Forenklede måter å finne strømprognoser for en lokalitet på Rapport i prosjektet DINO, del av AP 2.2

Transkript

1 SINTEF FISKERI OG HAVBRUK Øyvind Knutsen November 2010 Forenklede måter å finne strømprognoser for en lokalitet på Rapport i prosjektet DINO, del av AP 2.2 Forenklede måter å finne strømprognoser for en lokalitet I prinsippet er det vanskelig å forutsi strøm i sjøen på et tilfeldig sted ettersom havet er turbulent, strømmer endrer seg hele tiden, vannmassene blir påvirket av vind, lufttrykk, tidevann, ferskvannstilførsel og horisontale tetthetsforskjeller. Vind og lufttrykk er tilgjengelig fra værmelding, men det er store lokale forskjeller i vinden som er i stor grad bestemt av lokal topografi. Tidevannet på et sted kan beregnes gitt at man har strømmålinger fra stedet over en periode av minst 28 dager. Ettersom tidevannet i stor grad er den dominerende faktoren i strømmen langs norskekysten, så kan man estimere strømningsforhold på en gitt lokalitet med utgangspunkt i tidevannets forutsigbarhet. Presisjonen til dette estimatet vil være avhengig av lokale strømningsforhold, der lave bakgrunnsstrøm kombinert med sterke tidevannsstrømmer vil være gunstig for strømmens forutsigbarhet. På tilsvarende måte vil sterkere generelle strømmer kombinert med svak tidevannsstrøm være ugunstig for forutsigbarheten. Ettersom vind generelt sett ikke er tilgjengelig med tilstrekkelig oppløsning og at i tillegg så er ikke de generelle ligningene for vindens påvirkning av havet gyldige tett på kysten, så tar vi ikke hensyn til den i estimeringen av strømmen. Dette er noe som eventuelt kan implementeres på et senere tidspunkt, når man kan få analysert data fra (ideelt sett flere) strømrigger som også har en vindmåler på bøyen. Vi tenker oss da en statistisk, lokal parametrisering av vinddrevet strøm på lokalitetene. Tidevannsstrømmen beregnes vha. harmonisk analyse av en tidsserie av strømdata. Dette gjøres ved bruk av en fritt tilgjengelig programpakke kalt T_tide. I denne programpakken finnes et annet program som med utgangspunkt i den harmoniske analysen av tidsserien, beregner en tidevannsstrøm basert på de harmoniske komponentene. Med dette får man en predikert tidevannsstrøm i nåtid og fremover i tid.

2 Ut fra Kattegat går en fersk overflatestrøm fra Østersjøen som fortsetter langs hele norskekysten som Den norske kyststrømmen. Ut fra Nordsjøen har strømmen vokst til omkring 1 Sverdrup pga. medrivning av vann underifra og fra siden, og strømmen fortsetter nordover over kontinentalsokkelen. Nord for Stad går den norske atlanterhavsstrømmen på utsiden langs med kyststrømmen. Figur 1 Hovedtrekkene i strømforholdene i kyststrømmen er vist som grønne piler. Fra Den norske kyststrømmen, For å få et mål på kyststrømmens styrke i en gitt posisjon, antar vi at den ikke har store svingninger på kort tidsskala (< 1 dag), slik at vi kan bruke et 25 timers glidende middel som et fornuftig estimat. I tillegg gjør vi noen empiriske tilpasninger med bl.a. å ta hensyn til trend i glidende middel og et avvik mellom observert og predikert strøm som fases ut med tiden. Disse tilpasningene gjøres fordi vi kommer nærmere strømdataene i nær fremtid (f.eks < 6 timer), mens ved prediksjon litt lengre frem i tid så er den enkle predikete strømmen basert på tidevannskomponentene og et glidende middel fra tidspunktet for prediksjoner det beste estimatet. I sum gir dette oss muligheten til å predikere strømstyrke og retning for noen timer frem i tid for utvalgte posisjoner langs kysten. I DINO fokuserer vi på området langs Trøndelagskysten, og har valgt ut fem posisjoner i Trondheimsleia i tillegg til posisjonen til strømriggen til ACE på Tristein. Se figuren under. Strømdataene er fra overflatelaget i modellen, som er 3 m tykt i dette oppsettet. I de tilfellene vi har testet metoden på strømmålinger, er de typisk fra 5 m dyp. I tillegg til den etablerte strømriggen til ACE på Tristein (øverste stjernen i Figur 2) så håper vi på å få satt ut en rekke med strømrigger i modellområdet. Disse inngår i en egen søknad til Forskningsrådet om infrastrukturmidler. Intensjonen er at disse skal overføre data i real time til SINTEF for å assimilere data inn i modellen. En tilleggsutnyttelse av disse dataene vil være å tilby oppdaterte strømmålinger på nett, og

3 da også med prognose (for eksempel 24 t) for strøm i fremtiden. Vi kan ikke forvente å få like lav error-vektor basert på målinger, ettersom det er dynamikk i naturen som ikke er inkludert/oppløst i modellen. Likevel har vi grunn til å anta at prinsippet om en dominerende tidevannsstrøm og en langsomt varierende kyststrøm er oppfylt, og dermed at vi kan gi fornuftige prognoser for strømmen. Figur 2 Dybdeforhold i modellområdet som inkluderer Trondheimsleia, Frohavet og innløpet til Trondheimsfjorden. Horisontal oppløsning er 160 m, og vi har simulert for år 2008 og Punkter som er plukket ut som lokalitet for forenklede bøyer er markert med en rød stjerne. De åpne grensene er nøstet i flere omganger til et modellområde som går fra Nordatlanteren til Beringshavet.

4 Figur 3 Eksempel på prediksjon av u- og v-hastighet med utgangspunkt i modellen. Til venstre i figurene er det data fra modell og til høyre er det prediksjoner (med unntak av den mørkeblå linjen som er modellert hastighet, dvs. fasit, og er tatt med for sammenligningsgrunnlag). Den grå linjen representerer en valgt nåtid. Lyseblå linje er strømestimat. Figur 4 Vi har eksperimentert med forskjellige algoritmer for kurvetilpasning i perioden 1-6 timer fremover i tid fra et gitt tidspunkt.

5 Figur 5 Eksempel på effekten av tidevannsanalysen. Den opprinnelige u- og v-hastigheten fra modellen viser et sterkt tidevannssignal. Når vi trekker fra resultatet av tidevannsanalysen får vi et signal der svingningene på den halvdaglige tidevannsfrekvensen i stor grad er borte. Den mer lavfrekvente variabiliteten antas å representere endringer i kyststrømmen. Et filformat for ut-data fra modellen for å kunne gjøres tilgjengelig for distribusjon (spesielt til Jeppesen for å ta inn i kart) er etablert. Et skript tar modelleringsfiler og skriver data til en ascii-fil som illustrert under. Filformat er utviklet i dialog med Jeppesen. # Station name: # Longitude: # Latitude: # Bottom depth: 112 m # Columns: year month day hour minute U(east) V(north) Temp Salt # U and V is in cm/s # SINMOD model area name: FroS. 160 m grid, 33 vertical layers, surf. layer 3 m # Data: Usikkerhet Som et mål på usikkerheten ved varslene bruker vi en error-vektor. Den er definert som den vektoren som går fra den predikerte strømvektoren til enden av den modellerte strømvektoren. I et koordinatsystem med u-hastighet langs x-aksen og v-hastighet langs y-aksen, er error-vektoren da simpelthen avstanden mellom endene til vektorene og den har samme

6 benevningen som u- og v-hastigheten. Usikkerheten i prediksjonene øker med tiden, og for en stasjon fikk vi følgende utvikling for gjennomsnittelig error-vektor for 1-12 timers prediksjon: Tallene er i m/s, og sier at i vektorrommet er det fra <3 til >5 cm/s feil i prediksjonene i forhold til modellen. Gjennomsnittet er basert på ca 700 prediksjoner, der det regnes ut en prediksjon per time. Dette eksempelet tilsvarer linje 2 i Figur 6. Figur 6 Gjennomsnittelig error-vektor for hver av de seks stasjonene som er vist på Figur 2. Usikkerheten og feilen i prognosen øker med tiden. Spriket mellom beste linje (6) og dårligste linje (1) illustrerer at metodens treffsikkerhet er varierende fra lokalitet til lokalitet. Figur 7 og 8 viser strømdata og prognoser, der data for 1-12 timer inn i fremtiden er tatt med i Figur 6 for å sammenligne med prognosen. Generelt så vil ikke modelldata være tilgjengelig for fremtiden slik at man må basere seg på bare prognosen, men mens vi simulerer i fortiden så har vi tilgang på modelldata også lenger frem enn et valgt nullpunkt for tiden. En operativ modell vil kjøres i real time og simulere fremover i tid, og da trenger man ikke å bruke en forenklet modell for å lage en prognose. I slike tilfeller vil prognosen være basert på den fulle modellen. Fordelen med det er at mer kompleksitet er tatt med, der spesielt vind antas å spille en viktig rolle.

7 Figur 7 Strømvektorer fra modell, prognose og tidligere prognose. Her er modelldata (blå) for hele perioden plottet for sammenligningsgrunnlag med prognosen (rød). Lyseblå piler er tidligere estimat som ble beregnet 3 timer før de er presentert, dvs. at de varsler strøm 3 timer frem i tid. Tallene under vektorene viser lengden av vektoren over i samme farge, dvs. strømstyrke i cm/s. Distribusjon Informasjon som gitt i Figur 8 må kunne distribueres til interessenter på en enkel og stabil måte. Primært skal informasjonen gjøres tilgjengelig i sjøkart i samarbeid med Jeppesen. Det kan selvsagt gjøres ved å sende ascii-filer til Jeppesen som lager en rutine for å generere plott som kan hentes inn i kart, men det er kanskje enda enklere om det gjøres fra SINTEF. En naturlig løsning vil være at for hver time som går, får vi inn data enten fra observasjoner eller fra en operativ modell. Ut i fra dette genereres et enkelt plott for hver lokalitet (eller observasjonspunkt) som automatisk legges ut på en nettside. Fra symboler i kartene er det en link til de respektive nettsidene der man kan velge om man vil laste ned data. Figuren under er på 15 kb som er lite nok til at det er billig å laste ned over mobilnett dersom annen nettforbindelse ikke er tilstede. Disse sidene kan det linkes til fra hjemmesiden til SFH og fra

8 Figur 8 Eksempel på hvordan en figur med modelldata/observasjon, prognose og tidligere prognose kan se ut. Konklusjon Vi har demonstrert at det er mulig å varsle strøm langs kysten innenfor en fornuftig feilmargin, basert på modellert strøm. Ettersom modeller blir bedre med tiden når informasjonsmengden øker, vil også nøyaktigheten til strømestimatet øke fordi utgangspunktet blir mer korrekt. Teknikken utviklet her kan brukes med data fra strømmålere som input i stedet for modell, og vi forventer å teste dette ut i 2011 med data fra bøyen på ACE. Om vi får mulighet til å sette ut flere bøyer vil vi ha store muligheter til å teste metoden og å gjøre prognoser for strøm på gitte lokaliteter tilgjengelige for allmennheten via internett. Rutinen kan enkelt implementeres for alle bøyer med strømmålere langs kysten, og dermed bidra til økt sikkerhet til sjøs.