基于贝叶斯优化的油膜轨迹模拟改进：提升MEDSLIK-II模型在叙利亚Baniyas溢油事件中的预测精度

为解决油膜轨迹模拟中参数校准依赖人工经验、预测精度不足的问题，研究人员通过耦合MEDSLIK-II油膜模型与贝叶斯优化框架，实现了关键物理参数（如水平扩散系数Kh、风拖曳系数α）的自动化迭代优化。该研究以叙利亚Baniyas溢油事件为案例，将模拟与卫星观测的空间重叠分数（FSS）从7.97%提升至20.66%，验证了该方法在不确定环境下提升溢油应急响应能力的潜力。

　　

海洋溢油事故如同环境中的"黑色幽灵"，其不可预测的扩散轨迹常造成生态与经济双重灾难。历史上从"深水地平线"到"Prestige"号油轮事故表明，传统油膜模拟依赖专家手动校准参数，在动态海洋环境中表现欠佳。尤其当卫星重访周期长、覆盖有限时，数值模型成为应急决策的核心工具。然而，主流模型如MEDSLIK-II对水平扩散系数K_h和风拖曳系数α等参数极为敏感，默认设置常导致模拟结果与真实油膜形态出现显著偏差。

针对这一挑战，CMCC Foundation - Euro-Mediterranean Center on Climate Change的研究团队开创性地将贝叶斯优化（Bayesian Optimization）引入油膜模拟领域。他们以2021年叙利亚Baniyas热电站泄漏事件为研究对象——该事故释放超过12,000 m³原油并形成特征性"虎尾"扩散形态。通过建立MEDSLIK-II与高斯过程（GP）代理模型的耦合框架，研究人员构建了参数自动优化系统：以分数技能评分FSS为目标函数，采用置信度上界（UCB）采集策略，在K_h∈(0,20) m²/s和α∈(0,0.05)的参数空间内进行概率探索。

关键技术方法包括：1) 基于Sentinel-1/3和Landsat 8卫星的油膜形状提取；2) 地中海再分析数据集驱动的海洋环流强迫场；3) 分数技能评分FSS和质心技能评分CSS双指标验证体系；4) 单步优化（OSO）与多步优化（MSO）两种参数更新策略。

材料与方法

研究选取包含6次卫星观测的Baniyas溢油事件数据集，通过对比默认参数与优化参数的模拟效果发现：水平扩散系数K_h从默认值2.0 m²/s提升至15.85 m²/s时，油膜扩散范围与卫星观测吻合度显著提高。风拖曳系数α优化后稳定在3%左右，修正了ERA5风场数据分辨率不足导致的漂移误差。

结果

多步优化（MSO）策略展现出最优性能：FSS评分平均提升20.66%，其中第三次观测（O3）的改进幅度达35.42%。质心距离分析显示，优化后油膜质心与观测的CSS评分提升25.18%，证实参数优化能有效补偿环流数据在近岸区域的精度不足。值得注意的是，当采用单步优化（OSO）时，仅需7.5小时计算即可获得23.37%的FSS提升，证明该方法具备业务化应用潜力。

讨论

该研究突破性地解决了油膜模型参数"调参难"问题：通过贝叶斯优化实现的K_h与α自动校准，能适应不同海洋动力条件。虽然当前仅优化表面油膜分布，但框架设计允许未来纳入蒸发率、乳化参数等更多变量。研究也揭示现有局限——当油膜进入强流区时，CSS评分改进有限，暗示需要更高分辨率的近岸环流数据支持。

这项发表于《Ecological Genetics and Genomics》的成果，为海洋污染应急响应提供了智能化的新工具。其方法论价值不仅限于溢油模拟，还可拓展至搜救漂流物预测、赤潮追踪等海洋Lagrangian粒子追踪领域。随着欧洲哥白尼卫星星座等遥感技术的发展，这种"观测驱动建模"的思路将重塑海洋环境灾害预警体系。