基于SLA和流场几何特征融合的中尺度涡识别算法

中尺度涡是海洋物质循环和能量传输的重要载体,针对海洋中尺度涡自动探测问题,基于涡旋的物理特征海表面高度异常,结合涡旋的流场几何特征构建了一套海洋涡旋自动探测算法。采用法国AVISO分布的海表面高度异常数据和地转流异常数据,将所构建的算法应用于南海中尺度涡旋探测。为对混合识别算法的涡旋探测结果进行评估,将人工检测的方法从表面速度矢量场中得到的涡旋中心作为真实涡旋中心进行精度验证。结果表明：混合识别算法的探测成功率SDR为91.7%,误判率EDR为7.63%,可以实现对海洋中尺度涡旋的自动探测,为研究海洋中尺度涡的时空分布特征提供数据支持。     

基于YOLO算法的海洋中尺度涡三维结构构建

海洋中尺度涡是一种常见的中尺度海洋现象,研究海洋中尺度涡的分布及运动特性对航运、气候、军事等具有重要作用,海洋中尺度涡的识别是海洋学和计算机科学领域的一个热门研究课题。运用深度学习的方法和框架,对中尺度涡的二维识别和三维结构构建展开研究分析。首先,获取全球海洋再分析数据并进行流线可视化,构建涡旋流线数据集;其次,利用YOLO v5s卷积神经网络对涡旋流线数据集进行训练,并对南海区域中尺度涡进行有效检测。实验结果表明,YOLO v5s训练后得到最优模型经过测试,平均检测精度均值达到了86.10%;最后,根据涡旋检测结果,对检测出的同时刻不同深度的涡旋判断是否属于同一涡旋,确定后进行该涡旋的三维结构构建。     

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.     

基于卫星高度计和浮标漂流轨迹的海洋涡旋特征信息对比分析

本文基于Chelton提供的涡旋数据集和浮标漂流轨迹提取的涡旋结果,对1993—2015年的全球涡旋进行特征信息对比分析。结果表明,在全球范围内高度计涡旋数据集中的欧拉涡旋和浮标漂流轨迹提取的拉格朗日涡旋的配对成功率在空间分布上并不均衡,在中纬度(20°—60°S,20°—60°N)配对成功率最高可达25%,而在20°S—20°N区域内配对成功率不到10%。由于低纬度地转效应并不显著,卫星高度计无法有效观测到涡旋,但通过浮标漂流轨迹识别出的拉格朗日涡旋却大量存在,这说明在低纬度区域内,采用漂流浮标手段对涡旋进行观测,能够有效地弥补卫星高度计识别涡旋的区域限制。进一步分析表明,总体而言,提取的欧拉涡旋半径要大于拉格朗日涡旋闭合回路半径。两种识别方法获得的涡旋(闭合回路)在20°—50°S, 20°—50°N的副热带和中纬度海区半径大致相当; 20°S—20°N度以内(特别是近赤道区域)、高纬度区域以及西边界流区域,欧拉涡旋半径是同期拉格朗日涡旋闭合回路半径的3倍或更多。此外,对配对涡旋的Rossby数分析结果显示,拉格朗日涡旋较小的闭合回路对应较大的平均相对涡度,这表明浮标在被中尺度涡俘获后,更容易在相对涡度较大的地方(如中尺度涡中心、中尺度涡边缘等)形成闭合回路。     

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。     

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。     

基于密度峰值聚类的中尺度涡轨迹自动追踪方法

中尺度涡信息的提取包括涡旋的识别和轨迹追踪,其自动识别与追踪对于基于海量数据的中尺度涡分析十分重要。传统涡旋轨迹自动追踪方法一般需要预先设定搜索半径的阈值,存在一定的主观性。针对传统中尺度涡轨迹追踪方法存在的问题,论文从聚类的角度出发,提出基于密度峰值聚类算法实现对涡旋轨迹的自动追踪,并以南海中尺度涡追踪为例,将基于聚类的追踪算法与传统的相似度追踪算法进行比较分析。结果表明:（1）基于密度峰值聚类算法,可实现对海洋中尺度涡的自动追踪,该算法涡旋追踪准确率优于传统相似度算法;（2）该涡旋追踪算法对资料的完整性依赖度较低,特别是对于存在部分缺损数据的情况仍能较准确追踪;（3）该追踪算法克服了传统涡旋追踪算法需要预先设定搜索半径阈值的问题,自适应性更强。     

印度洋中尺度涡遥感调查和验证

海洋湍流的基本结构之一是各种尺度的涡旋,既有构成背景场流的随机小尺度涡旋,又有在统计意义上存在拟序结构的中尺度涡。针对印度洋广泛存在的中尺度涡,研究使用长时间序列、空间分布均匀的卫星测高数据,开展了印度洋中尺度涡遥感调查和结果验证。结果显示,印度洋中尺度涡主要分布在南印度洋南极绕极流区域、澳大利亚西部海域、莫桑比克海峡以及北印度洋的阿拉伯海以及孟加拉湾。北印度洋由于空间区域所限,其中尺度涡生命周期和移动距离均较小;而南印度洋存在大量长生命周期的中尺度涡,部分涡旋可以横跨整个南印度洋运动。基于ARGO现场观测数据以及多源海洋三维再处理数据,对中尺度涡遥感调查结果进行了验证,中尺度涡表层遥感信号与水下温度信号显示了较好的一致性。     

基于HYCOM数据对中尺度涡统一三维结构的研究

通过分析HYCOM模式数据,利用基于物理特性的Okubo-Weiss参数化涡旋探测方法,对西北太平洋副热带逆流区中尺度涡进行探测识别,应用归一化和坐标变换方法得到了中尺度涡的统一三维结构。其中,中尺度涡的统一水平结构可以用解析函数R(r_n)=(1-r_n~2/4)·exp(-r_n~2/4)表示,与利用卫星观测资料和Argo剖面浮标得到的全球范围内统一水平结构R(r_n)=(1-r_n~2/2)·exp(-r_n~2/2)存在差异,产生这种差异的原因可能是由于模式数据分辨率高,导致在涡旋识别过程中将小尺度、次中尺度信号引进,还可能是对压强异常场进行处理时存在季节信号带来的影响。此外,2倍标准化半径范围外涡旋的压强异常分布具有明显的区域差异性,这也可能是导致统一水平结构存在差异的原因。在拉伸坐标系下中尺度涡的统一垂直结构可以表示为H_n=sin(z_n)正弦函数形式,与全球范围内观测资料得到的统一垂直结构一致。     

基于高分辨率再分析海流数据的三种涡旋识别方法在南海的评估

本文基于南海11 a逐日高分辨率再分析海流数据,利用三种涡旋识别方法——缠绕角（Winding Angle,WA）法、速度矢量几何（Vector Geometry,VG）法和OW (Okubo Weiss)参数法对南海中尺度涡进行识别和追踪,对比了三种方法对中尺度涡的探测能力,并分析了在高分辨率再分析产品中的适用性。研究表明,产品空间分辨率的提高能够放大OW方法的W参数噪声,使该方法存在涡旋过量检测和涡旋分割现象,导致识别的涡旋数量偏多、半径偏小,涡旋平均成功探测率最低（76.2%）;与OW方法相比,WA方法在一定程度上降低了涡旋过量探测率和漏判率,涡旋平均成功探测率提高至85.1%,但涡旋识别时间较长;与前两种方法相比,VG方法的涡旋平均成功探测率可达93.2%,综合评估参数（过量探测率×漏判率÷成功探测率）优势显著（4.5%）,且计算高效。因此,在基于高分辨率再分析产品进行中尺度涡识别时,VG方法具有更加合理的涡旋探测结果和更强的适用性。     

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.     

基于改进U-Net网络的海洋中尺度涡自动检测模型

海洋中尺度涡对浮游生物的分布、能量和盐分的输送具有非常重要的影响,海洋中尺度涡的自动检测是监测、分析中尺度涡时空变化的重要基础。针对传统基于物理特征检测海洋中尺度涡的方法存在受限于人工设计参数导致精度不高的问题,本文依据海洋卫星反演的海表面高度图,提出了一种基于改进U-Net网络的海洋中尺度涡自动检测模型。该模型在海洋中尺度涡的特征提取阶段嵌入了卷积注意力机制,使得模型能够关注于海表面高度图中最具有类别区分度的区域,同时引入了残差学习机制解决了网络过深导致模型难以训练的问题。本文以南大西洋的卫星海表面高度数据集为例开展实验验证,结果表明,本文提出的模型海洋中尺度涡检测准确率达到了93.28%,显著优于EddyNet等现有模型。模型可为海洋学家通过海表面高度探测中尺度涡提供可靠技术方法。     

海表地转流差商计算试验分析

基于卫星高度计海面异常高度资料反演的海表地转流场在海洋学研究中应用广泛。针对Arbic等(2012)提出的海表地转流差商计算改进算法,以南海为试验海区,通过涡动能和中尺度涡自动识别计算试验对差商改进方法进行有效性检验。结果表明,七点中差法计算的海表地转流场比其他常用差商方法更利于中尺度涡旋外边界确定,得出的涡动能分布规律和数值大小也更符合实际。     

苏门答腊岛西北海域中尺度涡源区特征与形成机制

孟加拉湾内和湾口附近有丰富的中尺度现象,本文利用2.0版可分辨低纬地区中尺度涡的Chelton数据集,通过溯源的方法得到中尺度涡的源地分布。苏门答腊岛西北海域(以5°N,94°E为核心的区域)是中尺度涡重要源区之一。通过拉格朗日方法的涡旋追踪表明,1993—2017年该海域(3°N—6°N、92°E—95°E),分别有57个气旋式和40个反气旋式中尺度涡。频谱分析显示海表面高度异常存在180 d和360 d两个显著周期。地形和风场的共同作用是该海域产生中尺度涡的动力机制：沿5°N西传的罗斯贝波在海岭地形的作用下触发了中尺度涡的生成;赤道风场是源区重要的能量来源,局地风场能诱发中尺度涡的极性。本研究也揭示了以往文献虽刻画了苏门答腊岛西北部海域为高涡动能区,却没有识别出较多中尺度涡的原因。     

Eddy Detection Over Southern Indian Ocean Using TOPEX/POSEIDON Altimeter Data

Mesoscale eddies constitute the most energetic component of the variability of ocean currents. An attempt has been made for the detection of oceanic mesoscale eddy signatures over the Southern Indian Oceanic (SIO) regions using the dynamic topography derived from TOPEX/POSEIDON (T/P) altimeter data, by the signal processing technique, called matched filtering. After applying all the ocean and atmospheric corrections, data of a complete cycle of T/P over SIO has been used for detection of eddy signatures. The geoid undulations are removed from the data of corrected sea surface height from T/P and the resulting dynamic topographic data are passed through a matched filter designed to detect a generic eddy signature of Gaussian signal embedded in noise. The filter is optimized to detect eddies with amplitude 20 to 30 cm and diameters roughly 100?250 km. Out of all the analyzed data of T/P orbits over SIO a few examples are presented for brevity. Qualitative verification of eddies is done with some independent T/P sea level anomaly data over the region. The analysis shows that the matched filtering technique is most suitable for monitoring eddy signatures along the subsatellite track instantly over the remote and most hostile regions of the southern global oceans.     

基于四维变分同化方法的南海中尺度涡后报实验

海洋中尺度涡在本质上是属于满足准地转平衡的大尺度运动,因此理论上,其在短时间内的运动将主要受到准地转平衡关系的约束,而外部强迫场的影响在短期内不会明显改变其运动特征。基于上述思想,我们提出了一种基于四维变分同化初始场的中尺度涡旋预报方案。为了检验该方案的可行性,本文使用区域海洋模式(regional ocean modeling system, ROMS)和其内建的增量强约束四维变分同化(incremental strong constraint four dimensional variational, I4D-Var)模块,建立了一个南海海洋同化模拟系统。首先,通过I4D-Var方法将AVISO卫星高度计资料同化到海洋数值模拟中,获得了理想的中尺度涡同化模拟结果。同化、模式模拟和观测三者的中尺度涡统计结果表明,该同化系统模拟的南海中尺度涡的路径、半径、海表高度异常和振幅等特征信息与AVISO(Archiving ValidationandInterpolationofSatelliteOceanographicData)观测结果高度吻合,同时在深度上的分析表明,涡旋对应的温度、盐度和密度均得到有效的调整。然后,将该同化系统的模拟结果做为初始场,对某一特定时段的南海中尺度涡进行了后报模拟和结果的定量化分析。通过比较后报模拟与观测资料中对应涡旋的海表面高度异常(sea surface height anomalies, SSHA)相关系数、涡心差距和半径绝对误差,证明该方案的中尺度涡后报时效至少可达10 d以上。后报实验结果验证了该中尺度涡预报方案的可行性,从而为中尺度涡的预报提供一定的理论基础和可行性方案。     

A New Wavelet Method for Identification of Eddies and Assessment of Incidents on Islands of the Eastern Caribbean

Using two dimensional continuous wavelet transforms, a novel method for identification of mesoscale eddies is presented to facilitate extraction of characteristics for area, amplitude, type, and location from maps of sea level anomalies. In comparison with the previously established growing method for eddy identification, it is found that the wavelet method identifies more than twice the number of eddies and is particularly better at resolving small eddies down to the 0.25 degree resolution of the data. Such research into eddy identification and tracking is significant to the assessment of eddies with potential to impact on coastlines of small islands. The method is applied to the identification of eddies on tracks towards islands of the Eastern Caribbean over 23?years. Spatial and temporal variation in rate of occurrence and magnitude is established. For Barbados there is an average of 9 anticyclonic incidents a year with maximum amplitude of typically 0.22?m in the dry seasons and 0.16?m in the wet seasons. Seasonal variation is reversed for the other islands with twice the number of anticyclonic incidents having maximum amplitudes of about 0.20?m annually.