遠海船舶噪聲分布初步研究

薛睿超，楊燕明，黃二輝，文洪濤

?

遠海船舶噪聲分布初步研究

薛睿超，楊燕明，黃二輝，文洪濤

(國家海洋局第三海洋研究所，福建廈門 361005)

艦船數量、噸位以及航行距離的急劇上升導致了海洋環(huán)境噪聲級大幅度升高，對海洋環(huán)境的影響也日趨加重。但是當前的海洋環(huán)境噪聲研究所使用的歷史航船數據庫的信息卻非常匱乏且無法及時更新，不能反映出船舶噪聲真實的變化情況。此外，對于遠離岸邊的海域，岸基船舶自動識別系統(tǒng)(Automatic Identification System，AIS)與雷達無法監(jiān)測到，衛(wèi)星AIS技術的不成熟導致了船舶數據時效性和完整性的嚴重不足。因此，尚無可用的遠海大范圍的船舶數據。為了解決遠海船舶數據缺乏的問題，提出了一種基于多源AIS數據的數據融合方法，根據某海域在某個時間段內收到的所有AIS信息，處理后進行融合，融合結果可以得到任一時刻該海域的船舶分布情況，進而可計算出該海域的區(qū)域船舶噪聲級。

海洋環(huán)境噪聲；船舶噪聲級；衛(wèi)星船舶自動識別系統(tǒng)；遠海

0 引言

近年來，世界范圍內的大規(guī)模海上貿易日趨繁榮，大量的商船活動導致了海洋環(huán)境噪聲級的大幅升高。國內外對海洋環(huán)境噪聲的重視與日俱增[1]，但是對海洋環(huán)境噪聲的認知卻停留在十幾年甚至幾十年前的測量數據上，海上聲學調查也只集中于軍事敏感區(qū)域，并且數據保密。人們對海洋環(huán)境噪聲實時變化的了解非常有限。有研究表明，1960～2000年，海洋環(huán)境噪聲呈上升趨勢，特別是低頻段的海洋環(huán)境噪聲以每10年3 dB的速度上升[2]，這一趨勢直到近年來才逐漸減緩[3]。Ross[4-5]在1974年和1993年對上個世紀50～70年代的20年間，由于航船引起的低頻海洋環(huán)境噪聲的變化做了詳細的分析和總結。據Ross描述，到上個世紀70年代中期，海洋環(huán)境噪聲級的統(tǒng)計平均值已經明顯上升，不考慮氣候變化的影響，僅航船噪聲占重要地位的頻段(15～250 Hz)和地區(qū)，平均噪聲級比Kunsen和Wenz時代增加了約3～5 dB，因為僅在1950年以后的25 年內，海上航船數量就增加了一倍多，并且船只的最大噸位和主機的推動力都大幅度增加。Piggott和Crouch[6-7]等人在Wenz測量的相同地點進行了海洋環(huán)境噪聲測量，結果發(fā)現，10～80 Hz范圍內海洋環(huán)境噪聲級增加了10 dB左右；高于80 Hz時頻段差異逐漸減小，在80～200 Hz之間僅增長了1～3 dB；高于200 Hz時海洋環(huán)境噪聲級變化不大。文獻[8]給出了1850～2000年間航船噪聲與自然噪聲的變化趨勢，如圖1所示?？梢钥闯?，總的航船噪聲在上個世紀增長了接近40 dB。航船輻射噪聲是海洋環(huán)境噪聲低頻部分的主要來源，也是持續(xù)性噪聲的主要來源。在合適的傳播條件下，即使很遠處的航船輻射噪聲也能對聲接收點處的海洋環(huán)境噪聲強度產生影響。因此，掌握海面航船分布數據及其輻射噪聲源級對分析和掌握海洋環(huán)境噪聲級的變化趨勢十分重要。國外的航船數據已有多年積累，目前國內在此領域才剛剛起步，并缺乏有效的大規(guī)模測量手段[9]。

圖1 航船噪聲和自然/生物噪聲發(fā)展趨勢

船舶自動識別系統(tǒng)(Automatic Identification System，AIS)，誕生于上世紀90年代初期，最初設計用于船舶避碰。AIS信息不僅包含了船舶時空上的信息，也給出了船舶當前的航行狀態(tài)。衛(wèi)星AIS的出現，對遠海船舶的航行具有革命性的意義[10-14]，但是它的設計初衷并沒有考慮到從太空檢測信號的可能性，這導致了它在熱點海域的檢測存在盲點[15]。本文基于現有的AIS數據，提出了一種數據融合方法，可以在最大限度上還原遠海船舶的分布情況，根據AIS信息中的船速等信息可以計算出船舶的聲源級，進而計算出大范圍海域的航船噪聲分布。

1 數據來源以及研究方法

1.1 數據來源

本文現有數據的主要來源為近年(2012～2015年)我國南海海域部分時段的航船數據，由國外商用衛(wèi)星AIS數據和部分岸基AIS數據組成。岸基AIS的覆蓋范圍僅為40 n mile(1 n mile=1852 m)，因此無法滿足遠海用戶的使用需求。監(jiān)測大范圍海域的航船分布也首選衛(wèi)星AIS數據。中國南海是重要的海上運輸通道，航船密度高，目前也是海上爭端多發(fā)海域，事關我國海洋權益，戰(zhàn)略地位突出。如能有效掌握南海的航船分布，進而分析和掌握南海的航船輻射背景噪聲具有重要意義。因嚴重的時隙沖突，衛(wèi)星AIS在此類船舶高密度海區(qū)的船舶探測概率非常低[10-13]，經過數據對比，發(fā)現很多區(qū)域的檢測概率低于20%，國外的商用衛(wèi)星AIS數據仍有大量遺漏和延時。

1.2 研究方法

為了解決商用衛(wèi)星AIS數據的遺漏和延時問題，本文考慮對其進行融合，具體方法和步驟如下：

(1) 獲取一段連續(xù)時間的多源AIS數據，包括不同來源的星載AIS數據和岸基AIS數據(如有條件也可加入船載AIS數據)；

(2) 對所得到的數據進行統(tǒng)一的標準化處理和質量控制(因為數據來源不同，可能含有多種格式的數據且數據質量不一，需要統(tǒng)一數據格式以及剔除無效的數據)；

(3) 根據所得AIS數據中的時間、方位、船速、航向等信息，推算出每一時刻每一艘船舶的方位以及航行狀態(tài)；

(4) 通過自編的計算程序進行批量計算處理，繪制得到船舶分布圖和船舶軌跡圖。

方法的實現流程如圖2所示。

圖2 研究方法實現流程圖

1.2.1 數據處理方法

標準化后的數據為本文所需要的參數，包括水上移動通信業(yè)務標識碼(Maritime Mobile Service Identify，MMSI)、時間、船速、航向、經度、緯度等船舶相關參數；數據處理采用增加數據冗余的方法，即根據時間序列構造三維數據表，保證了數據處理的效率和準確度。本文中的時間分辨率設定為1 h，航行狀態(tài)包括船速、航向。另外，加入了時間間隔判斷條件，提高了結果的準確性；計算程序由Matlab語言編寫。

1.2.2 計算模型

本文提供了兩種船位計算模型，可以根據不同的需要進行選擇。

模型一為線性模型。根據AIS數據中同一船舶不同時刻的經緯度信息，以固定的時間精度進行坐標位置的線性插值，結果如圖3所示。

(a) 原始數據 (b) 計算結果

圖3(a)中的兩個點表示同一船舶在不同時刻的船位，經過線性插值后得到圖3(b)的結果?？梢杂檬?1)表示：

模型一的計算方法簡單，速度快，但所得到的擬合結果精度較低，且當相鄰數據間隔時間太大會造成較大誤差。該模型適用于大范圍船舶分布的粗略統(tǒng)計以及其他對船位精度要求不高的應用。

模型二為非線性(迭代)模型。根據AIS數據中同一船舶在不同時刻的經緯度、船速、航向等信息，進行綜合分析，采用迭代算法推算出每一時刻該船舶的船位以及相關航行狀態(tài)。示意圖見圖4。

(a) 原始數據 (b) 計算結果

2 船舶分布數據的計算分析

本文的研究方法，利用AIS信息推算出不同時刻目標海域的船舶分布情況。首先，本文綜合了多源AIS數據，進行統(tǒng)一的標準化處理；其次，根據獲得的AIS信息，以時間為分組依據把所有參數分別進行分組；再根據方位、船速、航向信息進行擬合，構造連續(xù)時間的數組；最后，繪制船舶分布圖和軌跡圖。所獲取的原始數據的數量和質量越高，得到的結果越精確。下面對本文的研究方法進行說明。具體實施步驟如下：

步驟1：根據獲得的岸基、衛(wèi)星數據進行標準化和質量控制，并提取所需參數，形成新的標準數據集。

步驟2：處理數據。本文使用的多源星載AIS數據來源于星載AIS服務的供應商美國ORBCOMM公司和加拿大exactEarth公司的衛(wèi)星數據，岸基AIS數據來源于exactEarth公司，區(qū)域為中國南海部分海域的數據，數據時間包括2012年8月份和2015年5月份，共兩個月的數據(2012年數據不包含岸基數據)。

步驟2-1：建立時間×船數×參數個數的三維數組，其中行為船舶的MMSI號，列為所獲數據的時間寬度(劃分到精度)，頁為參數的個數，本文中選取的頁數為6，分別為時間、經度、緯度、船速、航向、衛(wèi)星數據標記；

步驟2-2：把標準化后的數據按時間、MMSI號填入對應空格；

步驟2-3：代入線性模型或者非線性迭代模型計算，所得結果填充表格數據，具體方法如下：

(1) 線性模型：提取所有數據中的船舶的方位信息(經度、緯度)，按照時間先后的順序進行排序，判斷相鄰數據點的時間間隔是否大于3天(可設置)，若大于則在之間填充為“缺失”，符合小于條件的數據根據時間精度進行線性插值，得到中間所有時刻的船舶方位信息。

(2) 非線性迭代模型：提取所有數據中的方位、航行狀態(tài)信息(包括經度、緯度、船速、航向)，按照時間先后的順序進行排序，判斷相鄰數據點的時間間隔是否大于5天，若大于則在之間填充為“缺失”，符合小于條件的數據進行迭代計算：根據前后兩個數據的船速和航向數據，計算速度矢量在軸和軸方向的分量以及變化量，推算出中間時刻的方位、船速、航向信息。上述模型中加入時間間隔判斷條件是為了過濾部分中途停泊或者駛出區(qū)域范圍的船舶，以及惡劣天氣下(如臺風)錨泊的船舶。

步驟2-4：去除異常點和超過最大允許時間間隔的數據；

步驟2-5：存儲數據以便后續(xù)處理。

步驟3：根據處理后的數據繪制相關示意圖。圖5(a)是由原始數據繪制得到的中國南海區(qū)域2012年8月份某時的船舶分布示意圖，不包括岸基數據，船舶數為264。圖5(b)為經本方法數據融合后得到的同一時刻同一區(qū)域的船舶分布示意圖，船舶數為1 629。圖5(c)是由原始數據繪制得到的南海區(qū)域2015年5月份某時的船舶分布示意圖，包括岸基數據，船舶數為2 092。圖5(d)為經本方法數據融合后得到的同一時刻同一區(qū)域的船舶分布示意圖，船舶數為7 887。通過對比可以看到，數據融合優(yōu)化前的船舶分布和數量嚴重失真，應用價值不大，優(yōu)化后的船舶分布和數量極大改善，接近真實情況。也可以看出，是否加入岸基數據，對結果中近岸船舶的分布影響很大。

(a) 原始數據(2012年8月)

(b) 融合后數據(2012年8月)

(c) 原始數據(2015年5月)

(d) 融合后數據(2015年5月)

圖5 融合前后的船舶分布數據對比

Fig.5 Ship data comparison before and after data fusion

3 船舶噪聲的計算分析

3.1 單一船舶聲源級計算[16-18]

基于式(5)和融合后得到的南海航船分布數據，計算得到南海航船輻射噪聲的噪聲源級分布圖，如圖6所示。

圖6 船舶聲源級分布

3.2 區(qū)域船舶噪聲級計算

考慮到某區(qū)域的海洋環(huán)境噪聲的影響因素有船舶、風、爆炸、打樁聲等等，各種因素疊加起來才得到該區(qū)域真實的海洋環(huán)境噪聲級。每一區(qū)域的聲場還受到該區(qū)域以及附近海域的海面海底反射以及介質散射的影響。如果考慮到這些，那么傳播模型需要精確的海洋環(huán)境參數數據，包括：海水聲速、海深、海底及海面邊界特性參數等等。計算相當復雜也缺少數據，因此本文只考慮船舶因素，并計算區(qū)域船舶噪聲級。

區(qū)域船舶噪聲級是了解船舶噪聲空間分布以及其對海域內的海洋生物影響的重要參數。以往的區(qū)域船舶噪聲級計算方法使用的船舶數據主要來自歷史船舶數據庫(Historical Temporal Shipping，HITS)。它擁有全球最廣泛的船舶密度數據，能提供全球范圍內以1°*1°為單位的網格內船舶密度的數據，時間精度有月、季、年。其船舶類型包括商船、油輪、大型油輪、超大型油輪以及漁船。由于計算需要具體的船舶方位，所以根據數據庫的數據，得到相應海域的船舶密度，然后使用泊松分布函數得到離散的船舶數據。計算時還需要船舶的船速和長度數據，一般使用的是經驗數值，如表1所示。本文計算時若部分數據不完整，也采用表１的經驗數據。這種計算方法使用的船舶數據都是無法及時更新的以往數據和經驗數值，得到的船舶噪聲數據與真實測量值的誤差是不可避免的。

表1 船長、船速的經驗數值

為了計算區(qū)域的船舶噪聲源級，設計了如下計算模型：每一區(qū)域的聲源級取決于能對該區(qū)域產生影響的聲源，把這些聲源的貢獻疊加起來就能得到該區(qū)域的聲源級。該模型需要的數據有：不同的船舶序號，每艘船舶在不同時刻的坐標，每艘船舶的聲源級，每艘船舶在不同時刻的船速(船速不同，產生的聲源級也會不同)。具體處理步驟：

(1) 把研究海域根據計算精度劃分成大小相同的網格(如1°*1°)；

(2) 計算海區(qū)內所有船舶的單獨聲源級；

(3) 計算一定范圍內的船舶噪聲對每個網格的聲級貢獻，并去掉“奇點”。奇點指的是當前網格中心坐標1 km距離內的船舶，它會對計算結果產生非常大的影響。

(4) 對結果圖像作局部平均以及平滑處理，平滑處理使用Matlab的shading interp函數。

經過與美國HLS研究所的Michael Porter(聲學圖書館網站(http://oalib.hlsresearch.com/)的作者)的交流，計算方法的正確性得到了他的認同，并根據其意見在此基礎上作了一定改進(包括平滑處理等)，結果如圖7所示。

圖7 區(qū)域船舶噪聲級分布

4 結論

雖然從第二次世界大戰(zhàn)開始，軍事領域對于海洋低頻噪聲的研究和關注就沒有中斷過，然而所得到的有效數據還是非常匱乏。并且隨著海上貿易的發(fā)展，船舶數量、噸位和航行距離的增長，舊的數據庫已經不再適用。重新調查獲取數據所需的人力、物力成本對于任何國家、組織都是非常大的負擔，迫切需要一些較低成本的手段來獲取有效的數據。本文針對現有的衛(wèi)星AIS技術在熱點海域檢測概率不甚理想的問題，利用有限的AIS數據進行融合，融合后的數據能實時反映出海上任意范圍內船舶的位置分布和相關參數，提供了海上船舶分布的“快照”，且不需要安裝額外的設備。經過本文的方法優(yōu)化后，衛(wèi)星AIS檢測概率可以大幅度提高。本文把融合數據用于船舶噪聲預測，得到區(qū)域的船舶噪聲級分布圖，對于了解船舶噪聲時空分布有重要的參考價值。

復雜的海洋環(huán)境中，需要綜合考慮的問題還有很多。研究結果目前存在不少缺陷：如只考慮了海區(qū)內船舶的噪聲，對高頻部分的噪聲還缺少相關的研究；沒有對淺、深海等不同的海洋條件進行區(qū)分；對于沒有安裝AIS設備的船舶缺少其數據；沒有考慮環(huán)境信息，特別是底質的聲學特性。所以本文給出的區(qū)域船舶噪聲級分布圖只是初步的結果。然而，我們相信，這些分布圖可以在說明船舶噪聲時提供一個重要的參考，以便將來做進一步的研究。

[1] 郭新毅.海洋環(huán)境噪聲研究發(fā)展概述及應用前景[J]. 物理, 2014, 11(43): 723-731. GUO Xinyi. Overview of ocean ambient noise and application prospects[J]. Physics, 2014, 11(43): 723-731.

[2] Mcdonald M A, Hildebrand J A, Wiggins S M. Increases in deep ocean ambient noise in the Northeast Pacific west of San Nicolas Island, California[J]. J. Acoust. Soc. Am., 2006, 120(2): 711-718.

[3] Andrew R K, Howe B M, Mercer J A. Long-time trends in ship traffic noise for four sites off the north american west coast[J]. J. Acoust. Soc. Am., 2011, 129(2): 642-51.

[4] 羅斯D [美]. 水下噪聲原理[M]. 北京: 海洋出版社, 1983. Ross D. Principle of underwater noise[M]. Beijing: China Ocean Press, 1983.

[5] Ross D. On ocean underwater ambient noise[R]. Acoustics Bulletin January, 1993.

[6] C L Piggott. Ambient sea noise at low frequencies in shallow water of the scotian shelf[J]. J. Acoust. Soc. Am., 1964, 36(11): 2152- 2163．

[7] W W crouch, P J Burt. The logarithmic dependence of surface-generated ambient-sea-noise spectrum level on wind speed[J]. J. Acoust. Soc. Am., 1972, 51(3): 1066-1072．

[8] 石杰, 張效民, 侯鐵雙, 等. 航船噪聲引起的低頻海洋環(huán)境噪聲級發(fā)展趨勢[J].魚雷技術, 2010, 18(2): 112-116. SHI Jie, ZHANG Xiaomin, HOU Tieshuang, et al. Noise level evolution of low-frequency ocean ambient noise caused by ship sources[J]. Torpedo Technology, 2010, 18(2): 112-116.

[9] 衣雪娟, 林建恒, 孫軍平, 等. 海上航船分布及其對海洋環(huán)境噪聲的影響[J]. 海洋與湖沼, 2015, 46(6): 1270-1278. YI Xuejuan, LIN Jianheng, SUN Junping, et al. Ship distrbution in open sea and its impact on ocean ambient noise[J]. Oceanologia et Limnologia Sinica, 2015, 46(6): 1270-1278.

[10] 程云, 陳利虎, 陳小前. 星載AIS檢測概率建模與仿真分析[J]. 國防科技大學學報, 2014, 36(3): 51-57. CHENG Yun, CHEN Lihu, CHEN Xiaoqian. Modeling and simulation analysis of detection probability for space-based AIS[J]. Journal of National University of Defense Technology, 2014, 36(3): 51-57.

[11] 張昕, 李洪星, 陳萍, 等. 基于實際船舶分布的星載AIS仿真系統(tǒng)設計[J]. 無線電工程, 2014, 44(10): 15-17. ZHANG Xin, LI Hongxing, CHEN Ping, et al. Design of space- based AIS simulation system based on actual ship distribution[J]. Radio Engineering, 2014, 44(10): 15-17．

[12] 宋果林, 鄒光南, 王艷峰, 等. 衛(wèi)星自動識別系統(tǒng)觀測模型及檢測概率分析[J]. 航天器工程, 2015, 24(4): 136-142. SONG Guolin, ZOU Guangnan, WANG Yanfeng, et al. Satellite-borne AIS observe model and detection probability analyze[J]. Spacecraft Engineering, 2015, 24(4): 136-142.

[13] 劉暢. 船舶自動識別系統(tǒng)AIS關鍵技術研究[D]. 大連: 大連海事大學, 2013. LIU Chang. Study of key tennology of automatic identification system AIS[D]. Dalian: Dalian Maritime University, 2013.

[14] 張哲, 馬桂山.衛(wèi)星探測AIS的分析及其發(fā)展的研究[J]. 航海技術, 2010(3): 38-40. ZHANG Zhe, MA Guishan. Analysis of satellite detection of AIS and study on its development[J]. Marine Technology, 2010(3): 38-40.

[15] Yang M, Zou Y, Fang L. Collision and detection performance with three overlap signal collisions in space-based AIS reception[C]//Trust, Security and Privacy in Computing and Communications (TrustCom), 2012 IEEE 11th International Conference on. IEEE, 2012: 1641-1648.

[16] Hamson R M. The modelling of ambient noise due to shipping and wind sources in complex environments[J]. Applied Acoustics, 1997, 51(3): 251-287.

[17] 汪德昭, 尚爾昌. 水聲學M]. 2版. 北京: 科學出版社, 2013. WANG Dezhao, SHANG Erchang. Underwater acoustics[M]. 2ndedition. Beijing: Science Press, 2103.

[18] 劉伯勝, 雷家煜. 水聲學原理[M]. 哈爾濱: 哈爾濱工程大學出版社, 2009: 235-248. LIU Bosheng, LEI Jiayi. Underwater acoustics principle[M]. Harbin: Harbin Engineering University Press, 2009: 235-248.

Research on pelagic ship noise distribution

XUE Rui-chao, YANG Yan-ming, HUANG Er-hui, WEN Hong-tao

(Third Institute of Oceanography, State Oceanic Administration, Xiamen 361005, Fujian, China)

As the number of ships continues to grow, the quantities of goods carried and the distances of ship traveled have made the sea ambient noise level dramatically rising, which impacts on the marine environment increasingly worse. Moreover, the ship history database can not reflect the real situation and is no longer applicable. Especially for the pelagic ships, there is a shortage of data available. With the aim of palliating this situation, this paper puts forward a data fusion method of multi-source AIS, which can get the every hour distribution of ships and then calculate the regional ship noise level for sound mapping.

sea ambient noise; noise levels of ships; satellite-based AIS (Automatic Identification System); open sea

OP733.22

A

1000-3630(2017)-05-0467-06

10.16300/j.cnki.1000-3630.2017.05.012

2017-01-13;

2017-05-09

國家海洋局第三海洋研究所基本科研業(yè)務專項(海三科2015016)、福建省科技計劃項目(2016H0018)

薛睿超(1988－), 男, 福建惠安人, 碩士, 研究方向為船舶噪聲, AIS數據分析。

楊燕明, E-mail: yangyanming@tio.org.cn