CN102289594B - 海洋中尺度涡旋自动识别与过程重构算法 - Google Patents
海洋中尺度涡旋自动识别与过程重构算法 Download PDFInfo
- Publication number
- CN102289594B CN102289594B CN201110240552.6A CN201110240552A CN102289594B CN 102289594 B CN102289594 B CN 102289594B CN 201110240552 A CN201110240552 A CN 201110240552A CN 102289594 B CN102289594 B CN 102289594B
- Authority
- CN
- China
- Prior art keywords
- vortex
- uid
- vorticity
- polygon
- ssh
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种海洋中尺度涡旋自动识别与追踪方法,属信息技术领域,主要用于海洋中尺度涡旋的自动提取与过程追踪构建,其实现方法是,首先在海洋中尺度涡旋自动识别方法研究的基础上,提出一种改进的基于SSH的涡旋自动识别方法,采用基于最近距离和相似性的追踪方法,提取涡旋状态并跟踪涡旋过程,结合基于拓扑重构的时空数据模型,构建海洋中尺度涡旋时空过程数据库。本发明更加简单灵活,并且结合了一种基于拓扑重构的涡旋时空过程数据模型,能够与涡旋的自动识别与过程追踪紧密结合,从而自动地实现涡旋的提取与时空过程重构,为更好地探索涡旋过程及其内部细节演变规律提供有力的支持。
Description
技术领域
本发明涉及一种海洋中尺度涡旋自动识别与过程重构的算法,属于信息技术领域。
背景技术
目前基于海表面高度数据的海洋中尺度涡旋自动识别方法,主要有以下两大类:一类是物理海洋参数法,另一类是几何学方法。
物理海洋参数法称为Okubo-Weiss参数法(Okubo,1970;Weiss,1991),传统的W参数法中对W计算采用的是其中Sn为张力的法向分量,Ss为张力的剪切分量,ω为流场的相对涡度。针对水平方向的海洋非辐散流,该公式可以简化为其中u=-(g/f)hy,v=(g/f)hx,其中h是海表面高度异常,g是重力加速度,f是科氏力参数。W<O反映的是涡度比较强的区域。具体研究和实例可以在以下文献中查到:[1]Isern-Fontanet,J.,E.Garcia-Ladona,and J.Font,Identification ofmarine eddies from altimetric maps,J.Atmos.Oceanic Technol.,20,772-778,2003;[2]Morrow,R.,F.Birol,D.Griffin,and J.Sudre,Divergent pathways of cyclonic andanticyclonic ocean eddies,Geophys.Res.Lett.,31,L24311.2004;[3]Chelton,D.B.,M.G.Schlax,R.M.Samelson,and R.A.de Szoeke,Global observations of large oceanic eddies,Geophys.Res.Lett.,34,L15606,2007;[4]Henson,S.,and A.C.Thomas,A census ofoceanic anticyclonic eddies in the Gulf of Alaska,Deep Sea Res.Part I,55,163-176,2008;[5]Xiu P,Chai F,Shi L,Xue H,Chao Y.2010.A census of eddy activities in the South ChinaSea during 1993-2007.J.Geophys.Res.,115:C03012,.2010。
Okubo-Weiss参数法的特点是根据W值划分涡旋核心,而且涡旋外围只需要海表面高度数据即可确定。然而这种方法依然存在三个很重要的问题:第一,此方法需要明确一个阈值来进行涡旋的提取,而对于整个世界海洋范围,并不存在统一的阈值标准,阈值设定得太高或者太低都会影响涡旋提取的效果;第二,此方法的计算易受SSH数据的噪音影响,因为从公式上看,速度分量必须由SSH计算得到,每一级的微分以及系数加倍都会放大SSH噪音的影响;第三,W值的闭合等值线所确定的涡旋内部区域与SSH值的闭合等值线所确定的并不能够普遍重叠。
几何学方法包括Wind-Angle(WA)Method(Chaigneau,s.,2008)与SSH-based Method(Chelton,D.B,2011)。WA方法通过一个点来确定涡旋的中心,通过一条闭合的外廓连线来表示涡旋的边界,从而表达一个完整的涡旋结构。外廓线内部的所有点都属于此涡旋并且确定了此涡旋的表面范围。对于被地转流所围绕的涡旋,它的外廓线大致与SSH的闭合等值线相符,因而提出了一个更简便的涡旋识别算法——SSH-based方法,即通过查找SSH最外层的闭合等值线来确定涡旋边界。具体研究和实例可以在以下文献中查到:[1]Chelton,D.B.,et a1.Global observations of nonlinear mesoscale eddies.Prog.Oceanogr.(2011);[2]Chaigneaau,S.,et al.Mesoscale eddies off Peru in altimeter records:identification algorithms and eddy spatio-temporal patterns.Progr.Oceanogr.79,106-119。
涡旋过程追踪方法主要有以下三种:pixel connectivity algorithm(Henson,s.&Xiu,P),threshold searching algorithm(Isern-Fontanet et al.,2003,2006 & Chelton,D,.B.,2007;2011),与similarity based algorithm(Penven,P.,2005 & Chaigneau,s.,2008)。
Pixel connectivity algorithm对于涡旋中心区域比较明显,且不同涡旋个体之间存在一定距离的情况比较有效,该方法是通过确认在x、y以及时间上相邻的像元组的办法来实现的。(1)针对每周的SLA数据,根据涡旋中心区域的W指数判别办法(W)获取,并把相应的像元赋值为1,否则赋值为0;(2)针对该周数据中是1的每个像元,寻找与该像元在x、y和时间上邻近的且也是涡旋中心区域的像元,并标注,当遍历完该周的所有为1的像元区域,就可以找到该涡旋对应的下个时刻的涡旋区域对应的像元组合;(3)生命周期的计算是在该算法的基础上,计算出持续的时间。
Threshold searching algorithm是一种基于最近距离的方法,此方法按照时间步长从一个时间到下一个时间追踪每个涡旋,在下一张地图中找到的涡旋中心距离最近的对象即视为追踪到的目标。
Chaigneau et al.(2008)提出的Similarity based algorithm修改自Penvenet al.(2005),将两张连续地图中的被检测涡旋之间的无量纲化距离De1,e2定义为(其中ΔD,ΔR,Δξ,ΔEKE分别表示两个涡旋之间的空间距离、半径之差、涡度之差、动能之差;D0,R0,ξ0,EKE0分别表示典型的涡旋之间的空间距离、半径、涡度以及动能):
目前对于海洋中尺度涡旋的定量研究中,较少有涉及到关于海洋涡旋过程时空数据模型构建方面的研究,很难有效地对涡旋过程及其内部细节进行快速地查询检索及各种统计分析。基于拓扑重构的海洋中尺度涡旋时空过程数据模型能够与涡旋的自动识别与过程的自动追踪进行紧密的结合,有效帮助自动实现涡旋的自动识别与时空过程重构,为分析涡旋内部的演变机制与规律提供更为科学完备的数据资料支持。
发明内容
本发明的技术解决问题:克服现有技术的不足,提供一套海洋中尺度涡旋自动识别与过程重构的算法,将涡旋的自动识别、过程追踪与重构紧密结合起来,是一种可高效实现海洋中尺度涡旋状态与过程提取的自动化方法。
本发明的技术解决方案:一种海洋中尺度涡旋自动识别与过程重构算法,步骤如下:
步骤1:构建海洋中尺度涡旋自动提取方法,采用一种改进的基于SSH的自动识别方法,通过海表面高度数据提取涡旋状态,包括表示涡旋边界的面以及表示涡旋内部海表面高度极值位置的点。
步骤2:构建海洋中尺度涡旋过程自动追踪方法,采用基于最近距离与相似性的追踪方法,对涡旋状态进行过程追踪,捕捉下一时刻与目标涡旋同源的涡旋对象,将捕捉到的涡旋与目标涡旋视为同一过程内部的连续状态。
步骤3:建立基于拓扑重构的海洋涡旋过程时空数据模型,将涡旋过程的演变进行分类,对某时刻的涡旋状态以及涡旋状态之间的拓扑关系进行表达,进行涡旋过程的时空重建。
步骤4:结合步骤1、步骤2和步骤3,对SSH数据进行海洋中尺度涡旋自动识别与过程追踪,并将结果通过基于拓扑重构的海洋涡旋时空数据模型组织管理起来,形成包括涡旋状态、涡旋状态拓扑关系以及涡旋过程的涡旋时空过程数据库。
所述步骤1中一种改进的基于SSH的海洋中尺度涡旋自动识别方法具体步骤为:
1a.针对某一日期的SSH数据,取其最大最小值作为涡旋自动提取的SSH阈值范围,以1cm为间隔提取SSH数据的所有等值线集合;
1b.从等值线集合中筛选出所有闭合的等值线,并将其转换为多边形对象,此多边形对象集合是提取表示涡旋状态的面与点的基础;
1c.通过判断多边形对象之间的空间包含关系,提取表示涡旋边界的面并计算其属性特征,具体判定条件如下:
第一,不被任何其他多边形所包含;
第二,边界SSH值与内部SSH极值之差在2cm以上;
第三,所表达的涡旋的空间尺度应在45-500km;
第四,对于暖涡(冷涡),其区域内至少存在一个SSH的最大(最小)值;
第五,多边形内任两点之间的距离必须小于一个与多边形所在纬度相关的特定值,规定此值在赤道处为1200km,在纬度25°处为400km,在赤道与纬度25°之间此值与纬度呈线性关系。
1d.对提取出的表示涡旋边界的面,在其内部查找不包含任何其他多边形的多边形对象,查找的对象范围为1b中得到的多边形集合;若查找到的多边形对象内部极值与对应涡旋边界上的均值之差大于2cm,则取其内部极值点作为对应涡旋的涡核,即表示涡旋内部海表面高度极值位置的点,并计算其属性特征。所述涡核至少存在一个,表示涡旋边界的面与表示同一涡旋的涡核的点通过UID唯一标识;
所述步骤2海洋中尺度涡旋过程追踪方法步骤如下:
2a.对某一涡旋状态的多边形对象,如果是单核的则取其极值点为中心点,如果是多核的则取其几何中心为中心点;
2b.对中心点做半径为2km的缓冲区,与此缓冲区有交叠关系的下一时间的涡旋状态多边形对象均视为与之同源;
2c.完成上一步骤后,不论是否已找到与目标涡旋同源的涡旋对象,继续再对中心点做半径为10km的缓冲区,如果仍存在与此缓冲区有交叠关系的下一时间的涡旋状态多边形对象,则分别对这些多边形对象进行相似性计算,选择相似性最大的多边形对象也作为与目标涡旋同源的涡旋对象。相似性计算公式如下:
式中ΔD,ΔR,Δξ分别表示两个涡旋之间的空间距离、半径之差、涡度之差;D0,R0,ξ0分别表示典型的涡旋之间的空间距离、半径、涡度。具体的计算方法及说明如下:ΔD是通过根据两个涡旋中心点的空间位置计算得到的空间距离,单位为km。半径R取空间尺度的一半,单位为km,空间尺度的定义为长轴长度(经涡旋几何中心,所能获得的最大弦长)与短轴长度(经涡旋几何中心,垂直于长轴的弦长)之和的一半。涡度ξ的计算公式如下:
公式(2)中,g为重力加速度,M为涡旋强度(涡旋边界SSH值与内部SSH极值之差,单位为cm),D为涡旋空间尺度,f为科氏参数。涡度ξ的单位为S-1。本发明中,取D0为100km,R0为50km,ξ0为10-6S-1。
2d.在上述两步追踪过程中,如果在下一时刻中均未找到与目标涡旋同源的涡旋对象,那么将继续向后面的时刻重复步骤2b和步骤2c,最长追踪时间跨度为七天。
所述步骤3中基于拓扑重构的海洋涡旋过程时空数据模型的构建方法为:
3a.将海洋中尺度涡旋过程的演变划分为三种情况:(如图2所示):
第一,图2(1)是最简单的,一个涡旋从产生起经过中间状态的演化直到最后消亡;
第二,图2(2)为涡旋E1在某一时刻分裂为两个或多个涡旋,针对该情况,认为涡旋分裂时刻的那个状态为E1涡旋的结束状态,其分裂后的多个状态分别对应不同涡旋过程的起始状态(如E2和E3);
第三,图2(3)为多个涡旋(如E1和E2)在某时刻合并为一个涡旋,针对该种情况,认为涡旋合并后的状态为新的过程的起始状态(如E3),合并前的多个状态分别对应多个过程的结束状态(如E1和E2)。
3b.根据上述涡旋过程演变的三种情况,构建涡旋状态对象(Eddy State 0bject,简称ESO)来表达涡旋某时刻的状态特征;构建涡旋状态拓扑表(Eddy Caused By Table,简称为ECBT)来表达涡旋状态和状态之间的因果继承关系;构建涡旋过程对象(EddyProcess Object,简称EPO)来表达涡旋的时空过程。
第一,ESO由两部分组成,分别为涡旋在该时刻的空间特征和属性特征。空间特征由涡旋的中心点(Eddy Center Point,简称ECP)(1个或多个点特征)和涡旋的空间覆盖范围(Eddy Boundary Area,简称EBA)(多边形特征)来表示,属性特征则由涡旋在该时刻的涡度、强度、振幅、动能等一系列指标组成。ESO的空间特征和属性特征通过唯一的涡旋对象标识码(UID)进行关联,该标识码采用该涡旋状态对应的时刻及序号共同表示。
第二,ECBT记录的是涡旋在t时刻的状态是由t-1时刻的哪个涡旋状态产生的。通过步骤2中的涡旋自动追踪方法,便可以很方便地建立涡旋状态对象之间的产生关系,从而完成ECBT表的建立,该表只记录两个字段,前一个字段为UID(涡旋状态对象ID),后一个字段为CBUID(Caused By涡旋状态对象ID)。
第三,EPO记录的是完整的涡旋过程对象。该对象是由ESO和ECBT共同生成。过程对象的空间特征是该过程所对应的所有的涡旋状态对象的集合,对过程采用唯一标识码(PID)来进行标识,该标识码采用涡旋过程产生的年份外加序号组成,其属性特征是对过程中各个状态的属性特征的统计运算获得,如涡旋过程的平均强度,强度的变化率、过程持续的时间等。属性特征和空间特征通过PID进行关联。
所述步骤4中建立涡旋时空数据库的方法为:
4a.结合步骤1与步骤3,将提取到的涡旋状态(包括表示涡旋边界的面与表示涡核的点)的空间特征及属性特征记录到ESO中,通过唯一的涡旋状态对象标识码(UID)进行关联;
4b.在上述步骤的基础上,结合步骤2,对于可追踪到同源涡旋的目标涡旋,将目标涡旋的UID记录到ECBT中的CBUID字段中,将追踪得到的与目标涡旋同源的涡旋UID记录到与目标涡旋对应的UID字段中;
4c.完成ESO与ECBT的填充后,通过对ECBT中涡旋状态对象标识码在CBUID与UID两个字段中出现的次数来进行涡旋状态对应的过程状态的判断(即进行图2中Tc、Tm和Te的判断),分为以下五种情况:
第一,如果某个UID在ECBT的“CBUID”字段中从未出现,则该UID对应的涡旋状态为某一个过程的结束状态;
第二,如果某个UID在ECBT表的“UID”字段中从未出现过,则该UID对应于某个过程的起始状态;
第三,如果某个UID在ECBT表的“UID”字段中出现次数大于等于2,则该情况对应于图2的第(3)种情况,,该UID为某个过程的起始状态,而UID对应的ECBT中“CBUID”字段中的多个UID则都为某些过程的结束状态;
第四,如果某个UID在ECBT表“CBUID”字段中出现次数大于等于2,则该情况对应于图2的第(2)种情况,则该UID为某个过程的结束状态,其对应ECBT中的“UID”字段中的多个UID分别为某些新过程的起始状态;
第五,经过以上所有的判断后,没有涉及到的UID则都为过程的中间状态;
4d.通过上述判断则可以把涡旋状态对象在过程中所处的状态完全确定,继而选择所有的起始状态,根据UID与CBUID的继承关系,分别进行涡旋过程中下一时刻状态的查找追踪直到过程结束,并统计涡旋过程中的属性特征,将过程追踪结果记录到EPO中。
本发明与现有技术相比的优点在于:
(1)本发明采用一种改进的基于SSH的海洋中尺度涡旋自动识别方法,较其他图像检测算法、物理海洋参数法更为简易高效。此方法在识别涡旋边界的同时,能够判别出涡旋的核心,从而表达涡旋的单核或多核情况,有效帮助认识涡旋的分裂与合并,这对准确清晰地表达涡旋过程内部演变细节及分析演变规律具有不可忽视的意义。
(2)本发明构建的基于拓扑重构的涡旋时空过程数据模型,紧密结合了涡旋的自动识别与过程的自动追踪,不仅可以完善地记录每个过程的时空演化状态,还可以通过涡旋状态之间的拓扑关系进行涡旋过程的时空演变及过程之间的拓扑关系重构。该模型通过状态对象之间的产生关系,不仅能追踪完整的涡旋过程,还能发掘涡旋过程和过程所可能存在的潜在关系,从而为探寻中尺度涡旋的形成机制提供非常宝贵的数据基础。
附图说明
图1为本发明方法的流程框图;
图2为本发明方法中海洋中尺度涡旋过程的抽象示意图;
图3为本发明基于拓扑关系的涡旋过程时空数据模型关系图;
图4为南海区2006年6-8月典型涡旋过程的空间分布情况,其中:a.涡旋过程发源地分布图,b.涡旋过程内部状态分布图;
图5为本发明中PID为200607122452的涡旋过程追踪结果组图;
图6为南海区2008年典型涡旋过程的空间分布情况,其中:a.涡旋过程发源地分布图,b.涡旋过程内部状态分布图。
具体实施方式
如图1所示,本发明方法实现为:首先对获取的模式数据或高度计数据等海表面高度数据进行预处理,转换为算法所需的栅格数据;然后根据本发明提出的基于拓扑重构的涡旋过程时空数据模型,借助ESRI的GeoDatabase构建起具体的点要素类、多边形要素类以及各类表的框架;之后使用改进的基于SSH的涡旋自动识别方法提取目标栅格数据中的涡旋状态,记录到点要素类和多边形要素类中;再使用涡旋过程自动追踪方法,记录到涡旋状态拓扑表中;对涡旋状态拓扑表进行判读,完成涡旋过程表,最终完成海洋中尺度涡旋时空过程GIS数据库的构建。
实施例1
以中国南海区(其跨度大约为0°-23°N、99°-121°E,面积约为350万平方公里)2006年夏季(6-8月)出现的海洋中尺度涡旋为研究对象。
采用美国海军实验室(Navy Research Laboratory,NRL)提供的全球分层海洋数值模型(Global NLOM)模拟所得的SSH数据,该数据时间分辨率为1天,空间分辨率为1/32°×1/32°。由于该模型利用ENVISAT,GFO和JASON-1等对SSH进行同化,数据模拟的精度较高且具有连续性,比较适宜于进行海洋中尺度涡旋过程典型案例的抽取工作。实验所用SSH数据是通过亚太数据研究中心APDRC(Asia-Pacific Data-ResearchCenter)网站提供的LAS(Live Access Server)方式下载获得的,可获取的数据从2005年4月28日开始,每天一期,可更新到当日前一个月的数据,数据格式为netCDF。
(1)将netCDF格式源数据进行批处理,统一转换为栅格数据。
(2)根据基于拓扑重构的海洋涡旋时空过程数据模型,采用ESRI公司的GeoDatabase进行具体模型的实现。
涡旋状态对象的空间表达采用一个点特征图层(Eddy Center Point,简称ECP)和一个面特征图层(Eddy Boundary Area,简称EBA)来分别表达涡旋内部的海表面高度极值点和空间覆盖范围。涡旋状态属性特征用ESO关系表表达,其主要属性字段包括状态标识码(UID)、过程标识码(PID)、对应的时间(T)、状态标记(S)、状态序号(Nu)、涡旋类型(Etype)、边界SSH值(contour)、中心点SSH极值(centercontour)、涡度(Vorticity)、强度/振幅(EddyAmplitude)、空间尺度(HorizontalScale)。UID的编号采用时间加序号的方式,空间特征与属性特征之间通过唯一的涡旋状态编码(UID)来相互关联。
涡旋状态拓扑关系的表达采用状态拓扑关系表(ECBT),ECBT记录的是涡旋在t时刻的状态是由t-1时刻的哪个涡旋状态产生的。ECBT包含两个字段,一个是状态标识码(UID),一个是前一状态对应的UID(CBUID)。这是涡旋时空过程重构的基础。
涡旋过程的时空重建记录在过程对象表(EPO)中,主要字段包括过程标识码(PID)、产生时间(CDate)、结束时间(EDate)、状态个数(N)、持续时间(Lf)以及具体的过程属性。PID的编号采用产生时间加序号的方式。涡旋过程对象由多个时刻的涡旋状态对象集合组成,并用唯一的过程编码来标注。
(3)采用一种改进的基于SSH的涡旋自动识别方法进行某时刻涡旋状态的提取,主要分为以下三步:①针对某一日期的SSH数据,取其最大最小值作为涡旋自动提取的SSH阈值范围,以1cm为间隔提取SSH数据的所有等值线集合;②筛选闭合的等值线,并将其转换为多边形;③判断这些多边形之间的包含关系并结合海洋中尺度涡旋的判定条件,提取涡旋边界及核心并计算属性,分别记录到EBA与ECP中,完成ESO的构建。对于同一个涡旋边界对象,其对应的核心点至少存在一个,涡旋边界与对应核心点通过UID唯一标识。
对于涡旋边界对象,要满足以下五个条件:第一,不被任何其他多边形所包含;第二,边界SSH值与内部SSH极值之差在2cm以上;第三,所表达的涡旋的空间尺度应在45-500km;第四,对于暖涡(冷涡),其区域内至少存在一个SSH的最大(最小)值;第五,多边形内任两点之间的距离必须小于一个与多边形所在纬度相关的特定值,规定此值在赤道处为1200km,在纬度25°处为400km,在赤道与纬度25°之间此值与纬度呈线性关系。
对于涡旋核心点,要满足以下两个条件:第一,不包含任何其他多边形;第二,多边形内部极值与涡旋边界上的均值之差大于2cm。满足上述条件,则取此多边形内部极值点作为对应涡旋的核心,保存到ECP中。
试验中,共提取了涡旋状态862个,其中冷涡456个,暖涡406个。ESO关系表(部分)如下所示:
表1 南海区2006年6-8月涡旋状态对象(ESO)关系表(部分)
注:该表中字段的单位分别为:边界SSH值(contour):cm;中心点SSH极值(centercontour):cm;涡度(Vorticity):S-1;强度/振幅(EddyAmplitude):m;空间尺度(HorizontalScale):km
(4)采用基于最近距离与相似性的追踪方法自动追踪涡旋过程并构建涡旋状态拓扑关系表,主要分为以下四步:①确定涡旋中心点以便进行下一步的缓冲区分析:对某一时刻的涡旋状态多边形对象,如果是单核的则取其极值点为中心点,如果是多核的则取其几何中心为中心点;②对中心点做半径为2km的缓冲区,选择与此缓冲区有交叠关系的下一时刻的涡旋状态多边形对象作为与目标涡旋同源的涡旋对象;③继续再对中心点做半径为10km的缓冲区,如果仍存在与此缓冲区有交叠关系的下一时刻的涡旋状态多边形对象,则分别对这些多边形对象进行相似性计算,选择相似性最大的多边形对象也作为与目标涡旋同源的涡旋对象;④将同源涡旋的前后继承关系记录到涡旋状态拓扑关系表(ECBT)中。最大追踪时长为七天。
其中第③步中的相似性计算公式如下:
式中ΔD,ΔR,Δξ,ΔEKE分别表示两个涡旋之间的空间距离、半径之差、涡度之差;D0,R0,ξ0,EKE0分别表示典型的涡旋之间的空间距离、半径、涡度。具体的计算方法及说明如下:ΔD是通过根据两个涡旋中心点的空间位置计算得到的空间距离,单位为km。半径R取空间尺度的一半,单位为km,空间尺度的定义为长轴长度(经涡旋几何中心,所能获得的最大弦长)与短轴长度(经涡旋几何中心,垂直于长轴的弦长)之和的一半。涡度ξ的计算公式如下:
公式(2)中,g为重力加速度,M为涡旋强度(涡旋边界SSH值与内部SSH极值之差,单位为cm),D为涡旋空间尺度,f为科氏参数。涡度ξ的单位为S-1。本发明中,取D0为100km,R0为50km,ξ0为10-6S-1。
试验中构建得到的ECBT表(部分)如下所示:
表2 南海区2006年6-8月涡旋状态拓扑表(ECBT)(部分)
注:该表中的字段分别为:UID:状态标识码;CBUID:前一状态的标识码
(5)根据涡旋状态拓扑关系表重构完整涡旋过程,主要分为以下两步:①判断涡旋状态在所属过程中所对应的过程状态;②根据涡旋的过程状态从过程起始追踪到过程结束,遍历查找所有涡旋过程,通过相同PID标记同一涡旋过程所包含的涡旋状态,计算涡旋过程属性,从而完成涡旋过程对象表EPO的构建。
其中涡旋过程状态判断的具体方法为通过对ECBT表中涡旋状态对象ID在两个字段中出现的次数来进行UID对应的过程状态的判断,包括以下四种情况:第一,如果某个UID在ECBT的“CBUID”字段中从未出现,则该UID对应的涡旋状态为某一个过程的结束状态;第二,如果某个UID在ECBT表的“UID”字段中从未出现过,则该UID对应于某个过程的起始状态;第三,如果某个UID在ECBT表的“UID”字段中出现次数大于等于2,该UID为某个过程的起始状态,而UID对应的ECBT表中“CBUID”字段中的多个UID则都为某些过程的结束状态;第四,如果某个UID在ECBT表“CBUID”字段中出现次数大于等于2,则该UID为某个过程的结束状态,其对应ECBT表的“UID”字段中的多个UID分别为某些新过程的起始状态。经过上述所有的判断后,没有涉及到的UID则都为过程的中间状态。
试验中共追踪到完整过程111个,其中冷涡57个,暖涡54个。持续时间超过20天的典型涡旋过程共10个,其中冷涡5个,暖涡5个,其中持续时间最长的一个过程从2006年7月3日开始到8月26日结束,包含38个状态,共持续了55天。试验中构建的EPO表(部分)如下所示:
表3 南海区2006年6-8月涡旋过程对象(EPO)表(部分)
注:该表中的字段分别为:PID:过程标识码;CDate:产生时间(年/月/日);
EDate:结束时间(年/月/日);N:状态个数;Lf:持续时间(单位:天)
试验中提取到的典型涡旋过程的发源地分布图与过程内部状态分布图如图4所示。以PID为200607122452的涡旋过程为例,与SSH原始数据对比,将涡旋过程追踪结果显示如图5所示(底图为SSH数据)。
由试验结果可知,海洋中尺度涡旋自动识别方法能够较为全面地捕捉到某时刻的涡旋状态,自动追踪方法较为有效地将同属一个过程的涡旋状态串联了起来,结合基于拓扑重构的海洋涡旋时空过程数据模型,清晰地表达出了从涡旋状态、涡旋发展变化的拓扑关系到完整的涡旋过程。从细节上来看,本发明方法较为准确地反映了涡旋发生、发展、稳定、消弱、消亡的生命演化过程及其移动路径。这为探索涡旋过程内部、涡旋过程与过程之间的潜在关系提供了有力的数据支持。
实施例2
以中国南海区2008年出现的海洋涡旋为试验对象。其数据下载方式、涡旋自动识别与过程追踪方法以及涡旋过程时空数据模型同实施例1。
试验中共提取了涡旋状态3618个,其中冷涡2128个,暖涡1490个。共追踪到完整过程435个,其中冷涡260个,暖涡175个。持续时间超过20天的典型涡旋过程共73个,其中冷涡48个,暖涡25个,其中持续时间最长的一个过程从2008年4月29日开始到9月9日结束,包含106个状态,共持续了134天。
试验中构建的ESO关系表见表4;ECBT表见表5;EPO表见表6;提取到的典型涡旋过程的发源地分布图与过程内部状态分布图(不同过程用不同颜色标识)见图6。
表4 南海区2008年涡旋状态对象(ESO)关系表(部分)
注:该表中字段的单位分别为:边界SSH值(contour):cm;中心点SSH极值(centercontour):cm;涡度(Vorticity):S-1;强度/振幅(EddyAmplitude):m;空间尺度(HorizontalScale):km
表5 南海区2008年涡旋状态拓扑表(ECBT)(部分)
注:该表中的字段分别为:UID:状态标识码;CBUID:前一状态的标识码
表6 南海区2008年涡旋过程对象(EPO)表(部分)
注:该表中的字段分别为:PID:过程标识码;CDate:产生时间(年/月/日);
EDate:结束时间(年/月/日);N:状态个数;Lf:持续时间(单位:天)
由试验结果可知,本发明较为全面地反映了南海区中尺度涡旋的分布情况与过程演变,台湾岛西南、西沙、吕宋岛以西、越南外海等几个重点区域的中尺度涡旋都得到了较好的表达效果,能够作为研究海洋中尺度涡旋在空间、时间上分布规律的可靠数据基础。
Claims (3)
1.海洋中尺度涡旋自动识别与过程重构的方法,其特征在于步骤如下:
步骤1:构建海洋中尺度涡旋自动提取方法
采用基于海表面高度(SSH)的自动识别方法,通过海表面高度数据提取涡旋状态,所述涡旋状态包括表示涡旋边界的多边形以及表示涡旋内部SSH极值位置的点;
步骤2:构建海洋中尺度涡旋过程自动追踪方法
采用基于最近距离与相似性的追踪方法,对涡旋状态进行过程追踪,捕捉下一时刻与目标涡旋同源的涡旋对象,将捕捉到的涡旋与目标涡旋视为同一过程内部的连续状态;
步骤3:建立基于拓扑重构的海洋涡旋过程时空数据模型,将涡旋过程的演变进行分类,对多个时刻涡旋状态之间的拓扑关系进行表达,进行涡旋过程的时空重建;
步骤4:结合步骤1、步骤2和步骤3,对SSH数据进行海洋中尺度涡旋自动识别与过程追踪,并将结果通过基于拓扑重构的海洋涡旋时空数据模型组织管理起来,形成包括涡旋状态、涡旋状态拓扑关系以及涡旋过程的涡旋时空过程数据库;
所述步骤1中一种改进的基于SSH的海洋中尺度涡旋自动识别方法具体步骤为:
1a.针对某一日期的SSH数据,取其最大最小值作为涡旋自动提取的SSH阈值范围,以1cm为间隔提取SSH数据的所有等值线集合;
1b.从等值线集合中筛选出所有闭合的等值线,并将其转换为多边形对象,所述多边形对象集合是提取表示涡旋状态的边界与核心点的基础;
1c.通过判断多边形对象之间的空间包含关系,提取表示涡旋边界的多边形并计算其属性特征,具体判定条件如下:
第一,不被任何其他多边形所包含;
第二,边界SSH值与内部SSH极值之差在2cm以上;
第三,所表达的涡旋的空间尺度应在45-500km;
第四,对于暖涡或冷涡,其区域内至少存在一个SSH的最大或最小值;
第五,多边形内任两点之间的距离必须小于一个与多边形所在纬度相关的特定值,规定此值在赤道处为1200km,在纬度25°处为400km,在赤道与纬度25°之间此值与纬度呈线性关系;
1d.对提取出的表示涡旋边界的多边形对象,在其内部查找不包含任何其他多边形的多边形对象,查找的对象范围为1b中得到的多边形对象集合;若查找到的多边形对象内部极值与对应涡旋边界上的均值之差大于2cm,则取其内部极值点作为对应涡旋的 涡核,即表示涡旋内部SSH极值位置的点,并计算其属性特征;涡核至少存在一个,表示涡旋边界的多边形与表示同一涡旋的涡核点通过UID唯一标识;
所述步骤2海洋中尺度涡旋过程追踪方法步骤如下:
2a.对某一涡旋状态的多边形对象,如果是单核的则取其极值点为中心点,如果是多核的则取其几何中心为中心点;
2b.对上一步骤所得的中心点做半径为2km的缓冲区,选择与此缓冲区有交叠关系的下一时刻的涡旋状态多边形对象作为与目标涡旋同源的涡旋对象;
2c.完成上一步骤后,不论是否已找到与目标涡旋同源的涡旋对象,继续再对中心点做半径为10km的缓冲区,如果仍存在与此缓冲区有交叠关系的下一时刻的涡旋状态多边形对象,则分别对这些多边形对象进行相似性计算,选择相似性最大的多边形对象也作为与目标涡旋同源的涡旋对象;相似性计算公式如下:
式中△D,△R,△ξ分别表示两个涡旋之间的空间距离、半径之差、涡度之差;D0,R0,ξ0分别表示典型的涡旋之间的空间距离、半径、涡度,具体的计算方法及说明如下:△D是通过根据两个涡旋中心点的空间位置计算得到的空间距离,单位为km,半径R取空间尺度的一半,单位为km,空间尺度的定义为长轴长度,即经涡旋几何中心,所能获得的最大弦长,与短轴长度即经涡旋几何中心,垂直于长轴的弦长之和的一半;涡度ξ的计算公式如下:
公式(2)中,g为重力加速度,M为涡旋强度,即涡旋边界SSH值与内部SSH极值之差,单位为cm;D为涡旋空间尺度,f为科氏参数,涡度ξ的单位为S-1;
2d.在上述两步追踪过程中,如果在下一时刻中均未找到与目标涡旋同源的涡旋对象,那么将继续向后面的时刻重复步骤2b和步骤2c,最长追踪时间跨度为七天。
2.根据权利要求1所述的海洋中尺度涡旋自动识别与过程重构的方法,其特征在于:所述步骤3中基于拓扑重构的海洋涡旋过程时空数据模型的构建方法为:
3a.将海洋中尺度涡旋过程的演变划分为三种情况:
第一,一个涡旋从产生起经过中间状态的演化直到最后消亡;
第二,一个涡旋在某一时刻分裂为两个或多个涡旋,针对该情况,规定涡旋分裂时 刻的那个状态为此涡旋的结束状态,其分裂后的多个状态分别对应不同涡旋过程的起始状态;
第三,多个涡旋在某时刻合并为一个涡旋,针对该种情况,规定涡旋合并后的状态为新的过程的起始状态,合并前的多个状态分别对应多个过程的结束状态;
3b.根据上述涡旋过程演变的三种情况,构建涡旋状态对象(ESO)来表达涡旋某时刻的状态特征;构建涡旋状态拓扑表(ECBT)来表达涡旋状态和状态之间的因果继承关系;构建涡旋过程对象(EPO)来表达涡旋的时空过程,其中ESO包括表示涡旋边界的面(EBA)以及表示涡核的点(ECP)这两部分。
3.根据权利要求1所述的海洋中尺度涡旋自动识别与过程重构的方法,其特征在于:所述步骤4中建立涡旋时空数据库的方法为:
4a.结合步骤1与步骤3,将提取到的涡旋状态,包括表示涡旋边界的多边形与表示涡核的点的空间特征及属性特征记录到ESO中,通过唯一的涡旋状态对象标识码(UID)进行关联;
4b.在上述步骤的基础上,结合步骤2,对于可追踪到同源涡旋的目标涡旋,将目标涡旋的UID记录到ECBT中的前一状态对应的UID即“CBUID”字段中,将追踪得到的与目标涡旋同源的涡旋UID记录到与目标涡旋对应的“UID”字段中;
4c.完成ESO与ECBT的填充后,通过对ECBT中UID在“CBUID”与“UID”两个字段中出现的次数来进行涡旋状态对应的过程状态的判断,分为以下五种情况:
第一,如果某个UID在ECBT的前一状态对应的UID即“CBUID”字段中从未出现,则该UID对应的涡旋状态为某一个过程的结束状态;
第二,如果某个UID在ECBT表的“UID”字段中从未出现过,则该UID对应于某个过程的起始状态;
第三,如果某个UID在ECBT表的“UID”字段中出现次数大于等于2,则该情况对应于涡旋的合并过程,该UID为某个过程的起始状态,而UID对应的ECBT中“CBUID”字段中的多个UID则都为某些过程的结束状态;
第四,如果某个UID在ECBT表“CBUID”字段中出现次数大于等于2,则该情况对应于涡旋的分裂过程,则该UID为某个过程的结束状态,其对应ECBT中的“UID”字段中的多个UID分别为某些新过程的起始状态;
第五,经过以上所有的判断后,没有涉及到的UID则都为过程的中间状态;
4d.通过上述判断则可以把涡旋状态对象在过程中所处的状态完全确定,继而选择所有的起始状态,根据UID与CBUID的继承关系,分别进行涡旋过程中下一时刻状态的查找追踪直到过程结束,并统计涡旋过程中的属性特征,将过程追踪结果记录到EPO中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110240552.6A CN102289594B (zh) | 2011-08-19 | 2011-08-19 | 海洋中尺度涡旋自动识别与过程重构算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110240552.6A CN102289594B (zh) | 2011-08-19 | 2011-08-19 | 海洋中尺度涡旋自动识别与过程重构算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102289594A CN102289594A (zh) | 2011-12-21 |
CN102289594B true CN102289594B (zh) | 2014-05-28 |
Family
ID=45336016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110240552.6A Expired - Fee Related CN102289594B (zh) | 2011-08-19 | 2011-08-19 | 海洋中尺度涡旋自动识别与过程重构算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102289594B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784311A (zh) * | 2016-08-24 | 2018-03-09 | 中国海洋大学 | 全球中尺度涡时空层次拓扑路径构建技术 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103424782B (zh) * | 2013-07-11 | 2016-06-08 | 天津大学 | 一种中层径向辐合的自动识别方法 |
CN103399905B (zh) * | 2013-07-29 | 2016-09-14 | 中国科学院地理科学与资源研究所 | 一种海洋涡旋演变过程信息提取方法 |
CN104915670A (zh) * | 2015-04-29 | 2015-09-16 | 中国海洋大学 | 基于hog特征提取的全球海洋中尺度涡识别算法 |
CN105844104A (zh) * | 2016-03-29 | 2016-08-10 | 中国海洋大学 | 基于Morphing变形技术的中尺度涡旋可视化算法 |
CN105787284A (zh) * | 2016-03-29 | 2016-07-20 | 中国海洋大学 | 基于混合算法的长时间序列中尺度涡旋追踪方法 |
CN105894535B (zh) * | 2016-03-30 | 2019-05-31 | 中国科学院地理科学与资源研究所 | 一种基于贝叶斯的涡旋自动追踪方法 |
CN105894439B (zh) * | 2016-04-05 | 2019-01-22 | 中国海洋大学 | 基于CUDA的海洋涡旋及Argo浮标交集数据快速提取算法 |
CN107784667B (zh) * | 2016-08-24 | 2023-06-23 | 中国海洋大学 | 基于并行的全球海洋中尺度涡快速识别算法 |
CN106815577A (zh) * | 2017-01-20 | 2017-06-09 | 中国科学院遥感与数字地球研究所 | 一种海洋中尺度涡的识别方法和装置 |
CN106919792B (zh) * | 2017-02-24 | 2019-06-21 | 天津大学 | 基于高精度数值风场资料的涡旋中心自动识别方法 |
CN107633224A (zh) * | 2017-09-15 | 2018-01-26 | 中国海洋大学 | 全球涡旋间多层次关系的识别、追踪 |
CN107748926B (zh) * | 2017-09-30 | 2020-10-16 | 广东海洋大学 | 一种南海深海盆中尺度涡预报方法 |
CN107657148B (zh) * | 2017-11-09 | 2021-09-28 | 中国海洋大学 | 基于长时间跨度全球中尺度涡旋的断点续追方法 |
CN108051811B (zh) * | 2017-12-12 | 2021-06-29 | 中国科学院遥感与数字地球研究所 | 一种中尺度涡的分析方法及装置 |
CN109992914A (zh) * | 2019-04-09 | 2019-07-09 | 中国海洋大学 | 面向海洋再分析数据的基于压力异常的三维中尺度涡旋识别技术 |
CN110163287A (zh) * | 2019-05-24 | 2019-08-23 | 三亚中科遥感研究所 | 一种中尺度涡检测方法及装置 |
CN111488691B (zh) * | 2020-04-16 | 2023-08-01 | 中船海洋探测技术研究院有限公司 | 一种三维中尺度涡追踪方法 |
CN111695299B (zh) * | 2020-06-04 | 2022-12-13 | 哈尔滨工程大学 | 一种中尺度涡轨迹预测方法 |
CN111931409A (zh) * | 2020-08-14 | 2020-11-13 | 南京大学 | 基于高分辨率海洋模式数据的涡旋三维体态识别和追踪方法 |
CN113312830B (zh) * | 2021-01-20 | 2022-02-25 | 广州海洋地质调查局 | 基于深度学习获得海洋中尺度涡波阻抗方法及处理终端 |
CN113507280B (zh) * | 2021-06-22 | 2022-06-07 | 中国海洋大学 | 一种海洋第一模态罗斯贝波信号分离与提取方法 |
CN113743577B (zh) * | 2021-06-25 | 2023-11-21 | 上海大学 | 用于中尺度涡识别的精细化网格数据分区构建方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504659A (zh) * | 2009-03-03 | 2009-08-12 | 成秋明 | 一种基于广义自相似性原理提取地学空间信息的方法 |
CN101644572A (zh) * | 2009-06-24 | 2010-02-10 | 中国科学院地理科学与资源研究所 | 一种基于历史相似性案例的海洋涡旋变化检测方法 |
-
2011
- 2011-08-19 CN CN201110240552.6A patent/CN102289594B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504659A (zh) * | 2009-03-03 | 2009-08-12 | 成秋明 | 一种基于广义自相似性原理提取地学空间信息的方法 |
CN101644572A (zh) * | 2009-06-24 | 2010-02-10 | 中国科学院地理科学与资源研究所 | 一种基于历史相似性案例的海洋涡旋变化检测方法 |
Non-Patent Citations (2)
Title |
---|
李晓聪.海洋流场涡漩特征提取及可视化研究.《中国海洋大学硕士论文》.2009, |
海洋流场涡漩特征提取及可视化研究;李晓聪;《中国海洋大学硕士论文》;20090607;参见全文 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784311A (zh) * | 2016-08-24 | 2018-03-09 | 中国海洋大学 | 全球中尺度涡时空层次拓扑路径构建技术 |
Also Published As
Publication number | Publication date |
---|---|
CN102289594A (zh) | 2011-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102289594B (zh) | 海洋中尺度涡旋自动识别与过程重构算法 | |
CN106844622B (zh) | 一种全空间信息表达方法及全空间信息系统 | |
CN102607553B (zh) | 一种基于出行轨迹数据的行程识别方法 | |
Li et al. | Transportation mode identification with GPS trajectory data and GIS information | |
CN112182410B (zh) | 基于时空轨迹知识图谱的用户出行模式挖掘方法 | |
CN109410586A (zh) | 一种基于多元数据融合的交通状态检测方法 | |
CN106339716B (zh) | 一种基于加权欧氏距离的移动轨迹相似度匹配方法 | |
CN110188093A (zh) | 一种基于大数据平台针对ais信息源的数据挖掘系统 | |
CN103593430A (zh) | 一种基于移动对象时空信息轨迹分段聚类的方法 | |
CN102750363B (zh) | 一种城市地理信息数据仓库的构建方法 | |
CN107271998A (zh) | 一种集成D‑InSAR和GIS技术的地下非法采矿识别方法及系统 | |
CN105447504A (zh) | 一种交通模式行为识别方法及相应的识别模型构建方法 | |
CN101149843A (zh) | 一种数字城市的继承式自动生成及实时更新方法 | |
CN110008872A (zh) | 一种结合车辆轨迹和遥感图像的路网提取方法 | |
CN102005105B (zh) | 一种基于时间序列相似匹配的海洋灾害预警装置 | |
CN102142215A (zh) | 一种顾及位置与速度的地理信息自适应语音讲解方法 | |
CN102169591B (zh) | 一种制图中文本注记分行方法以及绘制方法 | |
CN105005580B (zh) | 一种用于显示水库地形的方法及其装置 | |
CN102054166A (zh) | 一种新的用于户外增强现实系统的场景识别技术 | |
CN103489193A (zh) | 基于融合策略的面向对象的高分辨率遥感影像变化检测方法 | |
CN113505999A (zh) | 应用于城市空间质量评估的指标计算方法 | |
Chen et al. | Exploring the spatial-temporal dynamics of the Yangtze River Delta urban agglomeration based on night-time light remote sensing technology | |
CN104202817B (zh) | 大型室内空间中的多热点信号指纹地图的存储和匹配方法 | |
Wang et al. | Construction and application of artificial intelligence crowdsourcing map based on multi-track GPS data | |
CN103399905A (zh) | 一种海洋涡旋演变过程信息提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140528 Termination date: 20170819 |