CN116429374A - 一种中尺度涡旋特征确定方法、系统、电子设备及介质 - Google Patents
一种中尺度涡旋特征确定方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN116429374A CN116429374A CN202310404063.2A CN202310404063A CN116429374A CN 116429374 A CN116429374 A CN 116429374A CN 202310404063 A CN202310404063 A CN 202310404063A CN 116429374 A CN116429374 A CN 116429374A
- Authority
- CN
- China
- Prior art keywords
- vortex
- detection
- scale
- mesoscale
- detection method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 149
- 238000010586 diagram Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012512 characterization method Methods 0.000 claims 3
- 239000010410 layer Substances 0.000 description 24
- 238000007619 statistical method Methods 0.000 description 8
- 239000002344 surface layer Substances 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000005888 antibody-dependent cellular phagocytosis Effects 0.000 description 3
- 230000008033 biological extinction Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000003260 vortexing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Fluid Mechanics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开一种中尺度涡旋特征确定方法、系统、电子设备及介质，涉及涡旋探测技术领域。所述方法包括采用设定的探测方法对多尺度涡旋进行探测得到探测结果；基于探测结果得到所述多尺度涡旋的特征；将所述多尺度涡旋的特征以柱状图、格点图以及线条图的形式进行可视化展示。本发明可全面展示涡旋信息。
Description
技术领域
本发明涉及涡旋探测技术领域，特别是涉及一种中尺度涡旋特征确定方法、系统、电子设备及介质。
背景技术
中尺度涡旋是海洋中的重要现象之一，几乎可以在任何海域中产生，覆盖的范围为数十到数百公里，持续的时间为数十到数百天，其对洋流、气候、物质输运等都具有不可忽视的影响。
二维和三维涡旋的探测、追踪算法已经较为成熟，对涡旋特征的分析，一般需要选取特定数据，使用涡旋探测算法进行涡旋探测追踪得到涡旋中心、轨迹等信息，另外也有一些公开的涡旋信息提供，之后基于这些数据进行进一步的统计分析，但相关的过程较为繁琐，学习成本高，并且数据利用单一、展现的信息较为单一。
发明内容
本发明的目的是提供一种中尺度涡旋特征确定方法、系统、电子设备及介质，可全面展示涡旋信息。
为实现上述目的，本发明提供了如下方案：
一种中尺度涡旋特征确定方法，包括：
采用设定的探测方法对多尺度涡旋进行探测得到探测结果；
基于探测结果得到所述多尺度涡旋的特征；
将所述多尺度涡旋的特征以柱状图、格点图以及线条图的形式进行可视化展示。
可选的，所述采用设定的探测方法对多尺度涡旋进行探测得到探测结果，具体包括：
采用欧拉型涡旋探测方法、拉格朗日型涡旋探测方法或三维涡旋法对多尺度涡旋进行探测得到探测结果。
可选的，当采用欧拉型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括涡旋的传播轨迹、涡旋的生命周期、涡旋的移动距离、涡旋各时刻的中心位置、涡旋各时刻的半径、涡旋各时刻的极性和涡旋各时刻的边界；
当采用拉格朗日型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括：涡旋的中心位置、涡旋的起止时间、涡旋的极性，涡旋的半径和涡旋的生命周期；
当采用三维涡旋法进行探测时，所述多尺度涡旋的特征包括采用欧拉型涡旋探测方法进行探测时的多尺度涡旋的特征以及三维结构，其中，所述三维结构包含每一层涡旋的中心、边界、起止时间、半径和极性。
一种中尺度涡旋特征确定系统，包括：
探测模块，用于采用设定的探测方法对多尺度涡旋进行探测得到探测结果；
特征确定模块，用于基于探测结果得到所述多尺度涡旋的特征；
特征展示模块，用于将所述多尺度涡旋的特征以柱状图、格点图以及线条图的形式进行可视化展示。
可选的，所述探测模块，具体包括：
探测单元，用于采用欧拉型涡旋探测方法、拉格朗日型涡旋探测方法或三维涡旋法对多尺度涡旋进行探测得到探测结果。
可选的，当采用欧拉型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括涡旋的传播轨迹、涡旋的生命周期、涡旋的移动距离、涡旋各时刻的中心位置、涡旋各时刻的半径、涡旋各时刻的极性和涡旋各时刻的边界；
当采用拉格朗日型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括：涡旋的中心位置、涡旋的起止时间、涡旋的极性，涡旋的半径和涡旋的生命周期；
当采用三维涡旋法进行探测时，所述多尺度涡旋的特征包括采用欧拉型涡旋探测方法进行探测时的多尺度涡旋的特征以及三维结构，其中，所述三维结构包含每一层涡旋的中心、边界、起止时间、半径和极性。
一种电子设备，包括：存储器和处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据上述所述的尺度涡旋特征确定方法。
一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的尺度涡旋特征确定方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明采用设定的探测方法对多尺度涡旋进行探测得到探测结果；基于探测结果得到所述多尺度涡旋的特征，将所述多尺度涡旋的特征以柱状图、格点图以及线条图的形式进行可视化展示，根据探测需要选择合适的探测方法，并将特征以多种形式的图进行展示，可以全面展示涡旋信息。
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中尺度涡旋特征确定方法流程图；
图2为涡旋几何示意图；
图3为欧拉型涡旋探测方法流程图；
图4为拉格朗日型涡旋探测方法流程图；
图5为三维涡旋法流程图；
图6为涡旋的三维结构图。
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。
为使本发明的上述目的、特征和优点能够更加明显易懂，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。
对涡旋的研究必须先进行涡旋探测和追踪，可用于涡旋探测和追踪的数据种类丰富且庞大，其中使用较为广泛的是高度计资料、海表面温度数据、漂流浮标数据和数值模式数据。本发明实施例使用的数据囊括了上述的四种数据，并配套了相关算法，尽可能全面展现涡旋信息。针对不同类型的涡旋数据的特点，现有技术发展出了多种各有特色的自动探测方法。其中，传统的二维欧拉型涡旋自动探测方法可以分为三类：1)基于物理参数的方法；2)基于流场几何特征的方法；3)以上两者的混合方法。其中基于流场几何特征的方法是发展较早的一类方法，本发明实施例使用的是这类方法中的一种：基于流场几何特征的海洋中尺度涡旋自动探测方法，该方法较为灵活方便，计算效率也相对较高，并且可以保持较高的准确率。
如图1所示，本发明实施例提供了一种中尺度涡旋特征确定方法，包括：
步骤101：采用设定的探测方法对多尺度涡旋进行探测得到探测结果。具体的，针对不同数据采用不同的探测方法进行海表面中尺度涡旋探测。
步骤102：基于探测结果得到所述多尺度涡旋的特征。
步骤103：将所述多尺度涡旋的特征以柱状图、格点图以及线条图的形式进行可视化展示，其中涡旋的生命周期、大小、移动距离可使用柱状图展示，每个时刻的涡旋分布(边界、中心等)可用格点图展示，涡旋轨迹、漂流浮标轨迹可用线条图展示。
在实际应用中，所述采用设定的探测方法对多尺度涡旋进行探测得到探测结果，具体包括：
采用欧拉型涡旋探测方法、拉格朗日型涡旋探测方法或三维涡旋法对多尺度涡旋进行探测得到探测结果。
在实际应用中，当采用欧拉型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括涡旋的传播轨迹、涡旋的生命周期、涡旋的移动距离、涡旋各时刻的中心位置、涡旋各时刻的半径、涡旋各时刻的极性和涡旋各时刻的边界。
当采用拉格朗日型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括：涡旋的中心位置、涡旋的起止时间、涡旋的极性，涡旋的半径和涡旋的生命周期。
当采用三维涡旋法进行探测时，所述多尺度涡旋的特征包括采用欧拉型涡旋探测方法进行探测时的多尺度涡旋的特征以及三维结构，其中，所述三维结构包含每一层涡旋的中心、边界、起止时间、半径和极性。
在实际应用中，欧拉型涡旋探测方法流程如图3所示，将高度计数据、海表面温度数据、数值模式数据预处理后采用欧拉型涡旋探测方法进行涡旋中心识别、涡旋边界识别以及涡旋追踪得到涡旋中心、涡旋边界、涡旋轨迹、涡旋半径、生命周期、移动距离统计图、涡旋位置、涡旋半径、涡旋极性等，涡旋轨迹包括涡旋中心、涡旋边界以及涡旋生成到消亡的时间，是一种基于流场几何特征的涡旋自动探测算法，适用于多源卫星遥感观测资料和高分辨率数值模式资料。总体来说即利用地转平衡关系，将海表面异常场转化为地转速度场(海表面温度数据也需要利用热成风关系计算速度场)，从速度场中自动探测海表面中尺度涡旋。在该算法中，涡旋速度场具有很明显的特征：近涡旋中心的速度有最小值(由于数据的格点化，涡旋中心实际应称为近似涡旋中心)；切向速度随中心点距离呈近线性地增加，并在某处达到最大值，因此本实施例中将涡旋定义为旋转流动的速度场——速度矢量绕中心点顺时针或逆时针旋转，即涡旋中心点速度最小，切向速度随径向增长，如图2所示，图2(a)展现的是涡旋的一个截面的切向速度，该截面穿过涡旋中心，切向速度为中心最小，随径向增加，达到最大值后缓慢减小，速度为ADCP测得的40m流速，圆点表示ADCP测量位置。图2(b)表示ADCP测得的切向速度分量与涡旋中心的关系，其中，圆点表示在穿过涡旋之前数据，而叉号表示穿过涡旋中心后的数据，在涡旋中心切向速度值接近0cm/s，随径向距离线性增加，在达到最大值后缓慢衰减。
拉格朗日型涡旋探测方法流程如图4所示，将漂流浮标数据预处理后采用拉格朗日型涡旋探测方法进行回路的识别以及涡旋追踪得到计算位置、起止时间、极性，可统计涡旋半径、涡旋生命周期，没有涡旋移动距离，没有涡旋轨迹。位置(中心)就是回路所有点的中心，涡旋半径为回路上的点到涡旋中心的平均距离，就是把回路当边界用。生命周期指的是回路的存在时间长度涡旋回路、回路的旋转角度和极性等参数，适用于漂流浮标数据，即对浮标拉格朗日轨迹中回路部分(涡旋)进行自动识别，拉格朗日型涡旋探测方法可以探测到有浮标经过并形成回路的涡旋，但是由于漂流浮标难以探测涡旋的整个生命周期，所以无法计算涡旋开始出现和消失的时间，没有漂流浮标的区域无法探测。回路部分可定义为：一条连续封闭的曲线，其起始点和终点相重叠，即一个浮标经过一段时间后返回到某一先前的位置。算法的限制条件有四条，分别为：
1)由于浮标轨迹的观测数据是离散的，当一个浮标返回先前位置时，并不会在轨迹数据中有相同的位置数据记录，而是与先前位置点有微小距离。
2)为排除浮标在局地区域内运动的情况，即运动轨迹并未形成一个回路(旋转)，则需要考虑运动过程中的旋转角度。当轨迹有一个完整的曲线环路时，这个部分才能被认为是在涡旋影响下的回路。
3)对于较低频率的动力过程，如海盆尺度的环流，有可能形成回路。而对于较高频率的动力过程，如惯性振荡，浮标运动轨迹将也会形成很多的连续回路。因此，对涡旋频率使用限制条件，即低于惯性尺度和高于环流尺度的季节内尺度。
4)当背景流速(大尺度流动)超过一个涡旋的旋转速度时，漂流浮标运动轨迹不能形成一个完整的闭合回路。这种情况通常发生在海洋中的急流区域，如黑潮及黑潮延伸体区域。因此，为了避免涡旋的漏测，可从轨迹数据中移去平均流场的影响，重新构造新的浮标运动轨迹。
三维涡旋法探测算法流程如图5所示，将数值模式数据预处理后采用三维涡旋探测方法进行表层涡旋识别、不同深度涡旋识别和由表层向下进行追踪得到各层涡旋数据集(每一层的涡旋中心，边界、时间、半径、极性)以及涡旋三维结构，利用由混合坐标海洋模式所得的各层数据集基于速度矢量几何法分别对每一层的涡旋进行探测，得到垂直层上每一层的涡旋数据集。基于各层数据集，依次从表层向下追踪涡旋，从而得到三维结构。
具体步骤如下：
1)通过涡旋在表层(0m)的信息，如表层涡旋中心点位置P1(X1，Y1)，出现时间(T)，涡旋半径(R1)以及涡旋极性(气旋/反气旋)，查找下一层中(30m)，以表层涡旋中心点为圆心，0.25R1为半径的范围内，相同时间是否存在相同极性的涡旋。
2)如果在30m层没有找到相应的涡旋，则认为该涡旋的最大深度小于30m，向下搜索停止。而如果相同时间内，在搜索半径里找到相同极性的涡旋，那么就把该涡旋在这层的中心点位置P2(X2，Y2)，半径(R2)，出现时间以及其他参数信息都保存下来。
3)接下来利用上一步得到的30m层涡旋的中心点位置P2(X2，Y2)、半径(R2)、出现时间、极性来查找50m处在相同时间是否存在有相同信号的涡旋。具体方法与步骤1类似，以P2(X2，Y2)为中心，0.25R2为半径的范围内是否存在相同极性的涡旋。
4)重复上述的步骤直到最后一层。需要指出的是，插值的间隔以及深度取决于研究区域涡旋的特征以及模式在垂向以及底层的分辨率。通过以上方式得到定量的涡旋三维信息，包括涡旋在各层的中心点位置(P1，P2，…P9)，涡旋各层(R1，R2，…R9)以及其他参数。得到三涡旋信息后，利用模式温度数据进行涡旋背景场匹配，并进行三维结构绘制。根据前人研究所得，目前涡旋的三维结构如图6所示，分为碗状如图6(a)所示、棱镜状图6(b)所示和圆台状图6(c)所示，背景颜色为温度。
在实际应用中，基于欧拉型涡旋探测方法得到的探测结果得到所述多尺度涡旋的特征，具体为：根据多源数据资料探测识别到的海表面中尺度涡旋，对涡旋进行时空分布和各物理特征统计分析，通过对涡旋位置的探测、极性的分类、移动追踪等，最终实现海表面涡旋中心、涡旋边界、涡旋生命周期、大小、移动距离、传播轨迹等的参数计算和统计分析，其中，根据所选择的涡旋探测开始时间和结束时间，对研究海域进行海表面涡旋自动识别和追踪，并生成数据集。数据集中包含探测到的任一涡旋存在的日期，统计探测时间段内的所有涡旋存活天数并进行筛选，得到涡旋的生命周期分布信息。根据所探测涡旋边界，计算边界上的点到涡旋中心点的平均距离定义为涡旋半径，统计探测时间段内的所有涡旋半径并进行筛选，得到涡旋的大小分布信息。将基于每个生命周期的涡旋所探测到的时间序列中的首记录和末记录定义为涡旋的产生时刻和消亡时刻，对涡旋生成和消亡的日期及中心位置做以筛查，根据所探测涡旋首末记录的位置信息，计算涡旋传播距离，统计探测时间段内的所有涡旋传播距离并进行筛选，得到涡旋的移动分布信息。与涡旋移动距离相似，同样根据所探测涡旋不同时间不同位置的记录信息，并由首记录至末记录依次排列，得到涡旋传播轨迹信息。
基于拉格朗日型涡旋探测方法得到的探测结果得到所述多尺度涡旋的特征，具体为：根据漂流浮标资料探测识别到的海表面中尺度涡旋数据集，对涡旋进行时空分布和各物理特征统计分析，通过对涡旋位置的探测、极性的分类等，最终实现海表面涡旋中心、涡旋边界、涡旋生命周期、大小等的参数计算和统计分析，其中，根据所选择的涡旋探测开始时间和结束时间，对研究海域进行海表面涡旋自动识别，并生成数据集。数据集中包含探测到的任一回路存在的日期，统计探测时间段内的所有回路天数，得到涡旋的生命周期分布信息。根据所探测涡旋回路每个时刻的坐标，计算回路上的点到涡旋中心点的平均距离定义为涡旋半径，统计探测时间段内的所有涡旋半径，得到涡旋的大小分布信息。
基于三维涡旋探测方法得到的探测结果得到所述多尺度涡旋的三维特征，具体为：根据数值模式数据探测识别到的三维中尺度涡旋数据集，对涡旋进行时空分布和各物理特征统计分析，其中包括了海表涡旋特征和各层涡旋信息统计。根据所选择的涡旋探测开始时间和结束时间，对研究海域进行涡旋自动识别，并生成三维涡旋数据集。海表涡旋特征的获取与上述欧拉型涡旋方法一致，另外可以由表层向下进行追踪，得到涡旋的立体结构，其中包括该涡旋每个深度层的信息，包含每层涡旋中心、涡旋边界、半径等的参数。
本发明实施例还提供了一种与上述方法对应的中尺度涡旋特征确定系统，包括：
探测模块，用于采用设定的探测方法对多尺度涡旋进行探测得到探测结果。
特征展示模块，用于将所述多尺度涡旋的特征以柱状图、格点图以及线条图的形式进行可视化展示。
特征确定模块，用于基于探测结果得到所述多尺度涡旋的特征。
作为一种可选的实施方式，探测模块，具体包括：
探测单元，用于采用欧拉型涡旋探测方法、拉格朗日型涡旋探测方法或三维涡旋法对多尺度涡旋进行探测得到探测结果。
作为一种可选的实施方式，当采用欧拉型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括涡旋的传播轨迹、涡旋的生命周期、涡旋的移动距离、涡旋各时刻的中心位置、涡旋各时刻的半径、涡旋各时刻的极性和涡旋各时刻的边界。
当采用拉格朗日型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括：涡旋的中心位置、涡旋的起止时间、涡旋的极性，涡旋的半径和涡旋的生命周期。
当采用三维涡旋法进行探测时，所述多尺度涡旋的特征包括采用欧拉型涡旋探测方法进行探测时的多尺度涡旋的特征以及三维结构，其中，所述三维结构包含每一层涡旋的中心、边界、起止时间、半径和极性。
本发明实施例通过对高度计资料、海表面温度资料、漂流浮标资料及模式资料等多源数据的融合处理，在可视化页面的人机交互的帮助下，实现对海洋表面和三维中尺度涡旋进行自动识别追踪与验证的功能，并且自动提取中尺度涡旋的类型、位置、边界、形状、大小、路径和生命周期等基本特征参数，实现中尺度涡旋和三维涡旋的识别、显示、统计和查询功能。使用数据类型多，方法多样，较为全面地展现涡旋信息。
本发明实施例还提供了一种电子设备，包括：
存储器和处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据上述实施例所述的尺度涡旋特征确定方法。
本发明实施例还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例所述的尺度涡旋特征确定方法。
本发明可以快速进行海洋表面中尺度涡旋和三维涡旋探测并全面展示涡旋特征，实现涡旋可视化展示及统计分析查询。
本发明可适应的数据多样。可以针对多源卫星遥感、漂流浮标和数值模式资料等数据，进行涡旋探测追踪，提取涡旋基础信息，并统计相关涡旋特征，进行可视化展示，多方面多层次展现研究区涡旋信息，开展海洋表面中尺度涡旋和三维涡旋探测研究，其中多源数据包括高度计产品和海表面温度数据。
本发明使用的方法多样化。使用的方法即包含欧拉方法又包含拉格朗日方法，还包含了三维涡旋探测方法，不但可以探测海表涡旋，还可以探测三维涡旋。根据不同的数据类型，使用欧拉型涡旋探测方法和拉格朗日型涡旋探测方法，实现对海洋表面和三维中尺度涡旋的自动探测与追踪，构建海表面中尺度涡旋和三维涡旋数据集。其中欧拉型涡旋探测方法主要基于速度矢量场的几何识别法，根据地转异常场(地转速度异常或者地转温度异常)计算速度矢量绕着一个中心点顺时针或逆时针的旋转区域；拉格朗日型涡旋探测方法则主要基于轨迹回路的几何特征，需对涡旋影响下的完整曲线环路进行查找和判断；三维涡旋探测方法则需根据每层所得的数据情况，对涡旋进行由表层至深层的判别追踪。
本发明统计和展示的信息较为全面。利用多源数据资料构建的海表面涡旋和三维涡旋数据集，对涡旋中心、涡旋边界、涡旋生命周期、尺寸、空间分布、传播距离、移动轨迹等基本特性参数进行计算并统计分析，并以柱状图、格点图以及线条图等形式与软件系统进行可视化展示。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种中尺度涡旋特征确定方法，其特征在于，包括：
采用设定的探测方法对多尺度涡旋进行探测得到探测结果；
基于探测结果得到所述多尺度涡旋的特征；
将所述多尺度涡旋的特征以柱状图、格点图以及线条图的形式进行可视化展示。
2.根据权利要求1所述的中尺度涡旋特征确定方法，其特征在于，所述采用设定的探测方法对多尺度涡旋进行探测得到探测结果，具体包括：
采用欧拉型涡旋探测方法、拉格朗日型涡旋探测方法或三维涡旋法对多尺度涡旋进行探测得到探测结果。
3.根据权利要求2所述的中尺度涡旋特征确定方法，其特征在于，
当采用欧拉型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括涡旋的传播轨迹、涡旋的生命周期、涡旋的移动距离、涡旋各时刻的中心位置、涡旋各时刻的半径、涡旋各时刻的极性和涡旋各时刻的边界；
当采用拉格朗日型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括：涡旋的中心位置、涡旋的起止时间、涡旋的极性，涡旋的半径和涡旋的生命周期；
当采用三维涡旋法进行探测时，所述多尺度涡旋的特征包括采用欧拉型涡旋探测方法进行探测时的多尺度涡旋的特征以及三维结构，其中，所述三维结构包含每一层涡旋的中心、边界、起止时间、半径和极性。
4.一种中尺度涡旋特征确定系统，其特征在于，包括：
探测模块，用于采用设定的探测方法对多尺度涡旋进行探测得到探测结果；
特征确定模块，用于基于探测结果得到所述多尺度涡旋的特征；
特征展示模块，用于将所述多尺度涡旋的特征以柱状图、格点图以及线条图的形式进行可视化展示。
5.根据权利要求4所述的中尺度涡旋特征确定系统，其特征在于，所述探测模块，具体包括：
探测单元，用于采用欧拉型涡旋探测方法、拉格朗日型涡旋探测方法或三维涡旋法对多尺度涡旋进行探测得到探测结果。
6.根据权利要求5所述的中尺度涡旋特征确定系统，其特征在于，
当采用欧拉型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括涡旋的传播轨迹、涡旋的生命周期、涡旋的移动距离、涡旋各时刻的中心位置、涡旋各时刻的半径、涡旋各时刻的极性和涡旋各时刻的边界；
当采用拉格朗日型涡旋探测方法进行探测时，所述多尺度涡旋的特征包括：涡旋的中心位置、涡旋的起止时间、涡旋的极性，涡旋的半径和涡旋的生命周期；
当采用三维涡旋法进行探测时，所述多尺度涡旋的特征包括采用欧拉型涡旋探测方法进行探测时的多尺度涡旋的特征以及三维结构，其中，所述三维结构包含每一层涡旋的中心、边界、起止时间、半径和极性。
7.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至3中任一项所述的尺度涡旋特征确定方法。
8.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的尺度涡旋特征确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310404063.2A CN116429374A (zh) | 2023-04-17 | 2023-04-17 | 一种中尺度涡旋特征确定方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310404063.2A CN116429374A (zh) | 2023-04-17 | 2023-04-17 | 一种中尺度涡旋特征确定方法、系统、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116429374A true CN116429374A (zh) | 2023-07-14 |
Family
ID=87081069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310404063.2A Pending CN116429374A (zh) | 2023-04-17 | 2023-04-17 | 一种中尺度涡旋特征确定方法、系统、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116429374A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090171596A1 (en) * | 2007-12-31 | 2009-07-02 | Houston Benjamin Barrie | Fast characterization of fluid dynamics |
| CN105844104A (zh) * | 2016-03-29 | 2016-08-10 | 中国海洋大学 | 基于Morphing变形技术的中尺度涡旋可视化算法 |
| CN107784311A (zh) * | 2016-08-24 | 2018-03-09 | 中国海洋大学 | 全球中尺度涡时空层次拓扑路径构建技术 |
| CN111488691A (zh) * | 2020-04-16 | 2020-08-04 | 中船海洋探测技术研究院有限公司 | 一种三维中尺度涡追踪方法 |
| CN111931409A (zh) * | 2020-08-14 | 2020-11-13 | 南京大学 | 基于高分辨率海洋模式数据的涡旋三维体态识别和追踪方法 |
| CN114021445A (zh) * | 2021-10-29 | 2022-02-08 | 天津大学 | 一种基于随机森林模型的海洋涡旋混合非局地性预测方法 |
| CN114299377A (zh) * | 2021-12-31 | 2022-04-08 | 中山大学 | 一种基于宽度学习的涡旋识别方法及装置 |
| CN115828717A (zh) * | 2022-11-22 | 2023-03-21 | 天津大学 | 基于拉格朗日粒子的特定尺度涡旋扩散系数估计方法 |
-
2023
- 2023-04-17 CN CN202310404063.2A patent/CN116429374A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090171596A1 (en) * | 2007-12-31 | 2009-07-02 | Houston Benjamin Barrie | Fast characterization of fluid dynamics |
| CN105844104A (zh) * | 2016-03-29 | 2016-08-10 | 中国海洋大学 | 基于Morphing变形技术的中尺度涡旋可视化算法 |
| CN107784311A (zh) * | 2016-08-24 | 2018-03-09 | 中国海洋大学 | 全球中尺度涡时空层次拓扑路径构建技术 |
| CN111488691A (zh) * | 2020-04-16 | 2020-08-04 | 中船海洋探测技术研究院有限公司 | 一种三维中尺度涡追踪方法 |
| CN111931409A (zh) * | 2020-08-14 | 2020-11-13 | 南京大学 | 基于高分辨率海洋模式数据的涡旋三维体态识别和追踪方法 |
| CN114021445A (zh) * | 2021-10-29 | 2022-02-08 | 天津大学 | 一种基于随机森林模型的海洋涡旋混合非局地性预测方法 |
| CN114299377A (zh) * | 2021-12-31 | 2022-04-08 | 中山大学 | 一种基于宽度学习的涡旋识别方法及装置 |
| CN115828717A (zh) * | 2022-11-22 | 2023-03-21 | 天津大学 | 基于拉格朗日粒子的特定尺度涡旋扩散系数估计方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张永垂;王宁;周林;刘科峰;汪浩笛;: "海洋中尺度涡旋表面特征和三维结构研究进展", 地球科学进展, vol. 35, no. 06, pages 568 - 576 * |
| 董昌明;蒋星亮;徐广;季巾淋;林夏艳;孙文金;王森;: "海洋涡旋自动探测几何方法、涡旋数据库及其应用", 海洋科学进展, vol. 35, no. 04, pages 439 - 450 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shi et al. | From points to parts: 3d object detection from point cloud with part-aware and part-aggregation network | |
| CN106225678B (zh) | 基于3d相机的动态物体定位与体积测量方法 | |
| Franz et al. | Ocean eddy identification and tracking using neural networks | |
| Huang et al. | LiDARTag: A real-time fiducial tag system for point clouds | |
| CN102870137A (zh) | 用于基于2d运动估计相对3d速度和加速度投影函数的数据挖掘方法和系统 | |
| CN111781608A (zh) | 一种基于fmcw激光雷达的运动目标检测方法及系统 | |
| CN106156758B (zh) | 一种sar海岸图像中海岸线提取方法 | |
| Zhong et al. | A method for extracting trees from vehicle-borne laser scanning data | |
| CN102496181A (zh) | 面向规模化生产的真正射影像制作方法 | |
| CN110132284A (zh) | 一种基于深度信息的全局定位方法 | |
| JP2019109839A (ja) | モデル生成装置、生成方法、及びプログラム | |
| CN112507861A (zh) | 一种多层卷积特征融合的行人检测方法 | |
| CN115187946B (zh) | 井下障碍物点云与图像数据融合的多尺度智能感知方法 | |
| CN114299377A (zh) | 一种基于宽度学习的涡旋识别方法及装置 | |
| CN102122391B (zh) | 一种运动捕获数据自动分割方法 | |
| Xia et al. | [Retracted] Gesture Tracking and Recognition Algorithm for Dynamic Human Motion Using Multimodal Deep Learning | |
| Ancha et al. | Active perception using light curtains for autonomous driving | |
| CN116429374A (zh) | 一种中尺度涡旋特征确定方法、系统、电子设备及介质 | |
| Herzog et al. | Training a fast object detector for LiDAR range images using labeled data from sensors with higher resolution | |
| Liu et al. | DS Augmentation: Density-semantics augmentation for 3-D object detection | |
| Pei et al. | Multi-scale bidirectional feature fusion for one-stage oriented object detection in aerial images | |
| Zhang et al. | Target recognition and Location based on deep learning | |
| Wang et al. | A system of automated training sample generation for visual-based car detection | |
| Yu et al. | 3D building instance extraction from high-resolution remote sensing images and DSM with an end-to-end deep neural network | |
| CN112529072A (zh) | 一种基于声呐图像处理的水下沉埋物识别与定位方法 |
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 |