海洋环境场的建模与预报工作是海洋科学领域的重要研究内容,高精度、高分辨的环境参数对于水声传播、目标探测、水声通信等相关研究具有重要的作用。由于海洋环境复杂多变,且区域广袤,对于有限的观测资源,如何高效采集海洋环境场参数的关键时空样本,以提高预报的准确性,已成为近年来海洋环境监测领域研究的重点和难点问题之一。海洋环境观测数据可以通过潜标/浮标等固定节点或携带传感器的移动节点采样获得。由于在海洋中大范围布放固定观测节点成本高昂,而移动节点具有观测灵活且覆盖范围广的优点,近年来,以自主水下航行器、水下滑翔机等移动观测节点为代表的自适应采样技术逐渐成为研究重点。水下移动节点的自适应采样问题在数学上可建模为一个约束优化的路径规划问题,即在环境预报场的基础上,根据给定的观测任务和平台资源的限制,优化得到最佳的观测路径,以实现观测资源在相关准则下的最佳利用,减小环境场预报的误差。本文基于海洋动力模式预报输出,以提高环境场后验估计精度为主要目标,研究水下移动节点自适应采样的路径规划方法,主要工作包括以下三项内容。首先,本文基于海洋动力模式输出的温度场模型,提出移动节点自适应采样路径规划的优化目标,并根据该优化目标,结合移动节点的运动特点,设计基于蚁群算法和遗传算法的自适应采样路径规划方法。为验证路径规划算法的有效性,引入高分辨多级谱插值的高分辨空间插值方法,用于同化移动节点局部高分辨采样数据和动力模式输出的低分辨温度场。其次,针对静态温度场的自适应采样问题,采用南海海域环境预报场数据,分别开展了蚁群算法和遗传算法两种二维路径规划方法的仿真验证,以及蚁群算法的三维路径规划仿真验证。通过二维高分辨空间插值方法,基于采样数据与温度梯度的相关性、采样数据误差、采样数据对环境场精度提升的影响等因素,分析和比较了蚁群算法和遗传算法的自适应采样效果,结果表明蚁群算法在当前海洋动力模式预报场下,其自适应采样性能更优。通过三维高分辨插值方法,分析了蚁群算法的三维自适应采样效果,验证了蚁群算法在三维自适应采样路径规划中的有效性。此外,论文分析了不同温度梯度分辨率下的采样数据对高分辨插值误差的影响,提出了现有建模环境下的最优梯度分辨率。最后,针对海洋环境的时变问题,考虑水下移动节点在自适应采样过程中的时变性,提出了基于蚁群算法的四维自适应路径规划算法,并利用实际时变预报场数据进行仿真验证。仿真中使用了三个移动节点,开展了多条路径的最优规划,并通过三维高分辨空间插值方法,对不同时间段的采样数据进行同化,分析自适应采样路径对于环境场同化精度的提升作用,验证了四维自适应采样路径规划算法的有效性。