基于遥感数据和表层声速的全海深声速剖面反演

海洋声速剖面严重影响着水下声传播特性,近实时地获取声速剖面对水下声通信、水下定位、鱼群探测等都有重要意义。单经验正交函数回归（single Empirical Orthogonal Function regression,sEOF-r）方法通过建立声速剖面的经验正交系数与海面遥感数据之间的线性回归关系来反演声速剖面。但是,海洋是一个复杂的动力系统,声速与海面遥感数据并不是简单的线性关系,因此,本文基于Argo历史网格数据,通过自组织映射（Self-Organizing Map,SOM）生成海平面高度异常（Sea Level Anomaly,SLA）、海表面温度（Sea Surface Temperature,SST）等海表遥感数据以及表层声速仪测量的表层声速与声速剖面异常之间的非线性映射;然后利用近实时的海表遥感数据和表层声速反演三维海洋声速场。声速剖面反演的结果表明,在多源信息融合的优势下,本文方法的反演性能最稳定且精度最高,声速剖面的平均反演精度比经典sEOF-r方法提高约2 m/s,比未考虑表层声速的经典SOM方法提高约1 m/s。     

基于正交匹配追踪的声层析方法

声速剖面的变化会对声传播产生较大的影响,经验正交函数模型经常用来实现对声速剖面数据的简化描述。然而在内波、湍流等海水不均匀性存在时,这种正则化操作会造成声速重构精度的大幅降低。本文利用字典学习生成声速剖面的非正交原子,在稀疏编码时采用正交匹配追踪（OMP,Orthogonal Matching Pursuit）算法,更新字典则使用KSVD （Kernel Singular Value Decomposition）的字典更新算法。由于字典学习不需要强制使用正交条件,对于训练数据更加灵活,从而可以使用少数的原子组合达到更高的重构精度。利用一次浅海声学实验多次测量的声速剖面研究了海水声速剖面的经验正交函数表示和字典学习,研究表明：相比于正交函数表示,学习字典可以利用少数原子（甚至一个原子）更好的解释声速剖面扰动。字典学习可以提高声速剖面的稀疏性,从而提高声速剖面的反演精度。     

声速剖面EOF重构的实测数据采样深度研究

经验正交函数（experiential orthogonal functions,EOF）是重构声速剖面（sound speed profile,SSP）的一种有效方法,利用部分实测数据结合历史剖面资料可以重构当前位置的声速剖面。针对实测数据的采样深度难以确定这一问题,本文介绍了一种基于历史声速剖面资料的实测数据采样深度选取方法,根据EOF空间函数的方差贡献率确定数据量,进而采用EOF算法重构全海深声速剖面。实验结果表明：采用该方法得到的数据重构的声速剖面与实测声速剖面具有较好的一致性,基于常梯度声线跟踪法得到的水深数据能够满足0.25%倍水深限差,有效波束比达到了100%,为实际测量作业中声剖数据的采样深度提供了参考。     

System-orthogonal functions for sound speed profile perturbation

Empirical orthogonal functions (EOFs) are typically derived from direct measurements of the sound speed profile (SSP) and they are orthogonal in regard to the statistics of the SSP uncertainty. Viewed from the output end of a particular sonar system, however, the effect of an error in one EOF is usually coupled with the effect of the error in another due to the strongly nonlinear relation between the SSP parameters and the system response. In this paper, a new set of basis functions, orthogonal in regard to sonar performance measure, is developed to characterize SSP perturbations. The performance measure used is the Cramer-Rao bound (CRB) for SSP expansion coefficients derived from a full-field random Gaussian signal model; a closed-form, analytical solution is obtained for both the range-independent and adiabatically range-dependent environments. The derived functions make the CRB matrix diagonal, decoupling the errors in the estimation of the expansion coefficients. Compared to the EOFs, the new set of basis functions depends on both the statistics of the sound speed uncertainty and the sound waveguide propagation property; it incorporates the measurement noise as well. The development makes possible the investigation of the relative significance of the individual basis functions in system response; it also provides a novel framework for optimum acoustic parameterization in adaptive rapid environmental assessment.     

Bias correction of sea surface temperature retrospective fore-casts in the South China Sea

Offline bias correction of numerical marine forecast products is an effective post-processing means to improve forecast accuracy. Two offline bias correction methods for sea surface temperature(SST) forecasts have been developed in this study: a backpropagation neural network(BPNN) algorithm, and a hybrid algorithm of empirical orthogonal function(EOF) analysis and BPNN(named EOF-BPNN). The performances of these two methods are validated using bias correction experiments implemented in the South...     

一种基于声速剖面展开的内波监测新方法

声速剖面时空分布的获取是利用声学方法监测内波的核心问题。在反演算法中,声速剖面通常是采用展开的方式用若干个参数来表示的。这就导致了有时很难从反演结果中直接获得内波的相关信息。本文的目标是找到一种通过展开系数直接获取内波特性的方法。通过推导内波水动力方程,可以从较少的声速剖面样本中提取出水动力简正模态（Hydrodynamic Normal Modes,HNMs）作为声速剖面展开的正交基。较之广泛采用的正交经验函数（Empirical Orthogonal Functions, EOFs）,HNMs直接与内波活动相关,具有更明确的物理含义。然后,基于HNMs对声速剖面的时间序列进行展开,获得展开系数。最后,从前两阶展开系数的时间导数中可以获取内波活动的信息。将方法应用于受内波影响而具有明显时空扰动的南海北陆架区温度链数据,结果表明：只用前两节模态就可以在较好的精度范围内重构声速剖面。前两阶系数的时间导数具有独特的双震荡结构可以用于探测内孤立波。从展开系数也可以获得幅度以及波长信息。理论推导和实验分析证明了本文方法在内波监测中的有效性。HNMs方法使用便利且对样本的依赖性较小,可以在内波活跃海域作为EOFs的有效补充用于声速剖面的展开。     

南海北部内波活动下的声速剖面重构方法研究

在内波条件下,水声信道稳定性变差,声速剖面的重构具有一定难度。与其他方法相比,经验正交分解法优点在于能用少量参数进行重构,而不需要引入大量的参数。利用南海北部陆坡测量的温度链数据,采用经验正交分解法对声速剖面进行重构。结果表明:在内波剧烈的南海北部海域,通过经验正交分解法重构声速剖面具有可行性,其前3个模态累计贡献率达到96.7%。分析样本的周期覆盖率对重构结果的影响后发现,当样本覆盖完整的海洋潮汐活动周期时,基于EOF分析对本组声速剖面的重构均方根误差小于1.1 m/s,重构声速剖面结果理想;而当采集的样本不能覆盖完整周期时,误差较大。     

多波束测量声速剖面EOF表示阶次选取研究

经验正交函数(EOF)是描述声速剖面的有效基函数,通常只需要前几阶EOF即可较为精确地表示声速剖面。但使用EOF重构的声速剖面进行多波束测量声速改正时,选取的阶次未必满足多波束测深精度要求。针对此问题,首先介绍了EOF表示声速剖面的原理及流程,然后以北海某区域实测声速剖面数据为例,分析了不同阶次EOF拟合声速剖面误差以及不同阶次EOF拟合声速剖面对多波束测深的影响,最后结合NOAA对多波束测量声速剖面误差造成的水深限差要求确定EOF阶次,实现了在满足多波束测深精度的同时,合理确定EOF阶次的目的。     

南海海面风、浪场时空变化特征及其关系分析

利用长时间序列的卫星观测数据,对南海海域的风、浪场时空分布及其相互关系进行了分析。结果显示,海面风距平场VEOF分解后得到的第一模态具有明显的季节变化,即季风特征,说明季风是影响整个南海风速的主要因素;第二模态具有较强的区域变化特征,是季风转换时期的距平场特征;第三模态反映的是海面风距平场受陆地地形影响所表现的分布特征。有效波高距平场EOF分解后得到的第一模态、第二模态与风距平场的前2个模态的空间分布较为相似,并且,风、浪距平场第一模态间的相关系数达0.76,均说明南海作为边缘海其波浪场与风场变化有很好的相关性。有效波高第三模态的分布与风场的第三模态相关性较弱,反映的是受海底地形影响所表现的分布特征。     

Objective array design for three-dimensional temperature and salinity observation: Application to the South China Sea

In this study, a moored array optimization tool (MAOT) was developed and applied to the South China Sea (SCS) with a focus on three-dimensional temperature and salinity observations. Application of the MAOT involves two steps: (1) deriving a set of optimal arrays that are independent of each other for different variables at different depths based on an empirical orthogonal function method, and (2) consolidating these arrays using a K-center clustering algorithm. Compared with the assumed initial array consisting of 17 mooring sites located on a 3°×3° horizontal grid, the consolidated array improved the observing ability for three-dimensional temperature and salinity in the SCS with optimization efficiencies of 19.03% and 21.38%, respectively. Experiments with an increased number of moored sites showed that the most cost-effective option is a total of 20 moorings, improving the observing ability with optimization efficiencies up to 26.54% for temperature and 27.25% for salinity. The design of an objective array relies on the ocean phenomenon of interest and its spatial and temporal scales. In this study, we focus on basin-scale variations in temperature and salinity in the SCS, and thus our consolidated array may not well resolve mesoscale processes. The MAOT can be extended to include other variables and multi-scale variability and can be applied to other regions.     

抗差Helmert方差分量估计在水下声学定位中的应用

水下声学定位观测数据中不可避免地存在粗差,随机模型解算广泛地采用等权模型,模型实现简单,但与实际不符,且不能抑制粗差影响。针对该问题,提出一种基于IGG3方案的抗差Helmert方差分量估计方法。该方法通过水深和观测距离将观测值分为两类,利用Helmert方差分量估计确定不同类观测值的权比,抗差解决了粗差导致Helmert方差分量估计模型失效的问题。实验结果表明,相比于传统解算方法,抗差Helmert方差分量估计方法可以合理确定各观测值权比,削弱粗差影响,提高水下定位精度和可靠性。     

基于SOM的海表温度遥感数据集的EOF算法重构

针对海表温度数据集的数据缺失,提出了一种基于自组织映射算法(SOM)和经验正交函数算法(EOF)有机结合的重构缺失值的新方法。该方法应用了SOM的非线性估计,能够很好的反映数据集的非线性结构,并把SOM估计的结果用于EOF算法的初始化,克服了EOF对数据集初始化敏感的问题。在处理过程中,对奇异值分解使用了lanczos算子分解矩阵,提高了程序运行效率。此外,该方法还引入蒙特卡罗交叉校正集,确定最佳重构的EOF模态数,最终高精度计算出重构误差。使用AQUA遥感卫星海表温度数据进行实验,结果表明该方法能够很好地重构出缺失率高达83.23%的数据集,且重构精度高。     

OSMAR-S型高频地波雷达在南海北部遥测海表面流的数据检验

为掌握OSMAR-S型高频地波雷达在南海北部遥测海表面流的误差分布情况,首先分析该型雷达测流的空间分布情况,发现在雷达连线中间区域存在盲区。将雷达测流数据与ADCP测流数据进行比对,中间区域流速误差小于其他区域。为得到更为全面的分析,对雷达测流数据进行潮流调和分析,计算得到潮流和余流,并分别与预报系统的潮流数据、气象站风场数据进行比对,在计算中采用快速Fourier变换进行数据滤波处理。结果显示在雷达电磁波覆盖的向外海一侧中间区域,特别是在与两雷达站夹角接近90°的区域,测流精度高于其他区域,并基于以上结论给出了雷达使用中的建议。     

黄海冷水团声层析监测数值模拟

海洋冷水团是海洋学家关注多年的问题 ,其监测方法亟待解决。本文将简正波波数层析法用于冷水团监测 ,并对简正波波数层析用于反演黄海冷水团声速剖面进行了数值模拟。数值模拟结果表明 ,简正波波数层析可以用于反演平均声速剖面 ,特别在监测与距离有关海洋环境的声速结构方面大有潜力。     

Underwater Navigation Based on Real-Time Simultaneous Sound Speed Profile Correction

Precise sound speed profile (SSP) information is critical when using sonar for underwater terrain navigation. Nevertheless, acquiring SSP information in real-time is difficult, especially in underwater navigation environment. To account for this problem, this paper presents an underwater navigation method that applies real-time SSP correction to the terrain measurements. The method uses a probe to measure the surface sound speed simultaneously. Meanwhile, redundancy of topographic measurement data is exploited to derive the equivalent SSP information. The acquired equivalent SSP is updated continuously with particle filter algorithm. The terrain measurements can be corrected in real-time with the equivalent SSP to improve the performance of underwater terrain navigation. By removing the impact of inaccurate SSP from the terrain measurements, the proposed method can achieve precise and robust underwater navigation result without using an underway-profiling instrument. Simulated results confirm the good performance of the proposed method.     

改进型经验正交函数海洋声速剖面预报方法

鉴于深海温跃层以下往往声速值缺乏,声速剖面不完整的原因,提出一种声速剖面的预报方法:在传统经验正交函数预报法基础上,首先改进协方差矩阵的求解方法,将原始数据的空间信息和时间信息有效地融合到协方差矩阵中,通过由大量实测数据统计得出的时间函数的经验公式,得到合成剖面,将二者结合,把不完整剖面垂直向下延拓到海底,较为有效地解决了传统方法求解协方差矩阵和时间函数较粗糙的问题,给出了完整的海洋声速剖面的准确预报.实测数据检验结果表明,改进方法的预报精度比传统方法有了很大提高.     

基于深度学习和时空特征融合的海洋渔船密度预测方法

为了从海量渔船轨迹数据中挖掘隐含的信息和知识,进而为渔业行政主管部门的决策提供科学依据,本研究以AIS渔船轨迹数据为研究对象,提出了一种基于深度学习和面向时空特征融合的海洋渔船密度预测方法：首先,利用渔船轨迹数据集对渔船行驶区域进行网格划分;其次,筛选出渔船高密度区域进行研究,避免数据稀疏性问题;再次,根据渔船轨迹数据的时空分析,构建三维时空融合矩阵;最后,通过卷积循环神经网络模型捕获渔船分布的时间和空间特征,并利用卷积神经网络的堆叠加强对空间特征的学习。实验通过东海海域渔船真实轨迹数据进行具体测试,结果表明渔船密度预测值与真实值非常接近,平均绝对误差为4×10-4,模型较好地拟合了渔船密度分布特征,有效地提高了渔船捕捞热点预测的准确性和鲁棒性。     

Seafloor Classification of Multibeam Sonar Data Using Neural Network Approach

In this study, the self-organizing map (SOM), which is an unsupervised clustering algorithm, and a supervised proportional learning vector quantization (PLVQ), are employed to develop a combined method of seafloor classification using multibeam sonar backscatter data. The PLVQ is a generalized learning vector quantization based on the proportional learning law (PLL). The proposed method was evaluated in an area where there are four types of sediments. The results show that the performance of the proposed method is better than the SOM and a statistical classification method.     

基于空间自回归和空间聚类的渔情预报模型

作者针对远洋渔场渔情预报精度偏低的问题,提出一种基于空间自回归和空间聚类的渔情预报模型。该模型利用空间自回归对收集到的渔业历史数据进行预处理,然后通过空间聚类将所有数据样本根据地理位置分划成若干个区域,最后研究每个区域中环境数据与渔获数据之间的数学关系,各自建立栖息地适宜性指数模型(Habitat Suitability Index,HSI),并以印度洋大眼金枪鱼(Thunnus obesus)为例进行验证。结果表明,本模型的均方差为0.1742,与传统线性回归方法的均方差0.2363相比,能更好地表达海洋环境数据与渔获量之间的关系,预测精度显著提高。     

南海珊瑚礁区34年卫星遥感海表温度变化的时空特征分析

选取NOAA OISST数据集的1982-2015年南海月平均海洋表面温度（SST）,先对东沙、西沙和南沙礁区海域的多年SST进行时间尺度上的统计,然后对该数据集进行距平场的经验正交函数（EOF）分解,研究南海海表温度的时间和空间年际变化特征。研究显示:（1）不同的礁区海域SST升温趋势不同,东沙礁区海域SST升温趋势最明显（0.216℃/（10 a））,西沙和南沙礁区SST的升温趋势分别为0.180℃/（10 a）和0.096℃/（10 a）;（2）西沙和南沙礁区全年处于珊瑚生长的最适海温范围内,东沙一年中有4个月海温较低,SST最高的月份分别集中在7月（东沙礁区）、6月（西沙礁区）和5月（南沙礁区）;（3） EOF第一模态的空间分布显示南海SST变化是同相位的,由西北—东南振幅量值递减,在礁区振幅从大到小依次为东沙、西沙、南沙;（4） EOF第一模态时间系数显示南海SST变化与El Niño事件相关。南海海表温度异常场与Niño3.4指数的相关性分析显示两者关联度最高为0.723,平均关联度也高达0.655;南海SST的变化滞后Niño3.4区7~8个月。综上,在全球变暖背景下,南海SST的变化不仅受到El Niño事件的影响,其不断上升也在悄然威胁珊瑚的正常生长。