基于姿态校正的RTK潮位在琼州海峡地形测量中的应用

潮位改正是多波束地形勘测中的重要环节。琼州海峡跨海工程中分别利用验潮潮位和RTK潮位进行潮位改正,对比结果发现初始RTK潮位改正后的数据存在较大偏差,最大可达1.5 m。通过对RTK测量潮位进行姿态校正后,其结果与验潮潮位的偏差减小,可以控制在0.3 m以内。5-6月的琼州海峡正是西南季风爆发时间,海峡海流的流向具有复杂性,涨落潮都伴随着较大的风浪,RTK潮位测量忽略风浪带来的影响是出现较大误差的重要原因。     

北吕宋海槽深海滑坡沉积及其分布特征

通过浅地层剖面和多波束地形资料的精细解释,在北吕宋海槽中部发现了一个规模约500 km2,平均厚20多米的海底滑坡沉积。通过对该滑坡体的物源及其沉积环境分析,将整个滑坡体沉积分为末端区和前缘区两个部分。从滑坡体与周围地层的叠置关系及火山弧喷发的历史来看,初步认为该海底滑坡是地震造成的。该滑坡体的发现对深化深水滑坡体的认识具有重要作用。     

海底地貌制图中拓扑关系的建立

为完成海洋项目总图编绘任务,在海底成图系统MBChart的基础上进行技术开发,提出面向海底地貌图编制的拓扑构建流程:通过曲线自相交、互相交来判断和删除悬挂弧段等操作,编辑不满足拓扑构建要求的弧段;以角度为序构建弧段的结点网络,建立弧段与结点间的双向联系;以结点为序跟踪相关弧段,构建封闭拓扑面;按照最小包围框初步建立各拓扑面间的嵌套关系,用射线法或转角法排除假嵌套关系,建立完整的拓扑树结构;在MBChart软件平台基础上,采用人机交互的方式编辑已构建的拓扑面,按照规范要求实现地貌图填色.已采用该技术方案完成海洋项目总图和《南海图集》中海底地貌图的编绘工作,同时该项技术还有望应用到地学研究的可视化展示和定量运算.     

基于MRF场的侧扫声呐图像分割方法

为了利用侧扫声呐进行水下目标自动探测和识别,首先必须将声呐图像分为目标高亮区、海底混响区和目标阴影区.由于声呐图像有强背景噪声,传统的图像分割方法显得无能为力,故采用基于MRF场的图像分割方法来准确地分割.根据侧扫声呐目标的成像特点,建立了分割的约束条件;利用阴影与目标的灰度均值比很小这一特点进行初始分割,然后根据分割后目标与阴影的宽度差来剔除虚假目标,由初始分割的结果求得MRF模型初始参数,再采用迭代条件估计得到最终的模型参数和准确的分割结果.由于考虑了相邻像素间的依赖关系,具有抗噪性强、分割效果好的优点,从理论上说是合理的.实测数据分析也证明了这种算法的优越性.     

两种基于贝叶斯点估计理论的多声源定位方法研究

海洋环境参数失配是制约匹配场定位性能的主要因素之一。为了克服环境失配,本文基于贝叶斯理论,将环境参数与声源的距离和深度一起作为未知量进行反演。然而在进行多声源定位时,反演参数的维数几何增长,极大地增加了反演问题的复杂性和计算量。为此本文将声源强度和噪声方差表示成其极大似然估计值,从而将这些参数进行隐式采样,大大降低了反演的维数和难度。文章比较了两种贝叶斯点估计方法,最大后验概率密度方法和最大边缘后验概率密度方法。最大后验概率密度方法的解是令后验概率密度取得最大值的参数组合,可以利用优化算法快速获得。最大边缘后验概率密度法将其他参数积分,得到目标参数的一维边缘概率分布,分布的最大值为反演结果。该方法得到最优估计值的同时可以获取参数估计的不确定信息。在环境参数和声源参数都未知的情况下,利用蒙特卡洛法在不同信噪比情况下对两种声源定位方法进行分析,实验结果表明：(1)对于敏感参数,如声源距离、水深和海水声速,最大边缘后验概率密度法比最大边缘后验概率密度方法的性能好。(2)对于较不敏感的参数,如海底声速、海底密度和海底声衰减,当信噪比较低时,最大边缘后验概率密度方法能较好地平滑噪声,从而比最大边缘后验概率密度法具有更好的性能。由于声源距离和深度是敏感参数,研究表明最大边缘后验概率密度法提供了一种在不确知环境下更可靠的多声源定位方法。     

海底浅表层信息声探测技术研究现状及发展

回顾了我国海洋仪器研发的历史,综述并对比了多波束测深、侧扫声呐和浅层剖面仪等海底浅表层信息声呐探测技术的国内外研究现状:经过数十年的海洋技术研发,国内在设备研发、数据资料处理方法研究和探测数据资料应用研究等方面已取得了较丰硕的研究成果,但同时也发现在当前国内海洋技术研发中仍存在一些潜在的问题,与国外相关海洋技术尚存在一定差距。以维护海洋权益为目标的系列重大海洋基础勘测项目的启动和深海资源勘查及研究的纵深发展是近年海洋技术得以快速发展的源动力。声学底质分类、声学海底原位测试、动力地貌和构造地貌等是目前海底浅表层声探测信息资料应用于海底科学研究的热点。对海洋技术的可持续发展提出了几点建议：①提高理论研究水平;②加快仪器设备研制的国产化进程;③加强自主知识产权数据处理软件的研发;④进行探测数据资料的深层次利用研究。     

海底沙波特征线的最优方向剖面自动识别方法

海底沙波是发育在近海陆架上的一种常见海底地貌类型,海底沙波特征与运动规律的研究具有重要的科学意义与工程应用价值,沙波脊线与谷线是表征海底沙波的最基本特征,也是精确描述沙波运动的基本参量。本文提出了一种基于复合数字水深模型的沙波特征线自动识别方法——最优方向剖面法,基于水深曲面归算得到最优剖面方向,再依据最优剖面方向求导并判定极值,自动提取沙波形态特征点,最终形成沙波脊线和谷线。以台湾浅滩复合型沙波为例进行对比实验研究,结果表明,该方法能基于不同分辨率的数字水深模型自动准确地提取海底沙波脊线与谷线,勿需设置阈值,地形自动化识别程度得到进一步提升,具有重要的实际应用价值。     

台湾浅滩海底沙波精细特征、分类与分布规律

迄今由于缺乏高精度的实测水深数据,对台湾浅滩沙波的精细结构缺乏详细的阐述。本文基于多波束实测资料研究台湾浅滩沙波形态的精细特征及其分布规律。多波束探测结果显示:研究区沙波的平均波高达到13.5m,沙波波峰处水深为20.42m,沙波平均波高约为水深的2/3,沙波的波长大多数处于500~700m之间。研究区内主要发育3种类型的沙波,即摆线型沙波、余弦型沙波和双峰型沙波。研究区西部主要发育双峰型沙波,中部则主要发育余弦型和摆线型沙波,而东部主要发育摆线型沙波,整个区域以摆线型沙波为主。海平面波动、台湾海峡复杂的水动力条件以及台湾岛丰富的山溪河流携带的大量沉积物进入海峡,对浅滩区的沙波具有强烈的改造作用。     

利用深层卷积神经网络实现地形辅助的多波束海底底质分类

海底底质分类对于海洋资源开发与利用、海洋科学研究等多方面具有重要意义。目前,多波束探测是实现大范围海底底质分类的有效手段之一,通常基于多波束反向散射强度提取角度响应(AR)特征及反向散射图像特征进行底质分类。由于特征来源较单一,分类器结构简单,往往分类精度不高。为此,本文提出了一种基于深层卷积神经网络(CNN)的多波束海底底质分类方法。除反向散射强度特征外,还利用地形特征,将特征向量转换为波形图,再输入卷积神经网络进行训练和分类。试验对比不同特征组合以及BP网络、支持向量机(SVM)、K近邻(KNN)、随机森林(RF)4种常规分类器,本文模型算法总体分类精度达到94.86%,Kappa系数为0.93,精度具有明显优势,效率也比较高。表明该方法有效利用两种数据类型所蕴含的海底底质信息,充分发挥卷积神经网络权值共享、高效率等特点,实现高分辨率海底底质分类,可对海底底质分类研究提供参考。     

200海里以外大陆架划界技术及其应用

本文讨论了法律意义的大陆架与科学意义的大陆边缘的异同,介绍了扩展200海里以外大陆架的两条公式线、两条限制线和海脊规则等主要的外大陆架划界技术方法,论述了运用这些划界规则的条件和标准,并指出了我国东海部分海域外大陆架划界案的基本原则、科学基础、法律依据和外部界限.