CN110068309A - 一种基于新型高阶弥散关系近海水深测量方法及装置 - Google Patents
一种基于新型高阶弥散关系近海水深测量方法及装置 Download PDFInfo
- Publication number
- CN110068309A CN110068309A CN201910244815.7A CN201910244815A CN110068309A CN 110068309 A CN110068309 A CN 110068309A CN 201910244815 A CN201910244815 A CN 201910244815A CN 110068309 A CN110068309 A CN 110068309A
- Authority
- CN
- China
- Prior art keywords
- wave
- relationship
- water
- depth
- wave number
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
- G01C13/008—Surveying specially adapted to open water, e.g. sea, lake, river or canal measuring depth of open water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Operations Research (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于新型高阶弥散关系近海水深测量方法及装置。不同于传统水深测量技术,该方法包括:获取目标海域表面波时空序列数字图像或视频图像;将所述图像进行最大总相干性频带处理,使每个计算点上生成相应频率、波数对,将所述频率、波数对代入高阶弥散关系波浪模型;迭代计算输出所述目标海域的水深值。该发明使水深测量成本大大减少,消除了传统海洋水文测量的弊病和风险,能满足对水深信息进行不断实时更新的需求,且大大提高了作业效率。
Description
技术领域
本发明涉及水深测量技术领域,特别涉及一种基于新型高阶弥散关系近海水深测量方法及装置。
背景技术
海洋水深探测对于国家军事布置具有非常重要的意义,海域尤其是沿海区域,是一个主权国家的军事力量规划和军事设施建设的主要区域,是国防力量至关重要的覆盖区,但军事力量的布设和军事设施的铺设很大程度上受限于水深,例如军舰须在一定水深以上才能正常行驶,潜艇也需要在较深的海域才能完成潜行任务,军事电缆的铺设和水深息息相关,因此水深是许多海洋国防事业的首位探测目标。
当波浪由深水向近岸浅水水域传播时,由于受到复杂地形、障碍物(水工建筑物、岛屿等)和水流等因素的影响,将发生折射、绕射、反射、底摩擦能量耗散及破碎等一系列复杂现象,即波浪传播过程中发生变形。若在此海域采用传统的水文测量,所得水深值准确性难以保证,若遇到恶劣天气测量难度大的同时测量人员的安全也难以保障,对于海岸工程、波浪场数学模型和一些实际问题来说,实时更新且准确的水深数据是一切海洋问题解决至关重要的因素。而在实际情况中由于传统海洋水文测量耗时长,预算高,往往只能采用过时的数据,不具有时效性,导致结果实时误差较大。
传统的海洋水深测量主要是利用声呐进行探测,通常在测量船中安装声呐设备和定位系统,在测深水域布设网状点进行测量,后期进行数据处理。测量费用昂贵且周期较长,受区域环境的限制,部分区域无法测量,导致部分区域水深数据缺失。另外船测受天气的影响较大,当天气较为恶劣时,无法进行海上布点测深,对需要水深的区域不能进行全范围的测量,无法做到整个区域的连续测量。由于传统的测量方法有如此多的限制,所以迫切需要探索其他的测量方法。
例如,美国陆军工程兵团野外研究设施FRF的Argus站,利用固定塔,使用固定摄像头,位于高视点,如灯塔和沿海高层建筑,提供海面数字图像和时空序列模式。因为观察方向是固定的,所以图像只需要找一次,并且随着时间的推移,收集的数据可以直接进行比较,而不会产生海上操作的复杂情况。然而在许多需要水深测量的地方,没有设置高层建筑的有利位置。此外,整个Argus站安装复杂,不能在较短的时间内进行视频测量,所以这种方式是不可取的。在这种情况下,小型无人机航拍系统的最新发展提供了一种越来越具有吸引力的选择。
随着航拍技术与雷达、遥感技术的发展,获取的海面数字图像和电磁波进行识别与分析从而获得波浪分布信息,因此可以利用航拍技术与雷达、遥感技术结合新型高阶弥散关系进行水深的探测,而且上述测深方法具有明显优势。
但是美国陆军工程兵团在利用弥散关系求解水深时,仅用线性弥散关系,而忽略地形坡度与地形曲率对波浪传播的作用,会产生较大误差,对实际工程造成不可预估的影响。因此,在使用弥散关系迭代计算水深时,需考虑地形波浪耦合产生的非线性问题。更具体地说,在沙坝地区,由于其快速的形态变化和高空间变异引起海底非线性问题,利用线性弥散关系,无法检测到沙坝地区的地形特征,会产生较大误差。因此,美国海军利用弥散关系求解近海水深时,还存在很大不足,其精确性难以全面保证。
发明内容
第一方面,本发明提供一种克服上述诸多问题的基于新型高阶弥散关系近海水深测量方法,包括:
获取目标海域表面波时空序列数字图像或视频图像;
将所述图像进行最大总相干性频带处理,使每个计算点上生成相应频率、波数对;
将所述频率、波数对代入高阶弥散关系波浪模型;
迭代计算输出所述目标海域水深值。
在一个实施例中,将所述图像进行最大总相干性频带处理,使每个计算点上生成相应频率、波数对,包括:
对所述图像,采用傅里叶变换对时变像素进行分解和系数归一化;
选择待定深度位置周围的归一化傅里叶系数子集,对该子集所有像素计算交叉密度谱;
对于每个选定的频率确定相匹配的波相位,并在每个计算点上生成一组频率和相应的波数。
在一个实施例中,所述高阶弥散关系波浪模型为:
其中,q=kh
σ=tanh(q)
ξ=1-σ2
η=σ+qξ
μ1=12σ+9σ3
μ2=9+45σ2-18σ4
μ3=28σ-78σ3+30σ5
μ4=10-40σ2+42σ4-12σ6
水深变量h为所求水深,h用函数h(x,y)表示,ω表示波浪频率,g表示重力加速度,k(x,y)表示波浪波数,表示海底地形坡度的平方项,表示海底地形的曲率项。
在一个实施例中,所述高阶弥散关系中含有地形坡度和地形曲率变化引起波浪波数变化的非线性关系,体现于海底地形坡度的平方项、海底地形曲率项。
在一个实施例中,所述目标海域水深值来自于高阶弥散关系中波数和频率的相应非线性拟合,所述目标海域水深值为连续的时间过程。
第二方面,本发明还提供一种基于新型高阶弥散关系近海水深测量装置,包括:
获取模块,用于获取目标海域表面波时空序列数字图像或视频图像;
生成模块,用于将所述图像进行最大总相干性频带处理,使每个计算点上生成相应频率、波数对;
代入模块,用于将所述频率、波数对代入高阶弥散关系波浪模型;
输出模块,用于迭代计算输出所述目标海域水深值。
在一个实施例中,所述生成模块,包括:
分解及归一化子模块,用于对所述图像,采用傅里叶变换对时变像素进行分解和系数归一化;
选择及计算子模块,用于选择待定深度位置周围的归一化傅里叶系数子集,对该子集所有像素计算交叉密度谱;
确定及生成子模块,用于对于每个选定的频率确定相匹配的波相位,并在每个计算点上生成一组频率和相应的波数。
在一个实施例中,所述代入模块中的所述高阶弥散关系波浪模型为:
其中,q=kh
σ=tanh(q)
ξ=1-σ2
η=σ+qξ
μ1=12σ+9σ3
μ2=9+45σ2-18σ4
μ3=28σ-78σ3+30σ5
μ4=10-40σ2+42σ4-12σ6
水深变量h为所求水深,h用函数h(x,y)表示,ω表示波浪频率,g表示重力加速度,k(x,y)表示波浪波数,表示海底地形坡度的平方项,表示海底地形的曲率项。
本发明实施例提供的上述技术方案的有益效果包括:获取目标海域表面波时空序列数字图像或视频图像,时间快,成本低,操作简易秘密,消除了常规测量的弊病和风险。使用新型高阶弥散关系迭代计算得出的水深值为高精度的连续时间过程的近海水深值。本发明结合上述优势,在保持高精度、准确性的同时,大大提高了作业效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的基于新型高阶弥散关系近海水深测量方法流程图;
图2为本发明实施例提供的步骤B的流程图;
图3为本发明实施例提供的单正弦海底地形示意图;
图4为本发明实施例提供的单正弦地形波浪传播模型实验案例一验证图;
图5为本发明实施例提供的双正弦地形波浪传播模型实验案例二验证图;
图6为本发明实施例提供的双正弦地形波浪传播模型实验案例三验证图;
图7为本发明实施例提供的基于高阶弥散关系近海水深迭代计算配备装置框图;
图8为本发明实施例提供的波阵面的识别图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供的一种基于高阶弥散关系近海水深迭代计算方法,参照图1所示,包括:
A、获取目标海域表面波时空序列数字图像或视频图像;
可使用从无人机系统收集的数据,也可以使用雷达、遥感等其他数据。一般分为4波段,波数和波角从每个主要频率的交叉光谱中分解的特征向量中得出,并作为相关主频结果的质量控制参数。
B、将所述图像进行最大总相干性频带处理,使每个计算点上生成相应频率、波数对;
B1、对所述图像,采用傅里叶变换对时变像素进行分解和系数归一化;
B2、选择待定深度位置周围的归一化傅里叶系数子集,对该子集所有像素计算交叉密度谱;
B3、对于每个选定的频率确定相匹配的波相位,并在每个计算点上生成一组频率和相应的波数。
在EOF分析(经验正交函数分析方法,是一种分析矩阵数据中的结构特征,提取主要数据特征量的一种方法)相关矩阵中,特征向量对应于主分量,特征值对应主分量解释的方差,因此最大特征值与观测数据大部分可兑换相关的主分量。这种复杂的分解通过观察模型化的空间相位结构之间的最佳匹配来定义最佳的波数和波方向。
如图8所示,本发明实施例提供的波阵面的识别图。其中,模型化的空间相位结构将特征向量与波长、波角和任意相移(自由参数)联系起来。利用Levenberg-Marquardt算法,能够得到前向模型对EOF特征向量的最佳拟合。在此过程中,利用适当滤波器对分析图块的EOF特征向量进行加权,使权重集中在分析点周围。将第一个EOF的拟合技巧和特征值作为估计波数的质量标准,整个过程将产生最佳频率的波数。
最后,将已知的近似4至6个主频的波数和频率代入关系式(1)进行迭代计算获取深度。由于选择了4到6个主频,现在有4到6个深度近似值。
C、将所述频率、波数对代入高阶弥散关系波浪模型;
C1、确定海底与波浪耦合相互作用模型;
C1.1、基于FAT理论,构建波浪在任意海底地形变化传播的数学模型,即海底与波浪耦合模型;
如图3所示,假设波状底部具有正弦曲线轮廓,选择静止水面为x0y坐标平面,z坐标垂直向上为正的笛卡尔直角坐标系,则无旋无粘不可压的线性小振幅波动的波浪场速度势函数Φ(x,y,z)必须满足下列方程及边界条件:
Φtt+gΦz=0,at z=η (3)
代表水平梯度算子,例:
FAT理论:等水深波浪传播的解可设为齐次解(φ1),考虑海底地形变化波浪传播的解设为非齐次解(φ2),当且仅当满足φ1与φ2满足类似正交条件时,相应的φ2有解。其数学表达式为:
将方程式(2)带入得:
此理论被称为“Fredholm Alternative Theory,简称“FAT理论”
C1.2、基于上述模型,如图4所示,实验证明在中小波况中,地形非线性变化的影响大于表面波非线性的作用;
令φ1为f,φ2为Φ,其中Φ(x,y,z,t)=f(q,Q)φ(x,y,t)
f=cosh Q/cosh q
其中Q=k(z+h),q=kh,σ=tanhq,波浪传播只与波浪传播方式有关,可以得出:
利用拉普拉斯万程,线性化自由表面边界条件和底部边界条件,并分别在z=0和z=-h时注意到f=1或1/cosh q和fz=ktanh(kh)和0,表面的控制方程可以基于以上等式导出波动势Φ。
其中f为f(q,Q),
得出了表面波与正弦海床相互作用的新解,其数值结果与实验值吻合良好,其验证如图4、5、6所示。
C1.3、由推导出的海底波浪耦合方程可得到新型高阶弥散关系,在中小波况下可直接推算水深;
C2、推导波浪海底耦合作用下的新型高阶弥散关系;
令速度势函数为:
其中A(x,y,t)为φ(x,y,t)的幅度,θ为相位,c.c为复共轭,
式(5)得到的方程可以进一步分为实部与虚部,分别对应弥散关系和波作用守恒。由此得到考虑海底地形变化的新型高阶弥散关系:
ω2=gkσ+Att/A+gk(1-σ2)
β1=-[σ+q(1-σ2)]/2(1-σ2)
β2=qσ/2
β3=-[σ-q(1-σ2)(1-2qσ)]/4(1-σ2)
β4=-(1-qσ)
β5=[σ-q(1-2qσ)]/2
β6=σ(1-qσ)
β7=[q(3+6qσ-12q2σ2+4q2)-3σ]/12
β8=q(5σ+q-4qσ2)/2
其中:
τ1=[-q(1-σ2)]/γ (11)
τ2=[2q2(1-σ2)(γ-α)]/γ2 (12)
τ3=qα/γ2 (13)
τ4=[q2(5α-2γσ2α+(1-σ2)σ2γ2)]/γ4 (14)
α=-σq(1-σ2)/2 (15)
γ=σ+q(1-σ2) (16)
由关系式(7-16)可得波浪波数变化和速度势函数幅度变化与地形坡度的变化成相应比例,将其代入关系式(6),可得关系式(1)中的地形海底地形坡度的平方项。
由关系式(8、10-16)可得速度势函数幅度变化与地形曲率的变化成相应比例,将其代入关系式(6),可得关系式(1)中的地形海底地形的曲率项。
将β1-8与关系式(7)-(16)代入关系式(6)得出所述变水深海底高阶弥散关系表达式的具体公式如下:
其中,q=kh,σ=tanh(q),ξ=1-σ2,η=σ+qξ,
μ1=12σ+9σ3
μ2=9+45σ2-18σ4
μ3=28σ-78σ3+30σ5
μ4=10-40σ2+42σ4-12σ6
水深变量h为所求水深,用函数h(x,y)表示,ω是波浪频率,g是重力加速度,k(x,y)是波浪波数。其中q=kh为波数与水深的乘积。
D、迭代计算输出所述目标海域水深值;基于波浪海底相互作用数模和迭代计算算法,最后的深度值来自于高阶弥散关系中波数和频率的最佳非线性拟合,所述目标海域水深值为连续的时间过程。近岸水深估计值减去潮位即转换为海底高程。
基于同一发明构思,本发明实施例还提供了一种基于新型高阶弥散关系近海水深测量装置,由于该装置所解决问题的原理与前述方法相似,因此该装置的实施可以参见前述方法的实施,重复之处不再赘述。
本发明提供的一种基于新型高阶弥散关系近海水深测量装置,参照图7所示,包括:
获取模块71,用于获取目标海域表面波时空序列数字图像或视频图像;
生成模块72,用于将所述图像进行最大总相干性频带处理,使每个计算点上生成相应频率、波数对;
代入模块73,用于将所述频率、波数对代入高阶弥散关系波浪模型;
输出模块74,用于迭代计算输出所述目标海域水深值。
在一个实施例中,所述生成模块72,包括:
分解及归一化子模块721,用于对所述图像,采用傅里叶变换对时变像素进行分解和系数归一化;
选择及计算子模块722,用于选择待定深度位置周围的归一化傅里叶系数子集,对该子集所有像素计算交叉密度谱;
确定及生成子模块723,用于对于每个选定的频率确定相匹配的波相位,并在每个计算点上生成一组频率和相应的波数。
在一个实施例中,所述代入模块中的所述高阶弥散关系波浪模型为:
其中,q=kh
σ=tanh(q)
ξ=1-σ2
η=σ+qξ
μ1=12σ+9σ3
μ2=9+45σ2-18σ4
μ3=28σ-78σ3+30σ5
μ4=10-40σ2+42σ4-12σ6
水深变量h为所求水深,h用函数h(x,y)表示,ω表示波浪频率,g表示重力加速度,k(x,y)表示波浪波数,表示海底地形坡度的平方项,表示海底地形的曲率项。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种基于新型高阶弥散关系近海水深测量方法,其特征在于,包括:
获取目标海域表面波时空序列数字图像或视频图像;
将所述图像进行最大总相干性频带处理,使每个计算点上生成相应频率、波数对;
将所述频率、波数对代入高阶弥散关系波浪模型;
迭代计算输出所述目标海域水深值。
2.如权利要求1所述的一种基于新型高阶弥散关系近海水深测量方法,其特征在于,将所述图像进行最大总相干性频带处理,使每个计算点上生成相应频率、波数对,包括:
对所述图像,采用傅里叶变换对时变像素进行分解和系数归一化;
选择待定深度位置周围的归一化傅里叶系数子集,对该子集所有像素计算交叉密度谱;
对于每个选定的频率确定相匹配的波相位,并在每个计算点上生成一组频率和相应的波数。
3.根据权利要求1所述的一种基于新型高阶弥散关系近海水深测量方法,其特征在于,所述高阶弥散关系波浪模型为:
其中,q=kh
σ=tanh(q)
ξ=1-σ2
η=σ+qξ
μ1=12σ+9σ3
μ2=9+45σ2-18σ4
μ3=28σ-78σ3+30σ5
μ4=10-40σ2+42σ4-12σ6
水深变量h为所求水深,h用函数h(x,y)表示,ω表示波浪频率,g表示重力加速度,k(x,y)表示波浪波数,表示海底地形坡度的平方项,表示海底地形曲率项。
4.根据权利要求3所述的一种基于新型高阶弥散关系近海水深测量方法,其特征在于,所述高阶弥散关系中含有地形坡度和地形曲率变化引起波浪波数变化的非线性关系,体现于海底地形坡度的平方项、海底地形曲率项。
5.一种基于新型高阶弥散关系近海水深测量装置,其特征在于,包括:
获取模块,用于获取目标海域表面波时空序列数字图像或视频图像;
生成模块,用于将所述图像进行最大总相干性频带处理,使每个计算点上生成相应频率、波数对;
代入模块,用于将所述频率、波数对代入高阶弥散关系波浪模型;
输出模块,用于迭代计算输出所述目标海域水深值。
6.如权利要求5所述的一种基于新型高阶弥散关系近海水深测量装置,其特征在于,所述生成模块,包括:
分解及归一化子模块,用于对所述图像,采用傅里叶变换对时变像素进行分解和系数归一化;
选择及计算子模块,用于选择待定深度位置周围的归一化傅里叶系数子集,对该子集所有像素计算交叉密度谱;
确定及生成子模块,用于对于每个选定的频率确定相匹配的波相位,并在每个计算点上生成一组频率和相应的波数。
7.根据权利要求6所述的一种基于新型高阶弥散关系近海水深测量装置,其特征在于,所述代入模块中的高阶弥散关系波浪模型为:
其中,q=kh
σ=tanh(q)
ξ=1-σ2
η=σ+qξ
μ1=12σ+9σ3
μ2=9+45σ2-18σ4
μ3=28σ一78σ3+30σ5
μ4=10-40σ2+42σ4-12σ6
水深变量h为所求水深,h用函数h(x,y)表示,ω表示波浪频率,g表示重力加速度,k(x,y)表示波浪波数,表示海底地形坡度的平方项,表示海底地形曲率项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910244815.7A CN110068309B (zh) | 2019-03-28 | 2019-03-28 | 一种基于新型高阶弥散关系近海水深测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910244815.7A CN110068309B (zh) | 2019-03-28 | 2019-03-28 | 一种基于新型高阶弥散关系近海水深测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110068309A true CN110068309A (zh) | 2019-07-30 |
CN110068309B CN110068309B (zh) | 2020-09-08 |
Family
ID=67366977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910244815.7A Active CN110068309B (zh) | 2019-03-28 | 2019-03-28 | 一种基于新型高阶弥散关系近海水深测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110068309B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110736449A (zh) * | 2019-10-11 | 2020-01-31 | 北京师范大学 | 一种基于低空遥感的静水平均水深估算方法 |
CN110989021A (zh) * | 2019-12-03 | 2020-04-10 | 国家海洋局东海海洋环境调查勘察中心 | 水深反演方法、装置和计算机可读存储介质 |
CN111695267A (zh) * | 2020-06-16 | 2020-09-22 | 中国海洋大学 | 一种多孔结构物水动力分析方法 |
CN115014703A (zh) * | 2022-05-26 | 2022-09-06 | 中国人民解放军海军工程大学 | 实际海洋波导中点声源激发的海水表面波预报方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070242884A1 (en) * | 2001-07-24 | 2007-10-18 | Dugan John P | Method for measuring water depths using visible images of shoaling ocean waves |
CN103293521A (zh) * | 2013-06-26 | 2013-09-11 | 武汉大学 | 一种利用x波段雷达探测近海海域水深的方法 |
CN104101864A (zh) * | 2013-04-10 | 2014-10-15 | 南京信息工程大学 | 基于eof分解的导航x波段雷达海浪参数反演算法 |
CN106990404A (zh) * | 2017-03-30 | 2017-07-28 | 南京信息工程大学 | 一种利用导航x波段雷达反演海面波高的自动定标算法 |
-
2019
- 2019-03-28 CN CN201910244815.7A patent/CN110068309B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070242884A1 (en) * | 2001-07-24 | 2007-10-18 | Dugan John P | Method for measuring water depths using visible images of shoaling ocean waves |
CN104101864A (zh) * | 2013-04-10 | 2014-10-15 | 南京信息工程大学 | 基于eof分解的导航x波段雷达海浪参数反演算法 |
CN103293521A (zh) * | 2013-06-26 | 2013-09-11 | 武汉大学 | 一种利用x波段雷达探测近海海域水深的方法 |
CN106990404A (zh) * | 2017-03-30 | 2017-07-28 | 南京信息工程大学 | 一种利用导航x波段雷达反演海面波高的自动定标算法 |
Non-Patent Citations (1)
Title |
---|
P. G. CHAMBERLAIN: "The modified mild-slope equation", 《JOURNAL OF FLUID MECHANICS》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110736449A (zh) * | 2019-10-11 | 2020-01-31 | 北京师范大学 | 一种基于低空遥感的静水平均水深估算方法 |
CN110989021A (zh) * | 2019-12-03 | 2020-04-10 | 国家海洋局东海海洋环境调查勘察中心 | 水深反演方法、装置和计算机可读存储介质 |
CN111695267A (zh) * | 2020-06-16 | 2020-09-22 | 中国海洋大学 | 一种多孔结构物水动力分析方法 |
CN111695267B (zh) * | 2020-06-16 | 2024-03-01 | 中国海洋大学 | 一种多孔结构物水动力分析方法 |
CN115014703A (zh) * | 2022-05-26 | 2022-09-06 | 中国人民解放军海军工程大学 | 实际海洋波导中点声源激发的海水表面波预报方法 |
CN115014703B (zh) * | 2022-05-26 | 2024-06-07 | 中国人民解放军海军工程大学 | 实际海洋波导中点声源激发的海水表面波预报方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110068309B (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110068309A (zh) | 一种基于新型高阶弥散关系近海水深测量方法及装置 | |
O'Reilly et al. | A comparison of two spectral wave models in the Southern California Bight | |
Guedes et al. | Observations of wave energy fluxes and swash motions on a low‐sloping, dissipative beach | |
CN112883564B (zh) | 一种基于随机森林的水体温度预测方法及预测系统 | |
KR101835796B1 (ko) | 실시간 3차원 해양공간정보를 이용한 전술 지원 시스템 | |
CN104764445B (zh) | 水下物点坐标确定方法及装置 | |
Mendoza et al. | Lagrangian descriptors and the assessment of the predictive capacity of oceanic data sets | |
CN101587500A (zh) | 双站合成孔径雷达海面成像的计算机仿真方法 | |
Davies et al. | A three dimensional model of the M2, S2, N2, K1 and O1 tides in the Celtic and Irish Seas | |
Chernyshov et al. | Rapid wavelet-based bathymetry inversion method for nearshore X-band radars | |
CN107884825B (zh) | 一种基于地震多属性的不确定性建模方法 | |
Zhang et al. | Spatiotemporal tracking of ocean current field with distributed acoustic sensor network | |
CN110910448A (zh) | 一种海上溢油漂移轨迹溯源方法 | |
Masetti et al. | A ray-tracing uncertainty estimation tool for ocean mapping | |
Simanesew et al. | Development of frequency-dependent ocean wave directional distributions | |
Goff et al. | Stochastic modeling of seafloor morphology: A parameterized Gaussian model | |
Zinchenko et al. | An improved algorithm for phase-resolved sea surface reconstruction from X-band marine radar images | |
Schmidt et al. | Multidimensional visual representations for underwater environmental uncertainty | |
CN106777784B (zh) | 一种基于波浪液面时程监测数据的波浪作用估计方法 | |
US6961673B2 (en) | Measuring discontinuity in seismic data | |
Crane et al. | The distribution of geothermal fields along the East Pacific Rise from 13 10′ N to 8 20′ N: implications for deep seated origins | |
Orre et al. | Characterizing chaotic dispersion in a coastal tidal model | |
Bolaños et al. | Coastal bathymetry from satellite and its use on coastal modelling | |
Voulgaris et al. | 2-D inner-shelf current observations from a single VHF WEllen RAdar (WERA) station | |
Rosenblum | Visualizing oceanographic data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |