对美国潮位观测数据核定的研究及应用

在全球变暖的大背景下,海平面上升已经成为全球性的重大环境问题。海平面上升分析预测结果的可靠性直接源于观测资料数据集的质量。本文以站位数量较多、站位分布较广、历史资料序列较长的美国为例,详细介绍了典型站潮位观测数据的核定分析及初步应用。通过借鉴使用其他国家资料核定及分析方法,结合我国验潮站分布情况及资料状况,建立一套连续、基准面统一的海平面观测资料,对于我国的海平面上升和气候变化研究工作具有重要意义。     

基于ARMA模型的潮位拟合及内插研究

在水深测量过程中,采集的潮位数据往往存在断缺现象,给水深测量内业工作者造成干扰。针对潮位数据断缺问题,对断缺数据简单预处理后,利用ARMA模型对潮位数据序列变化规律进行分析,拟合潮位时间序列数据变化趋势,然后将拟合的值内插到数据断缺处,以建立完整的潮位改正文件,最后对拟合模型进行精度评价分析。实验结果表明,拟合模型精度良好,可以快速获取符合要求的插值,提高工作效率。     

一种基于深度学习的海表面温度预测方法——以南海为例

传统的海洋环境预报主要包括数值预报和经验统计预报,预报技术多依赖于物理模型,存在一定的技术瓶颈.本文利用Remote Sensing System(RSS)提供的微波优化插值海表面温度数据,以南海为例,在研究了深度学习预测海表面温度原理和技术流程的基础上,提出了基于卷积神经网络和长短期记忆网络(Convolutiona...     

海底隧道防排水技术浅析——以厦门翔安海底隧道为例

由于海底隧道的特殊性,其防排水技术与一般陆地隧道有着显著区别,本文介绍了厦门翔安海底隧道的防排水方案设计情况,对方案实施效果进行了评估．得出了海底隧道防排水应结合围岩与支护的自防水功能采取以堵为主的原则,并针对海底隧道防排水方案实施中的问题,提出了对初期支护背后注浆是重点,改进注浆材料等建议．从而论述了防排水技术是海底隧道工程建设的核心问题．     

以需求谋发展 提升海洋预警服务水平——以厦门海洋环境预报台观测预报业务发展为例

党的十六届三中全会提出了以人为本的理念,海洋防灾减灾体系作为国家防灾减灾体系的重要组成部分,围绕十八大"建设海洋强国"这一战略目标,也应坚持以人为本,转变发展思路,强化服务意识,以需求谋发展,提升海洋预警服务水平,实现海洋防灾减灾为发展海洋经济服务,为海洋生态文明建设服务。厦门地处海峡西岸,厦门海洋环境预报台有观海听潮的百年老站,也是最早由国家海洋局与厦门市人民政府共建的海洋预报机构,文章以厦门海洋环境预报台观测预报业务发展为例,分析海洋观测预报业务发展需求及存在问题,探索海洋防灾减灾工作发展思路,为海洋预报事业又好又快发展提供参考。     

平均高潮位记录分析淤泥质海岸的相对海面变化--以江苏淤泥质海岸为例

在研究相对海面变化时,常常用实测潮位记录来分析相对海面的变化速率。淤泥质海岸的验潮站多设在入海河流的闸F。由于拦门沙发育等因素的影响,闸下测到的潮位不能准确反映低潮时的潮位变化,因此常常采用平均高潮位记录来分析相对海面的变化。本文通过对平均高潮位、平均潮位和平均海平面之间关系的统计分析,得出平均高潮位与平均潮位以及平均海平面变化速率之间的关系。并对江苏沿海6个验潮站33a的潮位记录进行分析,得出江苏沿海此期间的相对海面变化速率为0．29～1.00cm／a。     

基于深度学习的海温观测数据质量控制应用研究

基于国家海洋信息中心质量控制后的西太平洋10度方区约100万站次温盐实测历史调查资料,对经过26种严格质量控制方法的综合海温质量符进行分类分析,首次将深度学习技术应用于海洋数据质量控制多分类(multiclass classification)算法与应用研究.通过人工合成少数类样本和加权损失函数方法减少多数类的频率来降...     

基于近岸GPS RTK技术的潮位和波浪提取算法研究

由于潮汐和波浪的周期相差甚远,对实时海面高程数据进行相应的低通和带通滤波即可提取潮位和波浪信息。通过对仿真的实时海面高程数据进行平滑滤波、中值滤波、小波滤波等低通滤波,以及椭圆、巴特沃斯等带通滤波结果分析表明:近岸GPS RTK技术可用于潮位和波浪同步测量;对于潮位信息的提取方面,平滑、中值、小波等低通滤波均能很好的提取出潮位信息,其中平滑滤波最佳,且工程中易于实现;对于波浪信息的提取方面,椭圆滤波、巴特沃斯、切比雪夫Ⅰ型等带通滤波均能很好提取出波浪信息。     

基于深度学习的赤潮发生预报方法研究

赤潮作为海洋灾害,对海洋渔业、生态、经济,以及人类生产、生活造成了严重影响。一直以来,赤潮受到研究者的广泛关注,但由于它的形成机制比较复杂,使得赤潮预报极具挑战性。针对赤潮预报的研究问题,本文收集了厦门海域赤潮发生前后的海洋监测数据,结合皮尔逊相关系数、散布矩阵、复相关系数方法,分析多环境因子与赤潮发生多要素的关联情况,重点采用基于深度学习的LSTM与CNN融合方法,挖掘环境因子的时序依赖,发现序列数据的局部特征,对赤潮发生进行预报。在厦门一号和厦门二号数据集中,本方法在预报未来12 h内的赤潮情况时,RMSE、MAE误差分别达到0.521 8、0.504 3。通过协同对比模型进一步确定赤潮发生的预报概率,在两个数据集上的最终预报准确率分别为67.58%和63.49%。本研究为赤潮的分析预报提供了探索经验,证明了将深度学习方法应用于赤潮预报的可行性。     

基于深度学习的赤潮发生预报方法研究

赤潮作为海洋灾害,对海洋渔业、生态、经济,以及人类生产、生活造成了严重影响.一直以来,赤潮受到研究者的广泛关注,但由于它的形成机制比较复杂,使得赤潮预报极具挑战.针对赤潮预报的研究问题,本文收集了厦门海域赤潮发生前后的海洋监测数据,结合皮尔逊相关系数、散布矩阵、复相关系数方法,分析多环境因子与赤潮发生多要素的关联情况,...     

码头作业天数分析论证方法探讨——以洋口港液化天然气码头装卸作业为例

提出了一种分析论证码头作业天数的新方法,综合分析了各水文气象因子之间的独立性与相关性,可避免重复计算不利作业情况,充分利用可作业时间。使用南通市如东县阳光岛附近海域2012年一整年连续风、浪、能见度等实测资料,依据液化天然气码头装卸作业标准,采用新方法综合分析码头可作业天数,并与常规方法进行了比较。结果显示,新方法比常规方法更简单,结果也更精确。同时,本文给出了2012年全年、各季的可装卸作业天数及不利作业天数结果,供相关部门参考使用。     

基于深度学习的水下目标声学识别与定位技术研究

为实现自主水下潜器(Autonomous Underwater Vehicle,简称 AUV)的自主目标探测识别与定位任务,以侧扫声呐数据为依据,考虑到扫描式声呐成像的特点,针对金属球类目标,基于 Darknet 框架设计了一种轻量化深度学习目标识别模型,并结合人工特征进行目标特性分析。同时对声呐图像设计了有效的图像增强方法。实验表明：上述目标识别方法在保证目标识别准确率的同时,具有较高的目标识别速率,适于低功耗嵌入式平台部署。     

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.     

联合光谱和纹理特征的滨海湿地高光谱深度学习分类—以黄河三角洲湿地为例

本文基于CHRIS高光谱遥感影像,发展了一种结合地物光谱特征和多纹理空间特征信息,采用双全链接的8层深度卷积神经网络分类算法对滨海湿地高光谱影像进行遥感地物分类,并在黄河口滨海湿地进行了应用。结果表明：1）基于测试样本数据,联合光谱特征和K-L变换的纹理特征信息,采用DCNN模型方法展现了高的分类精度,精度高达99%;2）利用光谱特征和全纹理特征的精度比仅使用光谱特征和光谱特征联合K-L变换后纹理特征的分类精度低。利用K-L变换后的光谱特征和纹理特征的DCNN分类精度达到99.38%,相比于使用全纹理特征信息的精度提高了4.15%;3）基于验证图像,发展的DCNN分类方法精度优于其他算法,DCNN方法总体分类精度为84.64%,Kappa系数为0.80;4）相比于浅层分类方法,本文发展的DCNN模型分类算法保证了所有地物类型的分类精度更加均衡,保持了主要地物类型的分类精度几乎不变,同时提高了滩涂和农田的精度。基于DCNN模型,潮滩和农田的分类精度分别达到79.26%和56.72%。比其它浅层分类方法提高了2.51%和10.6%。     

预测有效波高的深度学习模型研究

研究基于RNN、LSTM、GRU深度学习模型,针对NOAA浮标数据集中的44013、44014、44017浮标的数据,通过斯皮尔曼相关性分析提高模型预测效果。实验结果表明,在进行相关性分析后,S-RNN、S-LSTM、 S-GRU的预测效果均比原始RNN、LSTM、GRU模型预测效果好。此外,提出一种基于LSTM的LSTM-Attention 波高预测模型,并进行相关实验,量化LSTM-Attention模型的预测效果,实验结果表明LSTM-Attention模型有更好的预测效果。为评估模型的泛化能力,研究还提出了一种采用邻近浮标数据进行学习,预测浮标缺失数据的方 法。实验结果表明,该方法的预测精度可以达到97.93%。本研究为海浪预测提供了新的方法和思路,也为未来深 度学习模型在海浪预测中的应用提供了参考。     

海洋生态系统内在价值评估方法初探——以厦门湾为例

海洋和海岸带生态系统价值的科学评估对海洋与海岸带开发决策起着重要的支撑作用.目前盛行的生态系统服务价值评估是从生态系统对人类的效用的角度衡量生态系统的价值,而缺乏从生态系统自身的角度进行客观评估.首先分析了生态系统内在价值的内涵,提出基于能值和ecoexergy两种系统生态学方法的价值评估框架,建立了一套海洋生态系统内在价值较为有效的评估方法.该框架先通过能值计算将生态系统的生物成分、非生物成分及物种多样性转换为能值货币价值,再通过eco-exergy来体现生态系统的结构与功能过程,并转换为eco-exergy货币价值.最后将该评估框架应用于厦门湾海洋生态系统内在价值的评估.结果显示,2010年厦门湾海洋生态系统的本底内在价值为1.16×10^11CNY,全年创造内在价值为9.24×10^10CNY,总计2.09×10^11CNY,远高于生态系统服务价值7.27×10^9CNY和厦门海洋产业GDP 2.47×10^10CNY.     

海底电缆工程对中华白海豚的影响研究——以厦门英春—围里海底电缆工程为例

中华白海豚是国家一级重点保护水生哺乳动物,厦门湾是中华白海豚的重要栖息地之一。文章以厦门英春—围里海底电缆工程为例,评价工程建设对中华白海豚及其栖息地的影响,并提出中华白海豚的保护措施,以期为海洋工程建设对水生野生保护动物的保护管理提供借鉴。     

基于深度学习RCF模型的三都澳筏式养殖区提取研究

三都澳是中国重要的海水养殖海湾,在水产养殖中占有较高的经济地位。快速准确地获取养殖区的分布范围、数量以及面积等信息,对养殖区规划、产值估计、生态调查、风暴潮灾害预防等具有重要的意义。然而,随着养殖区域的扩大,海水背景状态愈发复杂多样,光谱特征差异较大,为养殖区提取带来困难。在本实验中,利用高分辨率遥感卫星GF-2图像,引入深度学习RCF（Richer Convolutional Features）网络模型对海湾内的筏式养殖区进行了提取。结果显示:该方法无需事先对区域进行水陆分离处理,且对水中泥沙较多的区域以及海浪较大的区域有很好的提取效果,提取精度达93%以上,适合进行大规模海水养殖区提取应用。