基于時(shí)序相關(guān)性分析方法的浮標(biāo)異常數(shù)據(jù)識(shí)別

張宇 ，周燕，陶邦一,3*，顧吉星，趙傳高，郝增周，張藝蔚,5，黃海清，毛志華

(1.自然資源部第二海洋研究所 衛(wèi)星海洋環(huán)境動(dòng)力學(xué)國家重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 310012；2.浙江省海洋科學(xué)院，浙江 杭州 310007；3.南方海洋科學(xué)與工程廣東實(shí)驗(yàn)室，廣東 廣州 511458；4.國家海洋局煙臺(tái)海洋環(huán)境監(jiān)測中心站，山東 煙臺(tái) 264006；5.中國科學(xué)院上海技術(shù)物理研究所，上海 200083)

1 引言

海上浮標(biāo)是獲得長時(shí)序、高精度海洋環(huán)境參數(shù)最主要的手段，確保浮標(biāo)數(shù)據(jù)的質(zhì)量可靠性是開展數(shù)據(jù)應(yīng)用所面臨的首要問題，因此開展浮標(biāo)異常數(shù)據(jù)的檢測識(shí)別是其中一項(xiàng)重要工作[1]。異常數(shù)據(jù)一般指超過正常合理數(shù)值范圍的以及偏離由海洋環(huán)境引起的變化規(guī)律的數(shù)據(jù)[2]。將臺(tái)州大陳（TZ01）和溫州南麂島（NJ01）的兩個(gè)浮標(biāo)葉綠素?cái)?shù)據(jù)與Aqua/MODIS、VIIRS和GOCI 海洋水色衛(wèi)星反演的葉綠素產(chǎn)品進(jìn)行比對（圖1），研究發(fā)現(xiàn)浮標(biāo)反演的葉綠素產(chǎn)品存在兩種異常類型：（1）浮標(biāo)數(shù)據(jù)在時(shí)序分布上連續(xù)且與衛(wèi)星數(shù)據(jù)有較好的一致性（圖1a），但由于海洋隨機(jī)過程產(chǎn)生如圖1a 中紅色方框標(biāo)記的跳變數(shù)據(jù)，屬于傳統(tǒng)意義上的跳變異常數(shù)據(jù)類型；（2）紅色條帶標(biāo)記的一段浮標(biāo)葉綠素測量異常數(shù)據(jù)呈現(xiàn)出：在時(shí)序變化過程中連續(xù)平穩(wěn)，但隨時(shí)間逐漸推移，最后整體偏離正常數(shù)據(jù)的分布特征（圖1b），這種異常數(shù)據(jù)屬于一種新的漸變異常數(shù)據(jù)類型?；诤Ｑ蟓h(huán)境要素時(shí)序數(shù)據(jù)分布平穩(wěn)的假設(shè)[3-6]，傳統(tǒng)的異常數(shù)據(jù)統(tǒng)計(jì)識(shí)別方法僅對跳變異常數(shù)據(jù)類型的數(shù)據(jù)檢測有效，而對漸變的質(zhì)量異常數(shù)據(jù)類型無法識(shí)別[5-12]。主要原因在于異常發(fā)生的初始階段，其變化特征與由海洋環(huán)境變化引起的變化趨勢很難在沒有先驗(yàn)知識(shí)的條件下進(jìn)行區(qū)分，只有利用后續(xù)正常數(shù)據(jù)分布特征等后驗(yàn)證知識(shí)進(jìn)行識(shí)別。這類漸變異常數(shù)據(jù)可能與傳感器探頭受污、供電異常等因素有關(guān)。漸變的異常數(shù)據(jù)類型在長時(shí)間觀測的浮標(biāo)數(shù)據(jù)中時(shí)有發(fā)生，因此如何在這一類型異常數(shù)據(jù)發(fā)生的初始階段進(jìn)行有效識(shí)別，對于浮標(biāo)異常的實(shí)時(shí)監(jiān)測、及時(shí)維護(hù)、保證數(shù)據(jù)的可靠和連續(xù)性具有現(xiàn)實(shí)意義。

圖1 浮標(biāo)數(shù)據(jù)與衛(wèi)星數(shù)據(jù)葉綠素a 濃度對比Fig.1 Comparison of chlorophyll a concentration between buoy data and satellite data

國內(nèi)外都已開展海上浮標(biāo)觀測應(yīng)用工作多年，但實(shí)際上實(shí)現(xiàn)各類型異常數(shù)據(jù)的自動(dòng)檢測識(shí)別仍有較大難度[3-4]，國內(nèi)對海洋數(shù)據(jù)的檢測主要依賴專家經(jīng)驗(yàn)、歷史資料以及常識(shí)形成的海洋環(huán)境監(jiān)測數(shù)據(jù)檢驗(yàn)標(biāo)準(zhǔn)庫[5]。目前已有的異常檢測方法主要有極值檢驗(yàn)、一致性判斷、遞增性判斷、格拉布斯檢驗(yàn)、狄克遜檢驗(yàn)、拉依達(dá)檢驗(yàn)、過度梯度檢測、尖峰檢測和無梯度檢測等[1,6-19]，這些異常檢測方法主要是針對單一參數(shù)在某一時(shí)間尺度的平穩(wěn)隨機(jī)過程中進(jìn)行統(tǒng)計(jì)學(xué)的分析處理，在傳統(tǒng)跳變異常數(shù)據(jù)類型識(shí)別中取得了較好的檢測效果，但對于漸變異常數(shù)據(jù)類型的自動(dòng)檢測識(shí)別研究較少。

隨著技術(shù)發(fā)展，目前浮標(biāo)平臺(tái)上搭載的傳感器數(shù)目和測量的參數(shù)越來越多，而在這些測量參數(shù)中存在某些參數(shù)相互關(guān)聯(lián)的特征。多元時(shí)間序列數(shù)據(jù)分析方法（如建立矢量自回歸（VAR）、多元譜分析，廣義自回歸條件異方差模型（GARCH）等）被廣泛地應(yīng)用到質(zhì)量異常數(shù)據(jù)的檢測和識(shí)別上[20-23]。Tsay[24]將4 種類型單參數(shù)時(shí)間序列異常數(shù)據(jù)識(shí)別方法拓展到了多元序列數(shù)據(jù)。此外，異常質(zhì)量數(shù)據(jù)檢測中也應(yīng)用到了矢量自相關(guān)性系數(shù)、差分整合移動(dòng)平均自回歸模型、遺傳算法等方法[25-29]。然而，上述方法主要適用于跳變異常數(shù)據(jù)的識(shí)別，而且對數(shù)據(jù)平穩(wěn)性要求較高、計(jì)算流程復(fù)雜，并未在本文發(fā)現(xiàn)的漸變異常數(shù)據(jù)類型上得到應(yīng)用。其中，在海洋多元長時(shí)序數(shù)據(jù)異常識(shí)別方面，Schuckmann 等[12]提出相關(guān)性分析方法成功地識(shí)別了葉綠素濃度高而溶解氧濃度低的錯(cuò)誤數(shù)據(jù)類型。在浮標(biāo)數(shù)據(jù)質(zhì)量控制中的應(yīng)用，僅給出了白天葉綠素濃度高而溶解氧濃度低的錯(cuò)誤數(shù)據(jù)類型的識(shí)別案例。竇文潔等[18]則根據(jù)海洋碳酸鹽系統(tǒng)中海水CO2分壓本身于水體溫度鹽度存在定量相關(guān)性關(guān)系的特點(diǎn)，在假設(shè)觀測參數(shù)變化在非常小的時(shí)間尺度內(nèi)為一平穩(wěn)過程的基礎(chǔ)上，提出了基于多參數(shù)觀測序列差分統(tǒng)計(jì)特征的異常點(diǎn)識(shí)別方法。雖然該方法由于僅基于參數(shù)平穩(wěn)性假設(shè)而無法進(jìn)一步有效識(shí)別漸變異常數(shù)據(jù)類型，但相比于單一參數(shù)分析方法，利用多參數(shù)強(qiáng)關(guān)聯(lián)性對異常數(shù)據(jù)進(jìn)行檢測，會(huì)對數(shù)據(jù)的處理有更加全面、深入的把控。

目前，我國常規(guī)生態(tài)浮標(biāo)通常會(huì)同時(shí)觀測酸堿度（pH）、溶解氧（DO）濃度以及葉綠素a（Chla）濃度等數(shù)據(jù)。大量的研究表明，它們之間雖然具有較緊密的相關(guān)性[30-31]，特別是在海水藻類生長暴發(fā)期間[31]，但它們并不存在穩(wěn)定的相關(guān)關(guān)系，如謝群等[32]在流沙灣得出溶解氧濃度與葉綠素a濃度成正比例關(guān)系，尤其是冬季，海水中的溶解氧濃度與葉綠素a濃度具有極顯著正相關(guān)，春季次之，夏秋兩季兩者之間不存在相關(guān)性的結(jié)論。可見在不同海域、不同季節(jié)及不同海洋過程中的參數(shù)之間相關(guān)性特征具有明顯的差異性，并不能類似于Schuckmann 等[12]采用事先設(shè)定的相關(guān)性特征進(jìn)行多年長時(shí)序數(shù)據(jù)的處理。Hollinger 和Richardson[33]在海洋數(shù)據(jù)不確定分析時(shí)提出了“單塔日變化法”，其基本假設(shè)是相鄰日期間在相同或相似的環(huán)境條件下數(shù)據(jù)變化過程相似。因此本研究認(rèn)為，浮標(biāo)觀測到的正常多參數(shù)數(shù)據(jù)不僅單一參數(shù)在時(shí)序變化上平穩(wěn)連續(xù)，并且兩兩參數(shù)間的相關(guān)性在一定時(shí)序上穩(wěn)定甚至一致。

本文基于上述假設(shè)，希望通過對浙江沿岸海域浮標(biāo)多年的pH、DO 濃度、Chla濃度數(shù)據(jù)相關(guān)性進(jìn)行分析，了解當(dāng)某一參數(shù)出現(xiàn)漸變異常時(shí)，與其他參數(shù)的相關(guān)性特征的變化規(guī)律，基于多參數(shù)相關(guān)性變化提出一種簡單、適用的漸變異常數(shù)據(jù)檢測識(shí)別方法，并且探討該方法在該海域的適用性。

2 數(shù)據(jù)來源

浮標(biāo)數(shù)據(jù)采用浙江省沿岸的溫州南麂大沙岙（NJ01）、臺(tái)州大陳（TZ01）、寧波南韭山（NB01）、寧波漁山（NB03）、舟山嵊泗綠華（ZS03）和舟山普陀?xùn)|極（ZS04）6 處浮標(biāo)數(shù)據(jù)，浮標(biāo)分布如圖2 所示。

觀測時(shí)間在2012 年8 月至2017 年5 月之間，數(shù)據(jù)每15 min 或1 h 傳輸1 次，以同一浮標(biāo)同一時(shí)間獲取的數(shù)據(jù)為一組，共計(jì)183 967 組數(shù)據(jù)，其中狀態(tài)顯示異常、故障或維護(hù)的數(shù)據(jù)有8 662 組，儀器運(yùn)行正常狀態(tài)的原始浮標(biāo)數(shù)據(jù)（DO 濃度、Chla濃度和pH）有175 305 組，占總數(shù)據(jù)量的95%，數(shù)據(jù)情況如表1 所示。對儀器運(yùn)行正常狀態(tài)的175 305 組數(shù)據(jù)進(jìn)行分析處理，對其他狀態(tài)的數(shù)據(jù)不予處理。

3 基于相關(guān)性的漸變異常數(shù)據(jù)識(shí)別方法

本文根據(jù)pH 與DO 濃度具有正相關(guān)關(guān)系，Chla濃度與pH 和DO 濃度的關(guān)系因藻類生長、季節(jié)變換等因素呈現(xiàn)顯著正相關(guān)或不相關(guān)關(guān)系等特點(diǎn)，利用最基本相關(guān)性統(tǒng)計(jì)學(xué)方法來計(jì)算pH 與DO 濃度、pH與Chla濃度、DO 與Chla濃度兩兩相關(guān)性系數(shù)。在對生態(tài)浮標(biāo)數(shù)據(jù)進(jìn)行多參數(shù)協(xié)同分析后發(fā)現(xiàn)，異常判定方法的關(guān)鍵是相關(guān)性計(jì)算時(shí)所要選取的時(shí)間窗口以及基于相關(guān)平穩(wěn)性異常的判定方法。

圖2 研究區(qū)域浮標(biāo)分布Fig.2 Distribution of buoys in the study area

表1 浮標(biāo)數(shù)據(jù)統(tǒng)計(jì)Table 1 Statistical buoys data

3.1 時(shí)間窗口的確定

由于浙江沿岸海域生化參數(shù)日變化動(dòng)態(tài)范圍較大，如以太短或者太長的時(shí)間段內(nèi)的兩兩相關(guān)性來建立成段異常數(shù)據(jù)方法，則存在較大的隨機(jī)與不確定性，不利于對長時(shí)序浮標(biāo)數(shù)據(jù)的穩(wěn)定性研究與漸變異常數(shù)據(jù)的早期識(shí)別。因此，選擇合適的時(shí)間窗口，對于建立相關(guān)性分析處理異常數(shù)據(jù)模型至關(guān)重要。本文將浙江沿岸6 處儀器運(yùn)行正常狀態(tài)的175 305 組浮標(biāo)數(shù)據(jù)經(jīng)過不可能出現(xiàn)的范圍和5S 方法剔除異常數(shù)據(jù)等預(yù)處理后，剩余156 305 組浮標(biāo)數(shù)據(jù)參與多參數(shù)協(xié)同分析。其中，選出13 620 余組各參數(shù)質(zhì)量較好的浮標(biāo)數(shù)據(jù)對其進(jìn)行兩兩相關(guān)性分析。部分正確的浮標(biāo)數(shù)據(jù)序列如圖3 所示。

將圖3 的pH、DO 濃度和Chla濃度數(shù)據(jù)的兩兩相關(guān)系數(shù)（Rnd）計(jì)算的時(shí)間窗口逐天擴(kuò)大，從1 d 擴(kuò)大到16 d，結(jié)果如圖4a 所示。由圖可見，隨著時(shí)間窗口的擴(kuò)大，相關(guān)性逐步提升，并且當(dāng)擴(kuò)大到8 d 時(shí)Rnd都處于穩(wěn)定狀態(tài)，即當(dāng)時(shí)間窗口大于8 d 后相關(guān)性并未明顯增強(qiáng)。同時(shí)以8 d 為時(shí)間窗口對圖3 中的多組浮標(biāo)長時(shí)序數(shù)據(jù)進(jìn)行8 d 兩兩相關(guān)系數(shù)（R8d）的計(jì)算（圖4b），可以看出正常原始浮標(biāo)數(shù)據(jù)的R8d在一定時(shí)期內(nèi)同樣非常穩(wěn)定，因此時(shí)間窗口選定為8 d，同時(shí)將R8d作為檢測漸變異常數(shù)據(jù)的核心參數(shù)。

3.2 基于相關(guān)性的異常判定方法

圖3 部分正確的浮標(biāo)數(shù)據(jù)序列Fig.3 Partially correct buoy data sequence

圖4 不同時(shí)間窗口的相關(guān)系數(shù)（a）和基于8 d 時(shí)間窗口的相關(guān)系數(shù)（b）Fig.4 Correlation coefficient for different time windows (a),and correlation coefficient for 8 d time window (b)

首先，利用多參數(shù)之間相關(guān)性程度來進(jìn)行異常數(shù)據(jù)判定。如圖4b 所示，正常數(shù)據(jù)的R8d變化平穩(wěn)，狀態(tài)穩(wěn)定。為定量化正常R8d變化的范圍，利用6 處浮標(biāo)多年中的正常數(shù)據(jù)集，統(tǒng)計(jì)了浙江海域R8d的數(shù)值分布情況，如圖5 和表2 所示。統(tǒng)計(jì)結(jié)果表明：（1）pH與DO 濃度之間正相關(guān)性最強(qiáng)，幾乎所有正常數(shù)據(jù)的R8d(pH-DO)都大于0；（2）DO 濃度與Chla濃度之間相關(guān)性次之，其R8d(DO-Chla) 大于-0.3，其中大于0 的數(shù)據(jù)近95%；（3）pH 與Chla濃度之間相關(guān)性變化較大，但有92% 數(shù)據(jù)的R8d(pH-Chla) 大于0，另6.8%的R8d(pH-Chla)數(shù)據(jù)在-0.3～0 之間，并且僅有1.2%的R8d(pH-Chla) 小于-0.3。因此，（1）正常數(shù)據(jù)pH 與DO 濃度、pH 與Chla濃度、DO 濃度與Chla濃度明顯存在較高的正相關(guān)關(guān)系，其判定原則較為簡單，即兩項(xiàng)以上的相關(guān)性R8d都大于0.5 可以作為數(shù)據(jù)正常有效標(biāo)志；（2）因pH 與DO 濃度之間不存在負(fù)相關(guān)關(guān)系，明顯錯(cuò)誤數(shù)據(jù)的判定原則為當(dāng)R8d(pHDO)＜0 時(shí)為異常值；另外當(dāng)R8d(pH-DO)＞0 時(shí)，如果Chla濃度與DO 濃度、pH 之間不存在較強(qiáng)的負(fù)相關(guān)關(guān)系，即R8d(pH-Chla)＜-0.3 時(shí)，或R8d(DO-Chla)＜-0.3，可識(shí)別為可疑數(shù)據(jù)。實(shí)際上，單一的R8d只能用于識(shí)別相對明確的正確及異常數(shù)據(jù)，而對于其中某項(xiàng)相關(guān)性R8d小于0.5 的浮標(biāo)數(shù)據(jù)需要進(jìn)一步采用其他相關(guān)性時(shí)序穩(wěn)定性指標(biāo)來進(jìn)行識(shí)別。

圖5 R8d（a）和ΔR（b）的分布情況Fig.5 Distribution of R8d (a) and ΔR(b)

表2 R8d 的分布情況Table 2 Distribution of R8d

如前文所述，本文認(rèn)為正常浮標(biāo)多參數(shù)數(shù)據(jù)之間的兩兩相關(guān)性在一定時(shí)序上是穩(wěn)定甚至是一致的，因此需要建立一個(gè)指標(biāo)來表征R8d本身的穩(wěn)定性。本文利用前后兩天R8d之差的絕對值（ΔR）作為判斷相關(guān)性時(shí)序分布穩(wěn)定與否的指標(biāo)。通過統(tǒng)計(jì)正常浮標(biāo)數(shù)據(jù)的ΔR分布情況（圖5b，表3）可見，其中約有60%～70%數(shù)據(jù)的ΔR＜0.06，且ΔR＜0.1 數(shù)據(jù)都達(dá)到了77.6%以上。從數(shù)據(jù)分布上可以看出，正常浮標(biāo)數(shù)據(jù)的多參數(shù)之間相關(guān)性變化是穩(wěn)定或緩變的過程，符合前文的穩(wěn)定性假設(shè)。由于計(jì)算求得ΔR的標(biāo)準(zhǔn)差為0.068，同時(shí)從表3 的統(tǒng)計(jì)結(jié)果也可看出，各相關(guān)性中ΔR＞0.34的數(shù)據(jù)僅占1.0%左右，因此選取5 倍標(biāo)準(zhǔn)差[19]即0.34為判斷穩(wěn)定性閾值，即當(dāng)0＜R8d(pH-DO)＜0.5，-0.3＜R8d(DO-Chla，pH-Chla)＜0.5 時(shí)，有一項(xiàng)ΔR＞0.34則判定為異常值。

表3 ΔR 的分布情況Table 3 Distribution of ΔR

利用R8d和ΔR兩項(xiàng)指標(biāo)進(jìn)行漸變異常數(shù)據(jù)的判斷與識(shí)別流程如圖6 所示。第一步利用單一指標(biāo)R8d來判定簡單的正確數(shù)據(jù)和異常數(shù)據(jù)；第二步則是利用ΔR作為R8d穩(wěn)定性指標(biāo)來進(jìn)一步判定異常數(shù)據(jù)。

4 結(jié)果與討論

4.1 識(shí)別算法實(shí)例與結(jié)果對比分析

圖6 數(shù)據(jù)判斷流程圖Fig.6 Flow chart of buoy data processing

圖7 2015 年4-6 月（a-c）和2014 年6-7 月（d-f）TZ01 浮標(biāo)的原始數(shù)據(jù)（a，d）、R8d（b，e）和ΔR（c，f）Fig.7 TZ01 buoy raw data (a,d),R8d (b,e),and ΔR(c,f) in April to June,2015 (a-c) and June to July,2014 (d-f)

本文利用浙江溫州、臺(tái)州及舟山海域NJ01 浮標(biāo)、TZ01 浮標(biāo)以及ZS04 處浮標(biāo)典型數(shù)據(jù)，對漸變異常數(shù)據(jù)的判定方法進(jìn)行了適用性驗(yàn)證。首先，選取同樣位于臺(tái)州外海TZ01 浮標(biāo)的2015 年4-6 月（圖7a-c）和2014 年6-7 月（圖7d-f）的兩組正常數(shù)據(jù)。第一組2015 年的原始數(shù)據(jù)是十分具有代表性的正確數(shù)據(jù)，Chla濃度、DO 濃度和pH 之間存在非常高的正相關(guān)性，兩兩R8d大于0.5，并且相關(guān)性的變化平穩(wěn)，ΔR都小于0.34。而第二組2014 年的正確數(shù)據(jù)相比于第一組數(shù)據(jù)變化更加復(fù)雜，從6 月下旬，Chla濃度與DO濃度和pH 存在極弱的相關(guān)性，R8d(DO-Chla)和R8d(pHChla)接近于0，但隨著7 月初藻華事件的出現(xiàn)，上述R8d逐漸升高，并在整個(gè)藻華期間處在一個(gè)平穩(wěn)的高相關(guān)性時(shí)期。雖然在這一過程中R8d的總體變化很大，但根據(jù)ΔR的計(jì)算結(jié)果都小于0.34，可以說明這個(gè)變化過程是穩(wěn)定的漸變過程。那么根據(jù)圖6 的識(shí)別方法仍然可以準(zhǔn)確判定為正確數(shù)據(jù)，因此證明了本文方法的適用性。

本研究同樣利用了浙江臺(tái)州海域TZ01 浮標(biāo)2013年5-6 月（圖8a-c），以及溫州海域NJ01 浮標(biāo)2014 年6 月（圖8d-f）和2015 年3-4 月（圖8h-j）的3 組存在漸變異常的數(shù)據(jù)集對本文識(shí)別方法進(jìn)行了適用性驗(yàn)證。

第一組案例是2013 年5-6 月TZ01 浮標(biāo)數(shù)據(jù)（圖8a），其中，5 月初有一次藻華事件，3 個(gè)參數(shù)變化同步浮標(biāo)數(shù)據(jù)正常，而漸變異常數(shù)據(jù)實(shí)際上出現(xiàn)在5 月24 日前后，pH 上升發(fā)生偏離，后續(xù)在5 月30 日前后恢復(fù)正常。圖8b 和圖8c 分別給出了對應(yīng)的R8d和ΔR數(shù)據(jù)，圖中紅色為異常值區(qū)間（5 月24-29 日），灰色部分為相關(guān)性計(jì)算受異常值影響區(qū)間?？梢钥闯? 月15 日出現(xiàn)ΔR＞0.34 的情況，但是根據(jù)圖6 判斷流程，5 月15 日3 組R8d都升高到0.5 以上，因而仍然判定為正確數(shù)據(jù)。而在5 月24 日（表4），R8d(pH-DO)下降到-0.42，R8d(Chla-pH)下降到-0.39，并且ΔR(pH-DO)為0.89，大于0.34，多項(xiàng)指標(biāo)符合本文漸變異常數(shù)據(jù)的判定標(biāo)準(zhǔn)，因此成功判定為異常數(shù)據(jù)，實(shí)現(xiàn)了數(shù)據(jù)異常早期識(shí)別。另外DO-Chla的R8d雖然有所下降，但仍然保持在0.5 以上。如果利用排除法，本方法可以進(jìn)一步判定是3 個(gè)參數(shù)中pH 值出了問題。

圖8 2013 年5-6 月TZ01 浮標(biāo)原始數(shù)據(jù)（a）、R8d（b）和ΔR（c），2014 年6 月（d-f）和2015 年3-4 月（g-i）NJ01 浮標(biāo)原始數(shù)據(jù)（d，g）、R8d（e，h）和ΔR（f，i）Fig.8 TZ01 buoy raw data (a),R8d (b),and ΔR(c) in May to June,2013,and NJ01 buoy raw data (d，g),R8d (e，h),and ΔR(f，i) in June 2014 (d-f) and March to April 2015 (g-i)

第二組案例是2014 年6 月NJ01 浮標(biāo)的數(shù)據(jù)，如圖8d 所示漸變異常數(shù)據(jù)出現(xiàn)在6 月9 日前后。根據(jù)圖8e 和圖8f 對應(yīng)的R8d和ΔR結(jié)果（表4），在6 月9 日雖然R8d（DO-Chla）和R8d（pH-Chla）的下降并未超過-0.3，但是DO-Chla和pH-Chla的ΔR分別高達(dá)0.41、0.44，皆大于0.34，故可判斷出在6 月9 日數(shù)據(jù)出現(xiàn)了異常。根據(jù)后續(xù)Chla濃度的變化也可看出6 月9 日是異常數(shù)據(jù)出現(xiàn)較早時(shí)期，證明了本文方法早期識(shí)別的有效性。

表4 浮標(biāo)出錯(cuò)日期的R8d 和ΔR 情況Table 4 R8d and ΔR of buoy error date

第三組案例是2015 年3 月和4 月NJ01 浮標(biāo)數(shù)據(jù)（圖8g-i），同樣可以看出漸變異常數(shù)據(jù)開始出現(xiàn)在4月7 日的前后。然而與前兩組數(shù)據(jù)不同的是，本組不同的R8d出現(xiàn)相反的變化趨勢（表4），其中R8d（DO-Chla）降到了-0.41，而R8d（pH-Chla）卻上升到了0.45，但兩者的ΔR都大于0.34，最終4 月7 日被判定為異常數(shù)據(jù)起始點(diǎn)。通過上述多組案例的驗(yàn)證，本文的識(shí)別方法能夠適用于浙江沿海多參數(shù)浮標(biāo)數(shù)據(jù)的漸變異常類型識(shí)別。

4.2 水體生化參數(shù)變化帶來滯后現(xiàn)象的影響

圖9 2015 年9 月ZS04 浮標(biāo)原始數(shù)據(jù)（a）、R8d（b）和ΔR（c）Fig.9 ZS04 buoy raw data (a),R8d (b),and ΔR(c) in September,2015

海洋水體生化特性變化并不完全同步，一些參數(shù)相比于其他參數(shù)具有滯后現(xiàn)象。部分大型赤潮發(fā)生時(shí)，如圖9a 所示的舟山2015 年9 月25 日前后的一次赤潮事件，藻類暴發(fā)導(dǎo)致葉綠素峰值的出現(xiàn)往往早于DO 濃度或pH。這就導(dǎo)致在初期，葉綠素濃度與DO 濃度或pH 的R8d數(shù)值相對較?。▓D9b），同時(shí)隨著赤潮的發(fā)展，R8d迅速升高，導(dǎo)致ΔR可能大于閾值0.34（圖9c）。此種情況下，如果R8d都高于0.5 呈現(xiàn)極高正相關(guān)性亦可判定為正確數(shù)據(jù)，但是如果小于0.5 則很容易被錯(cuò)誤識(shí)別為異常數(shù)據(jù)。在這種劇烈而快速的海洋過程中，如何有效識(shí)別正常海洋規(guī)律現(xiàn)象與漸變異常數(shù)據(jù)是十分重要但又極具挑戰(zhàn)性的問題。實(shí)際上，本文采用的方法是時(shí)間同步相關(guān)性分析。如果利用時(shí)間延遲模式或許可以有效避免此類異常數(shù)據(jù)的錯(cuò)誤識(shí)別。然而，目前對于該類滯后現(xiàn)象產(chǎn)生的海洋學(xué)機(jī)制并不十分明了。因此，在識(shí)別方法中如何具體引入時(shí)間延遲模式（如延遲區(qū)間等）還需進(jìn)一步研究。

4.3 季節(jié)性（冬季）相關(guān)特征差異的影響

本文數(shù)據(jù)主要集中在上半年，而季節(jié)性變化（特別是冬季）對近海海域的海洋現(xiàn)象有著重要影響。由于浙江沿岸受河流沖淡水、季風(fēng)和各類水團(tuán)影響較大，冬季浙江沿海海域受浙閩沿岸流影響，水中懸浮泥沙含量高，限制了藻類生長。在這一時(shí)期，水體Chla濃度、pH 和DO 濃度的相關(guān)性比春、夏和秋3 個(gè)季節(jié)要弱很多。圖10 為2014 年冬季（2014 年11 月至2015 年2 月）TZ01 浮標(biāo)的觀測結(jié)果，從圖10a 可看出，3 個(gè)參數(shù)的時(shí)序變化依然連續(xù)平穩(wěn)，ΔR也基本在0.34 以內(nèi)（圖10c），也說明了數(shù)據(jù)的平穩(wěn)性，但是相關(guān)性系數(shù)R8d時(shí)高時(shí)低（圖10b），甚至出現(xiàn)極強(qiáng)的負(fù)相關(guān)。主要原因是在冬季水溫低，藻類豐富度較小，導(dǎo)致葉綠素濃度變化很小，對pH 和DO 濃度的影響作用有限。反而在這一時(shí)期，DO 濃度的變化受溫度影響較大，有個(gè)緩慢上升過程。因此，冬季浙江海域的3 個(gè)參數(shù)在機(jī)理上并不存在明確的相關(guān)性，而本文方法也僅基于同一年份前序時(shí)間數(shù)據(jù)的相關(guān)性進(jìn)行漸變異常數(shù)據(jù)識(shí)別，所以在冬季可能會(huì)失效。

圖10 2014 年冬季TZ01 浮標(biāo)原始數(shù)據(jù)（a）、R8d（b）和ΔR（c）Fig.10 TZ01 buoy raw data (a),R8d (b),and ΔR (c) in the winter of 2014

在上述不適用的情況下，我們需對時(shí)序相關(guān)性的概念進(jìn)一步拓展，可利用同一海域季節(jié)性數(shù)據(jù)存在物候等現(xiàn)象，依靠歷史同一時(shí)期觀測數(shù)據(jù)集等，對浮標(biāo)漸變異常數(shù)據(jù)進(jìn)行有效地識(shí)別。如劉增宏等[34]采用歷史水文觀測資料集得到的溫-鹽度關(guān)系對Argo 剖面浮標(biāo)鹽度資料進(jìn)行校正，王輝贊等[35]也同樣通過尋找Argo 浮標(biāo)不同剖面位置與其“最佳匹配”歷史剖面資料對比判別的途徑，對Argo 浮標(biāo)鹽度偏移現(xiàn)象進(jìn)行有效甄別。上述方法雖然用的是連續(xù)深度剖面數(shù)據(jù)，但是替換成連續(xù)時(shí)間序列數(shù)據(jù)同樣適用。如圖11所示，為臺(tái)州大陳浮標(biāo)在2014-2015 年冬季與2015-2016 年冬季的pH、DO 濃度和Chla濃度數(shù)據(jù)對比結(jié)果，可以看出這兩年冬季同一時(shí)期的pH、DO 濃度和Chla濃度數(shù)據(jù)變化有較好的一致性趨勢。因此利用與多年歷史數(shù)據(jù)的相關(guān)性，可對pH、DO 濃度和Chla濃度數(shù)據(jù)進(jìn)行異常識(shí)別。這或許是本文識(shí)別方法在冬季失效問題的一種有效解決方式，但需要大量歷史數(shù)據(jù)的積累，目前還無法實(shí)現(xiàn)，需要進(jìn)一步研究。

5 結(jié)論

本研究通過對浙江沿岸6 處浮標(biāo)多年多參數(shù)觀測數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)了與傳統(tǒng)跳變異常數(shù)據(jù)不同的漸變異常數(shù)據(jù)類型。該異常數(shù)據(jù)類型呈現(xiàn)出在時(shí)序變化過程連續(xù)平穩(wěn)，但隨時(shí)間逐漸偏移，最后整體偏離正常數(shù)據(jù)的分布特征；并且在異常發(fā)生的初始階段，其變化特征與由海洋環(huán)境變化引起的變化趨勢很難在沒有先驗(yàn)知識(shí)的條件下進(jìn)行區(qū)分。因此本文提出了一種假設(shè)：浮標(biāo)觀測到的正常多參數(shù)數(shù)據(jù)不僅單一參數(shù)在一定時(shí)序上的變化是平穩(wěn)連續(xù)的，并且兩兩參數(shù)間的相關(guān)性在一定時(shí)序上是穩(wěn)定甚至是一致的。根據(jù)上述假設(shè)，本文建立了基于pH、DO 濃度、Chla濃度數(shù)據(jù)兩兩相關(guān)性的漸變異常數(shù)據(jù)類型自動(dòng)識(shí)別方法，確定了以8 d 時(shí)間窗口的兩兩相關(guān)系數(shù)（R8d）作為核心相關(guān)性表征指標(biāo)，并將前后兩天R8d之差的絕對值（ΔR）作為判斷相關(guān)性時(shí)序分布穩(wěn)定性指標(biāo)，形成了利用R8d和ΔR兩項(xiàng)指標(biāo)進(jìn)行漸變異常數(shù)據(jù)判斷與識(shí)別的流程。

圖11 TZ01 浮標(biāo)冬季原始數(shù)據(jù)Fig.11 TZ01 buoy raw data in winter

本文提出的方法重點(diǎn)突出了多元參數(shù)間相關(guān)性系數(shù)時(shí)間序列上的變化特征，各判別指數(shù)計(jì)算過程簡單、直觀，易于實(shí)際浮標(biāo)監(jiān)測工作人員的理解和掌握。通過浙江沿海浮標(biāo)實(shí)際測量數(shù)據(jù)案例檢驗(yàn)，證明了該方法可以用于漸變異常數(shù)據(jù)類型的實(shí)時(shí)監(jiān)測，對浮標(biāo)的傳感器漸變異常做到早期識(shí)別，特別是由生物污垢導(dǎo)致傳感器測量值持續(xù)增加而引起的假赤潮現(xiàn)象，有較好的識(shí)別效果，可解決由此帶來的赤潮預(yù)報(bào)虛警等問題。因此，在指導(dǎo)浮標(biāo)日常檢查與維護(hù)、確保數(shù)據(jù)的準(zhǔn)確性和完整性方面有實(shí)際意義。本文根據(jù)單參數(shù)自校方法無法識(shí)別漸變異常數(shù)據(jù)類型，提出了一種簡單，實(shí)用的有效解決方法。此方法為漸變異常值的自動(dòng)識(shí)別及處理提供了新的思路。由于所處海域的不同，可能相關(guān)性穩(wěn)定的時(shí)間窗口有所不同，需因地制宜，考慮季節(jié)性差異等因素的影響。因此在后續(xù)研究中應(yīng)當(dāng)針對在多參數(shù)變化不同步、冬季數(shù)據(jù)和非高斯分布數(shù)據(jù)等情況下，識(shí)別精度不高等局限性，可利用多年歷史數(shù)據(jù)對其進(jìn)行物候特征分析，提高相關(guān)性識(shí)別方法精度。