CN116029231A - 一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法 - Google Patents
一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法 Download PDFInfo
- Publication number
- CN116029231A CN116029231A CN202310111587.2A CN202310111587A CN116029231A CN 116029231 A CN116029231 A CN 116029231A CN 202310111587 A CN202310111587 A CN 202310111587A CN 116029231 A CN116029231 A CN 116029231A
- Authority
- CN
- China
- Prior art keywords
- data
- internal wave
- propagation
- calculation
- internal
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法,联合采用多海域监测、宽范围跟踪、时间累积、路径数据传输方法,获取宽海域面上海洋内波数据的特定相关参数数据,通过建立监测海域上多参数内波振幅剖面模型,并结合振动三维波动方程模型、插值算法、边界值函数、目标函数等算法,综合得到监测海域内海洋内波分布。本发明所公开的方法相对于模型估算法,在受限海域适用性较强;相对于经验函数模型算法,在非均匀层化环境下适用性较强,不会因海域受限无法监测内波相关参数,也不会因多层化参数测量误差导致增大内波参数计算误差。
Description
技术领域
本发明属于海洋内波参数计算领域,特别是该领域中的基于遥感对海洋内波状态进行预报辅助的方法。
背景技术
在海洋中,海洋内波是一种普遍存在于海洋内部的波动现象,内波引起的等温度面和等密度面的起伏会影响到海洋中声信号的传播速度和方向,即改变了声道,从而降低了声呐功能,增加了水下通讯和目标探测的困难。它使等密度面发生快速大振幅上下起伏,若有潜艇或鱼雷等水下航行物体处于这种等密度面处,它们将随着等密度面的起伏而上下运动或骤然地上浮或下沉,导致鱼雷脱靶,使潜艇难以操纵。使用Jackson(2009)经验模式函数计算内波相速度会依赖于现场实测数据。自1991年欧空局ERS-1卫星发射以来,国际上陆续发射了多颗SAR对地观测卫星,其中包括我国的GF3卫星。为基于遥感的内波研究手段提供了技术可行性。
发明内容
本发明所要解决的技术问题就是提供一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法。
本发明采用如下技术方案:
一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法,其改进之处在于,包括如下步骤:
步骤1,从海洋气象观测站设备获取海洋准确参数数据,读取观测站设备解析的潮汐数据包;
步骤2,对接收到的潮汐数据进行完整性检测以及海域边界值判断,对于不完整的消息数据包尝试进行拼接,对无法拼接成完整消息的数据进行丢弃,将完整的消息和通过拼接变完整的信息数据加入到待处理队列中;对于边界值缺失数据进行线性插值计算,与边界值目标函数进行判断,无法插值计算的数据丢弃,符合条件的进入待处理队列;
y=((x-x1)(y2-y1)/(x2-x1))+y1
其中x为横坐标值,y为纵坐标数值,对缺失数据进行线性插值。
步骤3,将通过校验的潮汐数据进行信息提取,保存数据内容,使用回溯定位结合内波生成区域的理论分析及地形数据,确定内波传播的起始定位;
步骤4,对内波起始位置的参数进行计算,将初始位置及初始时刻作为计算输入,生成基于潮汐的起始条纹数据;
步骤5,对目标海域的传播面进行范围判断,确定边界函数,对传播过程的内波参数进行时间累积计算,得到新时刻的内波数据;
步骤6,对定标的起始内波数据进行快速行进算法计算,使得内波数据可以在二维水平面上进行传播模拟,将内波在海平面上所产生的条纹视为水平方向移动的界面,将内波相速度视为界面传播速度,采用传播计算算法来计算海洋内波的传播;
其中F为出传播速度的函数,T为目标时间,Γ0为起始计算0时刻。
步骤7,通过界面路径参数输入需要计算的路径参数,获得区域经纬度,提取路径上的内波实时传播速度;
步骤8,从中期天气预报中心获取目标海域的风场及温度数据;同时提取SAR图像上沿内波前进方向上的条纹数据;
σ0[dB]=10lgσ0[功率比]
其中σ0[dB]为SAR图像中的孤立子提取出的前导波数据。
步骤9,取出潮汐数据及温风数据进行完整性和是否属于目标计算时间判断,分析数据类型,将Ensemble members、Ensemble mean、Ensemble spread数据丢弃,仅保留Reanalysis数据;
对Reanalysis数据进行分析,得到目标区域的风速、风向、温度的具体数值,结合NOAA获得的水文参数;计算无扰动时参数化密度剖面:
其中,Hp为海水密跃层深度,dHp为密跃层厚度,Nmax为浮性频率最大值,z为获得得到的目标海域的水深,g为该区域的重力加速度,ρ0为直接获取的密度值。
步骤10,提取前述过程中的传播速度、风场再分析数据、海表温度再分析数据、路径数据,依照路径输入范围信息,计算出该区域范围上的内波传播数据,针对具体位置的振幅数据,首先获得基于传播算法得到的路径上内波传播速度,联合采用时间累计参数监测,利用快速行进算法,使用t0+Δt时刻的目标值修正t1时刻的目标值,以此来修正传播过程中的误差,然后联合获取得到的参数数据,计算得到当前目标计算区域的振幅数据;
当t=0时间,内波的流函数为
其中A为假定的内波振幅数值,Cf为内波传播速度
步骤11,在一阶近似的情况下,计算模拟的海表流场梯度分布与SAR图像内波条纹的Δσ0分布的相关系数。这样形成一条随振幅变化的相关系数曲线。最大相关系数对应的振幅便是反演的振幅。
步骤12,将所有的计算得到的参数进行数据-图像转换,浏览器页面依照后台计算返回的数据,将数据分组解析,根据计算请求以及时间将数据组成表格并展示在页面对应的区域。
2.进一步的,在步骤12中,能将内波参数数据显示为二维平面可视化数据,以便展现内波数据的特性。
本发明的有益效果是:
本发明公开的方法,联合采用多海域监测、宽范围跟踪、时间累积、路径数据传输方法,获取宽海域面上海洋内波数据的特定相关参数数据,通过建立监测海域上多参数内波振幅剖面模型,并结合振动三维波动方程模型、插值算法、边界值函数、目标函数等算法,综合得到监测海域内海洋内波分布。
本发明所公开的方法相对于模型估算法,在受限海域适用性较强;相对于经验函数模型算法,在非均匀层化环境下适用性较强,不会因海域受限无法监测内波相关参数,也不会因多层化参数测量误差导致增大内波参数计算误差。
附图说明
图1是本发明方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1,本实施例公开了一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法,向艇载终端发送计算好的模型和数据,便于水下作业设备实际使用。对于岸基计算中心,该框架以温盐密剖面数据为基础,用潮汐书作为驱动,基于地形数据等,建立海洋内波数值生成模型,用于弥补已有内波卫星SAR观测数据在内波生成源区数量的不充足。利用这些数据集结合生成源区观测数据建立内波生成的统计模型。内波振幅反演系统是内波预测系统的辅助支撑系统,基于历史卫星SAR内波观测数据,利用内波振幅反演算法,可以获得大量内波振幅数据,基于这些内波振幅数据集构建与潮汐振幅关联的内波振幅分布的统计模型。通过密度场,可以计算与位置相关的内波线性相速度场,然后与内波振幅场关联构建内波非线性相速度场,从而建立运动学的内波非线性传播模型。具体逻辑如图1所示,具体包括如下步骤:
步骤1,从海洋气象观测站设备获取海洋准确参数数据,读取观测站设备解析的潮汐数据包;
步骤2,对接收到的潮汐数据进行完整性检测以及海域边界值判断,对于不完整的消息数据包尝试进行拼接,对无法拼接成完整消息的数据进行丢弃,将完整的消息和通过拼接变完整的信息数据加入到待处理队列中;对于边界值缺失数据进行线性插值计算,与边界值目标函数进行判断,无法插值计算的数据丢弃,符合条件的进入待处理队列;
y=((x-x1)(y2-y1)/(x2-x1))+y1
其中x为横坐标值,y为纵坐标数值,对缺失数据进行线性插值。
步骤3,将通过校验的潮汐数据进行信息提取,保存数据内容,使用回溯定位结合内波生成区域的理论分析及地形数据,确定内波传播的起始定位;
步骤4,对内波起始位置的参数进行计算,将初始位置及初始时刻作为计算输入,生成基于潮汐的起始条纹数据;
步骤5,对目标海域的传播面进行范围判断,确定边界函数,对传播过程的内波参数进行时间累积计算,得到新时刻的内波数据;
步骤6,对定标的起始内波数据进行快速行进算法计算,使得内波数据可以在二维水平面上进行传播模拟,将内波在海平面上所产生的条纹视为水平方向移动的界面,将内波相速度视为界面传播速度,采用传播计算算法来计算海洋内波的传播;
其中F为出传播速度的函数,T为目标时间,Γ0为起始计算0时刻。
步骤7,通过界面路径参数输入需要计算的路径参数,获得区域经纬度,提取路径上的内波实时传播速度;
步骤8,从中期天气预报中心获取目标海域的风场及温度数据;同时提取SAR图像上沿内波前进方向上的条纹数据;
σ0[dB]=10lgσ0[功率比]
其中σ0[dB]为SAR图像中的孤立子提取出的前导波数据。
步骤9,取出潮汐数据及温风数据进行完整性和是否属于目标计算时间判断,分析数据类型,将Ensemble members、Ensemble mean、Ensemble spread数据丢弃,仅保留Reanalysis数据;
对Reanalysis数据进行分析,得到目标区域的风速、风向、温度的具体数值,结合NOAA获得的水文参数;计算无扰动时参数化密度剖面:
其中,Hp为海水密跃层深度,dHp为密跃层厚度,Nmax为浮性频率最大值,z为获得得到的目标海域的水深,g为该区域的重力加速度,ρ0为直接获取的密度值。
步骤10,提取前述过程中的传播速度、风场再分析数据、海表温度再分析数据、路径数据,依照路径输入范围信息,计算出该区域范围上的内波传播数据,针对具体位置的振幅数据,首先获得基于传播算法得到的路径上内波传播速度,联合采用时间累计参数监测,利用快速行进算法,使用t0+Δt时刻的目标值修正t1时刻的目标值,以此来修正传播过程中的误差,然后联合获取得到的参数数据,计算得到当前目标计算区域的振幅数据;
当t=0时间,内波的流函数为
其中A为假定的内波振幅数值,Cf为内波传播速度
步骤11,在一阶近似的情况下,计算模拟的海表流场梯度分布与SAR图像内波条纹的Δσ0分布的相关系数。这样形成一条随振幅变化的相关系数曲线。最大相关系数对应的振幅便是反演的振幅。
步骤12,将所有的计算得到的参数进行数据-图像转换,浏览器页面依照后台计算返回的数据,将数据分组解析,根据计算请求以及时间将数据组成表格并展示在页面对应的区域。
海洋内波预报辅助系统NB-01针对计算的目标海域,采用基于遥感数据的内波参数计算反演方法,得到海域范围内内波传播分布,然后取不同的内波条纹,输入海洋内波振幅反演系统,得到不同内波的传播速度、内波振幅等特征参数,对特征量进行同化、插值处理,得到计算区域的海洋内波分布。该系统不需要联网使用,岸基内波数据中心可一周更新一次模型。新的模型将包括在最近一周中新获得的内波观测数据的贡献。舰载内波预报系统在出港执行任务前从数据中心更新数据,便于实际使用。
Claims (2)
1.一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法,其特征在于,包括如下步骤:
步骤1,从海洋气象观测站设备获取海洋准确参数数据,读取观测站设备解析的潮汐数据包;
步骤2,对接收到的潮汐数据进行完整性检测以及海域边界值判断,对于不完整的消息数据包尝试进行拼接,对无法拼接成完整消息的数据进行丢弃,将完整的消息和通过拼接变完整的信息数据加入到待处理队列中;对于边界值缺失数据进行线性插值计算,与边界值目标函数进行判断,无法插值计算的数据丢弃,符合条件的进入待处理队列;
y=((x-x1)(y2-y1)/(x2-x1))+y1
其中x为横坐标值,y为纵坐标数值,对缺失数据进行线性插值。
步骤3,将通过校验的潮汐数据进行信息提取,保存数据内容,使用回溯定位结合内波生成区域的理论分析及地形数据,确定内波传播的起始定位;
步骤4,对内波起始位置的参数进行计算,将初始位置及初始时刻作为计算输入,生成基于潮汐的起始条纹数据;
步骤5,对目标海域的传播面进行范围判断,确定边界函数,对传播过程的内波参数进行时间累积计算,得到新时刻的内波数据;
步骤6,对定标的起始内波数据进行传播的快速行进算法计算,使得内波数据可以在二维水平面上进行传播模拟,将内波在海平面上所产生的条纹视为水平方向移动的界面,将内波相速度视为界面传播速度,采用传播计算算法来计算海洋内波的传播;
其中F为出传播速度的函数,T为目标时间,Γ0为起始计算0时刻。
步骤7,通过界面路径参数输入需要计算的路径参数,获得区域经纬度,提取路径上的内波实时传播速度;
步骤8,从中期天气预报中心获取目标海域的风场及温度数据;同时提取SAR图像上沿内波前进方向上的条纹数据;
σ0[dB]=10lgσ0[功率比]
其中σ0[dB]为SAR图像中的孤立子提取出的前导波数据。
步骤9,取出潮汐数据及温风数据进行完整性和是否属于目标计算时间判断,分析数据类型,将Ensemble members、Ensemble mean、Ensemble spread数据丢弃,仅保留Reanalysis数据;
对Reanalysis数据进行分析,得到目标区域的风速、风向、温度的具体数值,结合NOAA获得的水文参数;计算无扰动时参数化密度剖面:
其中,Hp为海水密跃层深度,dHp为密跃层厚度,Nmax为浮性频率最大值,z为获得得到的目标海域的水深,g为该区域的重力加速度,ρ0为直接获取的密度值。
步骤10,提取前述过程中的传播速度、风场再分析数据、海表温度再分析数据、路径数据,依照路径输入范围信息,计算出该区域范围上的内波传播数据,针对具体位置的振幅数据,首先获得基于传播算法得到的路径上内波传播速度,联合采用时间累计参数监测,利用快速行进算法,使用t0+Δt时刻的目标值修正t1时刻的目标值,以此来修正传播过程中的误差,然后联合获取得到的参数数据,计算得到当前目标计算区域的振幅数据;
当t=0时间,内波的流函数为
其中A为假定的内波振幅数值,Cf为内波传播速度
步骤11,在一阶近似的情况下,计算模拟的海表流场梯度分布与SAR图像内波条纹的Δσ0分布的相关系数。这样形成一条随振幅变化的相关系数曲线。最大相关系数对应的振幅便是反演的振幅。
步骤12,将所有的计算得到的参数进行数据-图像转换,浏览器页面依照后台计算返回的数据,将数据分组解析,根据计算请求以及时间将数据组成表格并展示在页面对应的区域。
2.根据权利要求1所述基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法,其特征在于:在步骤12中,能将内波参数数据显示为二维平面可视化数据,以便展现内波数据的特性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310111587.2A CN116029231A (zh) | 2023-02-13 | 2023-02-13 | 一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310111587.2A CN116029231A (zh) | 2023-02-13 | 2023-02-13 | 一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116029231A true CN116029231A (zh) | 2023-04-28 |
Family
ID=86072281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310111587.2A Pending CN116029231A (zh) | 2023-02-13 | 2023-02-13 | 一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116029231A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118067090A (zh) * | 2024-04-25 | 2024-05-24 | 中国海洋大学 | 一种海洋内波三维纹影模拟测量方法和装置 |
-
2023
- 2023-02-13 CN CN202310111587.2A patent/CN116029231A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118067090A (zh) * | 2024-04-25 | 2024-05-24 | 中国海洋大学 | 一种海洋内波三维纹影模拟测量方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110146895B (zh) | 基于倒置式多波束回声仪的声速剖面反演方法 | |
Forristall | Wave crest distributions: Observations and second-order theory | |
Cyriac et al. | Variability in Coastal Flooding predictions due to forecast errors during Hurricane Arthur | |
KR101761707B1 (ko) | 능동형 정보수집 스크립트 및 수치모형을 이용한 태풍해일 자동 예측 방법 | |
WO2006104087A1 (ja) | 所定水温域の深度分布予測方法、回遊性魚類の漁場予測方法及び回遊性魚類の漁場予測情報配信システム | |
WO2008051288A2 (en) | Acoustic profiler for wind, temperature, and turbulence | |
WO2007007728A1 (ja) | 津波情報提供方法および津波情報提供システム | |
JP5433913B2 (ja) | 波浪予測システム | |
JP5007391B2 (ja) | 津波波源推定方法及び津波波高予測方法並びにその関連技術 | |
Sánchez et al. | Wave resource characterization through in-situ measurement followed by artificial neural networks' modeling | |
CN115392098B (zh) | 基于水沙数值仿真的海上风电海缆裸露预测方法和系统 | |
CN102253385A (zh) | 基于合成孔径雷达图像和内波模型的海洋内波预测方法 | |
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 | |
JP6521777B2 (ja) | 津波監視システム | |
CN113704693B (zh) | 一种高精度的有效波高数据估计方法 | |
CN115951361B (zh) | 基于大数据平台的海上风电桩的智能地形扫测方法 | |
CN113063360B (zh) | 一种基于单光子激光测高数据的海冰厚度估算方法 | |
CN116029231A (zh) | 一种基于遥感数据的对特定海域的内波数据进行计算监测分析可视化系统的方法 | |
JP3562494B2 (ja) | ソーナー探知範囲予察可視化システム、方法及びプログラム | |
Titov et al. | Meteotsunami model forecast: can coastal hazard be quantified in real time? | |
Benassai et al. | Sea wave numerical simulations with COSMO-SkyMed© SAR data | |
Harrison et al. | Comparative evaluation of volumetric current measurements in a tidally dominated coastal setting: A virtual field experiment | |
CN116519056A (zh) | 一种基于无人船的河底淤积动态监测方法 | |
CN117113798A (zh) | 漂浮物的漂移速度预测方法、装置、设备及存储介质 | |
Bhushan et al. | Comparison of NYHOPS hydrodynamic model SST predictions with satellite observations in the Hudson River tidal, estuarine, and coastal plume region |
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 |