CN115796342A - 一种近海温跃层动态变化分析方法 - Google Patents

Abstract

本发明提供了一种近海温跃层动态变化分析方法，根据剖面浮标获取的近海海域一段时间内的温度剖面数据，首先进行降噪处理，通过对比前后两个相邻的深度数据的大小，还可以提取出所观测海域的深度范围；随后对上升剖面数据进行提取；再经过进一步的筛选与处理，完成数据的下采样和插值过程；进行历史数据的时间、空间特征匹配，获得对应阈值条件，依靠温度数据的斜率变化及阈值判断提取温跃层，并进行温跃层动态变化数据的提取与存储，根据时间与温跃层数据的索引值，对温跃层动态变化过程进行可视化展示，实现了对近海温跃层动态变化分析和近海温跃层动态变化过程的可视化，解决了难以准确计算温跃层和进行近海温跃层动态变化分析的问题。

Description

一种近海温跃层动态变化分析方法

技术领域

本发明涉及海洋测绘技术领域，尤其涉及一种近海温跃层动态变化分析方法。

背景技术

海洋温跃层是指海水中的温度要素在垂向上出现突变或不连续剧烈变化的水层，主要用于区分上下层海水的物理性质，近海温跃层一般在春季开始形成，在夏季到达峰值，在秋季开始消亡，在冬季基本上消失，温跃层在军事和生物环境领域至关重要，找到准确的跃层能够帮助我们合理的利用跃层，对于海水特性的采集及分析研究，国外要早于我国，近年来，我国也开始认识到研究温跃层的重要意义，越来越多的人开展对温跃层的研究，随着研究的不断深入，人们对海洋的剖面的精细化结构观测的需要愈加明显，而发展海洋观测装备成为观测海洋精细化结构的迫切需要。

但是，目前的海洋温度剖面数据主要依靠Argo浮标观测阵列、传感器节点等方法采集，但是这些观测方法获取到的温度剖面数据的精度较低，在分析温跃层时常常需要进行插值到理想精度再进行数据处理，这就会导致一些不必要的误差；精度很高的精细化观测会出现数据分布不均匀的情况，也会导致误差的产生，并且近海海水的温度受近海人类活动、太阳辐射以及大风的影响很大，在短时间内温跃层会发生较大的变化，对温跃层进行动态的分析是现在没有解决的一个问题。

目前，计算温跃层深度主要应用了以下几种方法：

（1）S-T法：S-T法是用SST（海表面温度）减去0.5℃，得到的温度的值作为温跃层的上界，这种方法不能得出温跃层的下界，同时受时间、空间变化的影响较大，得出的结果的准确度较低。

（2）曲率极值点法：这种方法需要计算出温度垂直分布曲线的曲率，并绘制出垂直梯度上每一点处的曲率变化图，利用曲率极值的极大值和极小值来确定温跃层的上界和下界，这种方法对典型的强跃层结构的海区的温跃层的识别较为准确，但是难以确定准确的温跃层上、下界深度。

（3）垂直梯度法：这种方法在我国的《海洋调查规范》里有规定，在深水区的最小温度梯度值为0.05℃/m，在浅水区的最小温度梯度值为0.2℃/m，首先对采集处理后的温度求其垂向的温度梯度，温跃层为垂向梯度值大于或等于最低标准的水层，但是由于深水、浅水区的深度界定为200m，所以在深水、浅水区的交界处以及在大多数的浅水区用最小温度梯度值去判断温跃层往往有着很大的误差，所以要调整温度梯度值，这就需要大量的人工干预。

现有技术在利用精细化观测数据计算温跃层深度时，由于观测频率高和未知海况的干扰，会导致数据的垂向分布不均匀，甚至出现上下层数据错乱的情况，最终影响结果的准确性；并且对于不同时间不同海域的温跃层处理，现有技术都只使用同一个固定的判断阈值进行判断，没有考虑到近海的特殊性，近海有着很强的时间和空间特征，不同海域的海水垂向分布规律有着很大的差别；现有技术在计算时，在温跃层边界处会存在动荡的现象，导致温跃层边界计算存在误差；现有技术也只能计算很长时间内的平均温跃层并展示，并不能将温跃层短时间内的动态变化展示出来。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种近海温跃层动态变化分析方法，利用剖面浮标测得的精细化观测数据进行近海温跃层动态变化分析的方法，实现对近海温跃层动态变化分析和近海温跃层动态变化过程的可视化。

本发明提供一种近海温跃层动态变化分析方法，包括以下步骤：

（1）将剖面浮标获取的近海海域一段时间内的温度剖面数据导入至计算机，形成近海海域水体温度、深度剖面数据的txt文件；

（2）将txt文件中前后两个相邻的深度数据依次相减，当突然由正值变为负值或突然由负值变为正值，判断是否为剖面的最高点或最低点，如果是剖面的端点，则进行上升剖面和下降剖面的转换查找；如果不是剖面的端点，则判断为噪声数据将其删除；

（3）利用python程序对降噪处理后的txt文件按照以下步骤进行处理：

（3-1）利用python程序打开降噪处理后的txt文件，按行读取打开的txt文件，并将时间、深度、温度数据分别存入数组，每个数据都会带有索引值，并且带有相同索引值的时间、深度、温度数据一一对应；

（3-2）对步骤（3-1）中的深度数据的数组进行处理，实现剖面提取，具体过程如下：

设定深度数据的数组的名字为Depth，从左往右扫描Depth数组，比较depth[i]与depth[i+1]大小，其中：i表示深度数据在数组中的位置，如果Depth[i]<Depth[i+1]，则记录为下降剖面，并赋予相应的标记；如果Depth[i]>Depth[i+1]，则记录为上升剖面，并赋予相应的标记，将一个相邻的下降剖面和上升剖面记为一个完整的剖面，并生成记录最大、最小深度和相应剖面分割的Depth[i]的下标索引的index值，通过此index值完成剖面的分割，由于剖面浮标在近海运动的特殊性质：下降过程是不规则运动。上升剖面是连续、匀速运动，所以在本方法中只提取上升剖面作为数据基础；利用前一步记录的分割索引将每个上升剖面的温度、深度与其对应的时间切割出来并分别存入一个一维数组中，再将所有的一维温度数组以元素的形式存入所有温度数组构成的二维数组中，随后依次将深度、时间的一维数组按顺序存入相对应的二维数组中；

（3-3）对步骤（3-2）提取的每一个剖面进行处理，具体过程如下：

（3-3-1）重复项剔除：以深度数据为基准，用python中的enumerate函数将整个深度数组转为索引序列，从上到下依次遍历每个深度数据，查找每个深度数据在索引序列中是否存在重复值，如果有重复值，返回此深度数据的索引下标，将所有返回的索引下标存入指定数组中，再将温度、时间数组中所对应的索引下标删除并对齐，完成重复项剔除；

（3-3-2）错误值剔除：将步骤（3-3-1）中处理得到的数据导入；首先创建一个空数组nonIncreaseIndex，用于存储查出的错误值对应的索引值；依次遍历深度数组中的各深度数据，比较Depth[i]和Depth[i+1]，如果Depth[i]>Depth[i+1]，继续遍历，如果Depth[i]<Depth[i+1]，则将此时的索引值存入nonIncreaseIndex数组中；将深度、温度、时间数组中的nonIncreaseIndex数组所对应的索引下标的值删除并对齐，完成错误值剔除；

（3-3-3）下采样：首先统计以10米为一个单位水层的各单位水层中的数据条数，将所有水层数据存入nums[]数组中，找到nums[]数组中的最小值nums_min，以nums_min对应的水层为基准水层，进行其他水层的下采样操作；将各单位水层的四维矩阵（batch_size，深度，温度，时间）导入，利用Tensorflow封装的nn.avg_pool()函数将除基准水层之外的其他水层下采样到与基准水层一样的维度，并将深度、温度、时间数据分离开，完成下采样；

（3-3-4）插值：使用拉格朗日二次插值将剖面数据插值成精度为5cm的高精度剖面数据，为温跃层计算及可视化提供数据支持；

（4）温跃层计算：首先将步骤（3-3-4）中插值后的数据拟合为温度关于深度与时间的变化曲线，通过曲线的突变处可确定温跃层所处的深度，并记录温跃层所在的各范围深度，用以后续温跃层的计算；然后进行温度剖面曲线的重拟合，其主要方法是利用各水层的温度、深度数据与上下多层水层的温度、深度数据进行每层水体对应的曲线的斜率的校正拟合，再利用前一步记录的温跃层的深度去确定重拟合后的温度曲线中温跃层所在范围，在此范围中寻找斜率绝对值的最小值，并存入数组dT[]中，令dT=average（dT[]），每进行一次温跃层计算，则进行一次dT的更新，dT[]带有时间属性，不同季节使用不同的dT[]，通过对不同季节的dT[]的反复校正，使得此阈值更加适合目标海域温跃层的计算；利用前一步得到的dT进行温跃层深度的计算，将各剖面的不同水层所对应的重拟合后的斜率的绝对值与dT对比，如果大于dT，则记录为疑似温跃层，将剖面所有水层遍历完成后，记录疑似温跃层相邻厚度大于0.5m为温跃层，疑似温跃层相邻厚度小于0.5m为非温跃层，完成温跃层合并；

（5）在温跃层计算的基础上，利用python绘图库实现近海垂向温度关于时间、深度变化剖面图的绘制，在剖面图的基础上将每个剖面在步骤（4）中得到的温跃层数据绘制在图中，并可以进行剖面的选择显示。

本发明的有益效果在于：该方法可以对空间分辨率极高的精细化观测数据进行有效处理，并能够利用从剖面浮标所获得的剖面数据求得准确的温跃层深度，实现对近海温跃层动态变化分析和近海温跃层动态变化过程的可视化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种近海温跃层动态变化分析方法的流程示意图；

图2为温跃层动态分析的结果示意图。

具体实施方式

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。

本实施例提供一种近海温跃层动态变化分析方法，如图1所示，包括以下步骤：

（1）将剖面浮标获取的近海海域一段时间内的温度剖面数据导入至计算机，形成近海海域水体温度、深度剖面数据的txt文件；

（2）将txt文件中前后两个相邻的深度数据依次相减，当突然由正值变为负值或突然由负值变为正值，判断是否为剖面的最高点或最低点，如果是剖面的端点，则进行上升剖面和下降剖面的转换查找；如果不是剖面的端点，则判断为噪声数据将其删除；

（3）利用python程序对降噪处理后的txt文件按照以下步骤进行处理：

（3-1）利用python程序打开降噪处理后的txt文件，按行读取打开的txt文件，并将时间、深度、温度数据分别存入数组，每个数据都会带有索引值，并且带有相同索引值的时间、深度、温度数据一一对应；

（3-2）对步骤（3-1）中的深度数据的数组进行处理，实现剖面提取，具体过程如下：

设定深度数据的数组的名字为Depth，从左往右扫描Depth数组，比较depth[i]与depth[i+1]大小，其中：i表示深度数据在数组中的位置，如果Depth[i]<Depth[i+1]，则记录为下降剖面，并赋予相应的标记；如果Depth[i]>Depth[i+1]，则记录为上升剖面，并赋予相应的标记，将一个相邻的下降剖面和上升剖面记为一个完整的剖面，并生成记录最大、最小深度和相应剖面分割的Depth[i]的下标索引的index值，通过此index值完成剖面的分割，由于剖面浮标在近海运动的特殊性质：下降过程是不规则运动。上升剖面是连续、匀速运动，所以在本方法中只提取上升剖面作为数据基础；利用前一步记录的分割索引将每个上升剖面的温度、深度与其对应的时间切割出来并分别存入一个一维数组中，再将所有的一维温度数组以元素的形式存入所有温度数组构成的二维数组中，随后依次将深度、时间的一维数组按顺序存入相对应的二维数组中；

（3-3）对步骤（3-2）提取的每一个剖面进行处理，具体过程如下：

（3-3-1）重复项剔除：以深度数据为基准，用python中的enumerate函数将整个深度数组转为索引序列，从上到下依次遍历每个深度数据，查找每个深度数据在索引序列中是否存在重复值，如果有重复值，返回此深度数据的索引下标，将所有返回的索引下标存入指定数组中，再将温度、时间数组中所对应的索引下标删除并对齐，完成重复项剔除；

（3-3-2）错误值剔除：将步骤（3-3-1）中处理得到的数据导入；首先创建一个空数组nonIncreaseIndex，用于存储查出的错误值对应的索引值；依次遍历深度数组中的各深度数据，比较Depth[i]和Depth[i+1]，如果Depth[i]>Depth[i+1]，继续遍历，如果Depth[i]<Depth[i+1]，则将此时的索引值存入nonIncreaseIndex数组中；将深度、温度、时间数组中的nonIncreaseIndex数组所对应的索引下标的值删除并对齐，完成错误值剔除；

（3-3-3）下采样：首先统计以10米为一个单位水层的各单位水层中的数据条数，将所有水层数据存入nums[]数组中，找到nums[]数组中的最小值nums_min，以nums_min对应的水层为基准水层，进行其他水层的下采样操作；将各单位水层的四维矩阵（batch_size，深度，温度，时间）导入，利用Tensorflow封装的nn.avg_pool()函数将除基准水层之外的其他水层下采样到与基准水层一样的维度，并将深度、温度、时间数据分离开，完成下采样；

（3-3-4）插值：使用拉格朗日二次插值将剖面数据插值成精度为5cm的高精度剖面数据，为温跃层计算及可视化提供数据支持；

其主要算法如下：先构建基函数

，随后构建插值多项式

，最后以温度剖面数据为

，构建以5cm为间隔的深度Depth[]数组当做x，代入

中进行插值，得到与剖面等精度的温度、深度数据；

（4）温跃层计算：首先将步骤（3-3-4）中插值后的数据拟合为温度关于深度与时间的变化曲线，通过曲线的突变处可确定温跃层所处的深度，并记录温跃层所在的各范围深度，用以后续温跃层的计算；然后进行温度剖面曲线的重拟合，其主要方法是利用各水层的温度、深度数据与上下多层水层的温度、深度数据进行每层水体对应的曲线的斜率的校正拟合，用上下相邻一层、两层、三层的数据进行适当的加权平均计算，公式如下：

，再利用前一步记录的温跃层的深度去确定重拟合后的温度曲线中温跃层所在范围，在此范围中寻找斜率绝对值的最小值，并存入数组dT[]中，令dT=average（dT[]），每进行一次温跃层计算，则进行一次dT的更新，dT[]带有时间属性，不同季节使用不同的dT[]，通过对不同季节的dT[]的反复校正，使得此阈值更加适合目标海域温跃层的计算；利用前一步得到的dT进行温跃层深度的计算，将各剖面的不同水层所对应的重拟合后的斜率的绝对值与dT对比，如果大于dT，则记录为疑似温跃层，将剖面所有水层遍历完成后，记录疑似温跃层相邻厚度大于0.5m为温跃层，疑似温跃层相邻厚度小于0.5m为非温跃层，完成温跃层合并；

（5）在温跃层计算的基础上，利用python绘图库实现近海垂向温度关于时间、深度变化剖面图的绘制，在剖面图的基础上将每个剖面在步骤（4）中得到的温跃层数据绘制在图中，并可以进行剖面的选择显示，如图2所示。

虽然本发明已以实施例揭示如上，然其并非用以限定本发明，任何所属技术领域中技术人员，在不脱离本发明的精神和范围内，当可作些许的更改与润饰，故本发明的保护范围当视权利要求所界定的为准。

Claims (1)

1.一种近海温跃层动态变化分析方法，其特征在于，包括以下步骤：

（1）将剖面浮标获取的近海海域一段时间内的温度剖面数据导入至计算机，形成近海海域水体温度、深度剖面数据的txt文件；

（2）将txt文件中前后两个相邻的深度数据依次相减，当突然由正值变为负值或突然由负值变为正值，判断是否为剖面的最高点或最低点，如果是剖面的端点，则进行上升剖面和下降剖面的转换查找；如果不是剖面的端点，则判断为噪声数据将其删除；

（3）利用python程序对降噪处理后的txt文件按照以下步骤进行处理：

（3-1）利用python程序打开降噪处理后的txt文件，按行读取打开的txt文件，并将时间、深度、温度数据分别存入数组，每个数据都会带有索引值，并且带有相同索引值的时间、深度、温度数据一一对应；

（3-2）对步骤（3-1）中的深度数据的数组进行处理，实现剖面提取，具体过程如下：

设定深度数据的数组的名字为Depth，从左往右扫描Depth数组，比较depth[i]与depth[i+1]大小，其中：i表示深度数据在数组中的位置，如果Depth[i]<Depth[i+1]，则记录为下降剖面，并赋予相应的标记；如果Depth[i]>Depth[i+1]，则记录为上升剖面，并赋予相应的标记，将一个相邻的下降剖面和上升剖面记为一个完整的剖面，并生成记录最大、最小深度和相应剖面分割的Depth[i]的下标索引的index值，通过此index值完成剖面的分割；利用前一步记录的分割索引将每个上升剖面的温度、深度与其对应的时间切割出来并分别存入一个一维数组中，再将所有的一维温度数组以元素的形式存入所有温度数组构成的二维数组中，随后依次将深度、时间的一维数组按顺序存入相对应的二维数组中；

（3-3）对步骤（3-2）提取的每一个剖面进行处理，具体过程如下：

（3-3-1）重复项剔除：以深度数据为基准，用python中的enumerate函数将整个深度数组转为索引序列，从上到下依次遍历每个深度数据，查找每个深度数据在索引序列中是否存在重复值，如果有重复值，返回此深度数据的索引下标，将所有返回的索引下标存入指定数组中，再将温度、时间数组中所对应的索引下标删除并对齐，完成重复项剔除；

（3-3-2）错误值剔除：将步骤（3-3-1）中处理得到的数据导入；首先创建一个空数组nonIncreaseIndex，用于存储查出的错误值对应的索引值；依次遍历深度数组中的各深度数据，比较Depth[i]和Depth[i+1]，如果Depth[i]>Depth[i+1]，继续遍历，如果Depth[i<Depth[i+1]，则将此时的索引值存入nonIncreaseIndex数组中；将深度、温度、时间数组中的nonIncreaseIndex数组所对应的索引下标的值删除并对齐，完成错误值剔除；

（3-3-3）下采样：首先统计以10米为一个单位水层的各单位水层中的数据条数，将所有水层数据存入nums[]数组中，找到nums[]数组中的最小值nums_min，以nums_min对应的水层为基准水层，进行其他水层的下采样操作；将各单位水层的四维矩阵（batch_size，深度，温度，时间）导入，利用Tensorflow封装的nn.avg_pool()函数将除基准水层之外的其他水层下采样到与基准水层一样的维度，并将深度、温度、时间数据分离开，完成下采样；

（3-3-4）插值：使用拉格朗日二次插值将剖面数据插值成精度为5cm的高精度剖面数据，为温跃层计算及可视化提供数据支持；

（4）温跃层计算：首先将步骤（3-3-4）中插值后的数据拟合为温度关于深度与时间的变化曲线，通过曲线的突变处可确定温跃层所处的深度，并记录温跃层所在的各范围深度，用以后续温跃层的计算；然后进行温度剖面曲线的重拟合，其主要方法是利用各水层的温度、深度数据与上下多层水层的温度、深度数据进行每层水体对应的曲线的斜率的校正拟合，再利用前一步记录的温跃层的深度去确定重拟合后的温度曲线中温跃层所在范围，在此范围中寻找斜率绝对值的最小值，并存入数组dT[]中，令dT=average（dT[]），每进行一次温跃层计算，则进行一次dT的更新，dT[]带有时间属性，不同季节使用不同的dT[]，通过对不同季节的dT[]的反复校正，使得此阈值更加适合目标海域温跃层的计算；利用前一步得到的dT进行温跃层深度的计算，将各剖面的不同水层所对应的重拟合后的斜率的绝对值与dT对比，如果大于dT，则记录为疑似温跃层，将剖面所有水层遍历完成后，记录疑似温跃层相邻厚度大于0.5m为温跃层，疑似温跃层相邻厚度小于0.5m为非温跃层，完成温跃层合并；

（5）在温跃层计算的基础上，利用python绘图库实现近海垂向温度关于时间、深度变化剖面图的绘制，在剖面图的基础上将每个剖面在步骤（4）中得到的温跃层数据绘制在图中，并可以进行剖面的选择显示。

Images