Operativ nytte av ensemblevarsling for hav

Date Issued
2014
Keywords
Lyd - Forplantning i sjøvann
Havlære - Matematiske modeller
Undervannsakustikk
Project number
2014/00658
Permalink
http://hdl.handle.net/20.500.12242/1059
Collection
Rapporter
14-00658.pdf
Size: 2M
Abstract
I krigføring under vann er kunnskap om lydutbredelsen viktig, og en riktig beskrivelse av den vertikale lydhastighetsprofilen er essensielt for beregninger av lydutbredelsen. Målte lydhastighetsprofiler vil alltid være det beste, men disse vil som oftest være egnet for operativ bruk innenfor en kort tidsperiode og innenfor et svært begrenset geografisk område. Numeriske havmodeller kan dekke et større geografisk område og beregne lydhastigheten framover i tid. Et slikt oseanografisk varsel vil derfor kunne ha stor nytteverdi i planlegging og gjennomføring av ubåt- og antiubåt-operasjoner. Vanligvis har slike havmodeller blitt kjørt én gang med én initialtilstand for hver varslingsperiode, et såkalt deterministisk varsel. Erfaringene med bruk av deterministiske havmodeller er varierende og man opplever ofte sprik mellom målte lydhastighetsprofiler og lydhastighetsprofiler fra havmodeller. En årsak til denne forskjellen er at man ikke kjenner initialtilstanden i havet godt nok når modellkjøringene starter. Ved å kjøre havmodellene flere ganger med endringer i initialbetingelsene for hver kjøring, såkalte ensemblevarsler, kan man få et mål på variasjonen og usikkerheten i modellresultatet. Områder hvor modellresultatene spriker fra kjøring til kjøring angir hvor i modellområdet usikkerheten er stor. Dette vil indikere usikkerheten til lydhastighetsprofilene som igjen bestemmer usikkerheten i lydutbredelsen. Mål på slik usikkerhet er viktig informasjon i planlegging og gjennomføring av ubåt- og antiubåt-operasjoner. I rapporten er det brukt data fra to ulike årstider (april og august) og vindfeltet er den eneste initialbetingelsen som er perturbert. Tre temaer er belyst: 1. Hvordan presentere variasjon og usikkerhet i oseanografiske varsler for operative brukere? 2. Hvordan påvirker denne variasjonen beregnet sonarrekkevidde? Er det bedre å bruke ensemblevarsler istedenfor deterministiske varsler til å beregne sonarrekkevidde når man sammenligner med målte lydhastighetsprofiler? 3. Hva er sammenhengen mellom oseanografisk variasjon og variasjon i beregnet sonarrekkevidde? Generelt viste studiet at variasjonen var mye større i dataene fra august enn fra april. Under punkt 1 er usikkerhet i de oseanografiske varslene presentert som kart med fargeskala som angir hvor lydhastighetsprofilene varierer mye eller lite. Resultatene fra punkt 2 viste at en del av de målte lydhastighetsprofilene har samme form som lydhastighetsprofilene fra havmodellen, men at modellen har dårligst gjengivelse av de målte lydhastighetsprofilene i de øverste 50-200 meterne av vannvolumet. I datasettet for april var det så lite variasjon i datasettet at det ikke gav noen gevinst i å bruke ensemblevarsel istedenfor deterministisk varsel. For datasettet for august viste resultatene økt gevinst ved bruk av ensemblevarsel. Her var det også relativt bra samsvar mellom sonarrekkevidde beregnet med målt lydhastighetsprofil og profiler fra havmodellen. Under punkt 3 viste resultatene dårlig samsvar mellom områder med stor oseanografisk variasjon og områder med stor variasjon i beregnet sonarrekkevidde. Et tiltak for å bedre resultatene kan være å perturbere flere intial- og randbetingelser. I tillegg vil assimilering av målte data i modellen gjøre at varslene blir riktigere.
In underwater warfare knowledge about sound propagation is important and a correct description of the vertical sound speed profile is essential for sonar performance prediction. Measured sound speed profiles will always be preferable, but these profiles are generally suitable in a short time frame and a very limited geographical area. Numerical ocean models can cover larger areas and do sound speed predictions. An oceanographic forecast would be of great value for planning and conducting submarine and antisubmarine operations. Usually numerical ocean models are run once with one initial state for each forecast period, so-called deterministic forecasting. Use of deterministic ocean models show varying results and divergence between measured sound speed profiles and profiles from the ocean models is often experienced. This may be related to lack of information about the initial conditions in the ocean when starting a model run. Running ocean models several times and change the initial conditions for each run, a measure on the models variation and uncertainty is achieved. Areas where the model results diverge between each run highlight areas where the uncertainty in the model is large. This indicates the uncertainty of the sound speed profiles which indicates the uncertainty of the sound propagation. A measure of this uncertainty will be of importance for planning and conducting submarine and ant-submarine operations. In this report data from two different seasons (April and August) is used and three topics are highlighted. The wind field is the initial condition perturbed in this study. 1. How do we present variation and uncertainty in oceanographic forecasts for the Navy? 2. What are the effects of this oceanographic variation on calculated sonar performance? What do we gain using ensemble forecasts instead of deterministic forecasts when calculating sonar performance compared with sonar performance calculated with measured sound speed profiles? 3. What is the connection between oceanographic variation and variation in calculated sonar performance? In point 1 the uncertainty in the oceanographic forecast is presented on a map. The color scale on the map indicates where the variation of the sound speed profiles is high or low. The results in point 2 showed that measured sound speed profiles and sound speed profiles from the ocean model have more or less the same shape, except for the upper 50 – 200 meters of the water column. The dataset from April showed little variation and no gain using ensemble forecast instead of deterministic forecast was detected. There was also a poor correlation between sonar detection ranges calculated with measured and modelled sound speed profiles. For the dataset from August the results showed increased gain using ensemble forecast. A fairly good correlation between sonar detection ranges calculated with measured and modelled sound speed profiles was found for the August data. In point 3 the results showed poor correlation between areas with large oceanographic variation and areas with large variation in calculated sonar detection range. To improve the results one approach is to perturb more initial or boundary conditions. Assimilation of measured data into the model will also improve the forecasts.
View Meta Data