Forskjeller i transmisjonstap beregnet med målt, modellert og klimatologisk lydhastighetsprofil

Under anti-ubåt og andre undervannsoperasjoner er det svært viktig å ha god og nøyaktig informasjon om lydhastigheten i området hvor en opererer. For å ha oversikt og kontroll på lydhastigheten i tid og rom i et operasjonsområde, kreves det urealistisk store måleressurser. En løsning er å kjøre en numerisk havmodell over operasjonsområdet. Fordelen med en modell er at den ikke bare gir deg lydhastigheten for nå-tidspunktet, men også sier noe om hvordan forholdene vil utvikle seg en gitt tid framover. Meteorologisk institutt drifter to numeriske havmodeller. Sjøforsvaret benytter disse i planlegging og gjennomføring av anti-ubåtoperasjoner, samt til å evaluere sonarytelsen på de nye Nansenklasse-fregattene. Fra slike havmodeller kan brukeren ta ut lydhastighetsprofiler for å beregne lydens utbredelse i havet. Hensikten med denne rapporten er å se hvor godt modellerte lydhastighetsprofiler beskriver lydutbredelsen i vannet sammenliknet med målte profiler, se på forskjellene, hvorfor det er forskjell og hva som skal til for å gjøre forskjellene mindre. Det er også gjort sammenlikning mellom målte og klimatologiske profiler. Det er brukt 39 målte profiler, tatt med HU Sverdrup II utenfor Bergen, med tilhørende lydhastighetsprofiler fra modellene og en klimatologisk database. En fiktiv ubåt ble plassert på fire gitte posisjoner i vannvolumet, gitt som dyp og avstand fra sonaren. For disse fire ubåtposisjonene ble transmisjonstapet beregnet med målte, modellerte og klimatologiske profiler og resultatene sammenlignet. Til å beregne transmisjonstapet er det brukt Sjøforsvarets lydberegningsprogram Lybin. Arbeidet viste at det var stor variasjon i transmisjonstap beregnet med henholdsvis målte, modellerte og klimatologiske profiler. For det datasettet som er brukt i rapporten, ser det ut til at klimatologi er et fullgodt alternativ til modellerte lydhastighetsprofiler. For å gjøre de numeriske modellene bedre er det viktig å få bedre inputdata. Blant annet bør oppløsningen på vindfeltet som brukes i modellene økes og det er viktig med bedre data for ferskvannstilførsel. Begge disse tingene er relativt enkle grep som bør komme på plass i nær framtid. På sikt vil dataassimilering og feature modellering kunne øke riktigheten til modellene.