《自治式机器人收集水样,提供海洋微生物的瞬时信息》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: mall
  • 发布时间:2018-03-28
  • 近日,夏威夷大学和蒙特雷湾海洋研究所(MBARI)的研究人员将部署一批远程自主水下机器人(LRAUVs),这些设备可以自动收集和保存海水样本,帮助研究人员对海洋微生物前所未知的部分进行追踪。

    海洋中的微生物在吸收大量二氧化碳的同时,也产生了大气中50%的氧气,它们构成了海洋食物网的基础,支持着全球渔业。有些海洋环境中,微生物很难获得,如大洋涡旋—太平洋上缓慢移动的旋转水团,其会对海洋微生物产生巨大的影响。夏威夷大学的研究人员与MBARI的工程师合作,测试了微生物取样的新方法。

    该团队在2018年2月下旬完成和测试了三个新的LRAUVs,并与上周首次在夏威夷海域部署使用。当LRAUVs在海洋中移动时,它们将收集有关水温、化学和叶绿素的信息,并将这些数据发送给岸上或附近船只上的研究人员。此外,这些AUV的独特之处在于集成了环境样品处理器(ESP),这是一个微型机器人实验室,它们能收集和保存海水样本,帮助研究人员捕捉到生物体的遗传物质和蛋白质的信息。

    MBARI在ESP项目中的首席工程师Jim Birch评论说:“当我们首次谈到将ESP应用于AUV时,我曾认为“这是永远不会发生的”。但是现在我真的认为这将会使海洋学研究发生巨大变革,海洋研究可以无时不在—不需要船只,可以在任何天气条件下运行,并且因为它漂浮在公海上,可以保持相同的水体质量。

    对于大洋涡旋,LRAUV也可使研究人员能够发现并追踪,LRAUV甚至可以追随涡旋跨越100公里,持续数月进行取样。当这些涡旋逆时针旋转时,它们将水从深处带到海洋表面,这些水体通常携带微型藻类(浮游植物)生存所需要的营养。

    研究人员表示,新型LRAUV可以运行超过600英里,并使用其自己的”眼睛和耳朵”来检测重要的海洋事件,如藻华。这些新型的水下无人机器人的应用将极大地拓展研究人员的研究范围,包括偏远海区的海洋活动,以及通过卫星成像观测到的海洋活动特征,尤其是海洋船只无法到达的海域。

    3月10日,施密特海洋研究所(SOI)应用一艘远征巡航船对LRAUVs进行了远洋航行试验。在这次航行中,研究人员利用卫星数据定位一个涡旋,然后部署LRAUVs来测量其特征并采集水样。当机器人返回时,研究人员将从过滤器中提取生物样本的DNA。这一信息将对涡旋的持续时间、稳定性和对海洋系统的影响提供独特的见解,并将改善目前的海洋模型,这对于海洋发展过程的预测非常重要。

    Karl说:“虽然这支LRAUVs船队永远不会取代我们对能力强大的研究船只的需求,但对于收集这些新颖的数据,它将提供非常重要的途径,否则收集这些数据是不可能的。”

    (郭琳 编译)

相关报告
  • 《2018年第9期《海洋科学快报》》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:海洋科学快报编辑部
    • 发布时间:2018-03-16
    • 2018年第9期《海洋科学快报》目录: 1. 上一个冰河世纪,蒙古戈壁滩的冰川确实缩小了 2. 下沉陆地将加剧海湾地区海平面上升造成的洪水泛滥 3. 海平面上升迫切需要新的判定 4. 钻石包裹体表明地幔深处有水 5. 新研究提供了一些对Cascadia俯冲带低粘度层的启示 6. IODP在希腊获得了板块构造断裂和气候变化的独特记录 7. 加州大学研究预计全球渔业在2300年平均减产20% 8. 自治式机器人收集水样,提供海洋微生物的瞬时信息 9. 对生物多样性研究热点的新见解或有助于保护其免受深海采矿的影响 10. 更温暖、更咸的极地水可能改变全球洋流 11. 氧流失可能是海洋的一个大问题 12. 科学家们精确地模拟了气溶胶对云的作用 13. 清理寄生虫可使鱼保持聪明 14. 微塑料如何影响海洋生物 15. 智能虚拟捕食者可如同类般自我决策 订阅快报,请联系我们。 marine@mail.whlib.ac.cn 中国科学院武汉文献情报中心 http://www.whlib.ac.cn/
  • 《基本方程指导海洋机器人到最佳采样点》

    • 来源专题:可再生能源
    • 编译者:zhaowanyu
    • 发布时间:2018-05-29
    • 观察世界上的海洋,越来越多的任务被分配给自主水下航行器(AUVs)——海洋机器人,它们被设计成漂移,驱动,或在海洋中滑行,而不需要任何人类操作员的实时输入。auv可以帮助回答的关键问题是,什么时候,什么时候,以及什么样本,以提供最翔实的数据,以及如何最佳地到达采样地点。 麻省理工学院的工程师们已经开发出了一套数学方程式系统,该系统可以预测最具信息量的数据,以收集给定的观测任务,以及到达采样点的最佳方式。 通过他们的方法,研究人员可以预测一个变量的程度,比如某个位置的洋流的速度,揭示了其他一些变量的信息,比如在其他位置的温度——一个称为“相互信息”的数量。“如果两个变量之间的相互信息的程度很高,那么AUV就可以被编程到特定的位置来测量一个变量,从而获得关于另一个变量的信息。” 该小组利用他们的方程式和海洋模型,称为多学科模拟、估计和同化系统(MSEAS),在海洋实验中成功预测相互信息的领域并指导实际的auv。 “并非所有的数据都是平等的,”麻省理工学院机械工程系的研究生Arkopal Dutt说。“我们的标准……允许自动机器人精确定位传感器位置和采样时间,在那里可以进行最有效的测量。” 来决定如何安全、高效地达到理想抽样目的地,研究人员开发了一种方法来帮助水下使用不确定的海洋活动,通过预测“可达性”——一个动态三维区域的海洋,一个水下机器人将保证在一定时间内到达,鉴于AUV的权力约束和海洋的水流。该团队的方法使一辆汽车能够在更靠近目的地的地方冲浪,并避开那些会使其偏离轨道的车辆。 当研究人员将他们的可达性预测与真正的auv在阿拉伯海地区观测的路线进行比较时,他们发现他们的预测与这些车辆在很长一段时间内能够航行的位置是一致的。 最终,团队的方法应该帮助车辆以一种智能、高效的方式探索海洋。 机械工程研究生Deepak Subramani说:“自主的海洋机器人是我们的侦察兵,勇敢地面对汹涌的大海,为我们收集数据。”“我们的数学公式可以帮助球探们通过巧妙地利用洋流,达到想要的位置,并减少他们的能量消耗。” 由麻省理工学院机械工程与海洋科学与工程教授Pierre Lermusiaux领导的研究人员在一篇论文中列出了他们的研究成果,并发表在《海洋研究》杂志上。 除了Dutt和Subramani, Lermusiaux的团队还包括Jing Lin, Chinmay Kulkarni, Abhinav Gupta, Tapovan Lolla, Patrick Haley, Wael Hajj Ali, Chris Mirabito和Sudip Jana,都来自机械工程系。 寻找最翔实的数据。 为了验证他们的方法,研究人员表明他们可以成功地预测那些对一系列不同的目标最有价值的测量方法。例如,他们预测了对科学假设检验最优的观测结果,如果海洋模型方程本身正确与否,估计海洋生态系统的参数,并探测海洋中是否存在一致的结构。他们证实,他们的最佳观测结果比平均观测值高出50%到150%。 为了达到最佳观测地点,auv必须在海洋中航行。传统上,机器人的规划路径是在相对静态的环境中完成的。但是,通过海洋进行规划是另一回事,因为强劲的洋流和涡流会不断变化,不确定,并推动一辆汽车偏离预定的轨道。 麻省理工学院的研究小组因此开发了从基本原理到海洋的路径规划算法。他们修改了一个现有的方程,即哈密顿-雅可比方程,来确定一个AUV的可达性前缘,或者是在给定的时间内保证车辆到达的最远的周长。该方程是基于三个主要变量:时间、车辆的特定推进约束、平流,或由动态洋流的运输——这是该组织使用其海洋模型预测的一个变量。 随着新系统的发展,auv可以绘制出可行的信息路径,并根据不确定的洋流随时间变化而调整采样计划。在第一次大型的开放海洋测试中,研究团队计算了印度洋上自主漂浮和滑翔的概率和最具信息的路径,这是由海军研究办公室(ONR)的北阿拉伯海循环自主研究(NASCar)的一部分。 几个月来,研究人员在他们的麻省理工学院的办公室里工作,为ONR团队提供日常的可达性预测,以帮助指导水下车辆,并在沿途收集最佳观测值。 “基本上睡不着,”Lermusiaux回忆道。“预测是3到7天,我们每天都会吸收数据和更新。”我们做的很好。平均而言,滑翔机和浮舟最终在我们所预期的概率范围内完成。 片刻的真理是值得的。 Lermusiaux和他的同事们也利用他们的系统来规划“时间最优路径”——根据预测的洋流情况,在最短的时间内,这将使AUV到达某个位置。 与麻省理工学院林肯实验室和伍兹霍尔海洋研究所的同事们一起,他们在马撒葡萄园岛的海岸附近举行了一场“比赛”,以实时测试这些时间最佳路径。在每一场比赛中,一个AUV的路线是由团队的时间最优路径决定的,而另一个AUV沿着一条最短的路径到达同一个终点。 “太紧张了——谁会赢?””Subramani回忆说。“这对我们来说是真理的时刻,经过多年的理论发展和数学公式和证明。” 该团队的工作得到了回报。在每一场比赛中,根据团队预测的AUV首先到达目的地,比竞争对手的AUV快了15%。该小组的预测帮助获胜的AUV避免了强烈的电流,有时会阻止另一辆AUV。 “太神奇了,”Kulkarni说。尽管这两条路在物理上相距不到一英里,但在我们的预测下,旅行次数减少了15%。它表明我们的道路是真正的时间最佳。 作为麻省理工学院塔塔技术与设计中心的成员,Lermusiaux将运用他的海洋预测方法来帮助指导印度海岸的观测,在那里,这些车辆将负责监测渔业,以提供一个潜在的低成本管理系统。 “auv的速度并不快,而且它们的自主性也不是无限的,所以你必须考虑到电流和它们的不确定性,并严格地模拟事物,”Lermusiaux说。“这些自治系统的机器智能来自于严格地推导和合并控制理论、信息理论和机器学习的控制微分方程和原理。” 这项研究部分是由海军研究办公室、麻省理工学院林肯实验室、麻省理工学院塔塔中心和美国国家科学基金会资助的。