海洋温差能时空分布变异特征定量评价方法研究

文献标识码：A

1001-693205-0548-06文章编号：（2018）temperaturedifferencesentropy,OTDE）算法，提出了表征温差时空变异特征的海洋温差熵作为评估参数，并结合中国南海海QuantitativeevaluationforspatialandtemporalvariationinoceantemperaturedifferencesWUGuo-wei,WUHe,DINGJie,ZHANGSong,BAIYang,JIANGBo,ZHANGRong渊NationalOceanTechnologyCenter,Tianjin300112,China冤

Abstract：Boththeanalysisofspatialandtemporalvariationandtheresourceassessmentarethemainbasisinexploitationandutilizationofoceanthermalenergyandengineeringdesign.BasedonthetheoryofShannonentropyandGaussiandistributionfunction,anewalgorithm,namedoceantemperaturedifferencestoentropy(OTDE)methodforoceanthermalenergyassessmentanditssiteselection,wasproposedinthepresentpaperafteranalyzingthespatialandtemporalvariationappliedtoextractthecandidatesitesthatweresuitableforoceanthermalenergyconversion(OTEC)powerplantsintheofmarinetemperaturefield.Atthesametime,anevaluationparameter,namedoceantemperaturedifferencesentropy,wasSouthChinaSea.TheresultsshowedthattheoceantemperaturedifferencesresourcesneartheInvestigatorShoalandandtheOTECpowerplantselection.alsoproposedtocharacterizethespatialandtemporalvariationofthetemperaturedifferences.AndtheOTDEalgorithmwasScarboroughShoalweremorestableandpredictable,whichareconsideredasthestate-of-the-artregionsforbuildingOTECKeywords：oceantemperaturedifferences;entropy;assessment;methodpowerplants.Thus,theOTDEalgorithmcouldbethoughtasaneffectivetoolforoceanthermalenergyresourceassessment海洋温差能资源调查、评估和资源预测是海洋温差能开发、利用的重要参考依据。近年来，各国相关学者在海洋温差能资源调查和评估方面收稿日期：2018-01-31；修订日期：2018-04-19

已取得了很大的进展，Nihous（2010）采用HY原COM（HybridCoordinateOceanModel）和NCODANavyCoupledOceanDataAssimilation（）模型对夏威GHME2017ZC01；GHME2016ZC01；GHME2016ZC045171101175基金项目：海洋可再生能源资金项目（）；国家自然科学基金（）；天津市自然科学基金（）；国家海洋局海洋环境信息保障技术重点实验室基金（基于CORA资料的南海温差能资源评估）。16JCYBJC20600

1989-作者简介：吴国伟（），硕士，主要从温差能资源评估算法方面的研究。电子邮箱：wuguowei_89@163.com。通讯作者：武贺，副研究员。电子邮箱：wh_crane@163.com。5期吴国伟等：海洋温差能时空分布变异特征定量评价方法研究549夷群岛附近海域温差能进行了资源评估，揭示了2007-2009深处温度的差值年温差）（的分布及变化特征，发现夏威20m水深处温度与1000m水夷南部温差比北部稳定，且从北部到南部温差变化幅度在HYCOM2益左右；Rauchenstein用CTD（模型评估了全球的温差能资源分布，并使等（2011）采用current/temperature/depth,CTD）采集的佛罗里达州东南部海域水温数据对模型的可靠性做了进一步验证，结果显示HYCOM模型模拟的20m处水温与CTD测量值拟合度较高，误差在0.2益范围内；Rajagopalan等（2013）采用海洋环流模型oceangeneralcirculationmodel,OGCM）估算了全球的海洋温差能资源分布情况，并分析了温差能提取对Devis-Morales200mdres等水深以下水域温度产生较大影响；（2014）评估了哥伦比亚SanAn原能开发对当地环境和社会经济的影响；珊瑚岛附近海域的温差能资源，并探讨了温差Zhang等2016）以全球海洋数据集为基础，通过研究海表温度、温差、温差能以及温差大于20益的最小水深等因子的分布特征，认为永兴岛、美济礁、永暑礁和渚碧礁是温差能资源开发的理想区域。而在资源预测方面，国际上主要通过分析长期的观测资料eten（王传崑等，2009）和数值模拟（征和规律。虽然温差能较其他海洋能etal,2017）等方法得到海洋温差能的分布特VanZwi原（潮汐能、潮流能、波浪能、盐差能）稳定，但由于受到太阳辐射、大洋环流等因素的影响，海洋系统存在很大的不确定性，海洋温差能资源预测仍面临巨大的困难，因而定量描述海洋温差能系统的不确定性就变得十分必要。信息熵是用于度量事物不确定性的指标，反映了信息源的平均不确定性及其混乱程度，是由信息论之父Shannon（1948）提出的。至今，信息熵已在温度场评估方面得到广泛的应用，周发琇等（1997）分析了我国南海表层水温信息熵的空间分布特征；冯爱霞等（2011）基于信息熵分析了全球温度场的时空变化特征；汪景烨等（2005）对大气边界层湍流温度序列进行了信息熵分析。海洋温差（表层或次表层与深水层间的海水温度差）是海洋温差能资源调查和评估的基本要素，更是海洋温差能转换sion,OTEC）平台建址考虑的重要条件。因此，本（oceanthermalenergyconver原文基于信息熵理论与方法，以我国南海为例，将海洋温差信息熵作为评价指标，提出一种用于定量评价海洋温差能资源时空分布变异特征的方法，即海洋温差熵tropy尺度和空间范围上不确定性的变化特征，以及这,OTDE）算法，以探讨海洋温差在不同时间（oceantemperaturedifferencestoen原种不确定性的时间演化特征等，为在海洋温差能资源预测、海洋温度场变化研究以及宏观选址方面提供重要的方法参考。1理论与算法1.1高斯分布高斯分布（gaussiandistribution）又称正态分布（normaldistribution），是概率统计分析中非常重要的方法，在数学、物理及工程等领域具有重要的应用价值。设随机变量X的概率密度函数为：（fx）=1e-（x2-滓滋）22，-肄约x约+肄（1）式中，滋为数学期望，姨2仔滓滓(滓跃0)为标准差，则称X服从参数为1.2滋和滓的高斯分布，记作X~N(滋，滓)。信息熵是度量信息量的一种方法。变量的不信息熵确定性越大，熵就越大，信息量也就越大；一个系统越有序，信息熵越低，反之，则越高。例如，在某一时段内，温度场在所选尺度内偏离温度均值越小，它的信息熵就越小，温度场就越稳定。设一个随机变量X的值域为{x1，x2，……，xn熵值H可定义为：}，则其H（X）=E（I（X））（2）式中，E为期望函数，I（X）为X的信息量。若用P表示随机变量X的概率函数，则公式（2）可表示为：H（X）=式中，k为常数，当移nP（xni=1i）I（xi）=-k=2，e，移i=1P（xi）logkP（xi）（3）10时，熵的单位分别是1.3bit海洋温差熵，nat和dit。）熵，用于定量评价海洋温差在不同时间尺度和空间OTDE算法是计算时间序列内海洋温差的信息（OTDE范围上分布的不确定性的变化特征。该算法利用高斯分布概率函数求得海洋温度场单位时段各格点http：//hytb.nmdis.org.cn（（550海洋通报37卷温差的概率，其中，当水深大于1000m时，温差为浅层海水与1000m海水的温度差值，当水深小于1000m时，温差为浅层海水与底层海水温度的差值；再利用信息熵公式计算像元在时间序列内的温差信息熵；然后通过设置最小温差（通常不小于18益）阈值(王传崑等,2009)得到海洋温差时空变异特征分布。海洋温差熵计算如式（4）所示。Hoceannk=-i=1ki）（xki）（4）其中，移P（xlog10P2P（xki）=1-（xki2-i，-肄约xki约+肄式中，Hocean姨2仔滓滓滋2i）iek为格点k（k=1,2,……，n）处的海洋温差信息熵，单位2000-2013海洋温差值，年为气候态，所以取dit；xki为第k格点处第P（xki）表示相应的概率；i=1,2i时段滋i，和……，（文中以滓i（14滓）i的为第i时段温度场海洋温差值的平均值和标准差。跃0）当Hoceank在研究时段（=2000-20130时，表示第年）k内的任一时刻温差值格点处的温差要素均处于温差平均态或偏离温差态的程度都相同，即P（xki）=1，说明每个格点的温差值均相同，系统完全均匀分布；当Hoceank差要素在研究时段内，处于气候态或其他状态的概寅肄，表示第k格点处的温率都非常小，即P（xki）寅0，不确定性趋于无穷，则温差的时空分布越不均匀。像元处的最大水深是否大于OTDE算法流程如图1所示，图中1000m，BA表示判别表示判别像元处的温差值是否大于18益。2数据资料数据资料来自国家海洋信息中心海洋环境信息保障重点实验室提供的中国近海及邻近海域海洋再分析产品（chinaoceanreanalysis，CORA）。该数据采用多重网格三维变分数据同化方法计算得到(Han和海流，且数据均经过检验和质量控制。其中，数etal，2013)，包括海面高、三维温度、盐度据采用南海海域2000温度数据，垂向年1月1日（4毅N-21毅N,105毅E-118毅E）自35-2013层，空间分辨率年12月31日1/2毅~1/8毅CORA三维，时http：//hytb.nmdis.org.cn开始输入海洋温度场三维同化数据温差大于A？是否驻T计算温差：=T浅-T驻T计算温差：1000=T浅-T底由日均温差集求平均，得到月均温差集由月均温差集，反演高斯分布，计算像元时间序列的温差概率，得到温差概率曲线由概率曲线计算海洋温差熵温差大于B？是海洋温差时空变异特征分布结束图1OTDE算法流程图间分辨率24h，最大水深5965m。3结果与分析3.1当水深大于温差空间分布1000m时，海洋温差用20m处海水温度与1000m处海水温度的差值表示；当水深小于1000m时，海洋温差用20m处海水温度与2013)底层海水温度的差值表示(Rajagopalan得到的。如图1-123月份空间分辨率为所示，采用Diffusion0.05毅伊0.05毅Kernel法插值etal,的14年的月平均海洋温差，图中黑色虚线表示18益温差等值线。由图3可知，我国南海月平均海洋温差在地理位置和季节性变化上均具有明显分布变化特征。在地理位置上，近岸温差低，离岸温差高，温差超过1825.50益多分布在水深差受季节变化影响较大，温差发展强弱的顺序：益之间；在季节变化上，水深大于大于500m区域，多在500m18~温夏>春>冬>秋，其中5月份温差最高，主要分布在南海中、南部区域，最大值达到25.50益，分析原因主要与太阳辐射季节性变化有关。5期吴国伟等：海洋温差能时空分布变异特征定量评价方法研究55120毅N15毅N10毅N5毅N

20毅N15毅N10毅N5毅N

20毅N15毅N10毅N5毅N

110毅E

115毅E12月120毅E110毅E

115毅E1月120毅E110毅E

115毅E2月120毅E

20毅N15毅N10毅N5毅N

20毅N15毅N10毅N5毅N

20毅N15毅N10毅N5毅N

110毅E

115毅E3月120毅E110毅E

115毅E4月120毅E

110毅E

115毅E5月120毅E

20毅N15毅N10毅N5毅N

20毅N15毅N10毅N5毅N

20毅N15毅N10毅N5毅N

110毅E

115毅E6月120毅E110毅E

115毅E7月120毅E

110毅E

115毅E8月120毅E

20毅N15毅N10毅N5毅N

20毅N15毅N10毅N5毅N

20毅N15毅N10毅N5毅N

110毅E

115毅E9月120毅E110毅E

115毅E10月120毅E110毅E

115毅E11月120毅E

图3中国南海海洋温差（）月平均分布图2000-2013年http：//hytb.nmdis.org.cn552海洋通报37卷3.2将温差熵空间分布2000-2013年月平均海洋温差作为目标数据，即每个像元处对应了一组时间序列为12的温差数据，先反演月均温差的高斯分布，再计算每个像元对应的温差概率，进而得到每个像元的温差概率曲线；根据温差概率曲线最后得到每个像元处的海洋温差熵，结果如图nel4所示，采用DiffusionKer原南海海洋温差熵分布。法插值得到的空间分辨率为0.05毅伊0.05毅的我国20毅N

15毅N

10毅N

5毅N

图4110毅E中国南海海洋温差熵分布图115毅E120毅E

如图4所示，一方面，海洋温差熵明显呈陆架分布，并清晰地分为水深0~100m、100~1000m以及大于1000m的区域，即水深在100~1000m范围区域海洋温差熵较大，而0~50m和大于1000m水深范围内的温差熵较小，表明100~1000m范围区域偏离温差态的不确定性较大，因而其温差系统的可预测性较小，而0~50m和大于1000m水深范围区域温差态的不确定性较小，致使其温差系统的可预测性较大；另一方面，温差熵分布与太阳辐射季节性变化以及海洋水温的层化分布有关，其中，在海洋水温的层化分布方面，由于我国南海属于低纬度区域，海洋水温随深度增加大体上呈不均匀递减，且水平差异逐渐缩小，至深层水温分布趋于均匀，水深介于100~1000m范围区域属于主温跃层，海洋温差变化波动性最大，且随季节性变化主温跃层厚度也会变化，因此该范围海域温差的不确定性较大，可预测性较小，温差熵也就越大；在太阳辐射季节性变化方面，由于低纬度区域受太阳辐射时间较长，导致海洋http：//hytb.nmdis.org.cn温差相对较稳定，因此南海中南部温差熵较小，表明该区域温差的不确定性较小，可预测性较大。以上结论同朱凤芹等（2014）得出的南海温度梯度变化与陆架、太阳辐射以及海洋水温的层化分布有关的结论相一致，从侧面说明信息熵方法运用于海洋温差可预测性分析的可靠性和有效性。为了定量有效地描述海洋温差能系统的不确定性，根据OTDE算法，将最小温差阈值B设置为18，提取得到年均温差大于18益区域的温差信息熵分布，如图5所示。20毅N

15毅N

10毅N

5毅N

图110毅E5OTDE算法提取结果分布115毅E120毅E由图5可看出，温差熵较小的区域主要分布在7毅5忆N-16毅N、113毅30忆E-119毅30忆E范围内的中沙和南沙群岛，呈东北-西南走向，表明该范围区域海洋温差偏离温差态的不确定性较小，温差系统的可预测性较大，进一步说明该区域海洋温差时空分布较稳定，资源可预测性强，是海洋温差能资源开发建址的理想备选区域。事实上，为方便电力输运并节省建造成本，温差能电站选址需要靠近岛屿才有意义。因此，该文以离岛最近为首要原则，辅以考虑海洋温差熵较小的区域，优选了西沙群岛的永兴岛、中沙群岛的黄岩岛以及南沙群岛的美济礁、渚碧礁、永暑岛和榆亚暗沙作为研究对象，分析其20km范围内的海洋温差平均值的月变化以及温差信息熵，如图6和图7所示。由图6可知，永兴岛附近的海洋温差随月份变化幅度较大在22.947~25.459益、19.342~24.548美济礁为22.786益，而黄岩岛为~25.170益、5期吴国伟等：海洋温差能时空分布变异特征定量评价方法研究55326美济礁渚碧礁永暑岛25永兴岛黄岩岛榆亚暗沙2423222120191

2

3

4

5

6

月份789101112

图6各岛礁2000-2013年的月均海洋温差值0.500.450.400.350.30

图7各岛礁的海洋温差熵渚25.052碧礁为22.503~25.076益、永暑差变化均相对较小；结合图益、榆亚暗沙为23.231~25.231岛为22.041~7，永兴岛的温差熵最大益，海洋温为0.495dit、永暑岛为0.425dit、渚碧礁为0.421dit、美济礁为0.413dit、黄岩岛为0.405dit、榆亚暗沙为0.401dit，表明所选的6个岛礁中，永兴岛附近海洋温差偏离温差态的不确定性较大，温差系统的可预测性较小，而南沙群岛的榆亚暗沙附近的海洋温差时空分布最稳定，资源可预测性最强。综合考虑，榆亚暗沙和黄岩岛的温差能资源相对较稳定，是海洋温差能开发建址的理想区域，而美济礁次之，永暑岛和渚碧礁再次之。4结论与讨论本文采用OTDE算法，反演得到了我国南海海洋温差熵数据，并分析了我国南海温差在不同时间尺度和空间范围上不确定性的变化特征，以及这种不确定性的时间演化特征，为我国海洋温差能资源预测、海洋温度场变化研究以及宏观选址提供了重要的参考。目前，OTDE算法仅以海洋温差作为参数因子，算法的综合性还不强，今后将逐步增加离岸距离、水深、经济产出比等参数指标，更进一步探讨和丰富评价因子以提高算法的可靠性。参考文献Devis-MoralesthermalenergyA,Montoya-SanchezresourcesinColombia.RA,OsorioRenewableAF，etEnergy,al,2014.66:Ocean

759-HanG769.

reanalysisJ,LiW,ZhangXF,etal,2013.Anewversionadjacentofseas.regionalAdvances

ocean

NihousinAtmosphericforcoastalSciences,waters30(4):of974-982.

ChinaandresourcesGC,2010.aroundMappingthemainavailableHawaiianoceanislandsthermalwithenergystate-of-the-artconversion

(043109tools.Journalpp.).

ofRenewableandSustainableEnergy,2(4):043104RajagopalanenergyK,NihousGC,2013.Anassessmentofcirculationconversionmodel.resourcesofwithEnergyahighResources-resolutionglobaloceanTechnology,oceanthermal

generalactionsoftheASME,Journal135(4):041202.

Trans原RajagopalanEnergyK,ConversionNihousG(OTEC)C,2013.resourcesEstimatesusingofglobalOceanThermal

Rauchensteinlationmodel.globalassessmentLT,RenewableVanZwietenEnergy,ofOTECJresourcesH,Hanson50:532-540.

anoceangeneralcircu原withHdataP,validation2011.Modeloff-based

ShannoneastSystemCFlorida.E,Technical1948.Ocean,AJournal,mathematical1-5.

South原27(3):theory379-423.

ofcommunication.TheBellVanZwietenda'soceanJH,RauchensteinLT，LeeL,2017.AnassessmentofFlori原

Zhang&energyS,SustainablethermalZhouconversionQW,EnergyenergyLiReviews,conversion75:683-691.(OTEC)resource.RenewableresourcesY,etal,in2016.theSouthAnassessmentChinaSea.ofOceansoceanthermal

Shanghai.

2016-

冯爱霞,龚志强,黄琰,等,2011.全球温度场信息熵的时空特征分析.

物理学报,(9):833-841.

汪景烨,付遵涛,张霖,等,2005.大气边界层湍流温度序列的信息熵分析.高原气象,(1):38-42.

王传崑,芦苇,2009.海洋能资源分析方法及储量评估.北京:海洋出版社.

周发琇,陈永华,胡瑞金,等,1997.南海表层水温信息熵的分析.海洋学报(中文版)，(5):29-34.朱凤芹,谢玲玲,成印河,2014.南海温度锋的分布特征及季节变化.

海洋与湖沼,(4):695-702.

（本文编辑:崔尚公）http：//hytb.nmdis.org.cn