基于机器学习的“蓝海”气象指数建立及其影响因素分析

蔡仕博，王 杰，夏静雯，赵晓彤，闻 丹

(1.南京信息工程大学，南京 210044；2.鄞州区气象局，鄞州 315194)

0 引言

海水光学特性可以分为表观光学性质(Apparent Optical Properties，AOPs)和固有光学性质(Inherent Optical Properties，IOPs)[1]。海水透明度作为描述海水光学特征的一个重要参数，在军事、渔业生产、海洋生态环境监测等方面有着广泛应用[2-4]。在物理学中，海水透明度实际表示的是海水的光束衰减系数；在海洋学中，海水透明度实则反映了海水的混浊程度[5]。因此从海洋学角度，海水透明度的变化一定意义上可以反映水色的变化。

中国东海属典型二类水体[6]，水体光学特性复杂。长期以来，学者对东海海域透明度时空分布特征进行了比较详细的研究[7-13]，研究发现东海海水透明度等值线大致呈南北向分布，透明度大小西低东高，且海水透明度有着明显季节变化特征：夏季透明度高，春秋季次之，冬季最低。

咸祥镇位于鄞州东南部，临近象山港，拥有近16 km的海岸线。在温度、风向、潮汐以及生态环境等有利的条件下，某些时段其海域海水透明度高、浊度低，非常清澈，呈现碧海蓝天的宜人景致，这种现象称为“蓝海”现象。“蓝海”现象的出现，对当地旅游业的发展起到了重要的促进作用。但是“蓝海”现象何时出现难以预测，因此如何准确预报“蓝海”成为了亟待解决的难题。

目前，已有众多学者分析了水体内悬浮物质含量、风浪、潮流扰动、入海径流等因素对海水透明度、浊度的影响，但是对于气象条件因素的研究较少，且缺乏预测海水透明度的手段。因此，文章将选取以气象要素为主的相关因素，以咸祥镇附近象山港海域作为研究区，分析各类因素对其海水透明度和海水浊度的影响，以此为预报咸祥“蓝海”提供理论依据。

1 数据与方法

1.1 研究区概况

文章选取鄞州咸祥镇附近的象山港海域作为海洋要素观测站点。象山港是一个东北-西南向、深入内陆约60 km的狭长形海湾，整体地形复杂。港内潮汐属正规半日潮，潮汐特点是港内潮差较大，最大潮差5.65 m，涨潮历时大于落潮历时。港内潮流属不正规半日浅海流，以往复流形式为主，落潮流速大于涨潮流速，最大流速183 cm/s。外海浪对于象山港域影响较小，天气系统不易对港内风浪形成破坏性威胁。港内终年水色清澈，悬沙含量较低，平均值在0.01～0.4 kg/m3。

1.2 观测设备及数据

海水透明度数据通过海水透明盘测量。透明度盘由一块直径30 cm的白色金属圆盘、重物铅锤和绳索组成，绳索上标有刻度。在背光处将透明度盘垂直放入水中，直到观察者肉眼刚好看不见为止，此时绳索上的读数即为海水透明度[15]。

文章用Hach 2100Q便携式浊度仪测量海水浊度数据，仪器量程为0～1000 NTU，最低量程分辨力为0.01 NTU，准确度±2%。

在咸祥镇附近象山港海域选取3个站点进行海水透明度及海水浊度观测，3个站点经纬度分别为：29°39′52″E，121°50′8.10″ N(XX01)；29°39′15″E，121°47′53″N(XX02)；29°38′10.43″E，121°46′56.49″N(XX03)。

文章中气象数据来源于鄞州区气象局，选取与海水观测站点最为接近的咸祥镇南头渔村站的气象数据。潮位差数据来源于宁波市海洋与渔业局。所有观测资料的时间段为2018-08-25—2018-10-24。

1.3 研究方法

基于机器学习理论，对于数据集中的某个特征进行预测本质上属于回归问题。文章使用Python中的scikit-learn机器学习库，利用多元线性回归模型对海水透明度和浊度进行预测。首先对数据集进行预处理，将“透明度、浊度、潮位差、极大风速、海况、平均气温”等6项数据归入数据集；然后根据整体样本数量(165个)，利用train_test_split将数据集进行划分，随机抽取其中20%的样本作为测试集，其余样本作为训练集；再利用scikit-learn库中的linear_model模块，对海水透明度和海水浊度进行回归分析。

2 结果与分析

2.1 海水透明度和浊度相关分析

对3个海水观测点海水透明度及浊度数据进行时间序列分析，如图1所示，其中横轴时间为对应的农历时间。从图1中可以看出，XX01、XX02和XX03观测点透明度的范围分别在0.1～1.6 m、0.2～1.6 m和0.2～1.5 m，浊度的范围分别为4～544 NTU、4.04～894 NTU和4.22～726 NTU。3个站点海水透明度与浊度均呈现明显的负相关性，透明度的波峰波谷能较好对应浊度波谷和波峰。农历初一或十五左右大潮时，透明度较低出现波谷，浊度较高出现波峰；农历初七初八、廿二或廿三左右小潮时，透明度出现波峰，浊度出现波谷。

图1 各站点透明度与浊度关系

2.2 “蓝海”气象指数预报模型建立

对数据集进行预处理后，使用scikit-learn库中LinearRegression函数创建回归器，使用train_test_split随机分类后的训练集，对潮位差、极大风速、海况等级、平均气温数据与海水透明度和浊度分别进行线性拟合，得到海水透明度和浊度预报模型：

(1)

(2)

式中，海水透明度为Y1；海水浊度为Y2；潮位差为X1；极大风速为X2；海况等级为X3；平均气温为X4。得到预报模型后，利用测试集对该模型进行检验，得到图2。图中x轴表示样本，y轴分别表示透明度(图2a)和浊度(图2b)。

从图2上看，海水透明度和浊度预报模型拟合效果较好。综合考虑到浊度的取值范围较大，以及透明度和浊度有着明显的负相关性，因此文章拟定以海水透明度预报模型作为“蓝海”气象指数预报模型。通过实际情况综合考量，最终将“蓝海”气象指数划分为4个等级：一般、良、优、极优。定义海水透明度0.1～0.4 m时，“蓝海”气象指数为一般；0.5～0.7 m时，“蓝海”气象指数为良；0.8～1.1 m时，“蓝海”气象指数为优；1.2 m及以上时，“蓝海”气象指数为极优。

图2 海水透明度及浊度预报模型检验

2.3 影响因素分析

从两个模型的量级可知，潮位差、海况等级、气温对海水透明度影响显著，而海水浊度的主要影响因子是潮位差、极大风速和气温。海况等级实际上表示的是风浪大小，所以极大风速在一定程度上可以代表海况等级，由此可知气温、风这两个气象要素，对海水透明度和海水浊度有明显影响。

其中，气温与海水透明度呈正相关性，与海水浊度呈负相关，这可能是由于海气交换，气温能直接影响海水温度，海水温度升高，海水垂直稳定度更大，上下层海水不易混合，因此海水透明度更高。而风力大小与海水透明度呈负相关性，与海水浊度呈正相关，则可能是因为风力大小直接影响风浪大小，较大的风浪会破坏海水的层化分布，在海水内部形成涡动混合，改变相对稳定的悬浮体系，引起透明度的降低和浊度的升高。

3 结束语

文章从探寻气象要素、潮汐要素等多种要素对海水颜色影响的角度出发，利用实地观测的透明度、海水浊度数据，对鄞州区咸祥镇附近海域进行了研究分析。基于机器学习理论，从数据分析的角度切入，对各类要素与海水透明度和浊度之间的关系进行了定性分析，同时建立了咸祥“蓝海”气象指数定量预报模型，这可以为未来海水透明度研究提供一种从气象要素出发的预报思路。