CN111814371A - 一种基于船载实测数据的海水温度场构建方法 - Google Patents

一种基于船载实测数据的海水温度场构建方法 Download PDF

Info

Publication number
CN111814371A
CN111814371A CN202010598221.9A CN202010598221A CN111814371A CN 111814371 A CN111814371 A CN 111814371A CN 202010598221 A CN202010598221 A CN 202010598221A CN 111814371 A CN111814371 A CN 111814371A
Authority
CN
China
Prior art keywords
covariance
data
point
constructing
covariance matrix
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
Application number
CN202010598221.9A
Other languages
English (en)
Other versions
CN111814371B (zh
Inventor
刘厂
徐道欢
张振兴
靳光强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Hachuan Haizhi Technology Co ltd
Original Assignee
Qingdao Hachuan Haizhi Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Hachuan Haizhi Technology Co ltd filed Critical Qingdao Hachuan Haizhi Technology Co ltd
Priority to CN202010598221.9A priority Critical patent/CN111814371B/zh
Publication of CN111814371A publication Critical patent/CN111814371A/zh
Application granted granted Critical
Publication of CN111814371B publication Critical patent/CN111814371B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及一种基于船载实测数据的海水温度场构建方法，包括下列步骤，导入背景场数据，对实测数据进行质量控制；实测数据有效值提取；对已有历史数据进行处理，计算协方差矩阵；垂直动态分析；构建水平协方差矩阵；水平动态分析；建立三维温度场。本发明在满足数据同化实测海水温度信息的前提下，结合船舶航行的实际情况，设计了可便捷计算的实况分析算法，算法的限制少，对数据的校正程度高，使用便捷，可满足船舶及其它海上平台对海水温度场的使用要求。

Description

一种基于船载实测数据的海水温度场构建方法
技术领域
本发明属于海洋温度场构建领域，通过数据同化的方法，结合背景参数库，反演得到三维温度场的方法。
背景技术
三维温度场反演技术对商业航运、科学研究等提供了重要支持。温度场的结构对海洋中的环流结构、水团组成、海洋生产力、沿岸物质输运等产生重要的影响，在入海口和沿岸海域附近往往会产生很强的锋面现象，在近海海域会出现较强的季节性跃层，深海洋盆中存在稳定的永久性温跃层，这些海洋现象对航行、探测等会产生重要的影响。
数据同化是在考虑数据时空分布和对模型、观测做出误差估计的基础上，在动态运行过程中融合新的观测数据的方法，最终目的是形成具有空间、时间和物理一致性的数据集。数据同化一般包含4个基本要素：1模拟自然界真实情况的物理模型；2状态量的直接或间接观测数据；3通过数据同化不断将新观测数据融入到过程模型中，校正模型参数，提高同化精度；4定量分析模型和预测值的不准确性。
本技术在满足数据同化基本要素的前提下，结合船舶航行的实际情况，设计了可实时计算的实况分析算法。算法的限制少，对数据的校正程度高，使用便捷，可供船舶在全球海域使用。
发明内容
本发明是要提出一种结合实测数据和背景场数据，提供高分辨率高精度的三维温度场法，解决实时三维温度场问题。
为解决上述技术问题，本发明的基于船载实测数据的海水温度场构建方法，包括下列步骤，
(1)背景场构建；
(2)实测温度实时分析；
(3)构建垂直协方差矩阵；
(4)垂直动态分析；
(5)构建水平协方差矩阵；
(6)水平动态分析；
(7)建立水平高分辨率温度场。
所述背景场构建步骤中，在船舶出行前，预装背景场数据，根据船舶出行时长选择适当的背景场数据；对背景场数据进行数据质量控制及转码统一格式，确保二者的时空分辨率、存储变量的类型和方式一致。
所述实测温度实时分析方法步骤具体包括以下计算过程，
三维插值部分首先解决了平面二维插值问题，利用距离反比插值法得到当前位置与周围临近的网格点间的关系，即平面权重系数矩阵；将观测位置与背景场该位置之间的变化量，通过平面权重系数矩阵插值到临近网格点上；根据各网格点与其他各点间的协方差矩阵，计算每个格点引起的增量在整个平面上造成的变化，并将其叠加得到整体平面总的变化；
利用距离反比插值方法求取观测点到网格点之间的权重，若观测点位置为O(x,y)，与其临近的格点位置为B1(x1,y1)、B2(x2,y2)、B3(x3,y3)、B4(x4,y4)，计算其每个点到观测点的距离d1、d2、d3、d4，则每个位置的权重为wi：
Figure BDA0002558137000000021
若观测位置的观测值为ΔXt，那么二维插值后临近格点的观测值wi*ΔX，则将观测点的增量转变为周围格点的增量，对周围格点逐个进行动态分析。
所述构建垂直协方差矩阵方法步骤具体包括以下计算过程：
根据背景场的不同，利用背景场数据，按照月度进行划分，构建各个格点的观测数据的时间序列，计算各个深度逐个格点与海域其他格点的协方差矩阵，得到逐月不同深度的垂直协方差矩阵；利用同样的方式，计算同一经纬度上不同深度格点间的垂向协方差矩阵；进而得到整个海域不同深度的协方差矩阵参数库，协方差矩阵的时间长度为d*Y，其中d代表每个月份的天数，Y代表历史数据的时间长度；
不同层的温度时间序列信息记为t1,t2,…,tn，对任意两组时间序列求协方差，得到协方差系数cij，协方差的计算方法如下：
cij＝E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵，记为VerMatrix：
Figure BDA0002558137000000031
其中cij表示第i层的温度信息和第j层温度信息的协方差系数。
所述垂直动态分析方法具体包括下列步骤，
首先，根据垂向剖面格点的经纬度坐标，重新进行海洋中各点的垂向协方差矩阵计算；得到不同位置深度的协方差矩阵，并对矩阵进行筛选，将其中陆地或海底的部分进行剔除，保留海水部分完成协方差矩阵的更新；
在不考虑观测误差的情况下，利用距离反比的方式对权重系数进行求取；根据观测数值及历史背景场的垂向数据，获取其同化增量，根据增益系数K计算出垂向各点的变化，其同化方程可以简写为：
Ta＝Tb+K·[Y-H·Tb]
K＝B·HT·(H·B·HT)-1
其中，Ta为分析得到的结果，Tb为背景场，Y为观测量，H为权重系数矩阵，B为协方差矩阵。
所述构建水平协方差矩阵步骤具体包括以下计算过程：
根据背景场的不同，利用背景场数据，按照月度进行划分，构建各个格点的观测数据的时间序列，计算观测点与周围海域其他格点的协方差矩阵，得到逐月不同空间点的水平协方差矩阵；进而得到整个海域不同位置点的水平协方差矩阵参数库，协方差矩阵的时间长度为d*Y，其中d代表每个月份的天数，Y代表历史数据的时间长度；
不同层的温度时间序列信息记为t1,t2,…,tn，对任意两组时间序列求协方差，得到协方差系数cij，协方差的计算方法如下：
cij＝E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵，记为HonMatrix：
Figure BDA0002558137000000032
其中cij表示观测点周边海域，第i个空间点的温度信息和第j个空间点温度信息的协方差系数。
所述水平动态分析方法包括下列步骤，
水平格点的目标泛函应采用如下形式：
Figure BDA0002558137000000041
其中，Xt表示当前位置的观测信息，Xb是当前位置的背景场，Y周围海域的动态分析场，Yb是周围海域的背景场；
对上式进行转换可以得到周围海域动态分析场的计算公式：
Figure BDA0002558137000000042
Figure BDA0002558137000000043
其中，cov(X,Y)为当前位置与周围海域各点的协方差矩阵，D(X)为当前位置的方差；
根据每个格点的动态分析结果，将周围海域的变化量Yi进行叠加，得到全部变化量ΔY，在此基础上叠加背景场即可到的水平动态分析结果：
Ya＝ΔY+Yb
其中，Ya是当前位置周围海域的动态分析场，ΔY是动态分析量，Yb是周围海域的历史背景场。
所述建立水平高分辨率温度场步骤中，对实况分析后的三维温度场进行三次样条插值计算，将低分辨率的温度网格数据插值为高分辨率温度场数据。
本发明在满足数据同化基本要素的前提下，结合船舶航行的实际情况，设计了可实时计算的实况分析算法，算法的限制少，对数据的校正程度高，使用便捷，可供船舶在全球海域使用。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明的温度场实况分析流程图。
图2是距离反比插值方法。
具体实施方式
本发明结合实测数据和背景场数据，提供时空连续的三维温度场法，包括以下几个步骤：
步骤一：背景场构建
在船舶出行前，预装岸预报系统，根据船舶出行时长选择适当的背景场数据。将背景场数据进行质量控制及转码统一格式，确保二者的时空分辨率、存储变量的类型和方式一致。
步骤二：实测温度实时分析；
三维插值部分首先解决了平面二维插值问题，利用距离反比插值法得到当前位置与周围临近的网格点间的关系，即平面权重系数矩阵。将观测位置与背景场该位置之间的变化量，通过平面权重系数矩阵插值到临近网格点上。根据各网格点与其他各点间的协方差矩阵，计算每个格点引起的增量在整个平面上造成的变化，并将其叠加得到整体平面总的变化。如图1所示。
利用距离反比插值方法求取观测点到网格点之间的权重，若观测点位置为O(x,y)，与其临近的格点位置为B1(x1,y1)、B2(x2,y2)、B3(x3,y3)、B4(x4,y4)，计算其每个点到观测点的距离d1、d2、d3、d4，则每个位置的权重为wi：
Figure BDA0002558137000000051
若观测位置的观测值为ΔXt，那么二维插值后临近格点的观测值wi*ΔX，则将观测点的增量转变为周围格点的增量，对周围格点逐个进行动态分析。
步骤三：垂直动态分析
根据背景场的不同，利用背景场数据，按照月度进行划分，构建各个格点的观测数据的时间序列，计算各个深度逐个格点与海域其他格点的协方差矩阵，得到逐月不同深度的垂直协方差矩阵。利用同样的方式，计算同一经纬度上不同深度格点间的垂向协方差矩阵。进而得到整个海域不同深度的协方差矩阵参数库，协方差矩阵的时间长度为d*Y，其中d代表每个月份的天数，Y代表历史数据的时间长度。
不同层的温度时间序列信息记为t1,t2,…,tn，对任意两组时间序列求协方差，得到协方差系数cij，协方差的计算方法如下：
cij＝E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵，记为VerMatrix：
Figure BDA0002558137000000061
其中cij表示第i层的温度信息和第j层温度信息的协方差系数。
步骤四：垂向实况分析
垂向动态分析是针对海洋中某一位置的垂向剖面进行分析，即根据观测点的位置完成当前位置各深度的动态分析，利用数据同化的思想将观测信息与历史协方差矩阵进行整合，根据权重系数矩阵，计算出垂向剖面格点的动态变化，进而完成垂向剖面的动态分析。
首先，根据垂向剖面格点的经纬度坐标，重新进行海洋中各点的垂向协方差矩阵计算。得到不同位置深度的协方差矩阵，并对矩阵进行筛选，将其中陆地或海底的部分进行剔除，保留海水部分完成协方差矩阵的更新。
在不考虑观测误差的情况下，利用距离反比的方式对权重系数进行求取。根据观测数值及历史背景场的垂向数据，获取其同化增量，根据增益系数K计算出垂向各点的变化，其同化方程可以简写为：
Ta＝Tb+K·[Y-H·Tb]
K＝B·HT·(H·B·HT)-1
其中，Ta为分析得到的结果，Tb为背景场，Y为观测量，H为权重系数矩阵，B为协方差矩阵。
步骤五：构建水平协方差矩阵
根据背景场的不同，利用背景场数据，按照月度进行划分，构建各个格点的观测数据的时间序列，计算观测点与周围海域其他格点的协方差矩阵，得到逐月不同空间点的水平协方差矩阵。进而得到整个海域不同位置点的水平协方差矩阵参数库，协方差矩阵的时间长度为d*Y，其中d代表每个月份的天数，Y代表历史数据的时间长度。
不同层的温度时间序列信息记为t1,t2,…,tn，对任意两组时间序列求协方差，得到协方差系数cij，协方差的计算方法如下：
cij＝E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵，记为HonMatrix：
Figure BDA0002558137000000071
其中cij表示观测点周边海域，第i个空间点的温度信息和第j个空间点温度信息的协方差系数。
步骤六：水平动态分析
调取水平协方差矩阵，进行水平动态分析，得到附近海域的三维温度场。实况分析是指在考虑数据时空分布以及观测和背景场的基础上,利用协方差矩阵及观测位置与背景场之间的误差，进行动态实况分析，,以改善动态模型状态的估计精度，提高模型分析能力。水平格点的目标泛函应采用如下形式：
Figure BDA0002558137000000072
其中，Xt表示当前位置的观测信息，Xb是当前位置的背景场，Y周围海域的动态分析场，Yb是周围海域的背景场。
对上式进行转换可以得到周围海域动态分析场的计算公式：
Figure BDA0002558137000000073
Figure BDA0002558137000000074
其中，cov(X,Y)为当前位置与周围海域各点的协方差矩阵，D(X)为当前位置的方差。
根据每个格点的动态分析结果，将周围海域的变化量Yi进行叠加，得到全部变化量ΔY，在此基础上叠加背景场即可到的水平动态分析结果：
Ya＝ΔY+Yb
其中，Ya是当前位置周围海域的动态分析场，ΔY是动态分析量，Yb是周围海域的历史背景场。
步骤七：建立水平高分辨率温度场
对重新构建后的三维温度场进行三次样条插值，得到高分辨率温度场数据，得到动态分析结果。

Claims (8)

1.一种基于船载实测数据的海水温度场构建方法，其特征在于：包括下列步骤，
(1)背景场构建；
(2)实测温度实时分析；
(3)构建垂直协方差矩阵；
(4)垂直动态分析；
(5)构建水平协方差矩阵；
(6)水平动态分析；
(7)建立水平高分辨率温度场。
2.根据权利要求1所述的基于船载实测数据的海水温度场构建方法，其特征在于：所述背景场构建步骤中，在船舶出行前，根据船舶出行时长选择适当的背景场数据，背景场数据选用岸基数据预报产品；将背景场数据进行数据质量控制及转码统一格式，存储变量的类型和方式一致。
3.根据权利要求1所述的基于船载实测数据的海水温度场构建方法，其特征在于：所述实测温度实时分析方法步骤具体包括以下计算过程，
三维插值部分首先解决了平面二维插值问题，利用距离反比插值法得到当前位置与周围临近的网格点间的关系，即平面权重系数矩阵；将观测位置与背景场该位置之间的变化量，通过平面权重系数矩阵插值到临近网格点上；根据各网格点与其他各点间的协方差矩阵，计算每个格点引起的增量在整个平面上造成的变化，并将其叠加得到整体平面总的变化；
利用距离反比插值方法求取观测点到网格点之间的权重，若观测点位置为O(x,y)，与其临近的格点位置为B1(x1,y1)、B2(x2,y2)、B3(x3,y3)、B4(x4,y4)，计算每个点到观测点的距离d1、d2、d3、d4，则每个位置的权重为wi：
Figure FDA0002558136990000011
若观测位置的观测值为ΔXt，那么二维插值后临近格点的观测值wi*ΔX，则将观测点的增量转变为周围格点的增量，对周围格点逐个进行动态分析。
4.根据权利要求3所述的基于船载实测数据的海水温度场构建方法，其特征在于，所述构建垂直协方差矩阵方法步骤具体包括以下计算过程：
利用背景场数据，按照月度进行划分，构建各个格点的观测数据的时间序列，计算各个深度逐个格点与海域其他格点的协方差矩阵，得到逐月不同深度的垂直协方差矩阵；利用同样的方式，计算同一经纬度上不同深度格点间的垂向协方差矩阵；进而得到整个海域不同深度的协方差矩阵参数库，协方差矩阵的时间长度为d*Y，其中d代表每个月份的天数，Y代表历史数据的时间长度；
不同层的温度时间序列信息记为t1,t2,…,tn，对任意两组时间序列求协方差，得到协方差系数cij，协方差的计算方法如下：
cij＝E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵，记为VerMatrix：
Figure FDA0002558136990000021
其中cij表示第i层的温度信息和第j层温度信息的协方差系数。
5.按照权利要求4所述的基于船载实测数据的海水温度场构建方法，其特征在于：所述垂直动态分析方法具体包括下列步骤，
首先，根据垂向剖面格点的经纬度坐标，重新进行海洋中各点的垂向协方差矩阵计算；得到不同位置深度的协方差矩阵，并对矩阵进行筛选，将其中陆地或海底的部分进行剔除，保留海水部分完成协方差矩阵的更新；
在不考虑观测误差的情况下，利用距离反比的方式对权重系数进行求取；根据观测数值及历史背景场的垂向数据，获取其同化增量，根据增益系数K计算出垂向各点的变化，其同化方程可以简写为：
Ta＝Tb+K·[Y-H·Tb]
K＝B·HT·(H·B·HT)-1
其中，Ta为分析得到的结果，Tb为背景场，Y为观测量，H为权重系数矩阵，B为协方差矩阵。
6.按照权利要求1所述的基于船载实测数据的海水温度场构建方法，其特征在于：所述构建水平协方差矩阵步骤具体包括以下计算过程：
利用背景场数据，按照月度进行划分，构建各个格点的观测数据的时间序列，计算观测点与周围海域其他格点的协方差矩阵，得到逐月不同空间点的水平协方差矩阵；进而得到整个海域不同位置点的水平协方差矩阵参数库，协方差矩阵的时间长度为d*Y，其中d代表每个月份的天数，Y代表历史数据的时间长度；
不同层的温度时间序列信息记为t1,t2,…,tn，对任意两组时间序列求协方差，得到协方差系数cij，协方差的计算方法如下：
cij＝E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵，记为HonMatrix：
Figure FDA0002558136990000031
其中cij表示观测点周边海域，第i个空间点的温度信息和第j个空间点温度信息的协方差系数。
7.按照权利要求1所述的基于船载实测数据的海水温度场构建方法，其特征在于：所述水平动态分析方法包括下列步骤，
水平格点的目标泛函应采用如下形式：
Figure FDA0002558136990000032
其中，Xt表示当前位置的观测信息，Xb是当前位置的背景场，Y周围海域的动态分析场，Yb是周围海域的背景场；
对上式进行转换可以得到周围海域动态分析场的计算公式：
Figure FDA0002558136990000033
Figure FDA0002558136990000034
其中，cov(X,Y)为当前位置与周围海域各点的协方差矩阵，D(X)为当前位置的方差；
根据每个格点的动态分析结果，将周围海域的变化量Yi进行叠加，得到全部变化量ΔY，在此基础上叠加背景场即可到的水平动态分析结果：
Ya＝ΔY+Yb
其中，Ya是当前位置周围海域的动态分析场，ΔY是动态分析量，Yb是周围海域的历史背景场。
8.按照权利要求1所述的基于船载实测数据的海水温度场构建方法，其特征在于：所述建立水平高分辨率温度场步骤中，对实况分析后的三维温度场进行三次样条插值计算，将低分辨率的温度网格数据插值为高分辨率温度场数据。
CN202010598221.9A 2020-06-28 2020-06-28 一种基于船载实测数据的海水温度场构建方法 Active CN111814371B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010598221.9A CN111814371B (zh) 2020-06-28 2020-06-28 一种基于船载实测数据的海水温度场构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010598221.9A CN111814371B (zh) 2020-06-28 2020-06-28 一种基于船载实测数据的海水温度场构建方法

Publications (2)

Publication Number Publication Date
CN111814371A true CN111814371A (zh) 2020-10-23
CN111814371B CN111814371B (zh) 2023-12-12

Family

ID=72856614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010598221.9A Active CN111814371B (zh) 2020-06-28 2020-06-28 一种基于船载实测数据的海水温度场构建方法

Country Status (1)

Country Link
CN (1) CN111814371B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102004856A (zh) * 2010-11-27 2011-04-06 中国海洋大学 高频观测资料实时数据的快速集合卡曼滤波同化方法
CN102622514A (zh) * 2012-02-17 2012-08-01 中国科学院地理科学与资源研究所 一种海洋温度场数据处理方法
CN105981025A (zh) * 2014-12-01 2016-09-28 哈尔滨工程大学 基于序列递归滤波三维变分的实测海洋环境数据同化方法
JP2016213378A (ja) * 2015-05-12 2016-12-15 株式会社豊田中央研究所 ｎ型熱電材料及びその製造方法
CN108981957A (zh) * 2018-05-31 2018-12-11 西北工业大学 基于自组织神经网络及经验正交函数的水下温度场重构方法
US20190331831A1 (en) * 2018-04-26 2019-10-31 Jiangsu Meteorological Observatory Sea fog monitoring method based on multi-source satellite remote sensing data
CN110887790A (zh) * 2019-11-04 2020-03-17 华中科技大学 基于fvcom和遥感反演的城市湖泊富营养化模拟方法和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102004856A (zh) * 2010-11-27 2011-04-06 中国海洋大学 高频观测资料实时数据的快速集合卡曼滤波同化方法
CN102622514A (zh) * 2012-02-17 2012-08-01 中国科学院地理科学与资源研究所 一种海洋温度场数据处理方法
CN105981025A (zh) * 2014-12-01 2016-09-28 哈尔滨工程大学 基于序列递归滤波三维变分的实测海洋环境数据同化方法
JP2016213378A (ja) * 2015-05-12 2016-12-15 株式会社豊田中央研究所 ｎ型熱電材料及びその製造方法
US20190331831A1 (en) * 2018-04-26 2019-10-31 Jiangsu Meteorological Observatory Sea fog monitoring method based on multi-source satellite remote sensing data
CN108981957A (zh) * 2018-05-31 2018-12-11 西北工业大学 基于自组织神经网络及经验正交函数的水下温度场重构方法
CN110887790A (zh) * 2019-11-04 2020-03-17 华中科技大学 基于fvcom和遥感反演的城市湖泊富营养化模拟方法和系统

Also Published As

Publication number Publication date
CN111814371B (zh) 2023-12-12

Similar Documents

Publication Publication Date Title
Madricardo et al. High resolution multibeam and hydrodynamic datasets of tidal channels and inlets of the Venice Lagoon
CN113051795A (zh) 一种面向海上平台保障的三维温盐场分析预报方法
CA2951533C (en) Automated generation of digital elevation models
Robinson et al. Overview of data assimilation
CN114707376B (zh) 一种模拟海底多金属结核赋存分布方法
CN112598113A (zh) 一种基于自组织竞争型神经网络的海洋声速剖面获取方法
Du Bois Automatic calculation of bathymetry for coastal hydrodynamic models
CN112348280B (zh) 一种利用改进型Argo浮标数据进行EOF分析的方法
CN105718725B (zh) 污染底泥及其污染物的数量化方法
CN115859116A (zh) 一种基于径向基函数回归插值法的海洋环境场重建方法
Hilton et al. River reconstruction using a conformal mapping method
Smith et al. The navigation surface: A new database approach to creating multiple products from high-density surveys
Marks et al. The IHO-IOC GEBCO Cook Book.
CN113593006A (zh) 一种基于深度学习的气象数据空间插值精细化方法及系统
CN111814371B (zh) 一种基于船载实测数据的海水温度场构建方法
CN116861640A (zh) 基于时空插值的高分辨温盐数据生成方法及装置
CN117195488A (zh) 一种未精测区陆海一体数字高程模型建设方法及相关系统
Wang et al. Preliminary results of a new global ocean reanalysis
CN115540832A (zh) 基于VGGNet的卫星测高海底地形校正方法及系统
CN114740540A (zh) 一种基于方向约束的洋中脊区磁异常图构建方法及系统
Woodworth Sea level changes
CN112381936A (zh) 一种基于自适应屏幕分辨率的海底地形建模方法
CN114417601A (zh) 基于卫星高度计数据的中尺度涡水下声速场快速估计方法
CN113971487A (zh) 一种预测水深的方法、系统、终端及介质
Sterling A comparison of spatial interpolation techniques for determining shoaling rates of the Atlantic Ocean Channel

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