论文部分内容阅读
中尺度涡作为近代物理海洋研究的热点，对海洋中能量流动、物质循环以及信息传递等产生重要影响。所以，研究海洋中尺度涡对于理解海洋能量流动，物质循环，大洋环流结构，海洋生物以及全球气候变化具有重要的意义。 中尺度涡的提取和追踪在各个阶段存多种问题:传统卫星高度计数据去噪方法没有考虑数据局部噪声的影响;中尺度涡提取过程中对涡旋物理特征和几何特征利用不完备缺陷;中尺度涡追踪过程中存在不同特征尺度和量纲引起的误差以及特征之间此消彼长但相似的问题;中尺度涡数据存储和共享过程中存在的问题。本文针对这些问题，提出了包络面SLA去噪方法，基于WA法和闭合等值线法的改进版WA方法，以及基于决策树模型的中尺度涡自动追踪方法。 基于包络面去噪法的海洋中尺度涡提取方法，利用分离层内的信息稳定性和层间的信息完备性，解决了卫星高度计数据去噪的问题。其具体流程为:首先，对初始化的原始数据场进行上下包络面构造，形成原始数据子场;其次，根据子场内部和子场间的稳健性，把原始数据场转换为子场集合;然后利用子场极差和标准差，对子场集合进行信息重组，形成噪声去除后的信息场;最后，利用去噪后的信息场数据，采用Winding-Angle(WA)和泛克立金中尺度涡提取算法在西北太平洋进行对比验证实验。评价试验结果表明，本文提出的方法较前人的方法有较大的提升，准确率为91.23％,同时降低了5％～10％的过度识别率，对认识研究中尺度涡有重要意义。 基于WA方法和SLA闭合等值线方法的改进型中尺度涡提取方法——改进型WA方法，先利用涡旋物理特征进行初步提取，然后使用几何特征进一步筛选。该方法利用中尺度涡在海洋中的一个核心的旋转体特征来进行分离提取涡旋。通过实例验证，结果表明该方法的正确识别率89.18％，过度识别率11.07％。方法利用WA方法，有效保证了正确识别率，同时利用闭合等值线法降低了过度识别率。这在中尺度涡自动识别算法是可以接受而且用于应用研究的。 在中尺度涡追踪方法方面的改进，是将决策树模型引入相似度中尺度涡追踪模型，有效地解决中尺度涡不同特征此消彼长但相似的情况发生，同时也消除了特征的尺度和量纲引起的误差，方法对中尺度涡后继涡旋有较好的识别表现，而且方法对中尺度涡复杂的演变也有较好的追踪表现。将方法与Nan等人(2011)研究中国南海中尺度涡追踪的三个长时间序列的暖涡进行比对，对时间和追踪轨迹角度而言，改进的方法追踪的涡轨迹与Nan等人(2011)的涡轨迹很好地吻合，达到了预期的追踪目标。 使用SLA去噪方法，中尺度涡提取与追踪方法结合时空数据库，对2003年1月1日到2012年12月31日10年（3653天）北太平洋(22°N～50°N，130°E～150°W)SLA数据进行提取与追踪，然后进行中尺度涡生命周期统计分析以及中尺度涡涡动能与MEI指数的相关性分析。结果表明:随着时间的增长，涡旋个数明显减少;北半球，气旋涡占主导，可能原因是受北半球的科氏力导致;中尺度涡涡动能与MEI指数呈现中度正相关关系。