基于引力模型的海洋锋信息提取

海洋锋面是海洋水团特性明显不同的两种或几种水体之间的狭窄过渡带。本文旨在对遥感反演海洋温度场数据(SST),引入引力模型进行海洋锋面的检测。鉴于海洋锋受噪声干扰大,锋面强度小的特点,本文提出了基于引力算法的引力模型。其中,引力算法是将温度数据中的每一个像元点都作为一个独立的天体,其质量对应该像元的温度值,根据引力定律计算3×3区域中,邻域像元对中心点像元的引力和。模型首先对原始数据进行去0处理,为消除对原始数据明暗程度的依赖,对3×3区域数据进行归一化,然后利用函数对归一化后的数据进行增强处理,最后,以引力算法进行锋面检测。验证表明,该模型能有效强化不同区域或水体差异性,并能够有效针对海洋锋信息进行提取,受噪声影响小。     

利用ANNS的空间信息处理服务智能集成算法

针对常用的空间信息处理服务,分析了相关领域服务组合方法的优缺点,结合服务资源本身及神经网络的智能性特点,提出了基于神经网络概念的服务智能组合方法,以尽可能准确高效地实现服务组合的自动化该方法采用面向特殊服务扩展本体表达模型,结合语义描述,利用神经网络的突触原理完成核心服务的查找,最后通过集成索引函数实现服务的串接实验结果表明,在保证满足应用需求的情况下,此方法缓解了非专业用户的服务再组合障碍,提高了计算效率。     

基于密度的轨迹时空聚类分析

通过轨迹聚类分析挖掘物体移动模式的空间分布和时间特征,对于认识运动的形成机制,预测运动的未来发展具有重要的意义。目前,轨迹聚类研究主要关注物体的空间位置变化,时空聚类中时间约束一般只是作为辅助信息,并不真正参与聚类。本文提出基于密度的轨迹时空聚类方法,在聚类过程中同时考虑轨迹包含的时空信息,在空间聚类的基础上提出了轨迹线段时间距离的度量方法和阈值确定原则,对时空邻域密度进行聚类分析,挖掘物体的时空移动模式。实验对南海涡旋轨迹进行时空聚类分析,得到了涡旋典型移动模式的空间分布和时间特征,验证了基于密度的轨迹时空聚类方法的有效性。加入时间约束后,移动通道主要发生缩短、分裂和消失的变化。和空间聚类相比,轨迹时空聚类可有效地划分发生在同一位置不同时间的轨迹,得到的聚类结果更加细化,移动模式更加准确,有利于物体的移动模式做更深入的分析。     

基于Web Services的Argo数据应用服务框架与实现

分析了 Argo 数据应用研究现状,结合Web服务技术,提出了 Argo 数据应用服务框架,把 Argo 数据及应用模型均封装成Web服务,从而提高了分布式环境下,数据的互操作性、应用的可移植性及透明性.基于该框架,开发设计了"中国南海 Argo 数据应用服务平台",该系统可以集成分布式环境中,基于异构平台的数据服务和应用服务,可为用户提供透明的、"一站式"的 Argo 数据 Web 应用.     

基于GIS 的南海中尺度涡旋典型过程的特征分析

以具有复杂时空演变过程的海洋中尺度涡旋为研究对象,以定量表达和组织涡旋典型过程案例为前提,基于Global NLOM(Naval Research Laboratory Layered Ocean Model)所得的SSH(Sea Surface Height)、SST(Sea Surface Temperature)和表层海流场,对海洋中尺度涡旋进行综合辨认和动态跟踪。以南海为例,通过提取涡旋典型过程中的典型状态,建立中尺度涡旋典型案例库。然后以库中所有过程案例为对象对涡旋进行GIS(Geographic Information System)时空特征分析。所得结果为:(1)南海中尺度涡旋整体上呈东北-西南向分布,涡旋水平移动速度为3~16 cm/s,平均速度为8.4 cm/s。(2)大部分涡旋向西移动。春夏季涡旋主要向西北方向移动,秋冬季涡旋主要向西南方向移动。(3)南海东北部涡旋主要集中在9~10月以及次年的1~2月发生,涡旋先向西北方向移动,后又转向西南方向移动,大部分中尺度涡旋不能西移太远。南海中部气旋涡主要发生在冬、春两季。一部分涡旋沿陆坡向西南运动,其中一些反气旋涡沿南海海盆向西运动。南海东南部在研究期内只有反气旋涡出现,向西或西北偏西运动,这里的涡旋比较弱,但移动距离较长,也有较长的生命周期。南海西南部夏季出现的涡旋多于冬季,且夏季的绝大部分涡旋以偶极子结构出现,该区域涡旋移动的距离较小。该研究引入GIS技术,基于大量时空数据对具有复杂时空特征的中尺度涡旋的信息进行组织、存储,以期通过对涡旋生消过程的时空分析来揭示其演变规律,为进一步研究海洋涡旋的空间推理预测奠定了坚实的基础。