CN111444616B - 海表叶绿素传输轨迹模拟方法 - Google Patents

Abstract

本发明提供了一种基于卫星观测数据的海表叶绿素传输路径模拟方法，通过以星载传感器遥感观测获取的海表叶绿素浓度为初始源点，基于卫星观测和数值模拟的海表流场，同时考虑湍流造成的随机扰动，对叶绿素的传输距离进行基于蒙特卡洛方法的传输距离连续模拟，确定预设目标区域叶绿素在预定时期内的水平输运矢量时间序列，从而实现对海表叶绿素浓度传输路径的可靠模拟，从而能够快捷、准确、可靠的实现叶绿素路径模拟预测。

Description

海表叶绿素传输轨迹模拟方法

技术领域

本发明涉及海洋技术与卫星遥感技术领域，特别是涉及一种海表叶绿素水平输运路径模拟方法与装置。

背景技术

海洋遥感(ocean remote sensing)利用传感器对海洋进行远距离非接触观测，以获取海洋景观和海洋要素的图像或数据资料。海洋不断向环境辐射电磁波能量，海面还会反射或散射太阳和人造辐射源(如雷达)射来的电磁波能量，故可设计一些专门的传感器，把它装载在人造卫星、宇宙飞船、飞机、火箭和气球等携带的工作平台上，接收并记录这些电磁辐射能，再经过传输、加工和处理，得到海洋图像或数据资料。

海洋遥感技术主要包括以光、电等信息载体和以声波为信息载体的两大遥感技术。海洋遥感技术是海洋环境监测的重要手段。卫星遥感技术的突飞猛进，为人类提供了从空间观测大范围海洋现象的可能性。目前，美国、日本、俄罗斯等国已发射了10多颗专用海洋卫星，为海洋遥感技术提供了坚实的支撑平台。

海表叶绿素浓度可用于表征浮游植物生物量，直接反应沿海生态环境质量。随着近年来中国沿海逐渐呈现的富营养化趋势，藻华现象愈发频繁。藻类植物的过快生长往往伴随着沿岸海域底部有机物大量沉积，导致水质严重恶化并引发生态灾害，给海洋旅游业、滨海居民健康、海洋渔业带来巨大的损失。叶绿素分布一方面受局地生长、死亡、捕食影响，另一方面受异地水平输运影响。明确海表叶绿素的传输路径可以进一步揭示叶绿素空间分布规律，对沿海生态环境的保护、生态灾害的预防具有重要的实际意义和经济价值。然而，现有的叶绿素输运过程往往依赖于高分辨率的生物-物理耦合模式的数值模拟，而建立可靠的局地高精度耦合模拟系统耗时费力。因此，需要一种能够快捷、准确、可靠的实现叶绿素路径模拟预测的技术方案。

发明内容

针对上述问题，本发明提供一种海表叶绿素路径模拟技术方案及装置，为实现沿海海域海表叶绿素水平输运路径的精准预测奠定基础。

为此，本申请公开了一种海表叶绿素传输轨迹预测方法，并提供了如下技术方案：

根据本发明的一方面，提供了一种海表叶绿素传输轨迹预测方法，其特征在于，包括：

S11，采集海表叶绿素浓度观测数据，选取叶绿素浓度作为示踪参量；S12，对叶绿素数据产品进行海色数据预处理；

S13，识别叶绿素高叶绿素浓度关键区，生成初始位置坐标集；

S14，采集海表流场数据；

S15，对海表流场数据进行包括插值、重采样等步骤的时空匹配，生成对应初始源点坐标集的观测海流向量矩阵；

S16，根据所述观测海流向量矩阵的特征信息，计算确定湍流向量矩阵，结合观测海流向量矩阵，生成模拟海流向量矩阵；

S17，基于蒙特卡洛方法连续计算虚拟漂流浮标轨线时间序列；

S18，目标区域路径参数信息统计。

根据本发明的第二个方面，提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述的海表叶绿素水平输运路径模拟方法。

本发明提供了一种基于卫星观测数据的海表叶绿素传输路径模拟预测方法，通过以星载传感器遥感观测获取的海表叶绿素浓度为初始源点，基于卫星观测或数值模拟的海表流场，同时考虑湍流造成的随机扰动，对叶绿素的传输距离进行基于蒙特卡洛方法的距离模拟，确定预设目标区域叶绿素的水平输运矢量，从而实现对海表叶绿素浓度传输路径的可靠模拟。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为本发明实施例提供的一种海表叶绿素传输轨迹模拟方法的流程示意图；

图2为本发明实施例海表叶绿素传输轨迹模拟方法的步骤S11采集海表叶绿素浓度观测数据的具体流程示意图；

图3为本发明实施例海表叶绿素传输轨迹模拟方法的步骤S12海色数据预处理的具体流程示意图；

图4为本发明实施例海表叶绿素传输轨迹模拟方法的步骤S13识别叶绿素浓度高值区生成初始源点坐标集具体步骤流程示意图；

图5为本发明实施例海表叶绿素传输轨迹模拟方法的步骤S16计算湍流扰动向量矩阵，生成模拟海流向量矩阵的具体步骤流程示意图；

图6为本发明实施例海表叶绿素传输轨迹模拟方法的步骤S17基于蒙特卡洛方法连续计算虚拟漂流浮标轨线时间序列的具体步骤流程示意图；

图7为本发明实施例海表叶绿素传输轨迹模拟方法的步骤S18目标区域路径参数信息统计的具体步骤流程示意图；

图8为本发明实现海表叶绿素传输轨迹模拟方法的卫星海洋遥感资料获取并传输给服务器示意图；

图9为本发明实现海表叶绿素传输轨迹系统中服务器或用户端的具体结构示意图。

具体实施方式

下面将参照附图对本发明的海表叶绿素路径模拟技术实施方案进行详细说明。

在研究过程中发现，海表叶绿素的平流输运主要受海洋上层尤其是海洋表层海流的驱动，利用虚拟漂流浮子则可以很好的表征海表叶绿素浓度的平流移动，因此，可以通过计算虚拟漂流浮标的拉格朗日轨迹来模拟、预测海表叶绿素浓度的输送路径。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。

图1为本申请实施例提供的一种海表叶绿素传输轨迹预测方法的示意图，包括以下步骤：

S11，采集海表叶绿素浓度观测数据，选取叶绿素浓度作为示踪参量，

S12，对叶绿素数据产品进行海色数据预处理。

为了保证采集来的卫星数据更好地满足后续使用要求，本实施例对叶绿素数据产品进行预处理，可以包括但不限于：掩膜处理、质量控制、数据裁切、数据压缩、对数变换、滑动平均等预处理步骤。

S13，识别叶绿素高叶绿素浓度关键区，生成初始源点坐标集。

S14，采集海表流场数据。

S15，对海表流场数据进行包括插值、重采样等步骤的时空匹配，生成对应初始源点坐标集的观测海流向量矩阵；

S16，根据所述观测海流向量矩阵的特征信息，计算确定湍流向量矩阵，结合观测海流向量矩阵，生成模拟海流向量矩阵；

S17，基于蒙特卡洛方法连续计算虚拟漂流浮标轨线时间序列。

S18，目标区域路径参数信息统计。

所述步骤S11-S13与步骤S14-S16的执行顺序可以以S11-S16顺序执行，也可以以S14-S16，S11-S136顺序执行，或S11-S13与S14-S16并行执行。

本方法通过以星载传感器遥感观测获取的海表叶绿素浓度为初始源点，基于卫星观测或数值模拟的海表流场，同时考虑湍流造成的随机扰动，对叶绿素的传输距离进行基于蒙特卡洛方法的距离模拟，确定预设目标区域叶绿素的水平输运矢量，从而实现对海表叶绿素浓度传输路径的可靠模拟，从而能够快捷、准确、可靠的实现叶绿素路径模拟预测的技术方案。

优选地，图2为本发明实施例海表叶绿素传输轨迹预测方法的步骤S11采集海表叶绿素浓度观测数据的具体流程示意图。如图2所示，该步骤包括以下步骤：

S111，获取连续时间序列的原始卫星数据，

S112，读取原始数据，选取叶绿素浓度作为示踪参量，保留选定的示踪元素产品。

在本步骤中，采集海表叶绿素浓度观测数据。本发明主要针对海洋表层，选取遥感反演的叶绿素a浓度为示踪参量。叶绿素a为叶绿素的一种，是水体富营养化的重要指标，具有较为成熟的遥感反演算法。为了表述方便，本申请书中所述叶绿素浓度均指叶绿素a浓度。所获取的数据为来自于卫星海色传感器的叶绿素浓度产品(即遥感数据反演产品chl-a)，像素值单位通常为mg/m³。其中，海色遥感数据来源主要包括搭载于我国用于海洋环境探测的海洋水色卫星HY-1A/1B/1C的海洋水色扫描仪、搭载在美国极轨观测卫星Terra和Aqua上的中分辨率成像光谱仪MODIS(Moderate-resolution ImagingSpectroradiometer，)、搭载于美国极轨观测卫星Suomi NPP的可见光红外成像辐射仪VIIRS(Visible infrared Imaging Radiometer)等。

空间分辨率是评价传感器性能和遥感信息的重要指标之一，也是识别地物形状大小的重要依据。空间分辨率是指遥感影像上能够识别的两个相邻地物的最小距离。对于摄影影像，通常用单位长度内包含可分辨的黑白“线对”数表示(线对/毫米)；对于扫描影像，通常用瞬时视场角(IFOV)的大小来表示(毫弧度mrad)，即像元，是扫描影像中能够分辨的最小面积。空间分辨率数值在地面上的实际尺寸称为地面分辨率。对于摄影影像，用线对在地面的覆盖宽度表示(米)；对于扫描影像，则是像元所对应的地面实际尺寸(米)。如陆地卫星多波段扫描影像的空间分辨率或地面分辨率为79米(像元大小56×79米²)。但具有同样数值的线对宽度和像元大小，它们的地面分辨率不同。对光机扫描影像而言，约需2.8个像元才能代表一个摄影影像上一个线对内相同的信息。例如，陆地卫星上的传感器TM的地面分辨率为30m×30m，在1：10万图像上，其影像分辨率为0.3mm。因此，影像分辨率随影像比例尺的不同而变化。

读取原始数据以后，可以只保留选定的示踪元素产品，即叶绿素浓度。在本发明中，所用的数据产品可以包括1km，4km，9km等不同空间分辨率规格。

S113，按照数据产品说明进行必要的数值缩放和偏移调整。原始数据通常并不能直接使用，需要参照相关scale和offset参量进行缩放和偏移调整，转成相应具有物理意义的参量数值。

图3为本发明实施例海表叶绿素传输轨迹预测方法的步骤S12海色数据预处理的具体流程示意图。如图3所示，该步骤S12海色数据预处理具体包括以下步骤：

为了保证采集来的卫星数据更好地满足后续使用要求，本实施例对叶绿素数据产品进行预处理，可以包括但不限于：掩膜处理、质量控制、数据裁切、数据压缩、对数变换、滑动平均等预处理步骤。具体为：

S121：对海色数据掩膜处理。所述掩膜处理包括但不限于：

陆地掩膜，是指标记出原始数据中表征大陆的像元并进行剔除；

云掩膜，是指标记出原始数据中的表征云的像元并进行剔除；

耀斑掩膜，是指标记出原始数据中的表征太阳耀斑区域的像元并进行剔除。

在掩膜处理步骤中，对所进行的陆地掩膜、云掩膜、耀斑掩膜的先后处理顺序，本发明不作限定，对于以上三种掩膜处理也可以根据情况仅采用其中一种或两种。

原始数据在掩膜处理之后在陆地边缘、云边缘区域等区域仍然可能存在异常数据像元，因此要进行质量控制，即设定合适的叶绿素浓度变化范围，去除异常数据像元。

S122：进行数据裁切和/或数据压缩。

该步骤可减少后续预处理以后的数据计算量。

数据裁切是指：将原始数据通过数据分割缩小至覆盖预设目标区域的合适地理范围；

数据压缩是指：将原始数据产品多个像素点数值合并为一个像素点，从而降低数据空间分辨率的过程。

在本发明中，对所进行的数据裁切和数据压缩的先后处理顺序，本实施例不作限定。

S123：确定归纳叶绿素传输路径所选定的关键区域，对关键区域内海洋叶绿素浓度观测数据进行自然对数变换，使其符合正态分布。

S124：根据叶绿素数据在关键区域覆盖比例，采取周期不等的连续滑动平均处理。所述周期如，三天至七天，以进一步减小云污染的影响并提高数据覆盖范围。

S13、识别叶绿素高叶绿素浓度关键区，生成初始源点坐标集。

经过预处理的海表叶绿素浓度，在预设的目标区域包含需要进一步追踪的高叶绿素浓度关键区，将其与周边的背景海水分隔开。需要说明的是，本实施中所述分割阈值，还可以通过简单设置常数，或者考察分割后的区域面积变化梯度等多种方法确定，本实施例对此不作限定。

图4为本发明实施例海表叶绿素传输轨迹预测方法的步骤S13中，同时考虑叶绿素浓度和叶绿素浓度梯度的情形下的具体步骤流程示意图。如图4所示，示意了步骤S13中，同时考虑叶绿素浓度和叶绿素浓度梯度的情形下的具体步骤实施方式，具体包括以下步骤：

S131：针对经过预处理的卫星数据产品叶绿素浓度，即预设的示踪参量，统计叶绿素浓度直方图，计算极大值、中值、均值、标准差等统计参数；

S132：根据叶绿素浓度和叶绿素浓度梯度计算分割阈值。优选地，对应阈值由下式确定：

Q＝CHL_data-P·CHL_m

其中，Q为分隔区域所需要的阈值，CH_Ldata为预处理的海表叶绿素浓度观测数据，CHL_m为统计叶绿素浓度分布得到的中值。P为无量纲参数，通过考察叶绿素浓度梯度确定。

S133：根据分割阈值分割海色数据海水区域，将叶绿素浓度高于阈值的区域定义为高叶绿素浓度关键区，将其他区域定义高叶绿素浓度背景区。

S134：通过离散采样确定初始位置坐标集。

所述离散采样是指将高叶绿素浓度关键区对应原始坐标矩阵按照预定间隔重新采样得到缩小后的坐标矩阵的过程。这一过程的目的是为了减小后续步骤的计算量。离散采样后的坐标矩阵即为后续模拟所需的初始源点坐标集，其为包含多幅不同日期初始源点二维分布图的时间序列。该步骤将满足预设条件的区域确定为漂流路径模拟的初始源点坐标集，其为包含多幅初始源点二维分布图的连续时间序列。

需要说明的是，采样间隔可以根据服务器计算能力灵活制定，本发明对此不作限定。

S14、采集海表流场数据。

要实现对目标区域叶绿素输运的模拟，还需要采集海表流场数据。

采集海表流场数据包括：采集基于数据同化的海洋表层流场数值产品；采集海面风场数据，采集卫星高度计观测数据，反演计算得到海表流场；采集地波高频雷达观测数据，反演得到海表流场结果。

本实施使用的海表流场数据包括但不限于：使用海面风场数据反演得到的海表风生海流速度，以及卫星高度计观测数据反演得到的海洋地转流速度。除此以外，还可以使用基于数据同化的海洋表层流场数值产品比如HYCOM(Hybrid Coordinate Ocean Model)模式数据，或者地波高频雷达观测数据反演得到的海表流场结果。

S15、对海表流场数据预处理。

获得的海表流场数据在空间分辨率和时间覆盖范围跟所述的初始源点坐标集之间必然存在差别，因此需要对海表流场数据进行线性插值等方式的时空匹配，保证流场数据时间覆盖范围与总模拟周期一致，空间覆盖范围与目标区域相同，生成对应初始源点坐标集的观测海流向量矩阵(即背景流场)。

该预处理步骤优选线性插值方法，属于广泛使用的现有技术，本实施例这里不再赘述。

S16、计算湍流扰动向量矩阵，生成模拟海流向量矩阵。

由于前述步骤S15所采集的海表流场数据由于受限于有限的空间分辨率，没有包含次网格尺度的速度分量贡献，单独依靠观测海表流场数据无法准确模拟漂浮浮标的轨迹线。因此，优选地，在步骤S16中，进行轨线模拟之前，需要使用湍流扰动模型估算局地湍流扰动分量。

图5为本发明实施例海表叶绿素传输轨迹预测方法的步骤S16计算湍流扰动向量矩阵，生成模拟海流向量矩阵的具体步骤流程示意图。如图5所示，所述步骤S16计算湍流扰动向量矩阵，生成模拟海流向量矩阵，具体包括以下步骤：

S161：基于步骤S15所述观测海流向量矩阵计算局地海域背景流场不同日期径向纬向速度标准差等特征参量。

S162：利用随机飞行模型，估算次网格尺度的湍流扰动。随机飞行模型是一种基于随机粒子模型(stochastic particle models)的参数化方法，可以较为准确的估计单个粒子在上层海洋中尺度湍流中的速度分布。其特点是考虑了湍流扰动的记忆延时效应，同时具有一定的随机性。其每一时刻湍流向量的增量可以描述为

其中，u′为湍流扰动，dt为数值求解微分方程时的最小时间步长，du′为扰动增量，T_u为湍流扰动的时间尺度，σ_u为背景流场特征参量，dw为呈正态分布的随机增量。

S163：结合随机湍流扰动分量与前述观测海流向量矩阵，可以生成路径模拟所需的模拟海流向量矩阵。

需要特别说明的是，以上步骤S11～S13，与S14～S16是分别进行的，因此先后顺序可以互换。

S17，基于蒙特卡洛方法连续计算虚拟漂流浮标轨线时间序列。

为了精确模拟海表叶绿素的传输轨迹，本发明利用虚拟漂流浮标表征叶绿素质点，基于蒙特卡洛算法计算虚拟漂流浮标的传输轨线。蒙特卡洛算法又称统计模拟法，是一种通过对大量随机样本进行统计分析以求解计算问题的一种方法，包含构造概率过程、从已知概率分布抽样、建立估计量求解等几个过程。

本发明基于蒙特卡洛方法连续计算虚拟漂流浮标轨线时间序列的具体步骤流程示意图如图6所示，该步骤S17可具体包括：

S171：确定模拟时间参数，包括初始模拟时间，单次模拟步长，单次模拟周期，总模拟周期。

初始模拟时间即选定的水平输运模拟开始的时间，通常是高叶绿素浓度汇集区域最开始形成的时间，或者是藻华的发生时间；

单次模拟步长指进行单次模拟的最小时间单位，通常与采集的叶绿素浓度观测数据、海表流场的时间分辨率相一致，通常可以是1天；

本实施例对于从同一初始源点出发的虚拟漂流浮标会进行连续的若干次单次模拟，其间每个单次模拟均以上一个单次模拟周期的终点作为起点，这若干次单次模拟步长的总时长，记为单次模拟周期；

总模拟周期是指整个路径模拟总时长。

S172：选择预定时间、预定位置的初始源点坐标。根据选定的年份、季节、或者日期，从所述步骤S13初始源点坐标集时间序列中提取对应时间的初始源点坐标，同时基于空间匹配确定对应浮标位置的模拟海流向量；本步骤空间匹配使用二维线性插值法，也可以使用其他方法比如临近点取值法。

S173：在同一源点坐标连续释放n个虚拟漂流浮标，分别计算每个浮标的传输距离；

所述每个浮标传输距离通过求解微分方程确定：

其中

为传输距离向量，dt为单次模拟步长，

为模拟海流向量；本实施例使用了具有较高时间分辨率(六个小时)的流场数据，因此为了进一步降低模拟误差，还可以使用四阶龙格库塔法求解微分方程。

其中，n的数值越大，后续结果统计误差越小，结果就越精确，但n越大则消耗的计算能力越多，模拟计算花费的时间就越长。因此在实际实施过程中要根据计算能力灵活调整n的数值，本实施例中例如，n＝1000。

S174：汇集从同一源点出发的虚拟漂流浮标群的终点传输距离，并求解其几何中心，作为对应初始源点在单次模拟步长终点，以得到虚拟漂流浮标在空间矩阵(x,y)方向上的传输距离。

S175：通过几何校正结合地理投影，将传输距离转化为地理坐标。

S176：使用所述上一模拟步长终点坐标作为新的源点，基于对应时间周期、对应空间匹配的的模拟海流向量进行下一单次模拟，从步骤S1722开始，在同一源点坐标连续释放n个虚拟漂流浮标，计算下一浮标的传输距离；如此循环执行单次模拟直至完成整个单次模拟。

S177：执行总模拟周期的各次模拟，得到虚拟漂流浮标轨线时间序列。

通常预设的研究目标，也即海洋表层的叶绿素高值区，往往存在几天到几十天不等。因此，对应的总模拟周期也需要设置为较长时间，一个总模拟周期内需要包含若干次单次模拟周期。本实施例使用的总模拟周期为30天，即包含30次单次模拟周期。具体地，可以利用不同日期初始位置源点坐标集时间序列进行连续模拟，即依次完成各日期对应的单次模拟周期，从而分别确定总模拟周期内各单次模拟周期的传输路径。

S18、目标区域路径参数信息统计。

所述路径参数特征集中的路径参数，包括总模拟周期内的所述虚拟漂流路径通过数量、路径矢量方向、路径矢量大小及其梯度等。

图7为本发明实施例海表叶绿素传输轨迹预测方法的步骤S18目标区域路径参数信息统计的具体步骤流程示意图。如图7所示，该步骤可分解为：

S181：针对目标区域每个像元，统计其路径参数。

这里的路径参数，包括：总模拟周期内的所述虚拟漂流路径轨线通过时间、通过数量、路径矢量方向、路径矢量大小及其梯度等；

S182：按照预设阈值，确定每一个像元的主导路径矢量，形成目标区域路径参数特征集；

S183：输出该目标区域海表叶绿素浓度模拟传输路径信息。

因此，本发明提供了一种基于卫星观测数据的海表叶绿素传输路径模拟预测方法，通过以星载传感器遥感观测获取的海表叶绿素浓度为初始源点，基于卫星观测或数值模拟的海表流场，同时考虑湍流造成的随机扰动，对叶绿素的传输距离进行基于蒙特卡洛方法的距离模拟，确定预设目标区域叶绿素的水平输运矢量，从而实现对海表叶绿素浓度传输路径的可靠模拟。

与上述本发明申请公开的一种基于卫星观测数据的海表叶绿素传输路径模拟方法实施例所描述的方法对应，本申请还提供了一种利用卫星观测数据的海表叶绿素传输路径模拟装置的实施例，该装置与上述方法步骤一一对应，在此不再赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

如图8为本发明实现海表叶绿素传输轨迹模拟方法的卫星海洋遥感资料获取并传输给服务器示意图。

请参考图9，其示出了本发明一个实施例提供的服务器或终端的结构示意图，该设备900可以是图8中的服务器，也可以是用户端。具体来讲：设备900可以包括RF(RadioFrequency，射频)电路910、包括有一个或一个以上计算机可读存储介质的存储器920、输入单元930、显示单元940、传感器950、音频电路960、WiFi(wireless fidelity，无线保真)模块970、包括有一个或者一个以上处理核心的处理器980、以及电源990等部件。本领域技术人员可以理解，图9中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

处理器980是设备900的控制中心，利用各种接口和线路连接整个设备的各个部分，通过运行或执行存储在存储器920内的软件程序和/或模块，以及调用存储在存储器920内的数据，执行设备900的各种功能和处理数据，从而对设备进行整体监控。可选的，处理器980可包括一个或多个处理核心；可选的，处理器980可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器980中。

所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器1004和大容量存储设备1007可以统称为存储器。可选的，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各个方法实施例提供的基于卫星观测数据的叶绿素传输路径模拟方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。本领域普通技术人员可以理解实现上述实施例的直播控制方法中全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。或者说，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上述各个方法实施例中所述的基于卫星观测数据的叶绿素传输路径模拟方法。

本领域普通技术人员可以理解实现上述实施例的基于卫星观测数据的叶绿素传输路径模拟方法中全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。或者说，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上述各个方法实施例中所述的基于卫星观测数据的叶绿素传输路径模拟方法。

综上，通过本发明，本发明提供了一种基于卫星观测数据的海表叶绿素传输路径模拟预装置，通过以星载传感器遥感观测获取的海表叶绿素浓度为初始源点，基于卫星观测或数值模拟的海表流场，同时考虑湍流造成的随机扰动，对叶绿素的传输距离进行基于蒙特卡洛方法的距离模拟，确定预设目标区域叶绿素的水平输运矢量，从而实现对海表叶绿素浓度传输路径的可靠模拟，从而能够快捷、准确、可靠的实现叶绿素路径模拟预测的技术方案。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.海表叶绿素传输轨迹预测方法，其特征在于，包括：

S11，采集海表叶绿素浓度观测数据，选取叶绿素浓度作为示踪参量；

S12，对叶绿素数据产品进行海色数据预处理；

S13，识别叶绿素高叶绿素浓度关键区，生成初始位置坐标集；

S14，采集海表流场数据；

S15，对海表流场数据进行包括插值、重采样步骤的时空匹配，生成对应初始源点坐标集的观测海流向量矩阵；

S16，根据所述观测海流向量矩阵的特征信息，计算确定湍流向量矩阵，结合观测海流向量矩阵，生成模拟海流向量矩阵；

S17，基于蒙特卡洛方法连续计算虚拟漂流浮标轨线时间序列；

S18，目标区域路径参数信息统计；

其中，所述步骤S12所述对叶绿素数据产品进行海色数据预处理，包括：

S121，对海色数据掩膜处理；

S122，进行数据裁切和/或数据压缩；

S123，确定归纳叶绿素传输路径所选定的关键区域，对关键区域内海洋叶绿素浓度观测数据进行自然对数变换，使其符合正态分布；

S124，根据叶绿素数据在关键区域覆盖比例，采取周期不等的连续滑动平均处理。

2.根据权利要求1所述的方法，其特征在于，所述步骤S11所述采集海表叶绿素浓度观测数据，包括：

S111，获取连续时间序列的原始卫星数据；

S112，读取原始数据，选取叶绿素浓度作为示踪参量，保留选定的示踪元素产品；

S113，按照数据产品说明进行数值缩放和偏移调整。

3.根据权利要求1所述的方法，其特征在于，所述步骤S13识别叶绿素高叶绿素浓度关键区，生成初始位置坐标集的步骤具体包括：

S131，针对经过预处理的卫星数据产品叶绿素浓度，即预设的示踪参量，统计叶绿素浓度直方图，计算极大值、中值、均值、标准差统计参数；

S132，根据叶绿素浓度和叶绿素浓度梯度计算分割阈值；

S133，根据分割阈值分割海色数据海水区域，将叶绿素浓度高于阈值的区域定义为高叶绿素浓度关键区，将其他区域定义高叶绿素浓度背景区；

S134，通过离散采样确定初始位置坐标集。

4.根据权利要求1所述的方法，其特征在于，所述步骤S16根据所述观测海流向量矩阵的特征信息，计算确定湍流向量矩阵，生成模拟海流向量矩阵，具体包括以下步骤：

S161，基于步骤S15所述观测海流向量矩阵计算局地海域背景流场不同日期径向纬向速度标准差的特征参量；

S162，利用随机飞行模型，估算次网格尺度的湍流扰动；

S163，结合随机湍流扰动分量与前述观测海流向量矩阵，生成路径模拟所需的模拟海流向量矩阵。

5.根据权利要求1所述的方法，其特征在于，所述步骤S17基于蒙特卡洛方法连续计算虚拟漂流浮标轨线时间序列的步骤具体包括：

S171，确定模拟时间参数，包括初始模拟时间，并确定单次模拟步长，确定单次模拟周期，确定总模拟周期；

S172，提取预定时间、预定位置的初始源点坐标；

S173，在同一源点坐标连续释放n个虚拟漂流浮标，分别计算每个浮标的传输距离；

S174，汇集从同一源点出发的虚拟漂流浮标群的终点传输距离，并求解其几何中心，作为对应初始源点单次模拟步长终点；

S175，结合地理投影进行几何校正，将传输距离转化为地理坐标；

S176，使用所述步骤S171中所述模拟步长终点坐标作为新的源点，基于对应时间周期、对应空间匹配的模拟海流向量进行下一单次模拟，直至完成单次模拟；循环执行单次模拟直至完成整个单次模拟周期；

S177，执行总模拟周期的各次模拟，得到虚拟漂流浮标轨线时间序列。

6.根据权利要求1所述的方法，其特征在于，所述步骤S18目标区域路径参数信息统计，包括：

S181，针对目标区域每个像元，统计其路径参数；

S182，按照预设阈值，确定每一个像元的主导路径矢量，形成目标区域路径参数特征集；

S183，输出该目标区域海表叶绿素浓度模拟传输路径信息。

7.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至6中任一所述的海表叶绿素传输轨迹预测方法。

Images