進大海探索，入無人之境
——自主水下航行器引領(lǐng)海洋科學新發(fā)現(xiàn)

張燕武

（蒙特瑞灣海洋研究所，莫斯蘭丁，加利福尼亞，美國 95039）

?

進大海探索，入無人之境
——自主水下航行器引領(lǐng)海洋科學新發(fā)現(xiàn)

張燕武

（蒙特瑞灣海洋研究所，莫斯蘭丁，加利福尼亞，美國 95039）

摘要:對無垠海洋的探索，呼喚水下機器人，讓研究人員從海上的辛苦和歷險中解脫出來。無人、無纜的自主水下航行器就是一種水下機器人，它攜帶一系列物理、化學、生物傳感器測量海水特性，探尋海洋動態(tài)過程，還可以趨近海底進行地質(zhì)測繪。自主水下航行器能運行智能化算法來完成傳統(tǒng)方法難以企及的科學任務(wù)。文中給出了兩例展示自主水下航行器引領(lǐng)的科學發(fā)現(xiàn)：對海底火山噴發(fā)的新巖漿的精確測繪，以及對有害藻類聚集層的峰值采樣。

關(guān)鍵詞:自主水下航行器；海洋科學；海底火山；有害藻類聚集層

地球表面71％的面積被大海覆蓋，一望無際的海面下蘊藏著一個豐富多彩的世界。大海是我們家園的一部分，但我們對深海的了解還不及對月球表面的了解。對海洋認識的欠缺很大程度上歸咎于測量手段的不足。海洋遼闊而深邃，且常有驚濤駭浪。衛(wèi)星只能觀測到大海表面。而從船舶上吊放儀器測量海水的傳統(tǒng)方式效率低、耗費高，船員和科學家既辛苦又歷險。因此，讓機器人代替人下海，一直是海洋研究者奮斗的目標。

1　水下孤膽英雄

經(jīng)過幾十年的艱辛歷程，自主水下航行器——AUV（Autonomous Underwater Vehicle）從少量研制到成熟運行，已逐漸成為探索海洋的一支生力軍。AUV不拖帶電纜，投放入水后即自主航行，勇往直前，好似一個孤膽英雄。

AUV的能源是電池，大腦是計算機。AUV在水下的導航基于對航速、航向和姿態(tài)的測量以及利用聲吶測速。此外，AUV會周期性地浮上水面利用衛(wèi)星全球定位系統(tǒng)校正航行誤差。AUV攜帶各種物理、化學、生物傳感器，在大海里進行高時空分辨率的測量。由于電磁波在水中驟然衰減，AUV的“視聽”主要依靠聲波。AUV可攜帶多種聲吶，分別用于避免碰撞、搜尋目標、測量水流速度、海底距離和地形、海底沉積層特性、以及定位導航和水下通信。

根據(jù)驅(qū)動方式的不同，AUV可分為兩類：螺旋槳驅(qū)動的AUV，以及沒有螺旋槳、依靠一個浮力控制裝置驅(qū)動的AUV（也叫g(shù)lider——水下滑翔機）。蒙特瑞海洋研究所（Monterey Bay Aquarium Research Institute（MBARI））研制的螺旋槳驅(qū)動的Dorado AUV 見圖1。螺旋槳驅(qū)動的AUV航行軌跡靈活多樣，既可水平航行，亦可沿鋸齒狀軌跡航行。伍茲霍爾海洋研究所（Woods Hole Oceanographic Institution（WHOI））研制的螺旋槳驅(qū)動的Sentry AUV 見圖2，它借助獨特的流線外形和可變換方向的螺旋槳，能夠快速潛至海底附近測量，在遇到復雜的海底地形時靈活升降，游刃有余。水下滑翔機的運行，則是通過控制一個油囊充脹或縮小來調(diào)節(jié)浮力，其上浮或下沉的垂直運動可通過機翼轉(zhuǎn)化為具有水平運動分量的鋸齒狀航行軌跡。Webb Research Corporation研制的Slocum水下滑翔機見圖3。

圖1　MBARI Dorado AUV長4.2 m， 中央截面直徑0.53 m. 在AUV中段裝有10個快速水樣采集器（Copyright MBARI. 上圖攝影：本文作者；下圖攝影：Larry Bird and Alana Sherman）.

圖2　WHOI Sentry AUV： 長 2.9 m， 高1.8 m， 中央厚度0.8 m（圖引自 http：//www.whoi.edu/page.do？pid= 38095&tid=201&cid=39036&ct=362#）.

圖3　Slocum 水下滑翔機: 長1.5 m， 中央截面直徑0.2 m， 翼展1.2 m［1］（圖引自http：//www.webbresearch. com/electricglider.aspx）.

螺旋槳驅(qū)動的AUV速度較快（約1.5 m/s），可以攜帶比較多的傳感器（包括聲吶），能夠完成較為復雜的科學考察任務(wù)，但螺旋槳耗電量高，因此該類AUV續(xù)航時間較短。水下滑翔機的滑翔速度慢（約0.3 m/s），但沒有螺旋槳這個主要的耗電環(huán)節(jié)，而且只攜帶少量耗電量較低的傳感器，因而非常省電，可以長時間航行。2009年，由Rutgers University運行的Slocum水下滑翔機橫穿大西洋，航程5300km，歷時221天，除了中途的一次短暫維護外（清除附著在航行器上的貝類），它孤軍深入，終達彼岸。2010年，University of Washington研制的Seaglider水下滑翔機在東北太平洋創(chuàng)造了完全自主航行5528 km（歷時292天）的紀錄。MBARI研制的既有螺旋槳也有浮力控制裝置的Tethys長程AUV［2］，兼具兩類AUV的優(yōu)點。

AUV的運行深度取決于科學任務(wù)。用于研究海洋生物的AUV設(shè)計深度一般為幾百米，因為真光層（即海洋浮游植物進行光合作用的淺水層）的深度不超過200米，大部分海洋生物生活在真光層里。用于研究海洋地質(zhì)的AUV需要逼近海底，設(shè)計深度為幾千米。深度越大，對水密艙、傳感器、浮力材料的抗水壓要求越高，AUV的造價也就越高。螺旋槳驅(qū)動的AUV中，MIT的Odyssey AUV［3］、WHOI 研制（由Hydroid， Inc. 生產(chǎn)）的 REMUS-6000 AUV［4］、MBARI用于海底測繪的Dorado AUV［5］、英國的Autosub6000 AUV［6］、以及中國的潛龍一號AUV［7］都可達6000m海深。2011年4月，REMUS-6000 AUV找到了法航447墜機殘骸并對其進行光學攝像以及聲吶成像［4］，其過程無異于海底尋針。水下滑翔機中，Spray最深可達1500m［1］。

AUV研制初期的重點是航行器本身的硬件、軟件系統(tǒng)，目的是讓航行器能夠按照預(yù)先編程的路徑、速度和姿態(tài)完成測量任務(wù)，不丟失、不損傷，確保簡單航次善始善終，在這個研究階段，“AUV”里的“A——Autonomous”主要體現(xiàn)在水下航行器是無人、無纜運行，離真正的“autonomous（自主）”差距尚遠。隨著AUV的成熟運行，研究目標提升為讓AUV增添智能，趨向真正的自主。

AUV 在航行中，時間、空間都在推移，因而AUV的測量記錄揉合了海洋場在時間和空間的變化信息。而調(diào)節(jié)時間、空間揉合比例的“旋鈕”就是AUV的速度。如果AUV跑得飛快，其測量記錄就主要體現(xiàn)海洋場在空間上的變化；如果AUV跑得很慢，其測量記錄就主要體現(xiàn)海洋場在時間上的變化。揉合譜原理（Mingled Spectrum Principle）［8］對AUV的測量記錄中時間和空間信息的揉合給出了簡明的定量分析。這個原理可以用于優(yōu)化選擇AUV的速度，對用傳統(tǒng)方法不易分辨的海洋信號進行準確分類［8］。

欲充分利用AUV 的“自主”，需賦予其“相機行事”的智能，即根據(jù)檢測到的海洋信號，自主調(diào)節(jié)航行和測量參數(shù)，以捕捉最重要的海洋信息。巧妙的信號處理方法讓AUV有越來越強的能力去根據(jù)實時測量機動靈活地應(yīng)對檢測到的海洋信號。WHOI的Autonomous Benthic Explorer（ABE）AUV是深海探幽的老功臣，Dr. Yoerger帶領(lǐng)的小組為ABE AUV設(shè)計了一種由粗掃到細覓的三步搜索法［9］，可以準確找到海底熱液噴口，定位誤差小于5 m。MBARI用于采集水樣的Dorado AUV上裝有多個快速水樣采集器，我們設(shè)計了一種方法，使AUV能夠自主捕捉海洋生物信號峰值并觸發(fā)采集器［10］，采回最有意義的水樣，供岸上實驗室分析。

2　入無人之境，探未解之謎［11］

AUV機動靈活，攜帶各種儀器，可謂耳聰目明。波濤洶涌的海面下，傳統(tǒng)研究方式舉步維艱之時，正是AUV探幽解謎之日。如下兩例，足顯AUV身手。

2.1海底地質(zhì)精細勘查

陸地上的火山噴發(fā)蔚為壯觀。地質(zhì)學家考察陸上火山，雖險象環(huán)生，但畢竟看得見、摸得著。海底的火山活動卻深不可及，難以觀測。一籌莫展之際，深海AUV挺身而出。它可以潛至海底，貼近海底游弋，對海底火山活動所引起的海底地形的變化做出準確測量。

圖4　Axial海山巖漿噴發(fā)前、后的地貌如子圖A、B所示，兩者之差（子圖C）顯示新巖漿流的厚度和分布。精細地貌由MBARI的深海AUV攜帶的多波束聲吶測繪而成。（圖引自文獻［5］，感謝Nature Publishing Group許可引用）

Juan de Fuca 海嶺位于太平洋板塊和Juan de Fuca 板塊接縫處，海底地震和火山活動頻發(fā)。2011年4月，在海嶺上的Axial海山的火山口（深度約1400 m），巖漿噴發(fā)。噴發(fā)停歇后的同年8月，MBARI的科學家在這個海域投放Dorado深海AUV。Dorado潛至海底火山噴發(fā)區(qū)域，在海底上方僅50m的高度航行，用多波束聲吶精確測繪火山口周圍的海底地貌，水平方向分辨率為1m，垂直方向精度為0.2m，測繪結(jié)果如圖4B所示［5］?；鹕絿姲l(fā)之前（2006—2009），Dorado AUV 在這個區(qū)域也已作過多次測繪，如圖4A所示。火山噴發(fā)前、后的地形高度之差如圖4C所示，此圖清楚地顯示出新巖漿流的厚度和分布，其最高厚度達15米?？茖W家在回收AUV之后，立即投放有纜水下航行器（remotely operated vehicle，簡稱ROV）作后續(xù)勘查。ROV依據(jù)AUV生成的精確地形圖，在火山口周圍攝像并采集巖樣，驗證了新巖漿流的分布和性質(zhì)。使用深海AUV，我們才能逐步解開海底火山之謎。

2.2對海洋生態(tài)過程的檢測、跟蹤及采樣

人類賴以生存的氧氣有一半是來自于海洋浮游植物的活動。海洋浮游植物通過光合作用吸收二氧化碳、生產(chǎn)氧氣，并合成有機物而成為食物鏈上最基礎(chǔ)的一環(huán)。然而，海洋浮游植物并非盡善盡美，某些藻類可以產(chǎn)生對魚類、海洋哺乳動物、海鳥乃至人類有害的毒素。例如，硅藻中的擬菱形藻屬（Pseudo-nitzschia）產(chǎn)生的軟骨藻酸（domoic acid）就是一種神經(jīng)毒素，通過食物鏈上傳被人食入后，會對人的神經(jīng)系統(tǒng)造成損害。2015年年底，美國加利福尼亞州沿海出產(chǎn)的蟹類體內(nèi)檢測出高含量的軟骨藻酸，因而被禁捕、禁食。

研究有害藻類的特性，需要采集有代表性的水樣進行生化分析。海洋浮游植物經(jīng)常聚集在薄層里（薄層的厚度僅一米左右），聚集層的地點和深度隨著季節(jié)、風向、風速以及洋流的變化而變化，時隱時現(xiàn)，飄忽不定。用船舶搜尋浮游植物聚集層，效率低、耗費高。即便找到了一個聚集層，用吊放采樣的傳統(tǒng)方法采集水樣時，很容易錯過薄層里浮游植物的峰值點。搜索、跟蹤浮游植物聚集層以及峰值采樣皆為難題，AUV可當此任。

2010年10月，在美國加利福尼亞州的蒙特瑞灣（Monterey Bay），MBARI的攜帶快速水樣采集器的Dorado AUV與Tethys長程AUV協(xié)作，跟蹤一個海洋浮游植物聚集層［12］。Dorado AUV在垂直面上沿著鋸齒狀軌跡（深度范圍：2m至50m）反復穿過這個浮游植物層（圖5中的黃紅色薄層，深度在幾米和十幾米之間不等）。浮游植物富含葉綠素，因此在這個薄層內(nèi)，葉綠素熒光信號最強。AUV實時運行峰值捕捉算法［10］，在穿越浮游植物薄層的瞬間，在葉綠素熒光信號的峰值點觸發(fā)水樣采集器。

圖5　蒙特瑞灣的浮游植物聚集層（標為黃紅色）以及懸浮的海底沉積物（標為紫色）。水體測量及水樣采集由MBARI的快速水樣采集AUV完成。星號的尺寸代表每個水樣中軟骨藻酸毒素的水平。（圖引自文獻［12］，感謝Elsevier許可引用）

在采得的葉綠素峰值水樣中，軟骨藻酸毒素的水平各不相同（圖5里，星號的尺寸對應(yīng)于每個水樣中軟骨藻酸毒素的水平）。在懸浮的海底沉積物（圖5里標為紫色）與浮游植物薄層的交匯處，軟骨藻酸的水平最高［12］。先前的實驗室研究發(fā)現(xiàn)，鐵、銅元素對擬菱形藻屬產(chǎn)生軟骨藻酸的過程有很強的調(diào)節(jié)作用，且機制不盡相同［13］。這次海上實驗表明，在懸浮的海底沉積物與浮游植物薄層交匯之處，海底沉積物中所含的痕量金屬元素促使浮游植物薄層內(nèi)的菱形藻屬產(chǎn)生的軟骨藻酸毒素水平明顯升高。此次實驗揭示了浮游植物聚集層里的軟骨藻酸毒素水平與懸浮的海底沉積物之間的關(guān)聯(lián)，加深了海洋生態(tài)學家對有害藻類的勃發(fā)和分布特性的認識，AUV功莫大焉。

3　宏圖徐展，來日方長

多個AUV共同作業(yè)可以顯著提高觀測功效［14］［15］。依靠水聲通訊技術(shù)［16］，AUV之間可以交流信息，相應(yīng)地調(diào)節(jié)航行軌跡和隊形，以獲得對海洋場在空間、時間上的優(yōu)化測量。多個AUV可以協(xié)同完成科學任務(wù)［17］ ［18］ ［19］，不用再單兵苦戰(zhàn)。

海洋觀測網(wǎng)絡(luò)的基礎(chǔ)架構(gòu)，是從岸上基站延伸至海底節(jié)點的光電纜向安裝在海底節(jié)點上的一系列觀測儀器提供電能和寬帶通信，以實現(xiàn)對海水變化和海底地質(zhì)活動的長時間、不間斷的監(jiān)測［20］ ［21］ ［22］。然而固定位置的測量，只知此處，不知彼處。AUV加入海洋觀測網(wǎng)絡(luò)，讓海洋觀測頓生活力。AUV的長處是大范圍游動搜索，短處是無法對同一空間點不間斷監(jiān)測，知此時難知彼時。固定平臺和AUV兩者協(xié)同，則長短互補，“攻”（游動搜索）“守”（長期監(jiān)測）兼?zhèn)洌?3］。兩類平臺實時觀測海洋物理、化學、生物過程并不斷交流信息，而且根據(jù)海洋環(huán)境和信號的變化，自主調(diào)節(jié)測量和運行參數(shù)，以捕捉最重要的海洋信息，這就是自適應(yīng)的海洋觀測［23］。一個海洋觀測網(wǎng)絡(luò)的綜合效能，取決于固定平臺和移動平臺的功能互補以及自適應(yīng)觀測能力的增強。Curtin等學者構(gòu)想的包括衛(wèi)星、船舶、浮標、水下節(jié)點、水下漂流儀（floats）以及協(xié)調(diào)運行的多組AUV的自主海洋采樣網(wǎng)絡(luò)AOSN（Autonomous Oceanographic Sampling Networks）［24］正在從藍圖變?yōu)楝F(xiàn)實。

二十多年前Bellingham博士將他的MIT AUV命名為Odyssey［3］?！癘dyssey”在字典中的意思是“a long and challenging journey”（一條充滿挑戰(zhàn)的長路），源自希臘史詩Odyssey（奧德賽）里講述英雄Odysseus在海上不畏艱險、長途跋涉的故事。AUV的研究工作走的就是這么一條長路，為了我們的水下英雄裝備精良，智慧增強，勇而不孤，深翔遠航。

致謝

我十幾年前在MIT / WHOI Joint Program攻讀博士學位期間，兩位導師Prof. Arthur Baggeroer 和Dr. James Bellingham以及Dr. Albert Williams III 、Prof. Chryssostomos Chryssostomidis、Prof. John Leonard 和其他老師對我悉心指導，帶我踏上AUV研究之路。在MBARI工作的十年里，我繼續(xù)有幸在Dr. James Bellingham的領(lǐng)導下，參加研制長程AUV，并主導設(shè)計用AUV對海洋生態(tài)過程進行自主檢測、跟蹤、采樣的方法。我感謝MBARI的John Ryan、Julio Harvey、Robert McEwen、Michael Godin、Brian Kieft、Brett Hobson、Jordan Stanway、Thomas Hoover、Hans Thomas、Duane Thompson、Douglas Conlin、Eric Martin、David Clague、David Caress、Douglas Au、Robert Vrijenhoek、Francisco Chavez、Christopher Scholin 等同事的熱情幫助和并肩努力，以及David and Lucile Packard Foundation 對MBARI研究項目的資助。我感謝同濟大學汪品先院士和周懷陽教授的約稿邀請。他們和祖國的其他科學家們對海洋的真知灼見，讓我受益匪淺。我也感謝《工程研究》編輯部熱情的幫助和細致的工作。

參考文獻

［1］D. L. Rudnick， R. E. Davis， C. C. Eriksen， D. M. Fratantoni and M. J. Perry. Underwater Gliders for Ocean Research［J］. Marine Technology Society Journal， 2004，38（2）: 73-84.

［2］J. G. Bellingham， Y. Zhang， J. E. Kerwin， J. Erikson， B. Hobson， B. Kieft， M. Godin， R. McEwen， T. Hoover， J. Paul， A. Hamilton， J. Franklin and A. Banka. Efficient Propulsion for the Tethys Long-Range Autonomous Underwater Vehicle［C］. Proc. IEEE AUV'2010， 2010， Monterey， CA.

［3］J. G. Bellingham. Have robot， will travel［J］. Methods inOceanography， 2014， 10: 5-20.

［4］M. Purcell， D. Gallo， G. Packard， M. Dennett， M. Rothenbeck， A. Sherrell and S. Pascaud. Use of REMUS 6000 AUVs in the Search for the Air France Flight 447［C］. Proc. MTS/IEEE Oceans'2011， 2011， Kona， HI.

［5］D. W. Caress， D. A. Clague， J. B. Paduan， J. F. Martin， B. M. Dreyer， W. W. C. Jr， A. Denny and D. S. Kelley. Repeat bathymetric surveys at 1-metre resolution of lava flows erupted at Axial Seamount in April 2011［J］. Nature Geoscience， 2012， 5（7）: 483-488.

［6］S. McPhail. Autosub6000: A deep diving long range AUV［J］. Journal of Bionic Engineering， 2009， 6: 55-62.

［7］封錫盛， 李一平. 海洋機器人 30 年［J］. 科學通報，2013， 58: 2-7.

［8］Y. Zhang， A. B. Baggeroer and J. G. Bellingham. Spectral-Feature Classification of Oceanographic Processes Using an Autonomous Underwater Vehicle［J］. IEEE Journal of Oceanic Engineering， 2001， 26（4）: 726-741.

［9］C. R. German， D. R. Yoerge， M. Jakuba， T. M. Shank， C. H. Langmuir and K.-I. Nakamura. Hydrothermal Exploration with the Autonomous Benthic Explorer［J］. Deep-Sea Research I ， 2008， 55: 203-219.

［10］Y. Zhang， R. S. McEwen， J. P. Ryan and J. G. Bellingham. Design and Tests of an Adaptive Triggering Method for Capturing Peak Samples in a Thin Phytoplankton Layer by an Autonomous Underwater Vehicle［J］. IEEE Journal of Oceanic Engineering， 2010， 35（4）: 785-796.

［11］張燕武. 進大海探索，入無人之境［C］. 名家講座， 2013，深圳大學城.

［12］J. Ryan， M. McManus， R. Kudela， M. L. Artigas， J. Bellingham， F. Chavez， G. Doucette， D. Foley， M. Godin， J. Harvey， R. M. III， M. Messie， C. Mikulski， T. Pennington，F(xiàn). Py， K. Rajan， I. Shulman， Z. Wang and Y. Zhang. Boundary influences on HAB phytoplankton ecology in a stratification-enhanced upwelling shadow［J］. Deep Sea Research II， 2014， 101: 63-79.

［13］M. Maldonado， M. Hughes， E. Rue and M. Wells. The effect of Fe and Cu on growth and domoic acid production by Pseudo-nitzschia multiseries and Pseudo-nitzschia australis［J］. Limnology and Oceanography， 2002， 47（2）: 515-526.

［14］J. S. Willcox， J. G. Bellingham， Y. Zhang and A. B. Baggeroer. Performance Metrics of Oceanographic Surveys with Autonomous Underwater Vehicles［J］. IEEE Journal of Oceanic Engineering， 2001， 26（4）: 711-725.

［15］Y. Zhang， J. G. Bellingham and Y. Chao. Error Analysis and Sampling Strategy Design for Using Fixed or Mobile Platforms to Estimate Ocean Flux［J］. Journal of Atmospheric and Oceanic Technology， 2010， 27（3）: 481-506.

［16］L. Freitag， M. Grund， S. Singh and P. K. K. B. J Partan. The WHOI micro-modem: an acoustic communications and navigation system for multiple platforms［C］. Proc. MTS/IEEE Oceans'2005， 2005， Washington， DC.

［17］N. E. Leonard， D. A. Paley， R. E. Davis， D. M. Fratantoni，F(xiàn). Lekien and F. Zhang. Coordinated Control of an Underwater Glider Fleet in an Adaptive Ocean Sampling Field Experiment in Monterey Bay［J］. Journal of Field Robotics， 2010， 27（6）: 718-740.

［18］J. Heidemann， M. Stojanovic and M. Zorzi. Underwater Sensor Networks: Applications［J］. Philosophical Transactions of the Royal Society A， 2011， 370: 158-175.

［19］F. Zhang， G. Marani， R. N. Smith and H. T. Choi. Future Trends in Marine Robotics［J］. IEEE Robotics & Automation Magazine， 2015， 22（1）: 14-122.

［20］C. R. Barnes， M. M. R. Best， F. R. Johnson， L. Pautet and B. Pirenne. Challenges， benefits， and opportunities in installing and operating cabled ocean observatories: Perspectives from NEPTUNE Canada［J］. IEEE Journal of Oceanic Engineering， 2013， 38（1）: 144-157.

［21］H. Xu， Y. Zhang， C. Xu， J. Li， D. Liu， R. Qin， S. Luo and D. Fan. Coastal Seafloor Observatory at Xiaoqushan in the East China Sea［J］. Chinese Science Bulletin， 2011， 56（26）: 2839-2845.

［22］彭曉彤， 周懷陽， 吳邦春， 呂楓， 吳正偉， 楊燦軍， 李培良，李德俊， 金波， 馮正平， 李德平， 美國MARS海底觀測網(wǎng)絡(luò)中國節(jié)點試驗［J］. 地球科學進展， 2011， 26（9）: 991-996.

［23］張燕武. 自適應(yīng)海洋觀測［J］. 地球科學進展， 2013，28（5）: 537-541.

［24］T. Curtin， J. G. Bellingham， J. Catipovic and D. Webb. Autonomous Oceanographic Sampling Networks［J］. Oceanography， 1993， 6（3）: 83-94.

Autonomous Underwater Vehicles Lead to Scientific Discoveries in the Oceanic Wilderness

Zhang Yanwu
（Monterey Bay Aquarium Research Institute， 7700 Sandholdt Road， Moss Landing， CA 95039， U.S.A.）

Abstract:Exploration of the vast oceans calls for underwater robots to free man from laborious and risky adventures on the sea. Autonomous underwater vehicles （AUVs） are unmanned， untethered robots that carry a suite of physical， chemical， and biological sensors to measure water properties and investigate dynamic ocean processes. Deep-rated AUVs can approach the seafloor to map geological features. Intelligent algorithms enable the AUVs to achieve scientific goals that are beyond the capabilities of traditional means. We present two examples demonstrating AUVs’ key roles in scientific findings: precise mapping of lava newly erupted from a submarine volcano， and peak sampling from a harmful algal patch.

Keywords:autonomous underwater vehicle （AUV）； ocean science； submarine volcano； harmful algal patch

中圖分類號：P71

文獻標識碼：A

文章編號：1674-4969（2016）02-0201-07

DOI：10.3724/SP.J.1224.2016.00201

收稿日期：2015-11-27； 修回日期： 2016-01-11

作者簡介：張燕武（1969-），男，博士，Senior Research Specialist，研究方向為設(shè)計自主水下航行器的信號處理和智能化采樣方法。E-mail: yzhang@mbari.org