Klassifisering av havbunnen i prioriterte områder langs norskekysten (CD&E 1446)

Forfatter
Eidem, Ellen Johanne
Publisert
2017-08-17
Emneord
Undervannsakustikk
Havbunnssedimenter
Batymetri
Ekkolodd
Tokt
Rapportnummer
17/00323
Permalenke
http://hdl.handle.net/20.500.12242/2187
Samling
Rapporter
17-00323.pdf
Size: 9M
Sammendrag
Gjennom FFIs omfattende dybdekartlegginger med multistråle-ekkolodd langs kysten av Norge og i Barentshavet med forskningsfartøyet M/S H.U. Sverdrup II samles samtidig inn reflektivitet fra havbunnen (“ekkostyrke”). Ved å bruke kommersiell programvare kan disse dataene benyttes til å lage bunnkart over blant annet kornstørrelse og sedimenttype. I slike verktøy ligger allerede a-priori antagelser om forholdet mellom reflektivitet og ulike sedimentegenskaper. For å verifisere resultatene er det en fordel å sammenligne med prøver av havbunnen. Ved bruk av sonarprediksjonsverktøyet Lybin i geografiske områder der det i dag er lite informasjon om havbunnens beskaffenhet, benyttes ofte standard Lybin bunnmodell. I et tidligere arbeid studerte vi modeller for akustisk tilbakespredningsstyrke og refleksjonstap fra havbunnen som et supplement til standard Lybin bunnmodell. Data fra eksperimentelle målinger i nordlige Nordsjøen ble sammenlignet med prediksjoner av gjenklang og transmisjonstap. Vi foreslo nye bunnmodeller som baserer seg på kun én parameter til å beskrive havbunnen, nemlig kornstørrelse. Det langsiktige målet er å kunne utnytte kart over estimert kornstørrelse i enkle havbunnsmodeller i Lybin. Denne rapporten tar for seg sedimentklassifikasjon i tre områder i Nordsjøen, i Oslofjorden og på Trøndelagskysten (totalt 36 000 km2). Det er produsert kart over bunnreflektivitet og estimert kornstørrelse, og korrelasjon mellom kartstørrelser og forskjellige sedimentparametre er undersøkt. I studien inngår 64 sedimentkjerner (6–11 cm tykke og opptil 2.6 m lange sylindriske prøver av havbunnen), 151 grabbprøver og 217 sedimentprøver fra 215 lokaliteter. Pearsons korrelasjonskoeffisient er høy (r = 0.68) mellom estimert og målt mediankornstørrelse; estimert kornstørrelse er generelt grovere enn målt. Behovet for standardiserte samplingsmetoder er påtagelig når det tas utsnitt av grabbprøver der overflatelaget skiller seg fra sedimentlaget under. Akustiske målinger av sedimentkjernene viser vesentlig lavere lydhastighet som funksjon av tetthet enn det som er funnet i litteraturen, og forskjellen bør undersøkes nærmere. Korrelasjonen mellom fysiske parametre (andel sand og grus, mediankornstørrelse) og geoakustiske parametre (lydhastighet, tetthet) midlet over hele kjernelengder, varierer med havområde. Dårligst korrelasjon er det på Trøndelagskysten. Korrelasjonen øker når kun data fra de øverste 20 cm inkluderes i analysen. Korrelasjonen mellom bunnreflektivitet og geoakustiske parametre varierer også med havområde, fra ingen eller svak korrelasjon på Trøndelagskysten til sterk korrelasjon i Oslofjorden. Korrelasjonen mellom estimert kornstørrelse og tetthet er sterk både på Trøndelagskysten og i Oslofjorden. Denne rapporten er en del av CD&E-aktiviteten EP 1446 Bunntyper Lybin.
Through the extensive depth surveying using multibeam echo sounders from the research vessel M/S H.U. Sverdrup II off the coast of Norway and in the Barents Sea, FFI also collects bottom reflectivity (the ratio of backscattered to incoming intensity). With commercial software these data may be used to produce bottom maps of for instance estimated sediment type and grain size. Such tools rely on a-priori assumptions about the relationship between reflectivity and sediment features. For verification of the results it is beneficial to compare with seabed sediment samples. Using the sonar performance tool Lybin in geographical areas where information about the seabed texture is lacking, the standard Lybin bottom model is often selected. In an earlier work we studied acoustic models of bottom backscattering strength and reflection loss, as a supplement to the standard bottom model. Experimental data from the northern North Sea was compared with predictions of reverberation and transmission loss based on the standard and alternative bottom models. We suggested new bottom models which depend only on one parameter to describe the seabed, namely the grain size. The long term goal is to produce estimated grain size maps which can be input to simple models of the seabed in Lybin. In this report we focus on sediment classification in three regions in the Oslo fiord, in the North Sea and off the coast of Trøndelag (in total 36 000 km2). Maps of bottom reflectivity and estimated grain size are produced, and correlation between the map parameters and different sediment features are investigated. Analysis results from 64 sediment cores (6–11 cm thick and up to 2.6 m long cylindrical samples of the seabed), 151 grab samples and 217 sediment sub samples from 215 locations are interpreted. Pearson’s correlation coefficient is high (r = 0.68) between estimated and measured median grain size; estimated grain size is usually coarser than measured. The need of standardized sampling methods is notable when sub sampling the grab samples where the top surface texture deviates from the underlying sediment layer. Acoustic measurements of the sediment cores show much lower sound speed as function of density than found in the literature, and the difference needs to be investigated further. The correlation between physical parameters (fraction of sand and gravel, median grain size) and geo-acoustic parameters (sound speed, density) averaged over full-length cores, vary with the region. Lowest correlation is obtained off coast of Trøndelag. The correlation increases when the data from only the upper 20 cm is included in the analysis. The correlation between bottom reflectivity and geo-acoustic parameters varies with the region, from absent to weak off the coast of Trøndelag to strong in the Oslo fiord. The correlation between estimated grain size and density is strong both off the coast of Trøndelag and in the Oslo fiord. This report is part of the CD&E activity EP 1446 Bottom types Lybin.
View Meta Data