基于重力地质法反演南海海底地形

基于重力地质法(GGM)采用卫星重力异常数据反演了中国南海112°E~119°E,16°N~20°N范围1'×1'的海底地形模型,通过船测水深数据的直接格网化结果和ETOP01模型的检核进行了精度评价。结果表明,GGM模型较船测水深的直接格网化结果更为精细,在船测控制点分布均匀的海域,GGM模型能获得比ETOP01模型更高的精度。为进一步验证GGM模型受海底地形特征影响的情况,采用GGM模型与ETOP01模型分别内插出9356个检核点处的水深,并统计得到两模型差值的较差结果平均值为19.560m,标准差为130.156m,相对精度为4.79%。经分析得出:GGM模型与ETOP01模型在坡度变化平缓深海区有着较好的一致性,随着水深的依次变浅,二者的差异逐渐显现,在多海山的海域差异达到最大。最后,为充分发挥重力地质法在海底地形反演中的优势总结了其最佳适用条件。     

高精度测高重力场反演南海海底地形

随着测高技术的不断发展,测高海洋重力场的精度不断提高,由其反演计算的海底地形精度也相应提高。利用Sandwell 2014年最新发布主要由Jason-1末期大地测量任务和Cryosat-2观测资料反演的测高重力场V23.1,采用重力地质法(GGM)反演了中国南海海域海底地形模型,并对结果进行了精度评价。该过程中首先直接计算一系列密度差下的反演结果,并通过船测数据检核选定优化的密度差范围,然后利用向下延拓的方法确定了最优密度差异常数为7g/cm3。与船测水深数据相比,反演得到的GGM模型与检核点船测水深数据差值的标准差达到了±70.32m;此外,还计算了由测高重力异常V15.2反演的海底模型,比较这两个模型发现:测高重力场短波部分的改善对海底地形反演精度的提升作用有限,为得到更高精度的海底地形模型,需引入短波更为敏感的重力梯度资料。     

重力信息反演海底地形的非线性影响研究分析

基于Paker理论导纳函数模型,研究分析了频率域海底地形非线性项对重力异常与重力异常垂直梯度贡献的量级。通过对日本某海域数值实验结果表明,频率域海底地形非线性项对重力异常的影响需要考虑到三次项,对重力异常垂直梯度量级的影响需要考虑到四次项。研究结果对于提高利用重力异常和重力异常垂直梯度反演高精度海底地形具有应用价值。     

基于BP神经网络的海底地形复杂度自动分类方法研究

针对海底地形复杂程度分类问题,在考虑传统水深均值的基础上引入坡度和起伏度两个地形因子作为表征海底地形复杂程度的分类指标并进行量化,对水深数据空间分辨率进行统一,建立包含18种典型海底特征的海底地形复杂度分类库,利用BP神经网络对建立的分类库进行训练学习。为验证该方法的有效性和适用性,选取地形复杂度不同的4块实验区分别采用统计学方法和BP神经网络算法进行海底地形复杂度进行分类,对比发现该方法可以实现海区海底平坦、一般、复杂三种地形的自动识别与分类,并保留实验区海底地形复杂度细节信息。     

测高重力场反演海底地形方法比较

根据重力异常与海底地形的相关性,利用日本西之岛附近海域内的重力异常和船测水深,分别采用SandwellSmith方法(SS,1994)和重力地质法(GGM)反演了该海域内1'×1'海底地形模型,并将反演的模型与格网化船测水深模型和ETOPO1模型进行了对比分析。在GGM中,使用了迭代法向下延拓确定密度差常数为5.7g/cm~3。与SS模型相比,GGM模型与格网化船测水深模型的差值的标准差达到了37.10m。     

基于频域法的留尼汪海域海底地形反演

海底地形是全球地形的重要组成部分,对地球物理科学研究、经济活动等具有重要作用。基于Parker公式,利用卫星测高重力异常和船测水深数据,采用频域的方法反演了疑似马航MH370失事区域的留尼汪海域的10°×10°的海底地形。最后将反演的水深和船测水深、国际通用的海深模型ETOPO1作比较进行精度评估,结果表明:本文反演结果与船测水深相比误差平均值为-26.038 m,标准差为176.588 m;与ETOPO1相比,差异平均值为-33.541 m,标准差为160.769 m。这表明采用重力异常数据,结合船测数据能较高精度地反演海底地形。     

联合重力异常和重力垂直梯度异常数据反演皇帝山海域海底地形

海底地形对开展海洋科学调查和研究十分重要。以多波束为主的回声测深技术测量成本高且效率低,几十年来仅实现了全球约20%的海床测绘。对于空白区（特别是深海区域）,可以借助重力异常和重力垂直梯度异常进行回归分析反演得到,但该方法得到的比例因子鲁棒性不强。为了解决这一问题,同时考虑到两种重力数据在表征海底地形长短波长的不同优势,本文结合滑动窗口赋权和稳健回归分析来反演海底地形。在太平洋皇帝山海域（35°～45°N,165°～175°E）的实验结果表明：在船测检核点处,本文构建模型的标准差为61.02 m,相比于单一重力数据反演模型,精度分别提高了14.92%（重力异常）和2.08%（重力垂直梯度异常）,能较好地反映皇帝海山链的地形走势。     

应用重力地质法反演马里亚纳海沟地形

根据重力地质法(Gravity Geological Method, GGM),利用6 736个已知水深点数据和卫星测高重力异常反 演了马里亚纳海沟(142^°36^''~147^°18^''E,23^°~27^°N)1^''×1^''分辨率的海底地形,该计算中的密度差常数为1.20 g/cm³。将反演的地形与实测检核水深数据相比,两者较差标准差为152.9 m,平均误差为(±3.0) m,均方差为153.0 m,优于ETOPO1模型和直接把船测水深控制点格网化后的模型。将重力地质法反演的模型、ETOPO1模型、直接格网模型进行功率谱密度分析,结果显示3种模型在中长波地形能量一致,但对于短波地形,重力地质法模型能量高于其他2个模型,说明重力地质法更能描绘细致的海底地形地貌。选取2条测线与重力地质法模型进行对比研究,结果表明重力地质法在海底地形起伏小的区域优于在海底地形起伏较大区域的反演效果。     

南海海底地形的卫星测高数据反演

深入讨论了重力异常与海深的关系 ,在考虑地壳均衡补偿效应影响的基础上 ,推导了由重力异常用FFT技术计算海深的模型。最后 ,利用推导的模型联合测高卫星数据和海洋重力资料反演了中国南海 2 5′× 2 5′海底地形     

卫星测高资料在反演海底地形中的应用

首先论述了利用卫星测高数据反演海底地形两类常用算法即解析算法和统计算法的基本原理和数学模型，在此基础上基于最小二乘配置理论，提出了统计算法的改进模型，使用新模型在南中国海地区进行了海底地形反演计算，并将反演结果与实际船测水深进行比对，进一步验证改进模型的可靠性和有效性。     

基于遗传BP神经网络的海底沉积物声速预报

在海底沉积物声速预报中,针对传统经验公式存在预测精度差、适用范围窄、缺乏物理意义等问题,在已有BP神经网络预测的基础上,运用遗传算法优化其初始权值和阈值的方法,构建出基于含水量、孔隙度的声速预报模型。将南沙海域采集得到的海底沉积物样品分为两部分,抽取120组涵盖陆架、陆坡、海槽等地貌单元的样品作为训练数据,另外剩余6组作为测试数据。经试验对比后发现,在对本区域进行声速预报时,宜采用遗传算法优化的BP神经网络,其要优于传统的单参数、双参数回归拟合预报方法和国内外其他学者所得到的经验公式。此种预报方法具有一定的科学依据和广泛的应用前景,可在今后为建立明确、统一的声速预报模型提供参考。     

东海海底地形分区特征和成因研究

东海一直以其特殊的大地构造地位受到国内外地学界的关注,但作为主要受构造控制的东海海底地形的研究,以往简单趋势性描述居多,专门深入系统的研究尚不多见。不久前完成的高精度、全覆盖多波束海底地形勘测覆盖了东海部分外陆架、大陆坡全部、冲绳海槽和东部岛坡的一部分,取得了海量的测深数据。据此编绘的勘测多波束水深图和结合测区外的传统资料编绘的海底地形图使我们有机会可以重新审视和系统研究东海的海底地形特征。在定量确定了陆架坡折线、陆坡坡脚线和东部槽坡坡脚线的基础上划分出了大陆架、大陆坡、冲绳海槽平原和东部岛坡4大地形区,继之对各区的海底地形特征进行了研究和描述,并在区内选取了有代表性的5条剖面进行了剖析。另外,从地球内营力和外营力两方面分析了影响东海海底地形发育的因素。调查分析表明:整个东海地形分带明显,地形类型多样:大陆架十分宽阔,总体北宽南窄,从大陆向海平缓倾斜,发育了广泛的NW-SE向沙脊群,自大陆向东南呈扇形发散;大陆坡呈NE-SW向条带展布,海底地形陡峻,呈阶梯状下掉,总体北缓南陡,其上峡谷密布,上穿切外陆架,下直达海槽,同时坡麓上海台沟谷伴生发育;冲绳海槽北浅南深,其内在平坦的背景上发育了众多的海山和海丘,其中心又有槽中槽地形;东槽坡地形复杂,发育了     

用卫星测高资料反演大尺度海底地形

本文在分析卫星测高应用潜力的基础上,提出了利用卫星测高资料反演大尺度海底地形的新思路,研究了匹配滤波法、垂线偏差剖面法的原理及优缺点,提出了带约束的线性回归法和带约束的曲面拟合法,并且,根据我们在反演中的体会,指出了几点提高反演精度的途径。     

几款全球海底地形模型比较分析

近几十年,随着卫星测高技术和相关数据精密处理技术发展,依托卫星测高技术业已成为快速获取全球海底地形数据的可靠手段,国内外相关组织机构已发布了一系列全球海底地形模型。整理评述了多款全球海底地形的基本情况,以及相互间的内在联系,包括DBDB系列模型、ETOPO系列模型、Sandwell系列模型、GEBCO系列模型、SRTM+系列模型、EARTH地形球谐系数模型、BAT_VGG模型、BAT_WHU2020模型、STO_IEU2020模型等。通过对全球海底地形模型的认识和梳理,以期为下一步全球海底地形模型高效、低成本构建提供方法参考。     

基于神经网络技术的遥感水深反演模型研究

利用Landsat7 ETM+遥感影像反射率和实测水深值之间的相关性,选取了相关性较好的ETM1、ETM2、ETM3、ETM4、ETM3/ETM2等5个水深反演因子,建立了BP神经网络水深反演模型。为充分体现BP神经网络模型的优越性,利用SPSS软件建立了单波段、波段比值、多波段三种不同的线性回归模型。通过对比发现,具有很好的自适应能力和非线性映射能力的BP神经网络模型在处理遥感水深反演问题上比传统的线性模型效果更好。     

塘沽海区海底地形的SAR影像仿真与反演研究

利用袁业立、金梅兵(1997)提出的海底地形SAR影像仿真与反演模型，对渤海塘沽海区的一张Radarsat SAR影像进行了仿真和水深反演研究。研究结果表明：仿真影像与真实SAR影像基本吻合，反演水深与实际水深也有较好的一致性；进一步证实了袁业立(1997)SAR成像机理的正确性和在中国近海利用SAR影像进行浅海水深探测的可行性。     

基于改进BP神经网络的海底底质分类

通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。     

对海底地形可视化技术的探讨

本文给出了海底地形可视化技术的一般概念,并介绍了常用于实现海底地形可视化的技术和手段。     

基于海量海底地形数据的存储和可视化研究

针对海量海底地形数据的存储和可视化的技术难点,提出一种基于细节层次模型的处理技术。使用这种技术,可以对海底地形模型进行有效的管理。通过实验证明,使用细节层次模型技术可以对海底地形模型进行高效绘制。