CN111222531A - 一种海浪场时空演化信息提取方法及系统 - Google Patents
一种海浪场时空演化信息提取方法及系统 Download PDFInfo
- Publication number
- CN111222531A CN111222531A CN201911005038.7A CN201911005038A CN111222531A CN 111222531 A CN111222531 A CN 111222531A CN 201911005038 A CN201911005038 A CN 201911005038A CN 111222531 A CN111222531 A CN 111222531A
- Authority
- CN
- China
- Prior art keywords
- wave
- component
- similarity
- spectrum segmentation
- space
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及了一种海浪场时空演化信息提取方法及系统,通过改进的时空网格遍历算法对数值海浪模式谱分割输出结果中相邻网格点的海浪成分进行交叉比对,完成对来源于同一气象事件的海浪成分信息进行聚簇分析,实现完整海浪场时空结构的提取与再组织。本发明能够解决海浪模式输出中因海浪成分按波浪能量大小进行编号而产生的同一编号波浪参数的时空不相关性和分布不连续性,对数值海浪模式预报结果中来自同一气象事件所产生的海浪场完整时空演化过程进行分析与可视化。该发明能够应用于海浪的业务化预报,提供物理意义更为清晰的海浪预报产品,从而服务于海洋工程环境信息保障和海洋防灾减灾等领域。
Description
技术领域
本发明涉及应用海洋学领域,更具体地说,涉及一种面向海浪模式谱分割数据的海浪场时空演化信息提取方法及系统。
背景技术
同一位置的海浪往往是本地产生的风浪系统和来自多个不同来源的涌浪系统的叠加。仅仅采用海浪谱的整体积分(有效波高、平均周期和平均波向等)参数对一个位置的海浪状态进行描述,往往具有一定的误导性。因此,目前的数值海浪模式往往使用基于分水岭的谱分割的算法对海浪谱进行分割以区分不同海浪成分的信息。数值海浪模型谱分割输出数据中,分区后的风浪成分被编号为成分0,涌浪成分则根据其能量大小被编号为涌浪1—涌浪N。使用这样的编号方式,没有考虑到来源于同一气象事件(台风、温带风暴等)的海浪参数的时空相关性和连续性,因此同一编号的海浪成分经常存在着时空的不相关和不连续,导致目前无法通过模式的谱分割输出结果对海浪信息的时空变化进行有效的分析与可视化。
目前尚未有被报道的技术手段能够解决这一问题,因此尽管业务化的海浪模式已经开始输出海浪谱分割的数据,但这些数据尚未形成预报产品,也难以在相关领域得到有效应用。当前业务化的海浪数值预报产品的应用仍然以基于海浪谱的整体积分参数为主。
发明内容
为了解决海浪模式谱分割输出数据中同一编号的海浪成分存在的时空不相关和不连续问题,实现将海浪模式谱分割数据应用于业务化的海浪数值预报产品的生产,本发明提供了一种面向海浪模式谱分割数据的海浪场时空演化信息提取技术。
本发明解决其技术问题所采用的技术方案是:构造一种海浪场时空演化信息提取方法,包括以下步骤:
S1、获取谱分割输出数据阵列,将所述谱分割输出数据阵列中包含海浪模式谱分割输出数据的时空位置标记为“未访问”;
S2、根据所述谱分割输出数据阵列,确定每项海浪模式谱分割输出数据的起始搜寻时空位置和起始搜寻成分,并将所述起始搜寻时空位置和起始搜寻成分的数据存储到一个存储队列的同时,将其从谱分割输出数据阵列中移除,且将该数据的时空位置标记为“已访问”;
S3、将存储队列中第一个元素对应的海浪成分作为当前成分,计算其附近所有包括“未访问”标记的时空网格点的所有海浪成分与当前成分的相似度;
S4、基于步骤S3,从计算得到的若干个相似度数值中,选取最大的相似度值,若所述最大的相似度值大于或等于预设的相似度阈值时,则将最大相似度值对应的时空位置信息及成分信息存入所述存储队列,并从谱分割输出数据阵列中移除所述最大相似度值对应的成分信息;并且,将最大相似度值对应的时空位网格点标记为“已访问”;
S5、若当前成分附近所有“未访问”的时空网格点中,没有任何成分的相似度达到相似度阈值时,将当前成分的信息从存储队列中转移到输出文件;
S6、重复步骤S3到步骤S5,直到存储队列中所有的元素均被转移到输出文件,当前输出文件记录的输出结果即为海浪场的时空演化信息提取结果;
S7、若谱分割输出数据阵列中不包括任何海浪成分信息,则结束步骤S7;否则,将谱分割输出数据阵列中所有包含海浪模式谱分割输出数据的时空位置重新标记为“未访问”,并返回到步骤S2,进行下一个海浪场的时空演化信息进行提取。
进一步的,步骤S1中,获取谱分割输出数据阵列数据包括WAVEWATCH-III、WAM、SWAN及其衍生海浪数值模式的海浪谱分割后的谱分割有效波高、谱分割平均周期和谱分割平均方向场数据,上述数据分别用三个四维矩阵对其进行存储,其中,每个四维矩阵的维度包括经度、纬度、时间和海浪成分编号;其中,WAVEWATCH-III、WAM、SWAN及其衍生模式均为海浪预报领域现有的第三代海浪数值预报模式。
进一步的,步骤S4中,在相邻网格点中与当前成分相似度最大的海浪成分相似度达到预设的相似度阈值时,利用阵列化的数值海浪模式谱分割输出数据对当前的提取进程进行控制,在每个成分被提取到存储队列后,从谱分割输出数据阵列中删除对应的数据。
进一步的,步骤S4中,通过相邻两个网格点海浪成分的相似度大小,判断两个海浪成分是否来源于同一气象事件;若相邻网格点中两个海浪成分的相似度达到预设的相似度阈值时,则认为当前两个成分来源于同一气象事件,属于同一海浪场;
根据相邻两个网格点海浪成分的相似度大小,进一步判断当前成分是否为需要输出的有效数据。
进一步的,在计算相邻两个网格点海浪成分的相似度大小时,其通过两个成分的谱距离时空梯度对成分的相似度进行衡量,谱距离时空梯度越小相似度越大;其中,谱距离时空梯度的计算采用谱距离除以无因次化的时间和空间距离的加和进行计算;谱距离的计算采用波高、波向、波长构成的三维空间中的无因次距离;
基于谱距离时空梯度进一步提高相似度的衡量精度。
进一步的,谱距离时空梯度的计算方法为:
其中,H、T和θ分别对应着谱分割有效波高、谱分割平均周期和谱分割平均方向,下标cur和nei分别代表当前的成分和相邻点的成分,d是当前成分对应网格点和相邻成分对应网格点的空间距离,t是当前成分对应网格点和相邻网格点成分对应的时间差距;Ha、Tb、θc、dd和td是权重和换算系数,需要对其进行调整达到要求,θturn是一个随当前点和相邻点位置变化的参数,其代表了海浪沿地球大圆从当前点传播至相邻网格点后海浪方向发生的变化。
进一步的,若相邻网格点中与当前成分相似度最大的海浪成分相似度达到预设的相似度阈值时,通过存储队列对信息提取结果进行暂存,在每次进行时空演化信息提取之前,先检测存储队列是否为空;若存储队列不为空,则将该队列中第一个元素对应的海浪成分作为当前成分继续进行计算与信息提取;若存储队列为空,则将结果输出到输出文件进行保存处理;
将最后的信息提取结果统一保存到输出文件,有利于对数据的管理。
本发明提供的一种海浪场时空演化信息提取系统,包括以下模块:
数据获取模块,用于获取谱分割输出数据阵列,将所述谱分割输出数据阵列中包含海浪模式输出的时空位置标记为“未访问”;
起始成分确定模块,用于根据所述谱分割输出数据阵列,确定数值海浪模式谱分割输出数据的起始搜寻位置和起始搜寻成分,一方面将其信息压入一个存储队列中,另一方面将其从所述谱分割输出数据阵列中移除,并将该时空位置标记为“已访问”;
相似度计算模块,用于将存储队列中第一个元素对应的海浪成分作为当前成分,计算其附近所有包括第一标记的时空网格点的海浪成分与当前成分的相似度;
相似度判断模块,用于若相邻网格点中与当前成分的相似度最大的海浪成分相似度达到预设的相似度阈值时,则将该相邻位置的成分信息压入所述存储队列,并从原谱分割输出数据阵列中移除该相邻位置的成分信息;其中,将其对应的时空位置标记为“已访问”;
成分信息输出模块,用于若当前成分附近所有“未访问”的时空网格点中,没有任何成分的相似度达到某一阈值,将当前成分的信息从存储队列中输出;
时空演化信息提取模块,用于在存储队列中所有的元素均被输出时,从输出文件中海浪场的时空演化信息提取结果。
进一步的,在相似度判断模块中,在计算相邻两个网格点海浪成分的相似度的大小时,其通过两个成分的谱距离时空梯度对成分的相似度进行衡量;其中,谱距离时空梯度的计算采用谱距离除以无因次化的时间和空间距离的加和进行计算;谱距离的计算采用波高、波向、频率构成的三维空间中的无因次距离谱距离;时空梯度的计算方法为:
其中,H、T和θ分别对应着谱分割有效波高、谱分割平均周期和谱分割平均方向,下标cur和nei分别代表当前的成分和相邻点的成分,d是当前成分对应网格点和相邻成分对应网格点的空间距离,t是当前成分对应网格点和相邻网格点成分对应的时间差距;Ha、Tb、θc、dd和td是权重和换算系数,需要对其进行调整达到要求,θturn是一个随当前点和相邻点位置变化的参数,其代表了海浪沿地球大圆从当前点传播至相邻网格点后海浪方向发生的变化。
在本发明所述的一种海浪场时空演化信息提取方法及系统中,与现有技术相比,本发明的有益效果是:本发明能够解决海浪模式谱分割输出数据因同一编号海浪成分时空不关联而产生的物理意义解释困难和无法有效生成业务化产品的问题,将海浪模式谱分割输出数据中来源于同一气象事件(台风、温带风暴等)的海浪成分组织到一起,从而能够展示给定时刻对应海浪场的空间分布以及给定位置对应涌浪信息随时间的演化,进而提取出物理意义明确的海浪场时空演化的完整过程,便于海浪模式谱分割输出数据的分析与可视化。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明一种实施方式的流程图;
图2是原始的Wavewatch-III海浪模式谱分割输出结果的示意图;
图3是图2中的数据经过海浪场时空演化信息提取技术处理后的部分结果示意图;
图4是本发明所介绍方法捕捉到的一个由温带风暴产生的海浪事件中海浪场中随时间的演化示意图;
图5是本发明一种实施方式的系统结构图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
请参考图1,其为本发明提供的一种面向海浪模式谱分割数据的海浪场时空演化信息提取方法,包括以下步骤:
S1:对数值海浪模式谱分割输出数据的阵列化处理,其中,将阵列化处理后得到的数据中包含海浪模式输出的时空位置标记为“未访问”:
具体地,可以针对数值海浪模式谱分割输出的谱分割有效波高、谱分割平均周期和谱分割平均方向场数据,分别用三个四维矩阵对其进行存储,所涉及的四个维度分别是经度、纬度、时间和成分编号;同时,建立一个三维访问信息矩阵对每个数据的访问情况进行记录,其中,三维访问信息矩阵中涉及到的三个维度分别是经度、纬度和时间;在所述三维访问信息矩阵中,所有元素的初始状态均设置为“未访问”;
本实施例中,采用的数值海浪模式数据可以采用WAVEWATCH-III、WAM、SWAN及其衍生模式的数据,然后,建立一个数据为空的存储队列,所述存储队列用于对输出的数据结果进行暂存。
S2、根据谱分割输出数据阵列数据,确定数值海浪模式谱分割输出数据的起始搜寻位置和起始搜寻成分,并将其信息压入存储队列,且从原谱分割输出数据阵列中移除其相应的信息,并将其在三维访问信息矩阵中的时空位置标记为“已访问”:
具体地,在此步骤开始时可以创建一个空的输出文件对输出的结果进行保存;
在起始搜寻位置的选择方面,本实施例中,选择谱分割有效波高四维矩阵的最大值所对应的坐标作为起始搜寻位置和起始搜寻成分,并将这一成分所在的经度、纬度、时间和所对应的谱分割有效波高、谱分割平均周期和谱分割平均方向数据,以数据记录条目的形式压入到存储队列;同时,将上述三个四维矩阵中的对应位置的信息设为0或缺省值,并将记录数据访问情况的三维矩阵中对应的经度、纬度和时间标记为“已访问”。
S3、将存储队列中第一个元素对应的海浪成分作为当前成分,计算其附近的所有“未访问”时空网格点的各海浪成分与当前成分的相似度:
具体地,读取结果暂存队列中的第一条记录的经度、纬度、时间和所对应的谱分割有效波高、谱分割平均周期和谱分割平均方向数据,将其作为当前海浪成分信息;其中,读取所有与当前成分经度、纬度、时间相邻的“未访问”的时空网格点中的海浪成分相关数据;
对于任意一个相邻点的海浪成分,它与当前海浪成分相似度可以通过它们在海浪方向谱空间的谱距离时空梯度进行衡量,谱距离的计算采用波高、波向、波长(或频率)构成的三维空间中的无因次距离,谱距离时空梯度的计算采用谱距离除以无因次化的时间和空间距离的加和进行计算。
谱距离时空梯度可以通过谱空间变换进行计算,本实施提供的一个可选的计算方法为:
其中H、T和θ分别对应着谱分割有效波高、谱分割平均周期和谱分割平均方向,下标cur和nei分别代表当前的成分和相邻点的成分,d是当前成分对应网格点和相邻成分对应网格点的空间距离,t是当前成分对应网格点和相邻网格点成分对应的时间差距。Ha、Tb、θc、dd和td是权重和换算系数,需要对其进行调整,以达到实际的应用需求,θturn也是一个随当前点和相邻点位置变化的参数,其代表了海浪沿地球大圆从当前点传播至相邻网格点后海浪方向发生的变化。两个海浪成分之间的谱距离时空梯度越小,说明这两个成分之间的相似度越高。所有的可调参数需要根据模式的输出结果进行反复调试,直到获得良好的结果。经测试,一个可用的方案可以是:Ha=2m、Tb=1s、θc=10°、dd=40km、td=1h。
S4、若相邻网格点中与当前成分相似度最大的海浪成分相似度达到某一阈值,则将该相邻位置的成分信息压入存储队列,将对应时空位置标记为“已访问”,并再次从原谱分割输出数据阵列中移除该相邻位置的成分信息:
具体地,可以在所有当前成分相邻网格点所有海浪成分中,选取与当前成分谱空间距离梯度最小的成分,若这一成分对应的谱距离时空梯度值小于某一阈值δth,则认为该成分与当前成分属于同一气象事件产生的海浪,将这一成分所在的经度、纬度、时间和所对应的谱分割有效波高、谱分割平均周期和谱分割平均方向数据以数据记录条目的形式压入队列。同时,将三个四维矩阵中的对应的信息删除(设为0或缺省值),并将记录数据访问情况的三维矩阵中对应的经度、纬度和时间标记为“已访问”。在此过程中,阈值δth的大小需要通过调试决定,并且值的大小与Ha、Tb、θc、dd和td有关。经测试,δth=0.1是对应步骤S3中参数方案的一个可用的阈值选取。
S5、若当前成分附近所有“未访问”的时空网格点中,没有任何成分的相似度达到某一阈值,将当前成分的信息从队列中输出:
具体地,在所有当前成分相邻网格点所有海浪成分中,选取与当前成分谱空间距离梯度最小的成分,若这一成分对应的谱距离时空梯度值大于阈值δth,则认为对于当前成分相邻网格点的追踪结束。若对于当前成分相邻网格点的追踪结束,则将当前成分所在的经度、纬度、时间和所对应的谱分割有效波高、谱分割平均周期和谱分割平均方向数据以数据记录条目的形式转入输出文件,并将上述当前成分信息从存储队列中删除,存储队列中的第二个元素递补成为第一个元素,并将后续元素以此类推进行递补。
S6、重复步骤S3、S4、S5,直到队列中所有的元素均被输出,则输出结果对应了一个海浪场的时空演化信息提取:
具体地,每执行完一次步骤S3-S5,则需要检测存储队列是否为空;若存储队列不为空,继续回到步骤S3,将队列中第一个元素对应的海浪成分作为当前成分,计算其附近的所有“未访问”时空网格点的各海浪成分与当前成分的海浪谱空间距离梯度;若数据暂存队列为空,将对输出文件进行保存并关闭,当前输出文件中存储的数据,对应着一个完整海浪场的时空演化信息的提取结果。
S7、若原谱分割输出数据阵列中已无任何海浪成分信息,则结束提取流程。否则,将所有的时空位置重新标记为“未访问”,然后回到步骤S2开始对下一个海浪场的时空演化信息进行提取:
具体地,当完成一个一个完整海浪场的时空演化信息的提取后,检查三个四维矩阵中是否还存在不为0或是缺省值的元素;若所有元素均为0或缺省值,则结束提取流程,所有海浪场的时空演化信息均已被输出。否则,将所有的时空位置重新标记为“未访问”,并回到步骤S2,开始下一个海浪场的时空演化信息的提取。
请参考图2,其为原始的Wavewatch-III海浪模式谱分割输出结果的一个例子,从上到下依次为第0成分(风浪)到第5涌浪成分,左列为谱分割后的成分有效波高,右列为谱分割后的成分平均周期,箭头表示谱分割后的成分谱峰方向。在同一地点,成分的编号顺序完全依照局地能量的大小,因此同一编号的海浪成分经常存在着时空的不相关和不连续,因此各图的物理意义不明确,难以进行可视化分析。
请参考图3,其为图2中的数据经过海浪场时空演化信息提取技术处理后的部分结果案例(从上到下为四个案例,左列为谱分割后的成分有效波高,右列为谱分割后的成分平均周期,箭头表示谱分割后的成分谱峰方向)。在本图中,来源于同一气象事件的海浪被提取到了一起,海浪场的波高分布在图中十分清晰,海浪方向分布经过提取后更为均匀且便于观察,从海浪的波长分布中更是能够清晰地观察到海浪的频散特征(周期较长的涌浪具有较大的速度,所以会位于海浪场传播方向的前端)。结果体现了明确的物理意义,更加有助于数据的可视化分析。
请参考图4,其为用本发明所介绍方法捕捉到的一个由温带风暴产生的海浪事件中海浪场中随时间的演化。第一和第三列为谱分割后的成分有效波高,第二和第四列为谱分割后的成分平均周期。图中左半部分从上到下对应的时间分别为2004年2月29日至3月3日0000UTC,右半部分续接左半部分,从上到下对应的时间分别为2004年3月4日至3月7日0000UTC。从图中可以清晰地观察到海浪沿地球大圆的传播路径和传播过程中能量及波长随时间的演化。
请参考图5,其为本发明一种实施方式的系统结构图,包括数据获取模块L1、起始成分确定模块L2、相似度计算模块L3、相似度判断模块L4、成分信息输出模块L5和时空演化信息提取模块L6,其中:
数据获取模块L1用于获取谱分割输出数据阵列,将所述谱分割输出数据阵列中包含海浪模式输出的时空位置标记为“未访问”;
起始成分确定模块L2用于根据所述谱分割输出数据阵列,确定数值海浪模式谱分割输出数据的起始搜寻位置和起始搜寻成分,一方面将其信息压入一个存储队列中,另一方面将其从所述谱分割输出数据阵列中移除,并将该时空位置标记为“已访问”;
相似度计算模块L3用于将存储队列中第一个元素对应的海浪成分作为当前成分,计算其附近所有包括第一标记的时空网格点的海浪成分与当前成分的相似度;
相似度判断模块L4用于若相邻网格点中与当前成分的相似度最大的海浪成分相似度达到预设的相似度阈值时,则将该相邻位置的成分信息压入所述存储队列,并从原谱分割输出数据阵列中移除该相邻位置的成分信息;其中,将其对应的时空位置标记为“已访问”;其中,在计算相邻两个网格点海浪成分的相似度的大小时,其通过两个成分的谱距离时空梯度对成分的相似度进行衡量;其中,谱距离时空梯度的计算采用谱距离除以无因次化的时间和空间距离的加和进行计算;谱距离的计算采用波高、波向、频率构成的三维空间中的无因次距离谱距离;时空梯度的计算方法为:
其中,H、T和θ分别对应着谱分割有效波高、谱分割平均周期和谱分割平均方向,下标cur和nei分别代表当前的成分和相邻点的成分,d是当前成分对应网格点和相邻成分对应网格点的空间距离,t是当前成分对应网格点和相邻网格点成分对应的时间差距;Ha、Tb、θc、dd和td是权重和换算系数,需要对其进行调整达到要求,θturn是一个随当前点和相邻点位置变化的参数,其代表了海浪沿地球大圆从当前点传播至相邻网格点后海浪方向发生的变化。
成分信息输出模块L5用于若当前成分附近所有“未访问”的时空网格点中,没有任何成分的相似度达到某一阈值,将当前成分的信息从存储队列中输出;
时空演化信息提取模块L6用于在存储队列中所有的元素均被输出时,从输出文件中海浪场的时空演化信息提取结果。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (9)
1.一种海浪场时空演化信息提取方法,其特征在于,包括以下步骤:
S1、获取谱分割输出数据阵列,将所述谱分割输出数据阵列中包含海浪模式谱分割输出数据的时空位置标记为“未访问”;
S2、根据所述谱分割输出数据阵列,确定每项海浪模式谱分割输出数据的起始搜寻时空位置和起始搜寻成分,并将所述起始搜寻时空位置和起始搜寻成分的数据存储到一个存储队列的同时,将其从谱分割输出数据阵列中移除,且将该数据的时空位置标记为“已访问”;
S3、将存储队列中第一个元素对应的海浪成分作为当前成分,计算其附近所有包括“未访问”标记的时空网格点的所有海浪成分与当前成分的相似度;
S4、基于步骤S3,从计算得到的若干个相似度数值中,选取最大的相似度值,若所述最大的相似度值大于或等于预设的相似度阈值时,则将最大相似度值对应的时空位置信息及成分信息存入所述存储队列,并从谱分割输出数据阵列中移除所述最大相似度值对应的成分信息;并且,将最大相似度值对应的时空位网格点标记为“已访问”;
S5、若当前成分附近所有“未访问”的时空网格点中,没有任何成分的相似度达到相似度阈值时,将当前成分的信息从存储队列中转移到输出文件;
S6、重复步骤S3到步骤S5,直到存储队列中所有的元素均被转移到输出文件,当前输出文件记录的输出结果即为海浪场的时空演化信息提取结果;
S7、若谱分割输出数据阵列中不包括任何海浪成分信息,则结束步骤S7;否则,将谱分割输出数据阵列中所有包含海浪模式谱分割输出数据的时空位置重新标记为“未访问”,并返回到步骤S2,进行下一个海浪场的时空演化信息进行提取。
2.根据权利要求1所述的海浪场时空演化信息提取方法,其特征在于,步骤S1中,获取谱分割输出数据阵列数据包括针对WAVEWATCH-III、WAM、SWAN及其衍生模式的海浪谱分割后的谱分割有效波高、谱分割平均周期和谱分割平均方向场数据,上述数据分别用三个四维矩阵对其进行存储,其中,每个四维矩阵的维度包括经度、纬度、时间和海浪成分编号。
3.根据权利要求2所述的海浪场时空演化信息提取方法,其特征在于,步骤S4中,在相邻网格点中与当前成分相似度最大的海浪成分相似度达到预设的相似度阈值时,利用阵列化的数值海浪模式谱分割输出数据对当前的提取进程进行控制,在每个成分被提取到存储队列后,从谱分割输出数据阵列中删除对应的数据。
4.根据权利要求1所述的海浪场时空演化信息提取方法,其特征在于,步骤S4中,通过相邻两个网格点海浪成分的相似度大小,判断两个海浪成分是否来源于同一气象事件;若相邻网格点中两个海浪成分的相似度达到预设的相似度阈值时,则认为当前两个成分来源于同一气象事件,属于同一海浪场。
5.根据权利要求4所述的海浪场时空演化信息提取方法,其特征在于,在计算相邻两个网格点海浪成分的相似度大小时,其通过两个成分的谱距离时空梯度对成分的相似度进行衡量,谱距离时空梯度越小相似度越大;其中,谱距离时空梯度的计算采用谱距离除以无因次化的时间和空间距离的加和进行计算;谱距离的计算采用波高、波向、波长构成的三维空间中的无因次距离。
7.根据权利要求1所述的海浪场时空演化信息提取方法,其特征在于,若相邻网格点中与当前成分相似度最大的海浪成分相似度达到预设的相似度阈值时,通过存储队列对信息提取结果进行暂存,在每次进行时空演化信息提取之前,先检测存储队列是否为空;若存储队列不为空,则将该队列中第一个元素对应的海浪成分作为当前成分继续进行计算与信息提取;若存储队列为空,则将结果输出到输出文件进行保存处理。
8.一种海浪场时空演化信息提取系统,其特征在于,包括以下模块:
数据获取模块,用于获取谱分割输出数据阵列,将所述谱分割输出数据阵列中包含海浪模式输出的时空位置标记为“未访问”;
起始成分确定模块,用于根据所述谱分割输出数据阵列,确定数值海浪模式谱分割输出数据的起始搜寻位置和起始搜寻成分,一方面将其信息压入一个存储队列中,另一方面将其从所述谱分割输出数据阵列中移除,并将该时空位置标记为“已访问”;
相似度计算模块,用于将存储队列中第一个元素对应的海浪成分作为当前成分,计算其附近所有包括第一标记的时空网格点的海浪成分与当前成分的相似度;
相似度判断模块,用于若相邻网格点中与当前成分的相似度最大的海浪成分相似度达到预设的相似度阈值时,则将该相邻位置的成分信息压入所述存储队列,并从原谱分割输出数据阵列中移除该相邻位置的成分信息;其中,将其对应的时空位置标记为“已访问”;
成分信息输出模块,用于若当前成分附近所有“未访问”的时空网格点中,没有任何成分的相似度达到某一阈值,将当前成分的信息从存储队列中输出;
时空演化信息提取模块,用于在存储队列中所有的元素均被输出时,从输出文件中海浪场的时空演化信息提取结果。
9.根据权利要求8所述的海浪场时空演化信息提取方法,其特征在于,在相似度判断模块中,在计算相邻两个网格点海浪成分的相似度的大小时,其通过两个成分的谱距离时空梯度对成分的相似度进行衡量;其中,谱距离时空梯度的计算采用谱距离除以无因次化的时间和空间距离的加和进行计算;谱距离的计算采用波高、波向、频率构成的三维空间中的无因次距离谱距离;时空梯度的计算方法为:
其中,H、T和θ分别对应着谱分割有效波高、谱分割平均周期和谱分割平均方向,下标cur和nei分别代表当前的成分和相邻点的成分,d是当前成分对应网格点和相邻成分对应网格点的空间距离,t是当前成分对应网格点和相邻网格点成分对应的时间差距;Ha、Tb、θc、dd和td是权重和换算系数,需要对其进行调整达到要求,θturn是一个随当前点和相邻点位置变化的参数,其代表了海浪沿地球大圆从当前点传播至相邻网格点后海浪方向发生的变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911005038.7A CN111222531B (zh) | 2019-10-21 | 2019-10-21 | 一种海浪场时空演化信息提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911005038.7A CN111222531B (zh) | 2019-10-21 | 2019-10-21 | 一种海浪场时空演化信息提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222531A true CN111222531A (zh) | 2020-06-02 |
CN111222531B CN111222531B (zh) | 2023-05-26 |
Family
ID=70805796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911005038.7A Active CN111222531B (zh) | 2019-10-21 | 2019-10-21 | 一种海浪场时空演化信息提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222531B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611975A (zh) * | 2020-06-03 | 2020-09-01 | 南京信息工程大学 | 基于二维海浪谱的海浪成分分区方法 |
CN112365469A (zh) * | 2020-11-11 | 2021-02-12 | 中国船舶科学研究中心 | 一种基于Otsu阈值的二维波浪谱分割方法 |
CN112949220A (zh) * | 2021-03-01 | 2021-06-11 | 自然资源部第一海洋研究所 | 一种波浪能资源评估方法、系统、存储介质、计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030167125A1 (en) * | 2000-07-21 | 2003-09-04 | Jorg Seemann | Method for determining hydrographic parameters which describe a sea swell field in situ using a radar device |
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 |
CN109557538A (zh) * | 2018-12-26 | 2019-04-02 | 哈尔滨工业大学 | 基于海用相参雷达测量海浪参数的方法 |
CN109886499A (zh) * | 2019-03-04 | 2019-06-14 | 中国地质大学(武汉) | 一种考虑反馈信息的海上遇险目标漂移集合预测方法 |
-
2019
- 2019-10-21 CN CN201911005038.7A patent/CN111222531B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030167125A1 (en) * | 2000-07-21 | 2003-09-04 | Jorg Seemann | Method for determining hydrographic parameters which describe a sea swell field in situ using a radar device |
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 |
CN109557538A (zh) * | 2018-12-26 | 2019-04-02 | 哈尔滨工业大学 | 基于海用相参雷达测量海浪参数的方法 |
CN109886499A (zh) * | 2019-03-04 | 2019-06-14 | 中国地质大学(武汉) | 一种考虑反馈信息的海上遇险目标漂移集合预测方法 |
Non-Patent Citations (2)
Title |
---|
王璇;蒋浩宇;陈戈;于方杰;: "基于SAR波模式数据的涌浪起源追踪与定位" * |
齐鹏;王爱梅;曹蕾;: "数据同化的南海台风浪后报模式" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611975A (zh) * | 2020-06-03 | 2020-09-01 | 南京信息工程大学 | 基于二维海浪谱的海浪成分分区方法 |
CN111611975B (zh) * | 2020-06-03 | 2023-05-05 | 南京信息工程大学 | 基于二维海浪谱的海浪成分分区方法 |
CN112365469A (zh) * | 2020-11-11 | 2021-02-12 | 中国船舶科学研究中心 | 一种基于Otsu阈值的二维波浪谱分割方法 |
CN112949220A (zh) * | 2021-03-01 | 2021-06-11 | 自然资源部第一海洋研究所 | 一种波浪能资源评估方法、系统、存储介质、计算机设备 |
CN112949220B (zh) * | 2021-03-01 | 2022-11-11 | 自然资源部第一海洋研究所 | 一种波浪能资源评估方法、系统、存储介质、计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111222531B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222531B (zh) | 一种海浪场时空演化信息提取方法及系统 | |
CN108010320A (zh) | 一种基于自适应时空约束低秩算法的路网交通数据的补全方法 | |
WO2018000252A1 (zh) | 高分辨遥感海洋图像的海背景建模与抑制的方法及系统 | |
CN112882032B (zh) | 一种燃气管道重点区域地质灾害sar动态监测方法及装置 | |
EP3172595A1 (en) | Quality check of compressed data sampling interpolation for seismic information | |
Li | Filtering airborne lidar data by an improved morphological method based on multi-gradient analysis | |
CN112508988A (zh) | 一种遥感影像镶嵌线精确提取方法及装置 | |
CN113806349A (zh) | 基于多视图学习的时空缺失数据补全方法、装置及介质 | |
WO2022066620A1 (en) | Systems and methods for detecting seismic discontinuties using singular vector variances | |
CN112802108A (zh) | 目标对象定位方法、装置、电子设备及可读存储介质 | |
CN109145822A (zh) | 一种深度学习的暴力检测系统 | |
CN111242003A (zh) | 一种基于多尺度受约束自注意机制的视频显著性物体检测的方法 | |
CN113808015A (zh) | 输电线路区域气象参数的空间插值方法、装置及设备 | |
CN116486259B (zh) | 遥感图像中的点目标的提取方法和装置 | |
Kekre et al. | SAR image segmentation using vector quantization technique on entropy images | |
CN105608423A (zh) | 一种视频匹配方法及装置 | |
CN112464725A (zh) | 基于深度学习网络的初至拾取方法及装置 | |
CN111951204A (zh) | 一种基于深度学习的天宫二号探测数据海面风速反演方法 | |
CN116129345A (zh) | 变压器的油枕油位检测方法、装置和计算机设备 | |
CN103903258B (zh) | 基于次序统计量谱聚类的遥感图像变化检测方法 | |
CN110826691A (zh) | 基于yolo和lstm的地震速度谱智能拾取方法 | |
CN114494999A (zh) | 一种双分支联合型目标密集预测方法及系统 | |
CN113936200A (zh) | 一种基于移动终端的电表箱图像质量检测方法 | |
CN115598702B (zh) | 一种地热资源热储空间构造分布的探测方法及装置 | |
CN113740908B (zh) | 地震切片的二维变差分析方法、电子设备及介质 |
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 |