【技术实现步骤摘要】
一种基于宽度学习的涡旋识别方法及装置
[0001]本专利技术涉及数据处理
,尤其是一种基于宽度学习的涡旋识别方法及装置。
技术介绍
[0002]涡旋在全球海洋物质、能量等的输运和分配中起着不可忽视的作用。因此,对涡旋的识别与预测是当前海洋科学研究的前沿热点,然而,由于次中尺度涡旋产生的地点和时间上具有不确定性,且其尺度相对较小以及海洋大范围现场观测费用昂贵等因素,现场观测到的次中尺度涡旋非常稀少。因此,对次中尺度涡旋的识别与预测方法的探索与创新,对海洋科学研究的发展具有重大的意义。
[0003]在现有的涡旋识别与预测方法中,根据数据的不同类别可以分为欧拉方法和拉格朗日方法,对应的数据类型分别为欧拉数据和拉格朗日数据。欧拉数据是指一个时刻的快照数据或者空间场的数据,拉格朗日数据是指水团或者物质颗粒的轨迹数据。包含在欧拉方法中的有:OW参数法、WA算法、VG算法、基于海表温度资料的探测方法,此外还有针对三维涡旋的SAR图像探测方法以及水色卫星探测方法;包含在拉格朗日方法中的则有基于海表漂流浮标探测方法。
[0004]尽管现在已经有多种方法被用于探测海洋涡旋,但没有任何一种方法既适用于各种尺度的涡旋,又能精确判断出每个涡旋的位置与结构尺度等物理量,这些方法都有其各自的优缺点。
[0005]OW算法虽然应用很广,但它自身仍然存在3个缺陷。首先是物理参数W最优阈值的选取很难确定;第二是物理参数的推导过程会带来一些噪声项,它会增加涡旋的错误检测率;第三是物理标准会导致涡旋探测失败或者低估涡旋尺寸的大 ...
【技术保护点】
【技术特征摘要】
1.一种基于宽度学习的涡旋识别方法,其特征在于,包括:获取目标区域的海表流场数据,并根据所述海表流场数据确定所述目标区域的海
‑
气界面的流场特征;对所述目标区域进行涡旋分布判断,确定所述目标区域的涡旋分布结果;通过二次曲面方程对所述涡旋分布结果进行拟合后,确定涡旋的三维结构类型;采用宽度学习方法对已识别出的涡旋的特征进行学习后,根据所述目标区域内的流场特征进行近海次中尺度涡旋的预测,得到涡旋识别结果。2.根据权利要求1所述的一种基于宽度学习的涡旋识别方法,其特征在于,所述获取目标区域的海表流场数据,并根据所述海表流场数据确定所述目标区域的海
‑
气界面的流场特征,包括:通过高频地波雷达采集所述目标区域的海表流场数据;对所述海表流场数据进行数据分析,得到所述目标区域的流场特征。3.根据权利要求1所述的一种基于宽度学习的涡旋识别方法,其特征在于,所述对所述目标区域进行涡旋分布判断,确定所述目标区域的涡旋分布结果,包括:根据先验知识确定海洋涡旋上界面的气压特征和风速特征,根据卫星云图和风速场图像,对所述气压特征和所述风速特征进行第一分析;将高频地波雷达采集到的数据转化成海表流场速度矢量场,通过VG算法对所述海表流场速度矢量场进行第二分析;获取红外遥感图像中海面温度图像的同步异常数据,对所述海面温度图像进行第三分析;根据所述第一分析的结果、所述第二分析的结果和所述第三分析的结果,确定所述目标区域的涡旋分布结果。4.根据权利要求3所述的一种基于宽度学习的涡旋识别方法,其特征在于,所述通过二次曲面方程对所述涡旋分布结果进行拟合后,确定涡旋的三维结构类型,包括:将高频地波雷达获取的海表流场数据转化成区域场流速矢量,并对所述区域场流速矢量进行涡旋初识别;在遥感图像中找到温度异常的区域,结合所述涡旋初识别的结果和VG算法识别涡旋位置,对该区域是否存在涡旋进行判断;在判断存在涡旋后,以涡旋表层为起点,根据预设的间隔距离向下分层,确定垂向各层的流速数据;根据各层流速矢量的方向,查找各层中是否存在与表层极性相同的涡旋;若查找到与表层极性相同的涡旋,则根据流速矢量组成的形状,探测涡旋的边界、涡旋中心流速以及涡旋半径;分别在各层建立相应的坐标系,根据所述涡旋半径和涡旋的边界拟合得到...
【专利技术属性】
技术研发人员:任磊,黎明思,王璞,王雅琦,魏稳,欧素英,黄硕,胡湛,
申请(专利权)人:中山大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。