基于水声环境空间中多模态深度融合模型的目标识别方法研究

随着对水下目标特性研究的深入和声学探测技术的发展,基于单模态的阵列式信息融合或基于空间信息的分布式信息融合的水下目标识别方法研究已有一定成果,但针对复杂海况导致单一物理场或单一融合层次的系统识别性能提高有限等方面影响的水下目标识别方法研究还有所不足,因此,开展基于多模态深度融合模型的水下目标识别方法研究可利用模态互补,共享信息而提升识别率。文中在国内外研究基础上,深入研究了基于到达时差法和多模态方法组合的检测方法,初步形成了基于水声环境空间中多模态深度融合模型的识别框架,开展了海洋中典型自然与人为事件的信号分析与特征提取,并在此基础上,设计新型基于海底基站的被动识别系统。该系统同步记录和由位置等组成的时间序列标记声、磁和压数据,可实现高精度、高分辨率的识别。本研究可满足未来海洋观测对高性能水下目标探测、定位和跟踪系统的迫切需要,为海洋安全监管、海洋突发事件应急响应等领域提供新的技术手段和科学参考。     

海底地形图表达方法探讨

为实现海底地形多样化表示与服务,丰富海底地形图表示样式,分析了海底地形图的主要内容,研究了海底地形图可视化表达机制。结合多源海底地貌与底质数据的特点,提出了基于颜色扩展联合图形符号、可灵活组合的海底地形图表示策略,给出了水深注记、等深线、深度区、海底底质这4类主要海底地形要素的具体表达方法。试验表明,设计的可视化表达方法能实现不同类型、不同来源、不同质量差异的多类型海底地形数据的有效表达,为海底地形数据的多样化表达提供参考。     

深度学习在水声目标识别中的应用研究

水声目标识别技术是水声信号处理的重要组成部分,是水声信息获取与水声信息对抗的重要技术支撑。针对水声目标识别时探测数据量大、自动化程度不高、识别效率低下等问题,研究了深度学习在水声目标识别中的应用。首先,介绍了水声目标识别技术的研究现状及当前形势下面临的挑战。然后,对深度学习的网络结构原理及改进型进行了分析,并分别对深度学习在水声声信号识别领域和水声图像信号识别领域的应用现状做了阐述。最后,指出了由于受当前技术条件和水下复杂环境的制约,此方法尚且存在着不足之处。该方法为进一步优化深度学习算法、拓展深度学习技术应用范畴、提升水声目标识别效率提供了参考。     

基于融合U-Net及ConvLSTM的海面高度异常预报方法研究

海面高度异常是反映海洋环境状况的主要变量之一。本文使用1993—2019年的融合月均海面高度异常数据,建立了基于深度学习的海面高度异常预测神经网络模型,提出了基于融合U型网络(U-Net)和卷积长短记忆网络(ConvLSTM)的中长期海面高度异常预报模型。在研究海域0.25°×0.25°的空间分辨率下,模型测试集预报结果的均方根误差和平均绝对误差分别为0.039 m和0.027 m,均优于全连接LSTM预报模型和ConvLSTM+CNN预报模型,为大中尺度的海面高度异常预报提供了新的方法。     

空间变异对海洋叶绿素a质量浓度遥感产品精度验证的影响

海洋叶绿素a质量浓度遥感产品是海洋初级生产力与海洋生态系统固碳能力研究的重要数据源,为了保证数据的可靠性,对遥感产品进行精度验证以及验证误差的成因分析尤为重要.遥感产品的验证过程中,由于空间变异的存在,使得遥感像元尺度内的实测数据具有不同的离散程度和统计分布特征,并由此产生了不同的误差统计结果.本文选择MODIS-Aq...     

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。     

黄河三角洲潮间带大型底栖无脊椎动物群落结构与分布特征

为了解黄河三角洲潮间带大型底栖无脊椎动物现状,于2019年5月分别对建国后黄河入海口4个流路区域20个潮间带站位进行了采样调查.调查共采集到大型底栖无脊椎动物5纲16目37科60种,主要优势种有托氏（虫昌）螺(Umbonium costatum)、泥螺(Bullacta exarata)、光滑河篮蛤(Potamocor...     

基于空间自相关的阿根廷滑柔鱼CPUE标准化研究

CPUE的观测往往不是独立的,而是存在空间相关性的。但是,大多数的CPUE标准化方法通常都假设名义CPUE在空间上是相互独立的。为此,本研究以西南大西洋阿根廷滑柔鱼为例,采用2000-2014年1-5月中国大陆鱿钓生产统计数据以及对应的海表温度和叶绿素浓度数据,选择广义线性模型（general linear model,GLM）为基础模型,将空间自相关加入到GLM中,比较标准GLM和4种加入空间自相关的空间GLM的CPUE标准化。根据最小信息准则（Akaike Information Criterion,AIC）及贝叶斯信息准则（Bayesian Information Criterion,BIC）,空间自相关的GLM的CPUE标准化结果优于标准GLM,其中指数模型的CPUE标准化结果最佳。同时,标准GLM与空间自相关的GLM相比,存在精确度过高估计的问题。因此,在CPUE标准化中,应充分考虑空间自相关这一因素。     

连云港近海紫菜养殖区遥感识别、空间变异和驱动分析

为了科学有效地掌握海域使用信息、管理海域权属,为海域资源调查、管理、规划、保护、合理利用提供服务,为违法、违规、违章用海项目得到有效遏制,减少用海矛盾,有必要开展海域使用动态监测,作者以连云港近海为研究区,利用4个时相Landsat遥感影像(2002、2008、2013、2016年)通过面向对象算法提取弱水背景下的紫菜养殖区信息,揭示空间分异规律,并分析其驱动原因。研究结果表明:4期影像提取连云港近海紫菜养殖区信息的精度分别是87.5%、92%、91.7%和94.6%。紫菜养殖区空间分布的变化规律为紫菜养殖面积不断增加且整体向深海方向推进。赣榆港口航运区和田湾核电站特殊利用区存在少量紫菜养殖区,项目用海不符合连云港市海洋功能区划(2016～2020年)。连云港近海紫菜养殖区空间分异的驱动因子主要是自然条件、养殖技术、海洋经济和社会发展四大因素。