S(i))−min(S(i))< 0.001，则剖面上的每个点都标记为坏数据，其中T 和S分别是温度和盐度，i为剖面从开始至结束的压力层序列号。 （６）温、盐度异常剖面（或称“毛刺”）。该测试与前述电导率异常检测一节中采用的方法相同。对于温度（T（i））而言，如果之前没有标记，且满足：
对于盐度（S（i）），如果之前没有标记，且满足：
（７）温、盐度垂直梯度。垂向上，相邻测量值之间的梯度太大时，梯度检测失败。该检测不考虑压力差异，并假设采样数据可充分再现温度和盐度随压力的变化。对于温度，如果之前没有标记，且满足：
对于盐度，如果之前没有标记，且满足:
（８）滑动标准差。该测试使用与前述电导率异常检测一节中采用的相同算法。对于温度， 如果之前没有标记，且满足：
对于盐度，如果之前没有标记，且满足：
（９）密度倒转。在密度倒转（即上层海水密度大于下层）检测之前，首先应计算出CTD剖面的位势密度（位密），而不是通常所用的条件密度；然后，从浅至深进行检测，若当前层Z（i）密度减去下一层Z（i+1）密度大于阈值（0.03 kg·m-3），则将这两个层上的温度和盐度值均标记为坏数据。 （10）垂向速度。该项测试是要确保CTD数据是在水下滑翔机运行良好的情况下获取的。有研究表明，海翼型水下滑翔机的平均垂向速度不低于0.1 m·s-1。为此，这里定义滑翔机垂向速度的阈值为0.03 m·s-1。若计算出的剖面垂向速度小于0.03 m·s-1，则除了10dbar以浅的和比最大剖面深度浅10dbar内的温、盐度值以外，其余所有温、盐度值均应标记为坏数据。 （11）气候态。该项检测是为了进一步提高由滑翔机观测的CTD资料质量而增设的。首先，利用DMQC Argo CTD数据集中每个方区内的温、盐度剖面数据，分别计算出各个标准深度层上的温、盐度平均值和标准差，而WOA18数据集本身就包含了温、盐度标准差，可以直接应用；其次，根据滑翔机提供的下、上两条剖面的GPS定位，从DMQC Argo CTD或WOA18数据集中搜索相应方区内对应的温、盐度标准差剖面，并采用线性插值方法插值到滑翔机观测的深度上，比较两者的差异程度；倘若两个剖面之间的差异大于n_std × Qstd(i)，则将相应值标记为可疑数据，这里Qstd(i)是指已内插到滑翔机剖面深度上的DMQC Argo CTD或WOA18数据集的温度或盐度标准差，而n_std是指给定的标准差倍数。 ３、讨论与小结 （１）讨论 在对温、盐度异常剖面的实际检测过程中，也有发现即使已经通过上述（6）检测，但在剖面中还会遗留一些毛刺。为此，尝试引用了由法国Coriolis资料中心的D.Dobler博士等在第20次Argo资料管理组会议上提出的MEDD(MEDian with a Distance)检测方法，即根据不同深度设置温度、盐度和密度的变化阈值（表１，图１），得到不同深度上的滑动中值和阈值边界；然后，计算观测值与对应深度上滑动中值的距离，若超出阈值，则该观测值可确定为毛刺。
需要强调的是，在检测温度和盐度剖面时，应结合密度剖面一起检测。如果在密度和温度（或盐度）分布图上均检测到毛刺，则将该观测值（毛刺）标记为坏数据。
该方法的优点在于：深度分层更精细，阈值设定更准确；由于剖面数量有限，某些真实的海洋特征显得有些突兀，在检测时结合密度变化，可避免毛刺误判。 （２）小结 上篇提出了针对水下滑翔机CTD剖面数据处理的实时质量控制方法和检测步骤，包括热滞后校正，以及11项质量控制检测程序等。 在实时质量控制检测中，还增加了基于D.Dobler博士提出的温、盐度异常（毛刺）检测方法，以及使用了针对Argo数据延时质量控制的高质量历史水文数据集（DMQC_Argo CTD）和WOA气候态数据集进行气候态测试等，尽可能确保滑翔机观测资料的精确度及其高质量。 在气候态检测中，需要选取一个可容纳海盆尺度季节和长期海洋变率的n_std值，这并非易事，要求从事质量控制的技术人员能够对观测海域的海洋变率有足够深入的了解，或者需要经过反复实验，才能获得一个恰如其分的阈值。 此外，在非均匀水层（如跃层、锋面）中应用热滞后校正方法时，需要注意：由于电导池中海水温度与周围海水间存在较大的差异，从而会导致显著的盐度误差。所以，针对不同水团中的热滞后校正，须慎重对待。 下篇拟利用这里提到的控制方法和检测步骤，并结合现场观测资料，围绕上述相关问题，做一应用示范。（后续） |
