基于案例推理的海洋涡旋特征信息空间相似性研究

目前对海洋涡旋的分析主要采用水团、近海海流分析和数值模拟方法,这些方法结合不同的区域资料已经有过很多成功的研究。但面对日益增长的多源、大面积海洋遥感数据,在快速自动化提取海洋涡旋的空间信息方面还存在很多难题。因此该文针对海洋涡旋空间信息的快速定量分析问题,提出了基于案例推理(Case-Based Reasoning,CBR)的海洋涡旋空间相似性研究方法。该方法首先采用多源数据(遥感数据、遥感反演数据、观测数据等)进行历史涡旋案例定量分析,并构建基于CBR的海洋涡旋案例表达模型和历史案例库;继而采用“基于重心矢径的序列分析方法”进行历史涡旋空间相似性分析,并结合典型的海洋涡旋区域给出具体实例。研究结果表明该方法是可行的。     

基于小波分析的海洋锋形态特征提取

遥感影像中海洋锋具有弱边缘(Weak Edge)信息特性,其空间尺度在不同的空间位置存在较大的差异。针对传统边缘算子只能提取某一尺度的海洋锋信息,而损失其他尺度信息不足,本文利用小波多尺度分析特性,探讨了海洋锋信息在各尺度间的分布的继承性,提出最佳尺度确定的算法框架,设计出最佳尺度确定算法的流程,进一步进行海洋锋各尺度信息的提取。最后以海面温度锋-墨西哥湾流为实例进行形态特征提取,并与典型的边缘提取算子效果在信息量、抗干扰性、定位精度、连续性和对比度上进行对比分析。试验结果表明了该算法在提取多尺度的海洋锋信息上的可行性和实用性。     

高分辨率遥感影像城市道路提取方法研究

根据高分辨率遥感影像可以提取道路细节信息和中低分辨率遥感影像可以提取道路轮廓信息这一特性,提出基于多尺度的不同分辨率遥感影像道路提取方法。以原始高分辨率遥感影像为底层影像建立影像金字塔获取不同分辨率影像,利用中低分辨率遥感影像上提取的道路骨架轮廓约束高分辨率遥感影像的道路提取,并对Canny边缘检测算法进行改进。实验结果表明,该方法能够有效地消除高分辨率遥感影像城市道路路面噪声的影响,道路提取效果较好。     

空间分辨率对海岸线时空演变遥感分析的影响——以渤海湾为例

文章针对中低分辨率遥感影像难以提取海岸线中小尺度变化的实际问题,以渤海湾为例,利用2010—2020年SPOT5、GF-1/6、ZY-3等高分辨率遥感影像,采用数字海岸线分析和分形维数方法获取渤海湾海岸线位置变迁速率和复杂度变化过程;针对目前渤海湾海岸线变迁分析研究多基于中低分辨率遥感影像的问题,结合同时期的Landsat影像,分析遥感影像空间分辨率对渤海湾海岸线变迁速率和分形维数的影响。研究结果表明,遥感影像空间分辨率差异对分形维数的影响较小,但对不同类型的岸线变迁速率影响显著;渤海湾海岸线在2010—2020年的变化呈现出由剧烈过渡至相对稳定的状态,伴随着海岸线位置的变化,岸线的分形维数呈现出先上升再至平稳的趋势。相关研究成果能够为渤海湾地区海洋资源利用优化、海岸线及滩涂湿地等自然资源保护提供数据支持。     

基于深度学习的中尺度涡检测技术及其在声场中的应用

针对海洋中尺度涡的检测与参数提取问题,本文使用中尺度涡SAR图像数据集,提出基于深度学习的EddyYolo目标检测模型进行中尺度涡的涡旋中心和涡旋水平尺度的多目标检测,并且提取涡心位置和涡旋水平半径等参数.实验结果表明:本文提出的EddyYolo模型实现了涡旋中心和涡旋水平尺度的多目标检测,检测准确率达到94%.在此基础上,结合二维高斯涡模型和三维中尺度涡模型,本文提出了基于卫星遥感与声学对中尺度涡的联合建模方法.     

滩涂水边线Landsat-5影像提取方法

快速获取遥感影像水边线时空变化信息具有重要意义,滩涂水边线提取一直是遥感技术应用的难点问题。水边线在遥感影像上具有独特的空间关系与光谱特征。本文综合使用颜色模型变换法、信息熵计算法、最大类间方差法及边缘检测方法。以长江口崇明东滩为研究区,研究了Landsat-5卫星影像海陆对比度增强及不同尺度下的边缘提取,重点给出了基于热红外波段的水边线空间特征与光谱特征的计算方法,在面向对象技术框架下提出了一种顾及空间关系和光谱特征的遥感影像水边线快速提取方法。实验结果表明:(1)基于最大类间方差法的局部阈值分割法能够自动提取band 6的水边线,水边线连续、完整,空间信息丰富;(2)综合使用最佳指数法、离散度方法及颜色模型变换方法,能够有效增强海陆对比度,基于最大类间方差法的局部自适应Canny算子能够自动检测出增强后遥感影像高精度边缘;(3)利用水边线的空间关系和光谱特征,能够由计算机自动实现水边线的识别与连接工作;(4)本文提出的水边线提取方法速度快、自动化程度高,分别继承了阈值分割法的连续性强的优点和Canny算子定位精度高、细节呈现能力强的优势。研究结果对于海岸带动态变化、陆海相互作用机制、海岸带资源保护与开发及近海工程管理等研究具有重要的参考价值。     

顾及轮廓信息和DRLSE模型的遥感影像瞬时水边线快速提取

针对利用传统瞬时水边线提取方法处理高分辨率遥感影像存在提取结果不连续、效率不高和无法同时提取多片水域等问题, 提出了一种顾及轮廓信息和距离正则化水平集演化(distance regularized level set evolution, DRLSE)模型的遥感影像瞬时水边线快速提取方法, 并将其应用于福建泉州附近海域瞬时水边线提取。首先,使用DRLSE模型提取地物轮廓信息, 以解决经典阈值方法水边线提取结果不连续问题; 其次, 利用DRLSE模型的初始矩形轮廓中心位置和周长信息, 对噪声点等轮廓进行自动剔除, 并提取多片水域, 以提高瞬时水边线提取后处理效率。研究结果表明:相较于泛洪算法、Canny算子和CV(Chan-Vese)模型, 应用本方法进行大陆海岸线瞬时水边线提取更高效, 且提取结果连续、精度更高。     

基于客观方法的海洋三维涡旋核心线提取

涡旋核心线是海洋中尺度涡旋结构的重要组成要素,涡旋核心线提取和可视化对于切入中尺度涡三维结构研究、开展海洋物质能量垂直运输分析具有重要意义。本文基于客观参考框架和准则,提出了使用客观化的流场参数得到区域,并提取其山谷线作为涡旋核心线的方法,实现了对海洋三维结构中尺度涡旋核心线的提取和可视化。首先,引入了最优局部参考系,使速度、速度梯度等测度转换为在运动的参考系下保持不变的客观量,提升了在海洋科学实践中的可靠性和实用性。其次,针对含有垂向速度的海洋三维流场数据,计算其空间雅可比矩阵,展示了涡旋核心区域的三维结构,实现了海洋涡旋研究从二维到三维的提升。最后,分别在多个半径大小播撒流线种子点,分析不同旋转方向的涡旋,对已提取的涡旋核心线实验结果进行验证,证明了客观海洋三维涡旋核心线提取方法的有效性及可行性。     

遥感和GIS技术在黄河中上游流域湿地信息提取中的应用

本文在分析黄河中上游研究区域ETM 遥感影像数据特征的基础上,利用遥感与地理信息系统软件处理遥感影像的方法,对图像数据进行了几何校正和融合处理,采用遥感图像多源信息复合、遥感图像解译专家系统和GIS技术相结合的解译方法.实现了湿地信息的提取,提取的总精度高达88.11%,Kappa系数为0.8764,比单纯的采用监督分类精度提高了20%,获得了理想的结果,为黄河中上游地区生态环境可持续发展提供决策支持。     

经验模态与小波分解在光学遥感内波参数提取中的应用

内波遥感参数提取是利用遥感影像研究海洋内波的重要手段,通过提取内波的基本参数可以对海洋内波的生成与传播机制进行进一步的研究。提出了利用经验模态分解、小波分解与高阶多项式拟合从光学影像中提取内波半波宽度的方法。经验模态分解与小波分解对内波剖面数据进行尺度分解,根据归一化方差最大来提取内波分量;多项式拟合基于内波剖面的亮暗条纹变化完全由内波调制的假设,对数据进行拟合,并根据一阶导数来提取半波宽度。用南海北部东沙岛附近2004年7月10日的中-巴资源卫星(China-Brazil Earth Resources Satellite,CBERS)影像对方法进行了验证。结果表明,3种方法能较好地提取所需参数,获取的内波半波宽度具有较好的一致性;上述方法在处理非平稳及非线性遥感数据上,具有非常明显的优势。基于一维非线性内波理论,通过提取的内波半波宽度,辅以水深和混合层深度数据,反演了内波的振幅。     

Multifractal filtering method for extraction of ocean from remotely sensed imagery

Traditional methods of extracting the ocean wave eddy information from remotely sensed imagery mainly use the edge detection technology such as Canny and Hough operators. However, due to the complexities of ocean eddies and image itself, it is sometimes difficult to successfully detect ocean eddies using these methods. A mnltifractal filtering technology is proposed for extraction of ocean eddies and demonstrated using NASA MODIS, SeaWiFS and NOAA satellite data set in the typical area, such as ocean west boundary current. Results showed that the new method has a superior performance over the traditional methods.     

Multifractal filtering method for extraction of ocean eddies from remotely sensed imagery

1 IntroductionCurrently, the ocean eddy plays an important rolein energy flowand matter exchange in ocean. The ex-traction and analysisof the oceaneddave beeninves-tigated bylots of people in pastdecades. Currentmeth-ods to deal with the ocean eddy include static and dy-namic methods. The static method is to analyze indi-rectly ocean eddies using the spatial feature distribu-tion, change, growthand decline of the watermass (Suet al., 1996; Guo et al., 1995; Guo and Ge, 1997);the dynamic meth…     

基于传输函数标准形态模式的海洋涡旋温盐和压力异常三维结构交互可视化

随着海洋观测技术和海洋数值模拟技术的发展,海洋学家已经能够获取海量的时空连续的海洋数据。但目前人们对于三维海洋大数据缺乏高效的交互可视探索手段,因此,利用科学可视化技术展现海洋数据,以及更深一步地挖掘时空数据规律是建立对海洋大数据从感知到认知的关键技术桥梁。本文利用体绘制技术从传输函数特征点数量、特征颜色映射以及表现特征的线型三个方面,设计针对海洋温盐异常数据以及压力异常数据的传输函数标准形态模式,能够直观有效地表现海洋涡旋温盐和压力异常三维结构。本文优化了球面光线投射算法,在保证绘制质量的情况下,实现了大规模海洋三维涡旋实时交互展示;同时实现了三维数据的内部漫游功能,能够更加清晰且完整地表现局部海洋涡旋的三维结构。通过可视分析发现,处于黑潮延伸体附近的气旋涡(CE, Cyclone Eddy)温度异常呈“上正下负”的三维结构;由于涡旋引起的海水升降运动,部分反气旋涡(AE, Anticyclone Eddy)盐度异常呈现出“上正下负”的三维结构;相较于温盐异常结构,海洋涡旋压力异常结构轮廓更为清晰且不会出现上下不一致的情况。     

基于卫星测高数据的海洋中尺度涡流动态特征检测

为了最终实现对海洋中尺度涡流(简称中尺度涡)的自动采样,首先应该发展中尺度涡动态特征识别技术。本文基于SLA(Sea Level Anomaly)数据,实现了对中尺度涡动态特征的检测算法。主要内容是制定了一个判别相邻两组SLA数据中的涡流,是否为同一涡流子在不同时刻的状态的标准,即判别下一时刻SLA数据中是否存在涡流是由上一时刻确定的被检测涡流演化而来的。通过确定这种进化关系,可以得到被检测涡流的一系列动态状态信息,例如:面积变化速率、中心移动情况以及其他情况。本算法的计算量不大,从而可以应用到实时涡流跟踪的环境中。值得注意的是,本文中的算法不仅仅局限于应用SLA数据,SSH(Sea Surface Height)等大部分反映海洋高度的数据也可以使用。     

基于经验正交函数和机器学习的南海海面高度异常预测

海面高度异常 （SSHA） 作为重要的海洋要素，对研究海洋温盐剖面、海洋涡旋等海洋动力现象具有重要意义。然而，传统的海洋预测技术存在着预测时效过短、预测过程复杂等诸多问题，现有的机器学习预测方法也只针对几个点或区域 进行平均，忽略了很多重要信息。因此，本文提出了一种基于经验正交函数和 BP 神经网络 （一种机器学习方法） 的 SSHA预测模型 （EOF-BPNN） 来实现对起报时刻后 30 天的南海 SSHA 预测。首先，对 1993 年 1 月 1 日—2013 年 12 月 31 日的逐日 SSHA 数据进行距平归一化预处理，构建相关系数矩阵，并对该矩阵进行 EOF 分解，获取主成分。然后将主成分输入 BP神经网络进行训练，实现对主成分的预测。最后将主成分预测值与相应的空间模态结合，获取 SSHA 预测值。结果表明，相较于惯性预报和气候态预报，EOF-BPNN 模型不仅能够提供提前 30 天的较为精确的 SSHA 和相应的涡旋演化过程预报，且在整个南海区域拥有更高的 SSHA 相关系数，证明了 EOF-BPNN 模型具有较好的预测性能。     

海洋中的天气式涡旋

将由海洋中各物理过程产生的海水特性分布非均匀性，分为小、中、天气式和全球4种时、空尺度。对比副势带急民生罗斯贝波变形半径，阐明海洋天气式涡旋小于和慢于大气中的数十倍。对比在高空锋带下方，低怪大气锋中出现地面涡，揭示海洋蛇曲中不产生高空锋带类似物及近海底锋；大洋中自由涡虽能集中于海洋上半部，便与大气中低空正、反气旋正相反。因而，锋流环和洋中涡能对局地天气起作用，流环能成为海洋子午向热传递的重要机制。     

Spatial information recognizing of ocean eddies based on virtual force field and its application

A new approach to detecting ocean eddies automatically from remote sensing imageries based on the ocean eddy's eigen-pattern in remote sensing imagery and "force field-based shape extracting method" is proposed. First, the analysis on extracting eddies' edges from remote sensing imagery using conventional edge detection arithmetic operators is performed and returns digitized vector edge data as a result. Second, attraction forces and fusion forces between edge curves were analyzed and calculated based on the vector eddy edges. Thirdly, the virtual significant spatial patterns of eddy were detected automatically using iterative repetition followed by optimized rule. Finally, the spatial form auto-detection of different types of ocean eddies was done using satellite images. The study verified that this is an effective way to identify and detect the ocean eddy with a complex form.     

台风-涡旋相互作用研究进展

台风轨迹和强度的预报一直备受关注,也是大气和海洋学家最为关注的科学问题之一。近些年,随着观测技术和计算机模拟的快速发展,发现海洋中尺度过程和台风有紧密的联系。本文针对该主题进行简要回顾和总结, 主要侧重2个方面：①台风如何影响海洋中尺度过程？强调了地转过程的重要性和高度计观测对台风影响涡旋的低估;②海洋中尺度过程如何影响台风？强调了冷暖涡的不同以及位置不同对台风强度的影响。在此基础上,探讨台风-涡旋相互作用研究中尚未解决的问题：涡旋对台风的三维响应、多涡对台风的综合效应、时间尺度匹配和海气通量等。     

基于高分辨ROMS模式的黑潮延伸体次中尺度涡各向异性分析

次中尺度过程的水平空间尺度约为0.1~10km, 时间尺度约为1天, 里查森数和罗斯贝数为0(1), 能有效地从中尺度环流中汲取能量向小尺度湍流串级, 并对上层海洋物质的垂向交换有着重要影响。本文基于水平分辨率为~500m的高分辨率ROMS(regional ocean modeling system)数值模拟结果, 采用方差椭圆方法, 评估了黑潮延伸体海域上层海洋次中尺度涡旋的各向异性特征, 并探讨了涡旋各向异性值的大小与次中尺度过程特征参数的相关性。研究结果表明, 黑潮延伸体主轴强流区域的次中尺度涡旋各向异性值明显小于两侧海域, 主轴区域的次中尺度涡旋特征明显强于流轴两侧海域, 各向异性值与次中尺度过程的强弱有着较为显著的负相关关系, 表明次中尺度过程具有较小的各向异性特征(更趋各向同性)。方差椭圆表征了涡与平均流相互作用过程中的能量反馈机制, 较大的各向同性特征意味着动能更趋正向串级。     

Inversion of the three-dimensional temperature structure of mesoscale eddies in the Northwest Pacific based on deep learning

Mesoscale eddies, which are mainly caused by baroclinic effects in the ocean, are common oceanic phenomena in the Northwest Pacific Ocean and play very important roles in ocean circulation, ocean dynamics and material energy transport. The temperature structure of mesoscale eddies will lead to variations in oceanic baroclinity, which can be reflected in the sea level anomaly (SLA). Deep learning can automatically extract different features of data at multiple levels without human intervention, and find the hidden relations of data. Therefore, combining satellite SLA data with deep learning is a good way to invert the temperature structure inside eddies. This paper proposes a deep learning algorithm, eddy convolution neural network (ECN), which can train the relationship between mesoscale eddy temperature anomalies and sea level anomalies (SLAs), relying on the powerful feature extraction and learning abilities of convolutional neural networks. After obtaining the temperature structure model through ECN, according to climatic temperature data, the temperature structure of mesoscale eddies in the Northwest Pacific is retrieved with a spatial resolution of 0.25° at depths of 0–1 000 m. The overall accuracy of the ECN temperature structure is verified using Argo profiles at the locations of cyclonic and anticyclonic eddies during 2015–2016. Taking 10% error as the acceptable threshold of accuracy, 89.64% and 87.25% of the cyclonic and anticyclonic eddy temperature structures obtained by ECN met the threshold, respectively.