CN117851845B - 一种基于聚类算法的海洋亚中尺度锋面提取方法 - Google Patents
一种基于聚类算法的海洋亚中尺度锋面提取方法 Download PDFInfo
- Publication number
- CN117851845B CN117851845B CN202410258628.5A CN202410258628A CN117851845B CN 117851845 B CN117851845 B CN 117851845B CN 202410258628 A CN202410258628 A CN 202410258628A CN 117851845 B CN117851845 B CN 117851845B
- Authority
- CN
- China
- Prior art keywords
- frontal
- frontal surface
- mesoscale
- temperature gradient
- temperature
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 17
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 235000012571 Ficus glomerata Nutrition 0.000 description 2
- 244000153665 Ficus glomerata Species 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
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
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开一种基于聚类算法的海洋亚中尺度锋面提取方法,属于锋面提取技术领域,用于锋面提取,包括对研究区域海表面温度数据进行预处理,在中尺度涡旋区域内计算海表面温度梯度,对超过温度阈值的海表面温度梯度点利用聚类算法分类;对每一分类中的点进行曲线拟合,拟合曲线是识别得到的锋面,完成锋面提取;提取锋面特征和信息,对锋面进行坐标变换,通过跨锋面坐标轴和沿锋面坐标轴将锋面区域投影到锋面坐标系。本发明利用高分辨率海表面温度数据,并基于聚类算法和拟合算法来自动识别中尺度涡旋附近的亚中尺度锋面,有效提高了目前海洋亚中尺度锋面自动识别的准确度,并能够得到锋面区域的信息场,有利于研究人员的后续分析。
Description
技术领域
本发明公开一种基于聚类算法的海洋亚中尺度锋面提取方法,属于锋面提取技术领域。
背景技术
锋生过程作为亚中尺度锋面形成的重要机制之一,主要与中尺度过程中的拉伸变形作用相关联。在中尺度涡旋附近,由于强烈的变形场作用,水平温度场的梯度不断增强,最终形成锋面。因此,中尺度涡旋附近是识别锋面的理想区域,这不仅可以提高识别效率,还能准确获得亚中尺度锋面信息。现有技术的自动识别海洋亚中尺度锋面的研究工作,主要集中于应用人工智能技术进行识别。
发明内容
本发明的目的在于提供一种基于聚类算法的海洋亚中尺度锋面提取方法,以解决现有技术中,亚中尺度锋面提取依赖人工智能技术进行识别,缺少利用海表面温度的提取方法的问题。
一种基于聚类算法的海洋亚中尺度锋面提取方法,包括:
S1.确定研究区域,对研究区域海表面温度数据进行预处理;
S2.在中尺度涡旋区域内计算海表面温度梯度;
S3.对超过温度阈值的海表面温度梯度点利用聚类算法分类;
S4.对每一分类中的点进行曲线拟合,拟合曲线是识别得到的锋面,完成锋面提取;
S5.提取锋面特征和信息,对锋面进行坐标变换,通过跨锋面坐标轴和沿锋面坐标轴将锋面区域投影到锋面坐标系;
S6.提取锋面长度、宽度、强度信息,输出锋面的位置、拟合曲线、长度、宽度、强度、区域温度与温度梯度分布。
S1包括:
S1-1.将海表面温度标准化为摄氏度;
S1-2.根据海洋中尺度涡旋数据集中的涡旋中心经纬度位置以及涡旋半径信息,确定涡旋半径区域大小与位置;
S1-3.根据研究区域经纬度与时间信息,提取研究区域内海表面温度与温度经纬度网格信息。
S2包括,对于每个涡旋区域内网格点的温度数据,求取各网格点的温度梯度:
;
其中,X表示纬度方向,Y表示经度方向,T表示温度。
S3包括:
S3-1.确定温度梯度阈值,将网格点温度梯度从大到小排序,根据排序结果确定温度梯度阈值;
S3-2.根据温度阈值筛选海表面温度梯度与温度梯度网格点经纬度信息;
S3-3.利用聚类算法对筛选出的海表面温度梯度网格点依据距离进行分类;
S3-4.检查S3-3的分类结果,剔除分类失败的类。
S4包括:
S4-1.对通过聚类算法得到的每一类进行拟合,得到拟合曲线;
S4-2.对每一类得到的拟合曲线进行质量检测,剔除识别失败的曲线。
S5包括:
S5-1.根据拟合曲线提取周围锋面区域,锋面区域根据锋面的形状而变化;
S5-2.对锋面进行坐标变换,令沿锋面方向为S轴,垂直锋面为N轴;
S5-3.将锋面区域内的每一点投影到锋面坐标系中,得到海表面温度场和海表面温度梯度场在锋面坐标系中的分布。
S6包括:
S6-1.得到锋面区域内投影到锋面区域上的海表面温度场和海表面温度梯度场;
S6-2.在锋面坐标系中得到锋面的长度;
S6-3.将锋面坐标系中的海表面温度梯度场沿N轴平均,根据平均得到的曲线定义锋面宽度;
S6-4.利用锋面长度和宽度内的平均海表面温度梯度定义锋面强度;
S6-5.利用拟合曲线定义锋面角度。
相对比现有技术,本发明具有以下有益效果:本发明利用高分辨率海表面温度数据,并基于聚类算法和拟合算法来自动识别中尺度涡旋附近的亚中尺度锋面,有效提高了目前海洋亚中尺度锋面自动识别的准确度,并能够得到锋面区域的信息场,有利于研究人员的后续分析。
附图说明
图1为本发明识别锋面流程图;
图2为本发明提取锋面信息流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,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作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。
一种基于聚类算法的海洋亚中尺度锋面提取方法,包括:
S1.确定研究区域,对研究区域海表面温度数据进行预处理;
S2.在中尺度涡旋区域内计算海表面温度梯度;
S3.对超过温度阈值的海表面温度梯度点利用聚类算法分类;
S4.对每一分类中的点进行曲线拟合,拟合曲线是识别得到的锋面,完成锋面提取;
S5.提取锋面特征和信息,对锋面进行坐标变换,通过跨锋面坐标轴和沿锋面坐标轴将锋面区域投影到锋面坐标系;
S6.提取锋面长度、宽度、强度信息,输出锋面的位置、拟合曲线、长度、宽度、强度、区域温度与温度梯度分布。
S1包括:
S1-1.将海表面温度标准化为摄氏度;
S1-2.根据海洋中尺度涡旋数据集中的涡旋中心经纬度位置以及涡旋半径信息,确定涡旋半径区域大小与位置;
S1-3.根据研究区域经纬度与时间信息,提取研究区域内海表面温度与温度经纬度网格信息。
S2包括,对于每个涡旋区域内网格点的温度数据,求取各网格点的温度梯度:
;
其中,X表示纬度方向,Y表示经度方向,T表示温度。
S3包括:
S3-1.确定温度梯度阈值,将网格点温度梯度从大到小排序,根据排序结果确定温度梯度阈值;
S3-2.根据温度阈值筛选海表面温度梯度与温度梯度网格点经纬度信息;
S3-3.利用聚类算法对筛选出的海表面温度梯度网格点依据距离进行分类;
S3-4.检查S3-3的分类结果,剔除分类失败的类。
S4包括:
S4-1.对通过聚类算法得到的每一类进行拟合,得到拟合曲线;
S4-2.对每一类得到的拟合曲线进行质量检测,剔除识别失败的曲线。
S5包括:
S5-1.根据拟合曲线提取周围锋面区域,锋面区域根据锋面的形状而变化;
S5-2.对锋面进行坐标变换,令沿锋面方向为S轴,垂直锋面为N轴;
S5-3.将锋面区域内的每一点投影到锋面坐标系中,得到海表面温度场和海表面温度梯度场在锋面坐标系中的分布。
S6包括:
S6-1.得到锋面区域内投影到锋面区域上的海表面温度场和海表面温度梯度场;
S6-2.在锋面坐标系中得到锋面的长度;
S6-3.将锋面坐标系中的海表面温度梯度场沿N轴平均,根据平均得到的曲线定义锋面宽度;
S6-4.利用锋面长度和宽度内的平均海表面温度梯度定义锋面强度;
S6-5.利用拟合曲线定义锋面角度。
本发明的实施例中,将海表面温度标准化为摄氏度为:
;
其中Tc为摄氏温度,Tk为开尔文温度;
根据海洋中尺度涡旋数据集中的涡旋中心经纬度位置 ,以及涡旋半径信息确定一定倍数涡旋半径区域大小与位置,经纬度距离计算公式为:
;
;
其中,x表示纬度方向、y表示经度方向,表示所跨越的经度,/>表示所跨越的纬度,n表示所选择的半径倍数,R表示涡旋的半径大小,L表示每个纬度所跨越的距离,通常取111km,Lat表示涡旋所在的纬度。由于地球形状的原因,每个纬度相隔的距离大致都为111km,而每个经度所跨越的距离与该点所在的纬度有关,赤道最大,约为111km,纬度越高经度之间的距离越短。通过公式能够得到涡旋若干倍半径所跨越的区域经纬度范围,则即位所选择的涡旋若干倍半径内的区域;
S1-2中,在计算温度梯度时,要求温度梯度单位为,这就需要将海表面温度网格点由经纬度转换为实际距离,转换关系公式为:
;
;
其中表示网格点经度分量之间的距离,/>表示网格点纬度分量之间的距离,Lon表示网格点经度分量步长,Lat表示网格点纬度分量步长;
S3.1中,确定温度梯度阈值为,首先求出所选区域内所有网格点的温度梯度进行从大到小排序,选定一定大小的温度梯度作为温度梯度阈值,本发明设定的温度梯度阈值为前10%的温度梯度。这样认为最大的10%的温度梯度为潜在的亚中尺度锋面上的点,而后90%则不作考虑,提高了计算效率;
S3.3.中,对于取得的网格点,利用聚类算法对其进行分类。聚类是通过点与点之间的欧式距离判断是否属于同一类,欧式距离衡量了多维空间中点与点之间的绝对距离,在二维空间中公式为:,在本发明中,利用欧式距离衡量网格点之间的距离能够很好地度量点与点之间的同类性。聚类能够将所有温度梯度网格点分为若干类,每一类都具有高温度梯度以及距离较近的特点,在本发明中认为是潜在的锋面。
在这里,聚类算法的优劣和特点影响着锋面识别的效果。通过分类测试了几种不同的聚类算法,发现层次聚类在锋面识别中的效果较好。层次聚类通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。其核心思想是点与附近的对象而不是较远的对象更为相关。该算法根据距离将对象连接起来形成簇。可以通过连接各部分所需的最大距离来大致描述集群。在这种方法不同于K-means之类的平坦聚类方法,它不需要预先指定聚类的数量。分层聚类有两种主要方法:凝聚的和分裂的。在凝聚的分层聚类中,算法最初将每个数据点视为一个单独的聚类,然后逐步将这些聚类合并。在每一步中,最相似的聚类(根据预定义的相似度度量)被合并,直到所有数据都在一个聚类中,形成一种树状结构,称为聚类树或者树状图。用户可以根据需要切割树状图的不同层次来获得不同数量的聚类。而分裂的分层聚类正好相反,它开始时将所有数据视为一个大的聚类,然后逐渐细分为更小的聚类。这个过程也会继续,直到每个数据点都是一个单独的聚类。分层聚类的优点包括不需要预先指定聚类数量,能够提供数据的多层次聚类视图,以及易于通过树状图进行解释。在本发明中使用的聚类算法是凝聚分层聚类。
S3.4中,对分类结果进行质量控制,检查得到的分类,如果存在分类中点的数量太少,或存在明显的分类失误,则剔除这些类别。进行质量控制后,为保证聚类结果准确可靠,可对剔除后的结果再次使用聚类算法分类并进行质量控制,即重复S3-3与S3-4,重复1-2次后,能够得到准确的分类结果。
S4.1中,对由S3得到的聚类结果中的每一类中的点进行拟合,得到拟合函数。由于亚中尺度锋面的定义与产生机制,其绝大部分曲率较小,因此都可以用二次函数或三次函数拟合得到,为了防止产生过拟合和龙格现象,本发明中使用二次函数进行拟合,这样能够保证在不偏离实际的情况下最大程度还原出锋面的形状特征,并且提高运算效率;得到拟合函数后,对该分类中网格点的经度进行插值,利用插值结果和拟合函数构造拟合曲线,该曲线可认为是锋面曲线。
S4.2中,对于每一类别中得到的拟合曲线,计算其与最大温度梯度值之间的距离,若超过阈值,则认为拟合效果较差,进行重新拟合,对于偏差过大的例子进行剔除。
S1至S4为通过海表面温度进行锋面识别部分,流程如图1所示,首先进行数据预处理,计算海表面温度梯度,确定阈值进行筛选,聚类算法进行分类,根据分类效果进行筛选,确定拟合函数,进行质量控制,最后输出锋面位置信息。在得到锋面后,通过S5到S6可以提取锋面特征以及区域信息,如图2所示,输入锋面位置信息后,根据锋面形状确定锋面区域,确定沿锋面和跨锋面位置信息,确定S轴与N轴方向,对锋面区域进行投影,得到锋面长度、宽度、强度等特征信息,得到锋面其余海表面温度、温度梯度场等信息。
S5的详细过程为:S5-1,根据得到的锋面拟合曲线经纬度,向四周延伸一段距离作为锋面区域。区域根据锋面的形状而变化,若锋面趋向为东西向,则增大向南北方向的延伸距离,若锋面趋向为南北向,则增大向东西方向的延伸距离,确保不会出现区域过窄的情况,此外,锋面区域不宜过大,否则可能会包含一部分中尺度涡的信号,导致提取到的锋面信息不准确;
S5-2,对锋面区域进行坐标变换,将锋面从自然坐标系转换为锋面坐标系,首先,令锋面拟合曲线为S轴,锋面上温度梯度最大的一点作为锋面的中心点,即锋面坐标系的原点,然后,经过原点垂直于锋面拟合曲线的直线定义为N轴,由于锋面大多为曲线,则N轴只需要与经过原点的锋面曲线的切线垂直即可。此外,定义坐标系还需要定义正方向,由于锋面是温度梯度较大的带状结构,则可以将锋面两侧划分为冷侧和暖侧,指向暖侧为N轴正方向,则顺时针旋转90度为S轴正方向;
S5-3,计算网格点到N、S轴的欧式距离,网格点到N轴的距离即为点的S坐标,到S轴的距离即为点的N坐标,再通过角度确定方向,判断S、N坐标的正负,这样就能将区域内的每一点投影到锋面坐标系中,从而得到海表面温度场、海表面温度梯度场等在锋面坐标系中的分布。
S6的详细过程为:S6-1,通过S5,能够将锋面区域投影到锋面坐标系,得到锋面坐标系下海表面温度场和海表面温度梯度场的分布;
S6-2,根据锋面拟合曲线以及锋面上的坐标,计算锋面首尾之间的距离,得到锋面的长度;
S6-3,提取出锋面区域的海表面温度梯度场,沿跨锋面方向,即N轴平均,得到温度梯度沿跨锋面方向的分布曲线,这一定程度上反映了锋面的水平结构,使用拟合算法对曲线进行拟合,得到跨锋面方向温度梯度的分布函数,利用分布函数定义锋面宽度。利用高斯函数或其他函数能够较好地模拟出温度梯度沿锋面法向的分布情况,从而较为容易地定义出锋面的宽度特征;
S6-4,在上一步中得到了锋面的长度和宽度,因此可以通过对锋面长度和宽度内的平均海表面温度梯度定义锋面强度;
S6-5,利用拟合函数对锋面曲线进行一次函数拟合,得到曲线斜率可以近似作为锋面的角度特征。此外,对于识别出的N轴,也可以拟合得到拟合函数,用斜率定义出跨锋面方向的角度,这个角度不依赖锋面的形状,一定程度上也能够反映出锋面的性质。
本发明提供了一种利用高分辨率海表面温度数据基于聚类算法与拟合算法的海洋亚中尺度锋面识别与提取方法,考虑到实际海洋中锋面生成的理论,本发明使用真实海表面温度数据对亚中尺度锋面进行识别与提取,与人工智能后图像识别等方法相比具有更加明显清晰的物理意义。通过将范围限制在中尺度涡附近,在不影响结果的前提下极大地提高了运算效率。且通过将聚类算法和拟合方法相结合识别和提取亚中尺度锋面,提高了锋面识别的准确性和计算速度。对于海洋亚中尺度过程的识别一方面根据聚类算法的高准确度和拟合算法得出准确且简单的锋面结构,另一方面利用涡旋和锋面的物理特性明确识别和提取以及锋面特征的物理意义,具有较高的识别准确性和可信度。
以上实施例仅用于说明本发明的技术方案,而非对其限制,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换,而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种基于聚类算法的海洋亚中尺度锋面提取方法,其特征在于,包括:
S1.确定研究区域,对研究区域海表面温度数据进行预处理;
S2.在中尺度涡旋区域内计算海表面温度梯度;
S3.对超过温度阈值的海表面温度梯度点利用聚类算法分类;
S4.对每一分类中的点进行曲线拟合,拟合曲线是识别得到的锋面,完成锋面提取;
S5.提取锋面特征和信息,对锋面进行坐标变换,通过跨锋面坐标轴和沿锋面坐标轴将锋面区域投影到锋面坐标系;
S6.提取锋面长度、宽度、强度信息,输出锋面的位置、拟合曲线、长度、宽度、强度、区域温度与温度梯度分布;
S5包括:
S5-1.根据拟合曲线提取周围锋面区域,锋面区域根据锋面的形状而变化;
S5-2.对锋面进行坐标变换,令沿锋面方向为S轴,垂直锋面为N轴;
S5-3.将锋面区域内的每一点投影到锋面坐标系中,得到海表面温度场和海表面温度梯度场在锋面坐标系中的分布;
将锋面从自然坐标系转换为锋面坐标系,锋面上温度梯度最大的一点作为锋面的中心点,即锋面坐标系的原点,将锋面两侧划分为冷侧和暖侧,指向暖侧为N轴正方向,顺时针旋转90度为S轴正方向。
2.根据权利要求1所述的一种基于聚类算法的海洋亚中尺度锋面提取方法,其特征在于,S1包括:
S1-1.将海表面温度标准化为摄氏度;
S1-2.根据海洋中尺度涡旋数据集中的涡旋中心经纬度位置以及涡旋半径信息,确定涡旋半径区域大小与位置;
S1-3.根据研究区域经纬度与时间信息,提取研究区域内海表面温度与温度经纬度网格信息。
3.根据权利要求2所述的一种基于聚类算法的海洋亚中尺度锋面提取方法,其特征在于,S2包括,对于每个涡旋区域内网格点的温度数据,求取各网格点的温度梯度:
;
其中,X表示纬度方向,Y表示经度方向,T表示温度。
4.根据权利要求3所述的一种基于聚类算法的海洋亚中尺度锋面提取方法,其特征在于,S3包括:
S3-1.确定温度梯度阈值,将网格点温度梯度从大到小排序,根据排序结果确定温度梯度阈值;
S3-2.根据温度阈值筛选海表面温度梯度与温度梯度网格点经纬度信息;
S3-3.利用聚类算法对筛选出的海表面温度梯度网格点依据距离进行分类;
S3-4.检查S3-3的分类结果,剔除分类失败的类。
5.根据权利要求4所述的一种基于聚类算法的海洋亚中尺度锋面提取方法,其特征在于,S4包括:
S4-1.对通过聚类算法得到的每一类进行拟合,得到拟合曲线;
S4-2.对每一类得到的拟合曲线进行质量检测,剔除识别失败的曲线。
6.根据权利要求5所述的一种基于聚类算法的海洋亚中尺度锋面提取方法,其特征在于,S6包括:
S6-1.得到锋面区域内投影到锋面区域上的海表面温度场和海表面温度梯度场;
S6-2.在锋面坐标系中得到锋面的长度;
S6-3.将锋面坐标系中的海表面温度梯度场沿N轴平均,根据平均得到的曲线定义锋面宽度;
S6-4.利用锋面长度和宽度内的平均海表面温度梯度定义锋面强度;
S6-5.利用拟合曲线定义锋面角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410258628.5A CN117851845B (zh) | 2024-03-07 | 2024-03-07 | 一种基于聚类算法的海洋亚中尺度锋面提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410258628.5A CN117851845B (zh) | 2024-03-07 | 2024-03-07 | 一种基于聚类算法的海洋亚中尺度锋面提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117851845A CN117851845A (zh) | 2024-04-09 |
CN117851845B true CN117851845B (zh) | 2024-05-17 |
Family
ID=90530551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410258628.5A Active CN117851845B (zh) | 2024-03-07 | 2024-03-07 | 一种基于聚类算法的海洋亚中尺度锋面提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117851845B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502801A (zh) * | 2019-07-25 | 2019-11-26 | 天津大学 | 海洋温度锋自动追踪和特征参数信息提取方法 |
CN112508079A (zh) * | 2020-12-02 | 2021-03-16 | 中国海洋大学 | 海洋锋面的精细化识别方法、系统、设备、终端及应用 |
CN112765832A (zh) * | 2021-02-02 | 2021-05-07 | 南京信息工程大学 | 一种欧亚大陆冷锋自动识别订正方法 |
CN113742653A (zh) * | 2021-07-16 | 2021-12-03 | 中国人民解放军国防科技大学 | 一种基于卫星资料的海洋锋识别方法 |
WO2022016884A1 (zh) * | 2020-07-22 | 2022-01-27 | 江苏科技大学 | 一种基于K-means聚类算法的海面风速方法 |
CN114004300A (zh) * | 2021-11-01 | 2022-02-01 | 中国人民解放军国防科技大学 | 基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法 |
CN114707105A (zh) * | 2022-01-20 | 2022-07-05 | 成都信息工程大学 | 一种沙尘天气过程中的锋面坡度计算方法 |
CN116304590A (zh) * | 2023-03-03 | 2023-06-23 | 南方海洋科学与工程广东省实验室(珠海) | 一种基于滑动窗口阈值的全球海洋中尺度锋面自动识别方法 |
CN117213448A (zh) * | 2023-11-07 | 2023-12-12 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2866052A1 (en) * | 2013-10-23 | 2015-04-29 | Ladar Limited | A system for monitoring a maritime environment |
-
2024
- 2024-03-07 CN CN202410258628.5A patent/CN117851845B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502801A (zh) * | 2019-07-25 | 2019-11-26 | 天津大学 | 海洋温度锋自动追踪和特征参数信息提取方法 |
WO2022016884A1 (zh) * | 2020-07-22 | 2022-01-27 | 江苏科技大学 | 一种基于K-means聚类算法的海面风速方法 |
CN112508079A (zh) * | 2020-12-02 | 2021-03-16 | 中国海洋大学 | 海洋锋面的精细化识别方法、系统、设备、终端及应用 |
CN112765832A (zh) * | 2021-02-02 | 2021-05-07 | 南京信息工程大学 | 一种欧亚大陆冷锋自动识别订正方法 |
CN113742653A (zh) * | 2021-07-16 | 2021-12-03 | 中国人民解放军国防科技大学 | 一种基于卫星资料的海洋锋识别方法 |
CN114004300A (zh) * | 2021-11-01 | 2022-02-01 | 中国人民解放军国防科技大学 | 基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法 |
CN114707105A (zh) * | 2022-01-20 | 2022-07-05 | 成都信息工程大学 | 一种沙尘天气过程中的锋面坡度计算方法 |
CN116304590A (zh) * | 2023-03-03 | 2023-06-23 | 南方海洋科学与工程广东省实验室(珠海) | 一种基于滑动窗口阈值的全球海洋中尺度锋面自动识别方法 |
CN117213448A (zh) * | 2023-11-07 | 2023-12-12 | 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 |
Non-Patent Citations (4)
Title |
---|
Satellite observations of sea surface temperature and sea surface wind coupling in the Japan Sea;Teruhisa Shimada;Journal of Geophysical Research;20060809;全文 * |
海洋锋面统计模型检测法的改进与验证;吴曲然;胡建宇;孙振宇;朱佳;;厦门大学学报(自然科学版);20150328(第02期);全文 * |
热带气旋各个要素对于海表面降温的影响;梁朋等;中国海洋大学学报;20140831;第44卷(第8期);全文 * |
西北太平洋柔鱼中心渔场环境分析系统的设计与开发;马巍巍, 邵全琴, 陈卓奇, 戎恺, 贾晓峰;地球信息科学;20050930(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117851845A (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107742102B (zh) | 一种基于深度传感器的手势识别方法 | |
CN110443281B (zh) | 基于hdbscan聚类的文本分类自适应过采样方法 | |
CN102693452A (zh) | 基于半监督回归学习的多模型软测量方法 | |
CN105718866A (zh) | 一种视觉目标检测与识别方法 | |
CN104732215A (zh) | 一种基于信息向量机的遥感影像海岸线提取方法 | |
CN107992818B (zh) | 一种光学遥感图像海面船只目标的检测方法 | |
CN110543906B (zh) | 基于Mask R-CNN模型的肤质自动识别方法 | |
CN109447100A (zh) | 一种基于b样条曲面相似性检测的三维点云识别方法 | |
CN101369309B (zh) | 基于主动表观模型和外耳长轴的人耳图像归一化方法 | |
CN102663401A (zh) | 一种图像特征提取和描述方法 | |
CN112487720B (zh) | 基于K-means三维聚类算法的风压系数快速分区方法及系统和存储介质 | |
CN110516525A (zh) | 基于gan和svm的sar图像目标识别方法 | |
CN112347894A (zh) | 基于迁移学习和高斯混合模型分离的单株植被提取方法 | |
CN113269791A (zh) | 一种基于边缘判定与区域生长的点云分割方法 | |
CN111738319B (zh) | 一种基于大规模样本的聚类结果评价方法及装置 | |
CN112417893A (zh) | 一种基于语义层次聚类的软件功能需求分类方法及系统 | |
CN113447771A (zh) | 一种基于sift-lda特征的局部放电模式识别方法 | |
CN117851845B (zh) | 一种基于聚类算法的海洋亚中尺度锋面提取方法 | |
CN112906487A (zh) | 基于规则集的明清官式建筑物样式点云分类识别方法 | |
Zhang et al. | A YOLOv3 and ODIN Based State Detection Method for High-speed Railway Catenary Dropper | |
CN112256766A (zh) | 用于能源采集终端的用电行为分析方法 | |
CN112508035A (zh) | 一种海洋流场临界点提取方法 | |
Shuliang et al. | Design of text position detection method for electrical equipment nameplate | |
Chengtao et al. | Tire pattern similarity detection based on template matching and LBP | |
CN112686192B (zh) | 一种基于精细地形特征的滑坡稳定性分类方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |