CN114663640B - 基于地形地貌和构造特征的海底地理实体划定与分类方法 - Google Patents
基于地形地貌和构造特征的海底地理实体划定与分类方法 Download PDFInfo
- Publication number
- CN114663640B CN114663640B CN202210548489.0A CN202210548489A CN114663640B CN 114663640 B CN114663640 B CN 114663640B CN 202210548489 A CN202210548489 A CN 202210548489A CN 114663640 B CN114663640 B CN 114663640B
- Authority
- CN
- China
- Prior art keywords
- model
- gradient
- landform
- magnetic anomaly
- profile
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000005484 gravity Effects 0.000 claims abstract description 85
- 238000012876 topography Methods 0.000 claims abstract description 62
- 238000007781 pre-processing Methods 0.000 claims abstract description 36
- 238000000605 extraction Methods 0.000 claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000013461 design Methods 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000005253 cladding Methods 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 210000001320 hippocampus Anatomy 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- Y02A90/30—Assessment of water resources
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)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了基于地形地貌和构造特征的海底地理实体划定与分类方法,包括:数据预处理、地理实体划定、特征提取与分类三大步骤。首先,通过数据预处理得到海底地形地貌模型、重力垂直梯度模型、磁异常模型;其次,将上述模型分别通过基于地形地貌的界限划定和基于构造特征的界限划定这两种方法,得到两种类型的界限;最后,通过特征提取与分类得到海底地理实体的全要素信息表。本方法克服了现有技术缺乏地质构造约束、无量化界定,导致地理实体划定模糊。本发明可在海底地名命名、海底地形地貌学等方面具有重要的实际应用价值。
Description
技术领域
本发明涉及海底地理实体划定、海底地名命名、海洋测绘、海底地形地貌(不规则的表面或轮廓的计量)、海洋地质、海洋制图与图像数据处理、海洋地球物理、海洋地理信息系统、深海采矿和海洋工程建设等技术领域。
背景技术
海洋覆盖面积约占地球表面积的71%,海水覆盖之下的海底多姿多彩,既有平缓的大陆架,也有连绵起伏的海岭、高耸的海山和深邃的海沟。将海底划定为可测量、具有确定界线的地理实体,并按照一定的命名标准和规范赋予其标准名称的行为称为海底地理实体命名,亦称为海底地名命名。海底地名包含通名和专名两部分,通名区分海底地理实体的类型,专名区分海底地理实体的个体。
海底地理实体的界限划定与分类是开展海底地名命名工作的核心步骤与主要技术难点。通过多波束测深技术获取的全覆盖、高精度水深测绘资料,进一步构建高分辨率海底地形地貌模型,采用等深线圈闭法、剖面法等分析和研判海底地理实体的界限和实体类别,是当前的主要技术手段。陶春辉等(2012年,中国科学:地球科学)在东太平洋海隆开展多波束海底地形扫测时,发现一个高出海底约250米的正地貌单位;基于总传播误差滤波器算法进行数据处理和海底地形地貌模型构建,采用等深线圈闭法划定该实体的界限范围,并进一步结合剖面分析法和国际海底地名命名规则,判定该实体的类型为海底丘(Hill),最终将其命名为“鸟巢海底丘”。
以构造特征认知为基础,以地貌形态与成因相结合为原则,按照地貌形态、规模大小和主从关系,先宏观后微观、先群体后个体,可以将现有的50余种海底地理实体类型划分为四个级别。一级海底地理实体为依据海域大地构造特征划分的特大型地理实体,如大陆架、大陆坡、深盆地等;二级海底地理实体为依据区域大地构造特征和地貌形态划分的大型地理实体,如海底峡谷群、斜坡等;三级海底地理实体为依据地貌组合形态划分的地理实体,如海山、海丘、海脊等;四级海底地理实体为组成第三级的地理实体,是最小一级的单独海底地理实体,如海底峰、海底冷泉等。
不同类型和等级的海底地理实体的空间尺度变化极大(从数公里至数千公里),导致其边界区域的海底地形地貌特征极为复杂,采用单一的海底地形地貌数据往往难以准确识别实体的界线;同时,现有的海底地理实体分类技术多采用定性描述,缺乏一套可行的定量化分类方法来判定实体的类型和级别。
发明内容
为了克服现有技术的不足,本发明提出了基于地形地貌和构造特征的海底地理实体划定与分类方法。
本发明通过下述技术方案得以实现:
一种基于地形地貌和构造特征的海底地理实体划定与分类方法,包括数据预处理、地理实体界限划定、特征提取与分类三大步骤;
首先,通过数据预处理得到海底地形地貌模型、重力垂直梯度模型、磁异常模型;将得到的海底地形地貌模型,通过水深范围截取、坡度求取与截取、模型叠加与分析、剖面设计与计算、极值点定位与连线完成基于地形地貌的界限划定,得到基于地形地貌的界限;将得到的重力垂直梯度模型和磁异常模型,通过界限范围圈定、模型截取、剖面设计与计算、双极值点定位、加权求值与连线完成基于构造特征的界限划定,得到基于构造特征的界限;最后,基于得到的基于地形地貌的界限和基于构造特征的界限,通过地理实体界限综合、地形地貌模型提取、形态特征参数计算、实体类型与级别判定,得到海底地理实体的全要素信息表;
数据预处理包括地形地貌数据预处理、构造特征数据预处理;所述的地形地貌数据预处理依次包括输入多波束测深点集,地形地貌建模,得到海底地形地貌模型;所述的构造特征数据预处理包括两部分:一部分依次是输入自由空间重力异常模型,垂直方向求梯度,得到重力垂直梯度模型;另一部分依次是输入磁异常测量点集,磁异常建模,得到磁异常模型。
所述的地形地貌数据预处理包括下列步骤:
步骤1-1:输入多波束测深点集
步骤1-2:地形地貌建模
基于多波束测深数据点集,采用张力样条插值算法,得到海底地形地貌模型,其中,和geomor分别代表模型和地形地貌,为的第i行、第j列的节点,、、分别为的第i行、第j列的二维平面位置坐标和该位置的深度值,和为该模型的最大行号和列号,i、j、和为自然数,转入步骤4-1。
所述的构造特征数据预处理中的输入自由空间力异常模型,垂直方向求梯度,得到重力垂直梯度模型包括下列步骤:
步骤2-1:输入自由空间重力异常模型
自由空间重力异常模型,其中,代表自由空间重力异常,为的第i行、第j列的节点,、、分别为的第i行、第j列的二维平面位置坐标和该位置的自由空间重力异常值,和为该模型的最大行号和列号,i、j、和为自然数,转入步骤2-2;
步骤2-2:垂直方向求梯度
基于自由空间重力异常模型,采用公式(1)计算得到重力垂直梯度模型,其中,代表重力垂直梯度,为的第i行、第j列的节点,、、分别为的第i行、第j列的二维平面位置坐标和该位置的重力垂直梯度值;转入步骤3-1;
所述的构造特征数据预处理中的输入磁异常测量点集,磁异常建模,得到磁异常模型包括下列步骤:
步骤3-1:输入磁异常测量点集
步骤3-2:磁异常建模
基于磁异常测量点集,采用反距离加权平均插值算法,得到磁异常模型,其中,为的第i行、第j列的节点,、、分别为磁异常模型的第i行、第j列的二维平面位置坐标和该位置的磁异常值,和为该模型的最大行号和列号,i、j、和为自然数。
所述的基于地形地貌的界限划定包括下列步骤:
步骤4-1:水深范围截取
按照海底地理实体界限的大致水深范围,对海底地形地貌模型按水深范围进行数据截取并输出,获得截取后的海底地形地貌模型,其中,、、分别为的第i行、第j列的节点的二维平面位置坐标和该位置的深度值,和为该模型的最大行号和列号,i、j、和均为自然数,转入步骤4-2;
步骤4-2:坡度求取与截取
步骤4-3:模型叠加与分析
以海底地形地貌模型作为下覆面,以截取后的坡度模型作为上覆面,采用二维平面坐标配准的方法将两者叠加,用三维可视化分析法开展分析,判断界限是否在两个模型上显著可划定;若是,则转入步骤4-4;若否,则转入步骤5-1;
步骤4-4:剖面设计与计算
a)剖面设计:垂直截取后的坡度模型的长轴走向,等距设计条贯穿海底地形地貌模型的海底地形地貌剖面集合,其中,为第i条海底地形地貌剖面,代表海底地形地貌剖面,、、、分别为的第j个剖面点的二维平面位置坐标、剖面点采用间距和水深值,、分别为剖面总数和剖面点总数,i、j、、均为自然数;
步骤4-5:极值点定位与连线
搜索定位坡度剖面集合中每一条剖面的最大坡度值并输出对应的二维平面位置坐标,获得坡度极值点坐标集,其中,、为第i条坡度剖面的最大坡度值所对应剖面点的二维平面位置坐标;将坡度极值点坐标集依次首尾相连得到基于地形地貌的界限;转入步骤6-1。
步骤5-1:界限范围圈定
使用三维可视化分析法,综合分析水深截取后的海底地形地貌模型、重力垂直梯度模型和磁异常模型,圈定界限可能出现的范围,其中,代表界限可能出现的范围,、为界限可能出现范围的点的二维平面位置坐标,和均为自然数,为界限可能出现的范围组成的点的总数,转入步骤5-2;
步骤5-2:模型截取
步骤5-3:剖面设计与计算
a)剖面设计:垂直界限可能出现的范围的长轴走向,等距设计条贯穿该区的重力垂直梯度剖面集合和磁异常剖面集合,其中,和分别代表重力垂直梯度剖面和磁异常剖面,和分别为第i条重力垂直梯度剖面和第i条磁异常剖面,、、、为第i条重力垂直梯度剖面的第j个剖面点的二维平面位置坐标、剖面点采用间距和重力垂直梯度值,、、、为第i条磁异常剖面的第j个剖面点的二维平面位置坐标、剖面点采用间距和磁异常值,、分别为剖面总数和剖面点总数,i、j、、均为自然数;
步骤5-4:双极值点定位
a)重力垂直梯度极小值定位:搜索并定位重力垂直梯度剖面集合中每一条剖面的重力垂直梯度的极小值并输出对应的二维平面坐标,获得重力垂直梯度极小值点对应的坐标集,其中,、为第i条剖面的重力垂直梯度极小值所对应点的二维平面坐标;
b)磁异常坡度极大值定位:搜索并定位磁异常坡度剖面集合中每一条剖面的坡度极大值并输出对应的二维平面坐标,获得磁异常坡度极大值点对应的坐标集,其中,、为第i条剖面的磁异常坡度极大值所对应点的平面坐标;转入步骤5-5;
步骤5-5:加权求值与连线
设置重力梯度信息权值为和磁异常坡度信息权值为,使用公式(5),求取重力垂直梯度极小值点对应的坐标集和磁异常坡度极大值点对应的坐标集加权平均后的点坐标集,其中,代表构造特征,为加权平均点坐标集第i个点的二维平面坐标和;将极值点坐标集依次首尾相连,得到基于构造特征的界限;转入步骤6-1;
所述的地理实体特征量化与分类包括下列步骤:
步骤6-1:地理实体界限综合
步骤6-2:地形地貌模型提取
基于海底地理实体的最终界限,将海底地形地貌模型按范围进行数据截取并输出,获得范围截取后的海底地形地貌模型,其中,、、分别为范围截取后的海底地形地貌模型的第i行、第j列的二维平面位置坐标和该位置的深度值,和为该模型的最大行号和列号,i、j、和为自然数,转入步骤6-3;
步骤6-3:形态特征参数计算
基于范围截取后的海底地形地貌模型,使用地理信息软件计算该海底地理实体的海底地形地貌特征参数组,其中,代表中心点,、、、、、、分别为该海底地理实体中心点的二维平面位置坐标、规模大小、最大水深、最小水深、总起伏度、平均坡度,转入步骤6-4;
步骤6-4:实体类型与级别判定
步骤6-5:全要素信息表构建
本发明的有益效果:
本发明提出并实现了基于地形地貌和构造特征的海底地理实体划定与分类方法。该方法克服了现有的基于海底地形地貌模型来划定海底地理实体的界限时易导致范围不清、识别精度不高、难以多方信息交叉验证等技术难题,将重力梯度、磁力为代表的反映海底地质构造特征的数据进行统一处理,使其能够用于海底地理实体界限的识别,弥补了现有界限划定技术的不足。同时,该方法还克服了现有的海底地理实体分类技术多采用定性描述的局限性,提出了一套定量化分类技术来研判海底地理实体的类型和级别。
本发明可在海底地理实体划定、海洋测绘、深海采矿和海洋工程建设等领域发挥重要作用。
附图说明
图1是本发明的流程图。
图2是本发明实施例中的基于多波束测深点集合(a)得到的海底地形地貌模型(b)示意图。
图3是本发明实施例中的水深范围截取前(a)和后(b)海底地形地貌模型以及坡度范围截取前(c)和后(d)的坡度模型效果示意图。
图4是本发明实施例中的采用二维平面坐标配准法将海底地形地貌模型与坡度模型叠加分析及剖面设计的效果示意图。
图5是本发明实施例中的海底地形地貌剖面、坡度计算后得到的坡度剖面及坡度极值点定位示意图。
图6是本发明实施例中得到基于地形地貌的部分界限示意图。
图7是本发明实施例中得到基于地形地貌的全部界限示意图。
图8是本发明实施例中的地形地貌数据预处理(a和b)和构造特征数据预处理(c、d、e和f)的效果示意图。
图9是本发明实施例中的采用二维平面坐标配准法将海底地形地貌模型与坡度模型叠加分析的效果示意图。
图10是本发明实施例中的使用三维可视化分析法圈定界限可能出现的范围示意图。
图11是本发明实施例中的截取后的重力垂直梯度模型及剖面(a)和截取后的磁异常模型及剖面(b)示意图。
图12是本发明实施例中的重力垂直梯度剖面及其极小值点(a)和磁异常剖面、磁异常坡度剖面极大值点(b)示意图。
图13是本发明实施例中的加权求值与连线示意图。
图14是本发明实施例中得到基于构造特征的全部界限示意图。
图15是本发明实施例中得到海底地理实体的最终界限及海底地形地貌模型和全要素信息表示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步的阐述。
参见附图1,基于地形地貌和构造特征的海底地理实体划定与分类方法,包括数据预处理、地理实体界限划定、特征提取与分类三大步骤。首先,通过数据预处理得到海底地形地貌模型、重力垂直梯度模型、磁异常模型。将得到的海底地形地貌模型,通过水深范围截取、坡度求取与截取、模型叠加与分析、剖面设计与计算、极值点定位与连线完成基于地形地貌的界限划定,得到基于地形地貌的界限。将得到的重力垂直梯度模型和磁异常模型,通过界限范围圈定、模型截取、剖面设计与计算、双极值点定位、加权求值与连线完成基于构造特征的界限划定,得到基于构造特征的界限。最后,基于得到的基于地形地貌的界限和基于构造特征的界限,通过地理实体界限综合、地形地貌模型提取、形态特征参数计算、实体类型与级别判定,得到海底地理实体的全要素信息表。
数据预处理中的地形地貌数据预处理依次包括输入多波束测深点集,地形地貌建模,得到海底地形地貌模型,附图2(a部分)展示了基于包含200万个点的多波束测深点集,通过地形地貌建模(张力样条插值算法),得到包含294行、477列的海底地形地貌模型(图2(b部分)),具体步骤为:
(a)输入多波束测深点集:多波束测深数据点集,其中,mb和s分别代表多波束和测深点,、、分别为多波束测深点的二维平面位置坐标和深度值,测深点总数=2000000,多波束测深点集的分布见附图2(a部分)。
附图3(b部分)和(d部分)分别展示了按100m~300m水深范围截取后的海底地形地貌模型和按0.3°~3°坡度范围截取后的坡度模型,具体步骤为:
(a)水深范围截取:按照该海底地理实体界限的大致水深范围为,对如附图3(a部分)所示的海底地形地貌模型按水深范围进行数据截取并输出,获得截取后的海底地形地貌模型,截取后的海底地形地貌模型见附图3(b部分)。
(b)坡度求取与截取:基于海底地形地貌模型(附图3(b部分)),采用公式(1),计算获得坡度模型,其中,代表坡度,、、分别为的第i行、第j列的二维平面位置坐标和该位置的坡度,得到的坡度模型见附图3(c部分);按照该海底地理实体界限的大致坡度范围,对坡度模型进行数据截取并输出,获得截取后的坡度模型,截取后的坡度模型见附图3(d部分)。
模型叠加与分析:附图4展示了以海底地形地貌模型作为下覆面,以坡度模型作为上覆面,采用二维平面坐标配准的方法将两者叠加后的效果图,通过三维可视化分析法,可以明显的判断出该海底地理实体的界限非常显著,大致沿着坡度范围分布,因此可以采用基于地形地貌的界限划定法来划定。
剖面设计:如附图4所示,垂直上覆的坡度模型的长轴走向,等距离设计了10条贯穿海底地形地貌模型的海底地形地貌剖面集合,其中,为第i条海底地形地貌剖面,、、、分别为的第j个剖面点的二维平面位置坐标、剖面点采用间距和水深值,为某一剖面的剖面点总数;附图5中的黑色实线展示了其中第3条海底地形地貌剖面。
剖面计算:基于海底地形地貌剖面集合,采用公式(2),计算获得坡度剖面集合,其中,、、分别为第i条坡度剖面的第j个剖面点的二维平面位置坐标和坡度值;附图5中的灰色虚线展示了剖面计算后得到的第3条海底地形地貌剖面的坡度剖面。
极值点定位:搜索定位坡度剖面集合中每一条剖面的最大坡度值并输出对应的二维平面位置坐标,获得坡度极值点坐标集,其中,、为第i条坡度剖面的最大坡度值所对应剖面点的二维平面位置坐标;附图5黑色圆点展示了定位到的第3条坡度剖面的最大坡度值点,其对应的二维平面位置坐标为=116.632524,=21.643910。
重复上述“地形地貌数据预处理”和“基于地形地貌的界限划定”的所有步骤,得到如附图7所示的该海底地理实体的基于地形地貌的全部界限=,表明该海底地理实体的基于地形地貌的全部界限由301个坡度极值点组成;至此完成基于地形地貌的界限划定。
数据预处理中的地形地貌数据预处理依次包括输入多波束测深点集,地形地貌建模,得到海底地形地貌模型。附图8(a部分)展示了基于包含150万个点的多波束测深点集,通过地形地貌建模(张力样条插值算法),得到包含316行、312列的海底地形地貌模型图(图8(b部分)),具体步骤为:
(a)输入多波束测深点集:多波束测深数据点集,其中,mb和s分别代表多波束和测深点,、、分别为多波束测深点的二维平面位置坐标和深度值,测深点总数=1500000,多波束测深点集的分布见附图8(a部分)。
数据预处理中的构造特征数据预处理包括两部分:一部分依次是输入自由空间重力异常模型,垂直方向求梯度,得到重力垂直梯度模型。附图8(c部分)展示了输入的一个包含316行、312列的自由空间重力异常模型,通过垂直方向求梯度,得到一个包含316行、312列的重力垂直梯度模型(图8(d部分)),具体步骤为:
输入自由空间重力异常模型:自由空间重力异常模型,其中,代表自由空间重力异常,为的第i行、第j列的节点,、、分别为的第i行、第j列的二维平面位置坐标和该位置的自由空间重力异常值,自由空间重力异常模型见附图8(c部分)。
垂直方向求梯度:基于自由空间重力异常模型,采用公式(3)计算得到重力垂直梯度模型,其中,代表重力垂直梯度,为的第i行、第j列的节点,、、分别为的第i行、第j列的二维平面位置坐标和该位置的重力垂直梯度值,计算得到的重力垂直梯度模型见附图8(d部分)。
构造特征数据预处理的另一部分依次是输入磁异常测量点集,磁异常建模,得到磁异常模型。附图8(e部分)展示了输入的一个包含25000个点的磁异常测量点集,通过磁异常建模,得到一个包含316行、312列的磁异常模型(图8(f部分)),具体步骤为:
磁异常建模:基于磁异常测量点集,采用反距离加权平均插值算法,得到一个包含316行、312列的磁异常模型,其中,为的第i行、第j列的节点,、、分别为磁异常模型的第i行、第j列的二维平面位置坐标和该位置的磁异常值,该磁异常模型见附图8(f部分)。
附图9展示了按2000m~2500m水深范围截取后的海底地形地貌模型和按0.5°~2°坡度范围截取后的坡度模型叠加后的效果,具体步骤为:
(b)坡度求取与截取:基于海底地形地貌模型,采用公式(2),计算获得坡度模型,其中,代表坡度,、、分别为的第i行、第j列的二维平面位置坐标和该位置的坡度;按照该海底地理实体界限的大致坡度范围,对坡度模型进行数据截取并输出,得到截取后的坡度模型。
模型叠加与分析:附图9展示了以海底地形地貌模型作为下覆面,以坡度模型作为上覆面,采用二维平面坐标配准的方法将两者叠加后的效果图,通过三维可视化分析法,可以明显的判断出该海底地理实体的界限在地形地貌数据上不显著,无法判定,因此采用基于构造特征的界限划定来划定实体的界限。
基于构造特征的界限划定依次通过界限范围圈定、模型截取、剖面设计与计算、双极值点定位、加权求值与连线,得到该海底地理实体的基于构造特征的界限,具体步骤为:
界限范围圈定:如附图10所示,使用三维可视化分析法,综合分析水深截取后的海底地形地貌模型、重力垂直梯度模型和磁异常模型,圈定界限可能出现的范围,其中,代表界限可能出现的范围,、为界限可能出现范围的点的二维平面位置坐标,为自然数,为界限可能出现的范围组成的点的总数,在这里的值为4,因此,。
模型截取:基于界限可能出现的范围,对重力垂直梯度模型和磁异常模型按范围进行数据截取并输出,获得范围截取后的重力垂直梯度模型和磁异常模型=,i、j为自然数;附图11的底图展示了范围截取后的重力垂直梯度模型和磁异常模型。
剖面设计:垂直界限可能出现的范围的长轴走向,等距设计19条贯穿该区的重力垂直梯度剖面集合和磁异常剖面集合,其中,和分别代表重力垂直梯度剖面和磁异常剖面,和分别为第i条重力垂直梯度剖面和第i条磁异常剖面,、、、为第i条重力垂直梯度剖面的第j个剖面点的二维平面位置坐标、剖面点采用间距和重力垂直梯度值,、、、为第i条磁异常剖面的第j个剖面点的二维平面位置坐标、剖面点采用间距和磁异常值,剖面总数()在此时为19,为剖面点总数,i、j、、均为自然数;附图11黑色实线展示了19条剖面位置。
磁异常坡度计算:基于磁异常剖面,采用公式(4),计算获得磁异常坡度剖面集合,其中,和均代表磁异常坡度,、、分别为第i条磁异常坡度剖面的第j个剖面点的二维平面位置坐标和磁异常坡度值;附图12(b部分)中的灰色虚线为第4条磁异常剖面计算后的磁异常坡度剖面。
双极值点定位:a)重力垂直梯度极小值定位,搜索并定位重力垂直梯度剖面集合中每一条剖面的重力垂直梯度的极小值并输出对应的二维平面坐标,获得重力垂直梯度极小值点对应的坐标集,其中,、为第i条剖面的重力垂直梯度极小值所对应点的二维平面坐标。
附图12(a部分)中的黑色圆点展示了定位到的第4条重力垂直梯度剖面的极小值点,其对应的二维平面位置坐标为=119.220352,=19.312744;附图11(a部分)中的黑色圆点展示了19个重力垂直梯度剖面极小值点对应的坐标集分布图。
附图12(b部分)中的黑色圆点展示了定位到的第4条磁异常坡度剖面的极大值点,其对应的二维平面位置坐标为=119.366227,=19.207916;附图11(b部分)中的黑色圆点展示了19个磁异常坡度剖面极大值点对应的坐标集分布图。
加权求值与连线:设置重力梯度信息权值为和磁异常坡度信息权值为,使用公式(5),求取重力垂直梯度极小值点对应的坐标集和磁异常坡度极大值点对应的坐标集加权平均后的点坐标集,其中,代表构造特征,为加权平均点坐标集第i个点的二维平面坐标和;将极值点坐标集依次首尾相连,得到基于构造特征的界限。附图13中的黑色十字符号和实线展示了包含19个基于构造特征的界限。
重复上述“地形地貌数据预处理”、“构造特征数据预处理”和“基于构造特征的界限划定”所有步骤,得到如附图14所示的该海底地理实体的基于构造特征的全部界限=,表明该海底地理实体的基于构造特征的全部界限由34个点组成。
地形地貌模型提取:基于海底地理实体的最终界限,将海底地形地貌模型按范围进行数据截取并输出,获得范围截取后的海底地形地貌模型,其中,、、分别为范围截取后的海底地形地貌模型的第i行、第j列的二维平面位置坐标和该位置的深度值,和为该模型的最大行号和列号,i、j、和为自然数。
形态特征参数计算:基于范围截取后的海底地形地貌模型,使用地理信息软件计算该海底地理实体的海底地形地貌特征参数组,其中,代表中心点,得到的=20°、=117°、=1400km×400km、、、、=0.3°,分别为该海底地理实体中心点的二维平面位置坐标、规模大小、最大水深、最小水深、总起伏度、平均坡度。
上述描述中的实施方案可以进一步组合或者替换,且实施方案仅仅是对本发明的优选实施例进行描述,并非对本发明的构思和范围进行限定,在不脱离本发明设计思想的前提下,本领域普通技术人员对本发明的技术方案做出的各种变化和改进,均属于本发明的保护范围。本发明的保护范围由所附权利要求及其任何等同物给出。
Claims (1)
1.基于地形地貌和构造特征的海底地理实体划定与分类方法,其特征在于,包括数据预处理、地理实体界限划定、特征提取与分类三大步骤;首先,通过数据预处理得到海底地形地貌模型、重力垂直梯度模型、磁异常模型;将得到的海底地形地貌模型,通过水深范围截取、坡度求取与截取、模型叠加与分析、剖面设计与计算、极值点定位与连线完成基于地形地貌的界限划定,得到基于地形地貌的界限;将得到的重力垂直梯度模型和磁异常模型,通过界限范围圈定、模型截取、剖面设计与计算、双极值点定位、加权求值与连线完成基于构造特征的界限划定,得到基于构造特征的界限;最后,基于得到的基于地形地貌的界限和基于构造特征的界限,通过地理实体界限综合、地形地貌模型提取、形态特征参数计算、实体类型与级别判定,得到海底地理实体的全要素信息表;
所述的数据预处理包括地形地貌数据预处理、构造特征数据预处理;所述的地形地貌数据预处理依次包括输入多波束测深点集,地形地貌建模,得到海底地形地貌模型;所述的构造特征数据预处理包括两部分:一部分依次是输入自由空间重力异常模型,垂直方向求梯度,得到重力垂直梯度模型;另一部分依次是输入磁异常测量点集,磁异常建模,得到磁异常模型;
所述的地形地貌数据预处理包括下列步骤:
步骤1-1:输入多波束测深点集
步骤1-2:地形地貌建模
基于多波束测深数据点集,采用张力样条插值算法,得到海底地形地貌模型,其中,和geomor分别代表模型和地形地貌,为的第i行、第j列的节点,、、分别为的第i行、第j列的二维平面位置坐标和该位置的深度值,和为该模型的最大行号和列号,i、j、和为自然数;
所述的构造特征数据预处理中的输入自由空间力异常模型,垂直方向求梯度,得到重力垂直梯度模型包括下列步骤:
步骤2-1:输入自由空间重力异常模型
自由空间重力异常模型,其中,代表自由空间重力异常,为的第i行、第j列的节点,、、分别为的第i行、第j列的二维平面位置坐标和该位置的自由空间重力异常值,和为该模型的最大行号和列号,i、j、和为自然数,转入步骤2-2;
步骤2-2:垂直方向求梯度
基于自由空间重力异常模型,得到重力垂直梯度模型,其中,代表重力垂直梯度,为的第i行、第j列的节点,、、分别为的第i行、第j列的二维平面位置坐标和该位置的重力垂直梯度值;其中,GVG ij 采用公式(1)得到,
所述的构造特征数据预处理中的输入磁异常测量点集,磁异常建模,得到磁异常模型包括下列步骤:
步骤3-1:输入磁异常测量点集
步骤3-2:磁异常建模
基于磁异常测量点集,采用反距离加权平均插值算法,得到磁异常模型,其中,为的第i行、第j列的节点,、、分别为磁异常模型的第i行、第j列的二维平面位置坐标和该位置的磁异常值,和为该模型的最大行号和列号,i、j、和为自然数;
所述的基于地形地貌的界限划定包括下列步骤:
步骤4-1:水深范围截取
按照海底地理实体界限的大致水深范围,对海底地形地貌模型按水深范围进行数据截取并输出,获得截取后的海底地形地貌模型,其中,、、分别为的第i行、第j列的节点的二维平面位置坐标和该位置的深度值,和为该模型的最大行号和列号,i、j、和均为自然数,转入步骤4-2;
步骤4-2:坡度求取与截取
步骤4-3:模型叠加与分析
以海底地形地貌模型作为下覆面,以截取后的坡度模型作为上覆面,采用二维平面坐标配准的方法将两者叠加,用三维可视化分析法开展分析,判断界限是否在两个模型上显著可划定;若是,则转入步骤4-4;若否,则转入步骤5-1;
步骤4-4:剖面设计与计算
a)剖面设计:垂直截取后的坡度模型的长轴走向,等距设计条贯穿海底地形地貌模型的海底地形地貌剖面集合,其中,为第i条海底地形地貌剖面,代表海底地形地貌剖面,、、、分别为的第j个剖面点的二维平面位置坐标、剖面点采用间距和水深值,、分别为剖面总数和剖面点总数,i、j、、均为自然数;
步骤4-5:极值点定位与连线
搜索定位坡度剖面集合中每一条剖面的最大坡度值并输出对应的二维平面位置坐标,获得坡度极值点坐标集,其中,、为第i条坡度剖面的最大坡度值所对应剖面点的二维平面位置坐标;将坡度极值点坐标集依次首尾相连得到基于地形地貌的界限;
所述的基于构造特征的界限划定包括下列步骤:
步骤5-1:界限范围圈定
使用三维可视化分析法,综合分析水深截取后的海底地形地貌模型、重力垂直梯度模型和磁异常模型,圈定界限可能出现的范围,其中,代表界限可能出现的范围,、为界限可能出现范围的点的二维平面位置坐标,和均为自然数,为界限可能出现的范围组成的点的总数,转入步骤5-2;
步骤5-2:模型截取
步骤5-3:剖面设计与计算
a)剖面设计:垂直界限可能出现的范围的长轴走向,等距设计条贯穿该区的重力垂直梯度剖面集合和磁异常剖面集合,其中,和分别代表重力垂直梯度剖面和磁异常剖面,和分别为第i条重力垂直梯度剖面和第i条磁异常剖面,、、、为第i条重力垂直梯度剖面的第j个剖面点的二维平面位置坐标、剖面点采用间距和重力垂直梯度值,、、、为第i条磁异常剖面的第j个剖面点的二维平面位置坐标、剖面点采用间距和磁异常值,、分别为剖面总数和剖面点总数,i、j、、均为自然数;
b)磁异常坡度计算:基于磁异常剖面,得到磁异常坡度剖面集合,其中,和均代表磁异常坡度,、、分别为第i条磁异常坡度剖面的第j个剖面点的二维平面位置坐标和磁异常坡度值, 采用公式(4)得到,转入步骤5-4;
步骤5-4:双极值点定位
a)重力垂直梯度极小值定位:搜索并定位重力垂直梯度剖面集合中每一条剖面的重力垂直梯度的极小值并输出对应的二维平面坐标,获得重力垂直梯度极小值点对应的坐标集,其中,、为第i条剖面的重力垂直梯度极小值所对应点的二维平面坐标;
b)磁异常坡度极大值定位:搜索并定位磁异常坡度剖面集合中每一条剖面的坡度极大值并输出对应的二维平面坐标,获得磁异常坡度极大值点对应的坐标集,其中,、为第i条剖面的磁异常坡度极大值所对应点的平面坐标;转入步骤5-5;
步骤5-5:加权求值与连线
设置重力梯度信息权值为和磁异常坡度信息权值为,使用公式(5),求取重力垂直梯度极小值点对应的坐标集和磁异常坡度极大值点对应的坐标集加权平均后的点坐标集,其中,代表构造特征,为加权平均点坐标集第i个点的二维平面坐标和;将极值点坐标集依次首尾相连,得到基于构造特征的界限;其中,和采用公式(5)得到,
所述的特征提取与分类包括下列步骤:
步骤6-1:地理实体界限综合
步骤6-2:地形地貌模型提取
基于海底地理实体的最终界限,将海底地形地貌模型按范围进行数据截取并输出,获得范围截取后的海底地形地貌模型,其中,、、分别为范围截取后的海底地形地貌模型的第i行、第j列的二维平面位置坐标和该位置的深度值,和为该模型的最大行号和列号,i、j、和为自然数,转入步骤6-3;
步骤6-3:形态特征参数计算
基于范围截取后的海底地形地貌模型,使用地理信息软件计算该海底地理实体的海底地形地貌特征参数组,其中,代表中心点,、、、、、、分别为该海底地理实体中心点的二维平面位置坐标、规模大小、最大水深、最小水深、总起伏度、平均坡度,转入步骤6-4;
步骤6-4:实体类型与级别判定
步骤6-5:全要素信息表构建
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210548489.0A CN114663640B (zh) | 2022-05-20 | 2022-05-20 | 基于地形地貌和构造特征的海底地理实体划定与分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210548489.0A CN114663640B (zh) | 2022-05-20 | 2022-05-20 | 基于地形地貌和构造特征的海底地理实体划定与分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114663640A CN114663640A (zh) | 2022-06-24 |
CN114663640B true CN114663640B (zh) | 2022-08-26 |
Family
ID=82036741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210548489.0A Active CN114663640B (zh) | 2022-05-20 | 2022-05-20 | 基于地形地貌和构造特征的海底地理实体划定与分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663640B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114820951A (zh) * | 2022-06-27 | 2022-07-29 | 自然资源部第二海洋研究所 | 基于小波和滤波器的复合海底地理实体逐级分解方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1773450A (zh) * | 2004-11-08 | 2006-05-17 | 刘荣杰 | 直数 |
CN102819568B (zh) * | 2012-07-18 | 2015-03-11 | 哈尔滨工程大学 | 基于地形采样点位置的海底地形数据建立方法 |
KR101342069B1 (ko) * | 2012-07-23 | 2013-12-18 | 한국해양과학기술원 | 독도의 육상 및 해저지형 모형물 제작방법 및 그 모형물 |
CN103837140B (zh) * | 2014-03-21 | 2014-10-01 | 国家海洋局第二海洋研究所 | 一种初始弧后盆地大陆架划界的测绘方法 |
US20190048679A1 (en) * | 2017-08-08 | 2019-02-14 | Onesubsea Ip Uk Limited | Subsea coupler system |
CN111291327B (zh) * | 2020-02-19 | 2023-04-25 | 山东科技大学 | 一种基于分治思想的多波束海底底质分类方法 |
CN112907615B (zh) * | 2021-01-08 | 2022-07-26 | 中国石油大学(华东) | 基于区域生长的海底地貌单元轮廓及细节识别方法 |
CN113267822B (zh) * | 2021-04-30 | 2024-05-31 | 中国空间技术研究院 | 基于地形约束因子权重优化提高海底地形反演精度的方法 |
CN113587921B (zh) * | 2021-05-31 | 2024-03-22 | 中国人民解放军61540部队 | 一种重力梯度场与重力异常场潜器融合定位方法及系统 |
-
2022
- 2022-05-20 CN CN202210548489.0A patent/CN114663640B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114663640A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107180450A (zh) | 一种基于dem的河谷横断面形态的算法 | |
CN113283802A (zh) | 一种复杂艰险山区滑坡危险性评估方法 | |
Szypuła | Digital elevation models in geomorphology | |
CN102707332A (zh) | 一种水库区工程地质调查的解译与评价方法 | |
Sun et al. | GIS-based regional assessment of seismic site effects considering the spatial uncertainty of site-specific geotechnical characteristics in coastal and inland urban areas | |
CN114663640B (zh) | 基于地形地貌和构造特征的海底地理实体划定与分类方法 | |
Wang et al. | An automated procedure to calculate the morphological parameters of superimposed rhythmic bedforms | |
CN117330040B (zh) | 一种基于水上测绘无人船的滩涂地形测绘方法及系统 | |
CN117572509B (zh) | 一种与斑岩活动有关热液脉型矿产的找矿方法 | |
Cabrero‐González et al. | A model of spatial location: New data for the Gor River megalithic landscape (Spain) from LiDAR technology and field survey | |
CN107316341A (zh) | 一种多点地质统计学沉积相建模方法 | |
Dawson et al. | A method for the automated extraction of environmental variables to help the classification of rivers in Britain | |
CN113591668B (zh) | 一种使用深度学习和空间分析的广域未知大坝自动探测方法 | |
Kurtzman et al. | Improving fractured carbonate-reservoir characterization with remote sensing of beds, fractures, and vugs | |
CN114723911B (zh) | 基于d-p算法和最优路径的海底地理实体边界自动识别方法 | |
Huang et al. | Anisotropy characteristics of exposed gravel beds revealed in high-point-density airborne laser scanning data | |
Beisl et al. | Use of genetic algorithm to identify the source point of seepage slick clusters interpreted from RADARSAT-1 images in the Gulf of Mexico | |
Sayed et al. | Deep Learning Approach for Detecting Digital Elevation Model (DEM) Uncertainty to Enhance Assessment of Water Resources | |
CN106595607B (zh) | 一种沟蚀调查方法 | |
Bo et al. | Enclosed Karst Depression Identification and Analysis for the Pumped Storage Power Station Reservoir Construction Using DEM | |
Sobatnu et al. | Geometric Modeling of River Estuary to Support Normalization Program of Veteran River, Banjarmasin City | |
Auduson et al. | Three-dimensional seismic data analysis and interpretation for delineating geothermal reservoirs, calibrated on a part of the West Netherland Basin, Southern Holland | |
Vernon | Methodology for manual lineament analysis | |
Sreenath | Introduction to geostatistics | |
CN114595904A (zh) | 多属性电子围栏的物理点布设方法及装置 |
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 |