CN114417601B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN114417601B
CN114417601B CN202210052116.4A CN202210052116A CN114417601B CN 114417601 B CN114417601 B CN 114417601B CN 202210052116 A CN202210052116 A CN 202210052116A CN 114417601 B CN114417601 B CN 114417601B
Authority
CN
China
Prior art keywords
vortex
argo
sound velocity
profile
section
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.)
Active
Application number
CN202210052116.4A
Other languages
English (en)
Other versions
CN114417601A (zh
Inventor
张永垂
陈雯
陈思霖
马丽娜
任开军
刘玉耀
汪浩笛
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202210052116.4A priority Critical patent/CN114417601B/zh
Publication of CN114417601A publication Critical patent/CN114417601A/zh
Application granted granted Critical
Publication of CN114417601B publication Critical patent/CN114417601B/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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M10/00—Hydrodynamic testing; Arrangements in or on ship-testing tanks or water tunnels
    • 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
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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

Abstract

本发明属于物理海洋、海洋工程及水声工程等领域，涉及一种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，建立了中尺度涡引起的水下声速扰动与海面高度异常的函数关系，进而得到参数化涡旋归一化声速扰动模型。基于此参数化模型，借助高时空覆盖率的卫星高度计数据，即可快速推断出中尺度涡的水下声速扰动场，叠加气候态背景声速场后，最终得到中尺度涡的水下声速场，实现了仅利用卫星高度计数据的中尺度涡水下声速场快速估计。

Description

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
技术领域
本发明属于物理海洋、海洋工程及水声工程等领域，涉及一种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，适用于利用卫星高度计数据进行中尺度涡水下声速场的快速估计和准实时获取。
背景技术
中尺度涡是一种海洋中普遍存在的中尺度过程，它作为一个独立封闭的水团在温、盐结构上与周围海水存在显著差异。中尺度涡特殊的温、盐结构导致了其激发的声速场的变化，因此当声经过它时，会改变传播路径进而影响声场的能量分布。充分掌握中尺度涡引起的水下声速场，有助于发挥声纳系统的最大效能，根据动态环境做出有效决策。
目前中尺度涡水下声速场的获取有两种主流方法，即现场观测和数值模拟：现场观测的数据可靠性最高，是研究中尺度涡的第一手资料。但高昂的人工和仪器耗费决定了现场观测数据在时间、空间和频率三个维度上存在固有限制；此外，复杂的前期准备工作意味着数据获取的实时性无法保证；数值模拟方法通过设定好边界条件利用海洋内在的物理规律计算关注区域的水下环境要素(温度、盐度、密度和流速等)。该方法能够提供较大空间范围内的水下声速场，但计算时间、准确度和精度方面仍面临严峻的挑战。
总之，通过现场观测和数值模拟方法获取中尺度涡水下声速场均存在时效性、计算成本或人力成本高昂的固有缺陷。此外，中尺度涡内部声速结构和其空间位置是时变的，该特性对中尺度涡声速场获取的时效性提出了较高的要求。因此，必须寻求成本低廉且快速的中尺度涡水下声速场获取方法。
发明内容
本发明的目的在于克服现有技术的不足，提出一种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，利用卫星高度计数据实现中尺度涡水下声速场的快速估计，为动态海洋环境下的声纳系统效能评估提供技术支撑。
本发明采用的技术方案为，一种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，分为以下步骤：
S1：搜集待研究海区和时间范围内出现的所有中尺度涡，并将这些涡旋出现的时间、涡心经纬度坐标、涡旋半径、涡旋极性和涡旋引起的海面高度异常记录在中尺度涡集合A中。以第i个中尺度涡Ei为例，则该涡旋出现的时间Tei、涡心经纬度坐标(latei,lonei)、涡旋半径ri、涡旋极性Yi(为冷涡时Yi＝-1，为暖涡时Yi＝1)和涡旋引起的海面高度异常SLAi均记录在集合A中，其中i为涡旋编号，i＝1,2,···,I，I为涡旋总数量；同样的，搜索出现在待研究海区和时间范围内的所有Argo剖面，并将这些Argo剖面的经纬度坐标、时间、温度剖面、盐度剖面和剖面采样深度记录在Argo剖面集合B中。以第j个Argo剖面Aj为例，则该Argo剖面的经纬度坐标(latAj,lonAj)、时间TAj、温度剖面tAj、盐度剖面sAj和剖面采样深度zAj记录在Argo剖面集合B中，其中j为剖面编号，j＝1,2,···,J，J为剖面总数量。
S2：对S1中所述的中尺度涡集合A和Argo剖面集合B进行时空匹配，找到落在中尺度涡集合内的Argo剖面，并将符合要求的Argo剖面和涡旋相对应的信息记录到集合C中。具体过程如下：
S2.1从中尺度涡集合A中选取第i个涡旋Ei，提取其时间Tei、涡心位置(latei,lonei)和半径ri；
S2.2从Argo剖面集合B中提取第j个Argo剖面Aj及其对应的时间TAj和经纬度坐标(latAj,lonAj)，将涡旋Ei和Argo剖面Aj进行时空匹配。时空匹配须同时满足两个条件：(1)涡旋Ei与Argo剖面Aj的出现时间相同，即TAj＝Tei；(2)Argo剖面Aj与涡旋Ei的距离dij(简称，涡心距)小于2倍涡旋半径ri，即
dij＜2ri
其中，涡心距dij的计算公式为
Figure BDA0003474656690000021
若Argo剖面满足时空匹配的要求(说明Argo剖面落在涡旋中)，则将该Argo剖面信息存入集合C中，对下一个Argo剖面重复S2.1和S2.2，直到遍历所有Argo剖面；若Argo剖面不满足时空匹配的要求(说明Argo剖面不在涡旋中)，直接舍弃，对下一个Argo剖面重复S2.1和S2.2，直到遍历所有Argo剖面。
S2.3若没有Argo剖面落在涡旋中，则舍弃该涡旋，对下一个涡旋重复S2.1和S2.2，直到遍历所有涡旋；若有Argo剖面落在涡旋中，将涡旋信息存入集合C中，对下一个涡旋重复S2.1-S2.3，直到遍历所有涡旋。
S2.4对集合C中的涡旋和Argo剖面按下述规则重新编号：(1)将集合C内的涡旋重新编号为m，m＝1,2,···,Me，Me为集合C中的涡旋总数；(2)将落在涡旋内的全部Argo剖面编号为nm，nm＝1,2,...,Nm，Nm为落在第m个涡旋Em内的Argo剖面总数。集合C中包含第m个涡旋Em的时间Tm、半径rm、极性Ym、海面高度异常SLAm以及第m个涡旋内第nm个Argo剖面的经纬度坐标
Figure BDA0003474656690000022
Argo温度剖面
Figure BDA0003474656690000023
Argo盐度剖面
Figure BDA0003474656690000024
采样深度
Figure BDA0003474656690000025
和涡心距
Figure BDA0003474656690000026
S3：利用第m个涡旋的半径rm对集合C中Argo剖面的涡心距
Figure BDA0003474656690000027
进行去量纲处理，得到无量纲的涡心距
Figure BDA0003474656690000028
Figure BDA0003474656690000031
其中
Figure BDA0003474656690000032
将无量纲的涡心距
Figure BDA0003474656690000033
记录在集合C中；
S4：计算集合C中涡旋Em引起的声速扰动，并用涡旋对应的海面高度异常SLAm对声速扰动进行归一化处理，具体过程如下：
S4.1根据集合C中记录的Argo温度剖面
Figure BDA0003474656690000034
Argo盐度剖面
Figure BDA0003474656690000035
采样深度
Figure BDA0003474656690000036
计算Argo声速剖面
Figure BDA0003474656690000037
Figure BDA0003474656690000038
其中，
Figure BDA0003474656690000039
单位为米(m)；
Figure BDA00034746566900000310
单位为摄氏度(℃)；
Figure BDA00034746566900000311
单位为psu；
S4.2根据集合C中记录的Argo剖面经纬度坐标
Figure BDA00034746566900000312
和涡旋时间Tm，从气候态产品(例如SODA3.3.1产品)中选取与Argo剖面相同时间和位置的气候态温度剖面
Figure BDA00034746566900000313
盐度剖面
Figure BDA00034746566900000314
采样深度
Figure BDA00034746566900000315
并借助S4.1中的声速计算公式计算气候态声速剖面
Figure BDA00034746566900000316
其中气候态剖面的采样深度
Figure BDA00034746566900000317
与Argo剖面的采样深度
Figure BDA00034746566900000318
一致。将S4.1计算的Argo声速剖面
Figure BDA00034746566900000319
减去气候态声速剖面
Figure BDA00034746566900000320
即可得到Argo剖面的声速扰动剖面
Figure BDA00034746566900000321
并记录到集合C中。
S4.3从集合C中提取涡旋Em对应的海面高度异常SLAm和声速扰动剖面
Figure BDA00034746566900000322
用海面高度异常SLAm对声速扰动剖面
Figure BDA00034746566900000323
进行归一化处理得到涡旋Em的归一化声速扰动剖面
Figure BDA00034746566900000324
即
Figure BDA00034746566900000325
将归一化声速扰动剖面
Figure BDA00034746566900000326
记录到集合C中。
S5将集合C中所有的归一化声速扰动剖面
Figure BDA00034746566900000327
按照S3所述归一化涡心距
Figure BDA00034746566900000328
从小到大的顺序排列在由水平距离和深度确定的二维平面内，得到原始的二维归一化声速扰动结构。对原始的二维归一化声速扰动结构进行水平距离上的平滑处理，得到最终二维归一化声速扰动结构
Figure BDA00034746566900000329
S6将S5得到的最终二维归一化声速扰动结构
Figure BDA00034746566900000330
分解到水平距离和深度方向上，得到相互独立的水平函数
Figure BDA00034746566900000331
和垂直函数
Figure BDA00034746566900000332
利用多项式拟合得到近似水平函数
Figure BDA00034746566900000333
和近似垂直函数
Figure BDA00034746566900000334
来近似代表
Figure BDA00034746566900000335
和
Figure BDA00034746566900000336
求解对应的多项式系数，得到参数化的涡旋声速扰动模型。具体过程如下：
S6.1分别选取不同涡心距
Figure BDA00034746566900000337
处的归一化声速扰动剖面
Figure BDA00034746566900000338
将它们累加求和然后求平均得到垂直函数
Figure BDA0003474656690000041
Figure BDA0003474656690000042
S6.2分别选取不同深度
Figure BDA0003474656690000043
处的归一化声速扰动剖面
Figure BDA0003474656690000044
将它们累加求和然后求平均得到水平函数
Figure BDA0003474656690000045
Figure BDA0003474656690000046
S6.3由于S2中Argo剖面落在涡旋内部的位置是随机的，且Argo剖面的垂直采样深度是离散、非均匀的，这决定了无量纲的涡心距
Figure BDA0003474656690000047
和采样深度
Figure BDA0003474656690000048
均是离散且非均匀的，因此S6.1-S6.2得到水平函数
Figure BDA0003474656690000049
和垂直函数
Figure BDA00034746566900000410
都是离散的。但离散的函数无法完整描述函数在整个待研究海区上的变化规律，因此需要将离散的函数连续化。在这里，利用多项式拟合对水平函数
Figure BDA00034746566900000411
和垂直函数
Figure BDA00034746566900000412
进行拟合近似，得到多项式系数vp和hq以及对应的近似水平函数
Figure BDA00034746566900000413
和近似垂直函数
Figure BDA00034746566900000414
Figure BDA00034746566900000415
Figure BDA00034746566900000416
其中，p∈[0,P]和q∈[0,Q]分别为垂直和水平函数的幂次，P表示垂直函数最高幂次，Q表示水平函数最高幂次。
S6.4根据S6.3所述的水平和垂直函数多项式系数hq和vp，即可得到连续且参数化的涡旋归一化声速扰动模型：
ΔK(d*,z)＝HA′(d*)×VA′(z)
其中
Figure BDA00034746566900000417
为连续取值的无量纲水平距离，z∈[1,1000]为连续取值的垂直深度。
S7通过S1-S6构建了参数化涡旋归一化声速扰动模型ΔK(d*,z)，下面用该模型结合卫星高度计数据进行目标中尺度涡引起的声速扰动场的快速估计。为了在参数符号上对S1-S6中构建参数化涡旋归一化声速扰动模型所用的参数和本步骤中用于估计中尺度涡引起的声速扰动场的参数进行区分，将S7中目标涡旋E所涉及的空间位置、时间、海面高度异常和涡旋半径分别用(lat,lon)、T、SLA和R表示；同样的，与目标涡旋有关的气候态温度、盐度和声速分别用
Figure BDA00034746566900000418
和
Figure BDA00034746566900000419
表示。具体步骤如下：
S7.1利用卫星高度计选取待估计的目标涡旋E，并读出其对应的海面高度异常SLA和涡旋半径R。
S7.2对S6.4中的参数化涡旋归一化声速扰动模型ΔK(d*,z)进行水平距离和垂直深度上的缩放，得到目标涡旋E的水下声速扰动的估计
Figure BDA0003474656690000051
Figure BDA0003474656690000052
其中，r＝R×d*为目标涡旋的水平作用范围。
S8根据S7所述的目标涡旋E所在的空间位置(lat,lon)、时间T和涡旋半径R确定目标涡旋E对应的气候态温度
Figure BDA0003474656690000058
和盐度
Figure BDA0003474656690000059
并借助所述S4.1中的声速计算公式计算气候态的声速
Figure BDA0003474656690000053
将步骤S7.2所述目标涡旋E的水下声速扰动的估计
Figure BDA0003474656690000054
叠加到气候态的声速
Figure BDA0003474656690000055
上，最终得到目标涡旋水下声速估计
Figure BDA0003474656690000056
Figure BDA0003474656690000057
进一步地，S1中中尺度涡的参数信息均来自产品META 2.0，下载网址为https:// data.aviso.altimetry.fr；Argo剖面的参数信息的均来自Argo浮标剖面数据集，其下载网址为：ftp://ftp.ifremer.fr/ifremer/argo/geo/；
进一步地，S4.2中气候态产品来自SODA3.3.1，其下载网址为：https:// www2.atmos.umd.edu/。
本发明具有以下有益效果：
1.本发明提出了一种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，建立了中尺度涡引起的水下声速扰动与海面高度异常的函数关系，进而得到参数化涡旋归一化声速扰动模型。基于此参数化模型，借助高时空覆盖率的卫星高度计数据，即可快速推断出中尺度涡的水下声速扰动场，叠加气候态背景声速场后，最终得到中尺度涡的水下声速场。实现了仅利用卫星高度计数据的中尺度涡水下声速场快速估计。
2.本发明基于大量的水下观测数据，利用海面高度异常和涡旋半径消除了涡旋在几何尺寸和强度上的差异性，实现了涡旋水下声速扰动场结构的准确刻画，实现简单。借助卫星高度计高时空覆盖率和高时间刷新率的优势，解决了常规中尺度涡水下声速场获取方法中低时效性的问题，提高了计算速度，有效降低了计算成本，具有很高的工程应用价值。
3.本发明在典型实施例中取得了明显的实施效果，基于卫星高度计数据的中尺度涡水下声速快速估计方法性能优越，稳健性好，计算成本低，实现简单，具有很高的工程应用价值，适用于利用卫星高度计数据进行中尺度涡水下声速场的快速估计和准实时获取。
附图说明
图1：本发明所述方法的实施流程图；
图2：2000-01-01——2020-03-07间，全球1°×1°网格内的涡旋数量分布情况，图中矩形框为研究海域黑潮延伸体(KE)，其经度范围：140°E～180°E，纬度范围：30°N～40°N
图3：研究区域内的暖涡(左)和冷涡(右)的二维声速扰动结构，横轴为无量纲涡心距，纵轴为深度；
图4：研究区域内暖涡(红)和冷涡(蓝)的垂直结构，实线为平均垂直结构，阴影区为±2倍标准差的范围，横轴为归一化的垂直扰动，纵轴为深度；
图5：研究区域内暖涡(红)和冷涡(蓝)的水平结构，实线为平均垂直结构，阴影区为±1倍标准差的范围。横轴为无量纲的涡心距，纵轴为归一化的水平扰动。带下三角的实线和方框实线为另外两个中尺度涡模型的水平扰动；
图6：研究区域对应的暖涡(左)和冷涡(右)参数化的声速扰动模型三维展示，其中黄色实线为0.7和0.5等值线；
图7：黑潮延伸体内对一个冷涡水下声速场的估计场(左)和实测声场(右)对比，背景为声速，黄色实线为冷涡引起的声速扰动等值线。
具体实施方式
图1给出了本发明所述方法的实施流程图，本发明一种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，通过涡旋集合和Argo剖面集合的空间匹配，得到落在涡旋内的Argo剖面集合。再借助气候态产品，得到涡旋内的声速扰动剖面集合，将该集合内的声速扰动剖面按照无量纲涡心距重组后，得到涡旋的二维归一化声速扰动结构。利用多项式拟合，从涡旋的二维归一化声速扰动结构提取出参数化我选归一化声速扰动模型，完成模型构建。在参数化模型的基础上，利用卫星高度计提供的目标涡旋的海面高度异常(SLA)和涡旋半径(R)对参数化模型进行缩放，即可获得目标涡旋声速扰动的估计值，最后叠加气候态背景声速场后，即可实现目标涡旋的水下声速场快速估计。
图2给出了2000-01-01——2020-03-07期间，全球1°×1°网格内的涡旋数量分布情况，图中虚线矩形框为研究海域黑潮延伸体(KE)，其经度范围：140°E～180°E，纬度范围：30°N～40°N。研究海区内的涡旋具有相似的声速扰动结构，仅在涡旋强度和几何半径上存在差异。去除强度和几何半径的差异后，可以得到一个具有该区域特征的中尺度涡声速扰动结构。
图3给出了研究区域内的暖涡(左)和冷涡(右)的二维声速扰动结构，横轴为无量纲涡心距，纵轴为深度。可以看到，由于暖涡内部携带暖水团，因此产生了正的声速扰动；冷涡内部携带冷水团，因此产生了负的声速扰动。对于冷涡和暖涡结构，可发现相同研究区域内冷涡和暖涡存在结构上的差异。其中，暖涡的涡心深度394m，冷涡的涡心深度352m，暖涡中心的扰动强度为65.05，冷涡中心的扰动强度为-58.26，因此需要分开研究。
图4给出了研究区域内暖涡(红)和冷涡(蓝)的垂直结构，实线为平均垂直结构，阴影区为±2倍标准差的范围，横轴为归一化的垂直扰动，纵轴为深度。可以看到，对于研究区域的冷涡和暖涡，整体深度上的标准差很小，意味着不同距离处的垂直结构具有较高的一致性。
图5给出了研究区域内暖涡(红)和冷涡(蓝)的水平结构，实线为平均垂直结构，阴影区为±1倍标准差的范围。横轴为无量纲的涡心距，纵轴为归一化的水平扰动。带下三角的实线和方框实线为另外两个中尺度涡模型的水平扰动。可以看到，对于研究区域的冷涡和暖涡，整体距离上的标准差很小，意味着不同距离处的水平结构具有较高的一致性。另外与已有的涡旋模型进行对比，发现本发明涉及的方法对涡旋结构的刻画更加真实可信。
图6给出了研究区域对应的暖涡(左)和冷涡(右)参数化的声速扰动模型三维展示，其中黄色实线为0.7和0.5等值线。借助该参数化模型，即可实现利用卫星高度计快速估计中尺度涡水下声速扰动场，叠加对应的气候态背景场后，即可得到中尺度涡的水下声速估计场。
图7给出了本发明利用卫星高度计估计出的中尺度涡水下声速场(左)和实际观测的水下声速场(右)。其中背景颜色为声速值，黄色实线为冷涡引起的声速扰动的等值线，对比两张图可以发现，本发明估计出的中尺度涡水下声速场与实际观测的声场具有较高的一致性。
本发明在典型实施例中取得了明显的实施效果，基于卫星高度计数据的中尺度涡水下声速快速估计方法性能优越，稳健性好，计算成本低，实现简单具有很高的工程应用价值，适用于利用卫星高度计数据进行中尺度涡水下声速场的快速估计和准实时获取。

Claims (5)

1.一种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，其特征在于，该方法分为以下步骤：
S1：搜集待研究海区和时间范围内出现的所有中尺度涡，并将第i个中尺度涡Ei出现的时间Tei、涡心经纬度坐标(latei,lonei)、涡旋半径ri、涡旋极性Yi和涡旋引起的海面高度异常SLAi均记录在中尺度涡集合A中，其中i为涡旋编号，i＝1,2,…,I，I为涡旋总数量；同样的，搜索出现在待研究海区和时间范围内的所有Argo剖面，并将第j个Argo剖面Aj的经纬度坐标(latAj,lonAj)、时间TAj、温度剖面tAj、盐度剖面sAj和剖面采样深度zAj记录在Argo剖面集合B中，其中j为剖面编号，j＝1,2,…,J，J为剖面总数量；
S2：对S1中所述的中尺度涡集合A和Argo剖面集合B进行时空匹配，找到落在中尺度涡集合内的Argo剖面，并将符合要求的Argo剖面和涡旋相对应的信息记录到集合C中，具体过程如下：
S2.1从中尺度涡集合A中选取第i个涡旋Ei，提取其时间Tei、涡心位置(latei,lonei)和半径ri；
S2.2从Argo剖面集合B中提取第j个Argo剖面Aj及其对应的时间TAj和经纬度坐标(latAj,lonAj)，将涡旋Ei和Argo剖面Aj进行时空匹配；时空匹配须同时满足两个条件：(1)涡旋Ei与Argo剖面Aj的出现时间相同，即TAj＝Tei；(2)Argo剖面Aj与涡旋Ei的距离dij小于2倍涡旋半径ri，即
dij＜2ri
其中，涡心距dij的计算公式为
Figure FDA0003474656680000011
若Argo剖面满足时空匹配的要求，则将该Argo剖面信息存入集合C中，对下一个Argo剖面重复S2.1和S2.2，直到遍历所有Argo剖面；若Argo剖面不满足时空匹配的要求，直接舍弃，对下一个Argo剖面重复S2.1和S2.2，直到遍历所有Argo剖面；
S2.3若没有Argo剖面落在涡旋中，则舍弃该涡旋，对下一个涡旋重复S2.1和S2.2，直到遍历所有涡旋；若有Argo剖面落在涡旋中，将涡旋信息存入集合C中，对下一个涡旋重复S2.1-S2.3，直到遍历所有涡旋；
S2.4对集合C中的涡旋和Argo剖面按下述规则重新编号：(1)将集合C内的涡旋重新编号为m，m＝1,2,…,Me，Me为集合C中的涡旋总数；(2)将落在涡旋内的全部Argo剖面编号为nm，nm＝1,2,...,Nm，Nm为落在第m个涡旋Em内的Argo剖面总数；集合C中包含第m个涡旋Em的时间Tm、半径rm、极性Ym、海面高度异常SLAm以及第m个涡旋内第nm个Argo剖面的经纬度坐标
Figure FDA0003474656680000012
Argo温度剖面
Figure FDA0003474656680000013
Argo盐度剖面
Figure FDA0003474656680000014
采样深度
Figure FDA0003474656680000015
和涡心距
Figure FDA0003474656680000016
S3：利用第m个涡旋的半径rm对集合C中Argo剖面的涡心距
Figure FDA0003474656680000021
进行去量纲处理，得到无量纲的涡心距
Figure FDA0003474656680000022
Figure FDA0003474656680000023
将无量纲的涡心距
Figure FDA0003474656680000024
记录在集合C中；
S4：计算集合C中涡旋Em引起的声速扰动，并用涡旋对应的海面高度异常SLAm对声速扰动进行归一化处理，具体过程如下：
S4.1根据集合C中记录的Argo温度剖面
Figure FDA0003474656680000025
Argo盐度剖面
Figure FDA0003474656680000026
采样深度
Figure FDA0003474656680000027
计算Argo声速剖面
Figure FDA0003474656680000028
Figure FDA0003474656680000029
其中，
Figure FDA00034746566800000210
单位为米(m)；
Figure FDA00034746566800000211
单位为摄氏度(℃)；
Figure FDA00034746566800000212
单位为psu；
S4.2根据集合C中记录的Argo剖面经纬度坐标
Figure FDA00034746566800000213
和涡旋时间Tm，从气候态产品中选取与Argo剖面相同时间和位置的气候态温度剖面
Figure FDA00034746566800000214
盐度剖面
Figure FDA00034746566800000215
采样深度
Figure FDA00034746566800000216
并借助S4.1中的声速计算公式计算气候态声速剖面
Figure FDA00034746566800000217
其中气候态剖面的采样深度
Figure FDA00034746566800000218
与Argo剖面的采样深度
Figure FDA00034746566800000219
一致；将S4.1计算的Argo声速剖面
Figure FDA00034746566800000220
减去气候态声速剖面
Figure FDA00034746566800000221
即可得到Argo剖面的声速扰动剖面
Figure FDA00034746566800000222
并记录到集合C中；
S4.3从集合C中提取涡旋Em对应的海面高度异常SLAm和声速扰动剖面
Figure FDA00034746566800000223
用海面高度异常SLAm对声速扰动剖面
Figure FDA00034746566800000224
进行归一化处理得到涡旋Em的归一化声速扰动剖面
Figure FDA00034746566800000225
即
Figure FDA00034746566800000226
将归一化声速扰动剖面
Figure FDA00034746566800000227
记录到集合C中；
S5将集合C中所有的归一化声速扰动剖面
Figure FDA00034746566800000228
按照S3所述归一化涡心距
Figure FDA00034746566800000229
从小到大的顺序排列在由水平距离和深度确定的二维平面内，得到原始的二维归一化声速扰动结构；对原始的二维归一化声速扰动结构进行水平距离上的平滑处理，得到最终二维归一化声速扰动结构
Figure FDA00034746566800000230
S6将S5得到的最终二维归一化声速扰动结构
Figure FDA00034746566800000231
分解到水平距离和深度方向上，得到相互独立的水平函数
Figure FDA00034746566800000232
和垂直函数
Figure FDA00034746566800000233
利用多项式拟合得到近似水平函数
Figure FDA00034746566800000234
和近似垂直函数
Figure FDA00034746566800000235
来近似代表
Figure FDA00034746566800000236
和
Figure FDA00034746566800000237
求解对应的多项式系数，得到参数化的涡旋声速扰动模型，具体过程如下：
S6.1分别选取不同涡心距
Figure FDA00034746566800000238
处的归一化声速扰动剖面
Figure FDA00034746566800000239
将它们累加求和然后求平均得到垂直函数
Figure FDA0003474656680000031
Figure FDA0003474656680000032
S6.2分别选取不同深度
Figure FDA0003474656680000033
处的归一化声速扰动剖面
Figure FDA0003474656680000034
将它们累加求和然后求平均得到水平函数
Figure FDA0003474656680000035
Figure FDA0003474656680000036
S6.3利用多项式拟合对水平函数
Figure FDA0003474656680000037
和垂直函数
Figure FDA0003474656680000038
进行拟合近似，得到多项式系数vp和hq以及对应的近似水平函数
Figure FDA0003474656680000039
和近似垂直函数
Figure FDA00034746566800000310
Figure FDA00034746566800000311
Figure FDA00034746566800000312
其中，p∈[0,P]和q∈[0,Q]分别为垂直和水平函数的幂次，P表示垂直函数最高幂次，Q表示水平函数最高幂次；
S6.4根据S6.3所述的水平和垂直函数多项式系数hq和vp，得到连续且参数化的涡旋归一化声速扰动模型：
ΔK(d*,z)＝HA′(d*)×VA′(z)
其中
Figure FDA00034746566800000313
S7用S1-S6构建的参数化涡旋归一化声速扰动模型ΔK(d*,z)结合卫星高度计数据进行目标中尺度涡引起的声速扰动场的快速估计；将S7中目标涡旋E所涉及的空间位置、时间、海面高度异常和涡旋半径分别用(lat,lon)、T、SLA和R表示；同样的，与目标涡旋有关的气候态温度、盐度和声速分别用
Figure FDA00034746566800000314
和
Figure FDA00034746566800000315
表示，具体步骤如下：
S7.1利用卫星高度计选取待估计的目标涡旋E，并读出其对应的海面高度异常SLA和涡旋半径R；
S7.2对S6.4中的参数化涡旋归一化声速扰动模型ΔK(d*,z)进行水平距离和垂直深度上的缩放，得到目标涡旋E的水下声速扰动的估计
Figure FDA00034746566800000316
Figure FDA00034746566800000317
其中，r＝R×d*为目标涡旋的水平作用范围；
S8根据S7所述的目标涡旋E所在的空间位置(lat,lon)、时间T和涡旋半径R确定目标涡旋E对应的气候态温度
Figure FDA00034746566800000318
和盐度
Figure FDA00034746566800000319
并借助所述S4.1中的声速计算公式计算气候态的声速
Figure FDA00034746566800000320
将步骤S7.2所述目标涡旋E的水下声速扰动的估计
Figure FDA00034746566800000321
叠加到气候态的声速
Figure FDA0003474656680000041
上，最终得到目标涡旋水下声速估计
Figure FDA0003474656680000042
Figure FDA0003474656680000043
2.一种根据权利要求1所述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，其特征在于：S1中中尺度涡的参数信息均来自产品META 2.0，Argo剖面的参数信息均来自Argo浮标剖面数据集。
3.一种根据权利要求1所述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，其特征在于：S4.2中气候态产品来自SODA3.3.1。
4.一种根据权利要求1至3任一项所述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，其特征在于：S3中，无量纲的涡心距
Figure FDA0003474656680000044
5.一种根据权利要求1至3任一项所述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，其特征在于：S6.4中，连续取值的无量纲水平距离d*∈[0,2]，连续取值的垂直深度z∈[1,1000]。
CN202210052116.4A 2022-01-18 2022-01-18 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 Active CN114417601B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210052116.4A CN114417601B (zh) 2022-01-18 2022-01-18 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210052116.4A CN114417601B (zh) 2022-01-18 2022-01-18 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

Publications (2)

Publication Number Publication Date
CN114417601A CN114417601A (zh) 2022-04-29
CN114417601B true CN114417601B (zh) 2022-07-19

Family

ID=81274194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210052116.4A Active CN114417601B (zh) 2022-01-18 2022-01-18 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

Country Status (1)

Country Link
CN (1) CN114417601B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117213448B (zh) * 2023-11-07 2024-01-30 中国人民解放军国防科技大学 一种海洋次中尺度锋面调查方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105911551A (zh) * 2016-05-09 2016-08-31 浙江大学 一种基于加权集合卡尔曼滤波算法的声速剖面反演方法
CN109725053A (zh) * 2019-01-22 2019-05-07 中国人民解放军国防科技大学 基于高分辨率海洋再分析产品获取水声场特性数据的方法
CN113095009A (zh) * 2021-04-09 2021-07-09 天津大学 基于卫星遥感的三维海流实时快速分析系统的构建方法
CN113126180A (zh) * 2021-04-20 2021-07-16 国家海洋技术中心 一种无人自主海气界面气象水文环境要素一体化观测系统
CN113312830A (zh) * 2021-01-20 2021-08-27 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
CN113743577A (zh) * 2021-06-25 2021-12-03 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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120152024A1 (en) * 2010-12-17 2012-06-21 Johansen Espen S Distributed acoustic sensing (das)-based flowmeter

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105911551A (zh) * 2016-05-09 2016-08-31 浙江大学 一种基于加权集合卡尔曼滤波算法的声速剖面反演方法
CN109725053A (zh) * 2019-01-22 2019-05-07 中国人民解放军国防科技大学 基于高分辨率海洋再分析产品获取水声场特性数据的方法
CN113312830A (zh) * 2021-01-20 2021-08-27 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
CN113095009A (zh) * 2021-04-09 2021-07-09 天津大学 基于卫星遥感的三维海流实时快速分析系统的构建方法
CN113126180A (zh) * 2021-04-20 2021-07-16 国家海洋技术中心 一种无人自主海气界面气象水文环境要素一体化观测系统
CN113743577A (zh) * 2021-06-25 2021-12-03 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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"海洋中尺度涡旋表面特征和三维结构研究进展";张永垂，王宁，周林，刘科峰，汪浩笛;《地球科学进展》;20200630;568-579 *
Dai Haijin ; Cui Jian ; Yu Jingping)."Revisiting mesoscale eddy genesis mechanism of nonlinear advection in a marginal ice zone".《Acta Oceanologica Sinica》.2017,14-20. *
DAIJun ; WANGHuizan ; ZHANGWeimin ; ANYuzhu ; ZHANGRen."Observed spatiotemporal variation of three-dimensional structure and heat/salt transport of anticyclonic mesoscale eddy in Northwest Pacific".《Journal of Oceanology and Limnology》.2019,1654-1675. *

Also Published As

Publication number Publication date
CN114417601A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
Zalesny et al. Numerical model of the circulation of the Black Sea and the Sea of Azov
Owens et al. Oceanic observations of stratified Taylor columns near a bump
CN113259034B (zh) 一种并行的耦合海洋声学预报系统及运行方法
CN113821986B (zh) 基于随机森林的涡旋海面信号与水下关键参数反演方法
CN108805350A (zh) 基于多维蒙特卡洛理论的搜救范围预测方法
CN113420440B (zh) 一种基于海洋垂直结构的涡旋识别方法
CN112348280B (zh) 一种利用改进型Argo浮标数据进行EOF分析的方法
CN114417601B (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
CN113486574A (zh) 基于历史数据以及机器学习的声速剖面补全方法及装置
CN117198330B (zh) 一种声源识别方法、系统及电子设备
CN105279330A (zh) 海面运动舰船湍流尾迹的数值仿真方法
Liang et al. Study on tidal resonance in Severn Estuary and Bristol Channel
CN102855609A (zh) 集成高光谱数据和稀疏声纳数据的浅水水下地形构建方法
CN115755043A (zh) 一种基于x波段非相参雷达的波浪场重构及预测方法
CN106959152B (zh) 一种测量海水中声波速度的方法
Jian et al. Effect of mesoscale eddies on underwater sound propagation
Grue Computation formulas by FFT of the nonlinear orbital velocity in three-dimensional surface wave fields
CN111158059A (zh) 基于三次b样条函数的重力反演方法
Wang et al. Reconstruction of 3-D surface waves generated by moving submerged sphere based on stereo imaging principle
Dai et al. Three-dimensional structure of an observed cyclonic mesoscale eddy in the Northwest Pacific and its assimilation experiment
Zhang et al. Estimation of oceanic eddy viscosity profile and wind stress drag coefficient using adjoint method
Meinen et al. Comparison of methods of estimating mean synoptic current structure in “stream coordinates” reference frames with an example from the Antarctic Circumpolar Current
Guo et al. Tracking-positioning of sound speed profiles and moving acoustic source in shallow water
Crossley et al. Quantifying uncertainty in acoustic measurements of tidal flows using a ‘Virtual’Doppler Current Profiler
King et al. Computational issues on observability and optimal sensor locations

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