【CN109815962A】一种识别海洋涡旋边缘叶绿素环状结构的方法【专利】
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
代理人 柏尚春
(51)Int .Cl . G06K 9/46(2006 .01) G06K 9/52(2006 .01) G06T 3/40(2006 .01) G06T 7/62(2017 .01)
(10)申请公布号 CN 109815962 A (43)申请公布日 2019.05.28
( 54 )发明 名称 一种识别海洋涡旋边缘叶绿素环状结构的
权利要求书1页 说明书4页 附图4页
CN 109815962 A
CN 109815962 A
权 利 Leabharlann Baidu 求 书
1/1 页
1 .一种识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，包括以下步骤： (1) 利用卫星观测海平面高度异常数据 ，通过涡流检测算法 ，基于流场速度几何特征计 算识别海洋涡旋，形成涡旋数据集； (2)通过SeaWiFS、Meris和MODIS-Aqua卫星数据获得海表面叶绿素数据，对涡旋数据集 与海表面叶绿素数据集进行时空匹配，将相同时间相同位置的涡旋数据以及叶绿素浓度数 据对应起来，获得带有叶绿素浓度数据的涡旋综合数据集； (3)在涡旋综合数据集中选取样本区域，样本区域将某个海洋涡旋包含在样本区域内； (4) 通过提取样本区域内的叶 绿素浓度数据的 特征 ，判断 在该区域内是否形成了叶 绿 素环状结构； (5)遍历涡旋综合数据集中的海洋涡旋，重复步骤3和步骤4，识别数据集中所有的叶绿 素环状结构。 2 .根据权利要求1所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于：步骤 2中所述的对涡旋数据集与海表面叶绿素数据集进行时空匹配，是在所有涡旋数据中选择 生命周期大于4周的涡旋数据进行匹配。 3 .根据权利要求1所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于：步骤 3中所述的样本区域，是以涡旋中心为区域中心、边长为5倍涡旋半径的正方形研究样本，其 中涡旋半径取涡旋中心到涡旋边缘距离的平均值。 4 .根据权利要求1所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，步骤 4包括以下过程： (41)通过插值法补充样本区域中叶绿素浓度数据的缺失值； (42)对样本区域网格化，通过插值法获得网格中的叶绿素浓度插值数据； (43)计算不同半径所对应的每一圈叶绿素浓度的平均值，形成叶绿素浓度随径向距离 变化关 系曲 线 ，对该曲 线进行拟合 ，判断 其峰 值的 位置是否落在叶 绿素环状结构的 特征区 域内，若是，则进入下一步； (44) 选取16个不同方向 ，计算这些不同的方向上叶绿素浓度随 径向 距离的 变化关系 ， 判断其峰值的位置是否落在叶绿素环状结构的特征区域内 ，如果9个及以 上任意方向 均满 足该判断条件，则判断该样本区域中含有叶绿素环状结构。 5 .根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，步骤 41中所述的 通过插值法 补充样本区 域中叶 绿素浓度数 据的 缺失值 ，是对缺失值占 比 小于 30％的样本区域进行双线性插值，缺失值大于30％的数据为无效数据。 6 .根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，在步 骤42中所述的对样本区域网格化，网格大小与海表叶绿素浓度原始数据的数据采集位置间 隔保持一致。 7 .根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，在步 骤43中所述的叶绿素环状结构的特征区域为0 .5倍涡旋半径至1 .5倍涡旋半径之间。 8 .根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，在步 骤44中所述的16个不同方向，两个相邻方向间夹角为22 .5 °。
( 19 )中华人民 共和国国家知识产权局
( 12 )发明专利申请
(21)申请号 201910043137 .8
(22)申请日 2019 .01 .17
(71)申请人 南京信息工程大学 地址 211500 江苏省南京市江北新区宁六 路219号
(72)发明人 徐广珺 董昌明 何宜军
(74)专利代理机构 南京苏高专利商标事务所 (普通合伙) 32204
2
CN 109815962 A
说 明 书
1/4 页
一种识别海洋涡旋边缘叶绿素环状结构的方法
技术领域 [0001] 本发明涉及一种通过计算机识别环状结构的方法，尤其涉及一种自动识别海洋涡 旋边缘叶绿素环状结构的方法。
背景技术 [0002] 中国世界大洋中，半径尺度在100km的中尺度涡旋几乎无处不在，无论何时都占海 洋表面积的25％左右 (Chelton D B ,Schlax .Global observations of nonlinear mesoscale eddies[J] .Progress in Oceanography ,2011 ,91(2):167–216)。海洋涡旋是海 洋环流能量的 重要组成部分 ，对海洋中营养盐 、浮游植物的 输运及分布都起着十分重要的 作用。目前较多的研究成果发现涡旋中心的“艾克曼抽吸”会导致营养盐、叶绿素等物质的 垂直输运 ，在气旋涡中 心 引起叶 绿素浓度的 提升 ，这是因为气旋涡会将海底深层营养丰富 的冷水输运到真光层 ，这些营养盐可以 为表层的浮游植物光合作 用所吸收 ，进而提高了海 表的叶绿素浓度(Xiu P ,Chai F .Modeled biogeochemical responses to mesoscale eddies in the South China Sea[J] .Journal of Geophysical Research Oceans ,2011 , 11 6 (C1 0) :17 90-17 97) 。许多学者 在世界 大洋不同的 区 域 ，如白 令海 、南极绕 流区 、 Pagasitikos海湾、冰岛海盆以及中国南海，发现在反气旋涡的边缘同样出现了叶绿素浓度 的高值区 ，即海洋涡旋边缘的叶绿素环状结构。对这种现象进行研究 ，有助于了解和掌握海 洋营养较为丰富的区域，为生产、捕捞提供指导。 [0003] 很多学者对于叶绿素环状结构现象的动力机制展开了研究，有研究者通过研究叶 绿素环状结构的分布特征认为这是由于反气旋涡产生的沿等密度面的上升流将高营养盐 的 海水输送到海表 ，形成高叶 绿素浓度区域 ；也有人认为这是由 于反气旋涡内部的 径向 动 量不平衡使得涡旋内部的叶绿素向边缘移动形成高浓度区。现有的研究方法是根据叶绿素 浓度数据汇出颜色深浅不一的叶绿素浓度图像，然后依靠经验判断是否存在叶绿素环状结 构。但是 ，基于目 视识别的 个 例研究具有较大的 不 确定性 ，其所得结果不具有系统性 ，导致 动力机制方面的研究较片面。因此 ，要想对叶绿素环状结构进行系统性的研究 ，就需要通过 观测大量的叶绿素浓度图来识别出其中的叶绿素环状结构，并以此为基础绘制出大范围内 的叶绿素环状结构分布图。面对大量的观测数据，仅依靠人工来逐个判断叶绿素环状结构， 工作量过大且耗费时间。
方法 ( 57 )摘要
本发明公开了一种识别海洋涡旋边缘叶绿 素环状结构的方法，包括以下步骤：(1 )利用卫星 观测海平面高度异常( MSLA )数据 ，通过计算识别 海洋涡旋 ，形成涡旋数据集。( 2 )对涡旋数据集与 海表面叶绿素数据集进行时空匹配，获得带有叶 绿素浓度数据的涡旋综合数据集。( 3 )在涡旋综 合数据集中选取样本区域，样本区域将某个海洋 涡旋包含在样本区域内。( 4 )通过提取样本区域 内的叶绿素浓度数据的特征，判断在该区域内是 否形成了叶绿素环状结构。本发明能够对大样本 的海洋涡旋和海表叶绿素浓度数据集进行处理 ， 自动识别出大量叶绿素环状结构，节省了人力和 测绘时间。
(51)Int .Cl . G06K 9/46(2006 .01) G06K 9/52(2006 .01) G06T 3/40(2006 .01) G06T 7/62(2017 .01)
(10)申请公布号 CN 109815962 A (43)申请公布日 2019.05.28
( 54 )发明 名称 一种识别海洋涡旋边缘叶绿素环状结构的
权利要求书1页 说明书4页 附图4页
CN 109815962 A
CN 109815962 A
权 利 Leabharlann Baidu 求 书
1/1 页
1 .一种识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，包括以下步骤： (1) 利用卫星观测海平面高度异常数据 ，通过涡流检测算法 ，基于流场速度几何特征计 算识别海洋涡旋，形成涡旋数据集； (2)通过SeaWiFS、Meris和MODIS-Aqua卫星数据获得海表面叶绿素数据，对涡旋数据集 与海表面叶绿素数据集进行时空匹配，将相同时间相同位置的涡旋数据以及叶绿素浓度数 据对应起来，获得带有叶绿素浓度数据的涡旋综合数据集； (3)在涡旋综合数据集中选取样本区域，样本区域将某个海洋涡旋包含在样本区域内； (4) 通过提取样本区域内的叶 绿素浓度数据的 特征 ，判断 在该区域内是否形成了叶 绿 素环状结构； (5)遍历涡旋综合数据集中的海洋涡旋，重复步骤3和步骤4，识别数据集中所有的叶绿 素环状结构。 2 .根据权利要求1所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于：步骤 2中所述的对涡旋数据集与海表面叶绿素数据集进行时空匹配，是在所有涡旋数据中选择 生命周期大于4周的涡旋数据进行匹配。 3 .根据权利要求1所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于：步骤 3中所述的样本区域，是以涡旋中心为区域中心、边长为5倍涡旋半径的正方形研究样本，其 中涡旋半径取涡旋中心到涡旋边缘距离的平均值。 4 .根据权利要求1所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，步骤 4包括以下过程： (41)通过插值法补充样本区域中叶绿素浓度数据的缺失值； (42)对样本区域网格化，通过插值法获得网格中的叶绿素浓度插值数据； (43)计算不同半径所对应的每一圈叶绿素浓度的平均值，形成叶绿素浓度随径向距离 变化关 系曲 线 ，对该曲 线进行拟合 ，判断 其峰 值的 位置是否落在叶 绿素环状结构的 特征区 域内，若是，则进入下一步； (44) 选取16个不同方向 ，计算这些不同的方向上叶绿素浓度随 径向 距离的 变化关系 ， 判断其峰值的位置是否落在叶绿素环状结构的特征区域内 ，如果9个及以 上任意方向 均满 足该判断条件，则判断该样本区域中含有叶绿素环状结构。 5 .根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，步骤 41中所述的 通过插值法 补充样本区 域中叶 绿素浓度数 据的 缺失值 ，是对缺失值占 比 小于 30％的样本区域进行双线性插值，缺失值大于30％的数据为无效数据。 6 .根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，在步 骤42中所述的对样本区域网格化，网格大小与海表叶绿素浓度原始数据的数据采集位置间 隔保持一致。 7 .根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，在步 骤43中所述的叶绿素环状结构的特征区域为0 .5倍涡旋半径至1 .5倍涡旋半径之间。 8 .根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，在步 骤44中所述的16个不同方向，两个相邻方向间夹角为22 .5 °。
( 19 )中华人民 共和国国家知识产权局
( 12 )发明专利申请
(21)申请号 201910043137 .8
(22)申请日 2019 .01 .17
(71)申请人 南京信息工程大学 地址 211500 江苏省南京市江北新区宁六 路219号
(72)发明人 徐广珺 董昌明 何宜军
(74)专利代理机构 南京苏高专利商标事务所 (普通合伙) 32204
2
CN 109815962 A
说 明 书
1/4 页
一种识别海洋涡旋边缘叶绿素环状结构的方法
技术领域 [0001] 本发明涉及一种通过计算机识别环状结构的方法，尤其涉及一种自动识别海洋涡 旋边缘叶绿素环状结构的方法。
背景技术 [0002] 中国世界大洋中，半径尺度在100km的中尺度涡旋几乎无处不在，无论何时都占海 洋表面积的25％左右 (Chelton D B ,Schlax .Global observations of nonlinear mesoscale eddies[J] .Progress in Oceanography ,2011 ,91(2):167–216)。海洋涡旋是海 洋环流能量的 重要组成部分 ，对海洋中营养盐 、浮游植物的 输运及分布都起着十分重要的 作用。目前较多的研究成果发现涡旋中心的“艾克曼抽吸”会导致营养盐、叶绿素等物质的 垂直输运 ，在气旋涡中 心 引起叶 绿素浓度的 提升 ，这是因为气旋涡会将海底深层营养丰富 的冷水输运到真光层 ，这些营养盐可以 为表层的浮游植物光合作 用所吸收 ，进而提高了海 表的叶绿素浓度(Xiu P ,Chai F .Modeled biogeochemical responses to mesoscale eddies in the South China Sea[J] .Journal of Geophysical Research Oceans ,2011 , 11 6 (C1 0) :17 90-17 97) 。许多学者 在世界 大洋不同的 区 域 ，如白 令海 、南极绕 流区 、 Pagasitikos海湾、冰岛海盆以及中国南海，发现在反气旋涡的边缘同样出现了叶绿素浓度 的高值区 ，即海洋涡旋边缘的叶绿素环状结构。对这种现象进行研究 ，有助于了解和掌握海 洋营养较为丰富的区域，为生产、捕捞提供指导。 [0003] 很多学者对于叶绿素环状结构现象的动力机制展开了研究，有研究者通过研究叶 绿素环状结构的分布特征认为这是由于反气旋涡产生的沿等密度面的上升流将高营养盐 的 海水输送到海表 ，形成高叶 绿素浓度区域 ；也有人认为这是由 于反气旋涡内部的 径向 动 量不平衡使得涡旋内部的叶绿素向边缘移动形成高浓度区。现有的研究方法是根据叶绿素 浓度数据汇出颜色深浅不一的叶绿素浓度图像，然后依靠经验判断是否存在叶绿素环状结 构。但是 ，基于目 视识别的 个 例研究具有较大的 不 确定性 ，其所得结果不具有系统性 ，导致 动力机制方面的研究较片面。因此 ，要想对叶绿素环状结构进行系统性的研究 ，就需要通过 观测大量的叶绿素浓度图来识别出其中的叶绿素环状结构，并以此为基础绘制出大范围内 的叶绿素环状结构分布图。面对大量的观测数据，仅依靠人工来逐个判断叶绿素环状结构， 工作量过大且耗费时间。
方法 ( 57 )摘要
本发明公开了一种识别海洋涡旋边缘叶绿 素环状结构的方法，包括以下步骤：(1 )利用卫星 观测海平面高度异常( MSLA )数据 ，通过计算识别 海洋涡旋 ，形成涡旋数据集。( 2 )对涡旋数据集与 海表面叶绿素数据集进行时空匹配，获得带有叶 绿素浓度数据的涡旋综合数据集。( 3 )在涡旋综 合数据集中选取样本区域，样本区域将某个海洋 涡旋包含在样本区域内。( 4 )通过提取样本区域 内的叶绿素浓度数据的特征，判断在该区域内是 否形成了叶绿素环状结构。本发明能够对大样本 的海洋涡旋和海表叶绿素浓度数据集进行处理 ， 自动识别出大量叶绿素环状结构，节省了人力和 测绘时间。