CN111311081B - 基于多源异构数据的海洋生态异常危险识别方法及装置 - Google Patents

基于多源异构数据的海洋生态异常危险识别方法及装置 Download PDF

Info

Publication number
CN111311081B
CN111311081B CN202010074214.9A CN202010074214A CN111311081B CN 111311081 B CN111311081 B CN 111311081B CN 202010074214 A CN202010074214 A CN 202010074214A CN 111311081 B CN111311081 B CN 111311081B
Authority
CN
China
Prior art keywords
data
ecological
marine
ocean
sea
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
Application number
CN202010074214.9A
Other languages
English (en)
Other versions
CN111311081A (zh
Inventor
杨超宇
许炜铭
江丽芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China Sea Prediction Center Of State Oceanic Administration Guangzhou Ocean Prediction Station Of State Oceanic Administration
Original Assignee
South China Sea Prediction Center Of State Oceanic Administration Guangzhou Ocean Prediction Station Of State Oceanic Administration
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China Sea Prediction Center Of State Oceanic Administration Guangzhou Ocean Prediction Station Of State Oceanic Administration filed Critical South China Sea Prediction Center Of State Oceanic Administration Guangzhou Ocean Prediction Station Of State Oceanic Administration
Priority to CN202010074214.9A priority Critical patent/CN111311081B/zh
Publication of CN111311081A publication Critical patent/CN111311081A/zh
Application granted granted Critical
Publication of CN111311081B publication Critical patent/CN111311081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种基于多源异构数据的海洋生态异常危险识别方法，包括：获取目标海域的多源异构数据文件；根据多源异构数据文件生成质控报告；根据符合数据质量标准的多源异构数据建立海洋信息数据库；通过在云平台建立海洋数值模型，更新海洋信息数据库，得到更新海洋信息数据库；根据更新海洋信息数据库获取一级海洋生态异常指数数据产品；对每一海洋生态异常指数数据产品进行加权平均，得到目标海域的二级海洋生态异常指数数据产品；对二级海洋生态异常指数数据产品进行阈值检测，若存在大于第一预设阈值的异常指数，则发送预警信息。本发明提供的基于多源异构数据的海洋生态异常危险识别方法，能够有效提高海洋生态异常危险识别的准确性。

Description

基于多源异构数据的海洋生态异常危险识别方法及装置
技术领域
本发明涉及生态监测技术领域，尤其涉及一种基于多源异构数据的海洋生态异常危险识别方法及装置。
背景技术
近年来，我国沿海生态灾害频发，有关生态灾害的研究已成为学术界关注的热点问题。海洋生态灾害的概念最初是借用陆地生态灾害的定义引申而来的，将赤潮、海域污染、溢油等事故造成的海岸带和近海生态环境恶化，都归入海洋生态灾害之中。2008年和2012年浒苔绿潮灾害对青岛市奥帆赛和海阳市亚沙会等重大国际赛事造成了严重的威胁；2009年7月青岛发电厂遭遇的水母灾害最为严重，影响了电厂的安全运行，其取水口最大日清除水母量大10万斤以上。目前我国的海洋生态灾害已越发严重，因此需要对海洋生态灾害进行预警，最大限度地减少海洋灾害带来的损失。研究表明利用遥感影像以及数值模拟等方法是海洋生态灾害预警和灾害应急决策的有效手段。海洋生态灾害本身就是一个多因素影响的事件，其发展消亡过程的生物、化学、物理机理较为复杂，因此，基于大数据高智能并行计算来解决海洋生态水体异常这类复杂多变的问题是进一步提高海域资源管理的主要发展方向。
如何获取大数据以及从这些海量的海洋观测和环境数值预报数据中挖掘出潜在价值是当前信息技术支撑下海洋大数据的核心。作为高价值的资源，海洋大数据具有广阔的应用前景和开发潜力，是当前海洋信息领域研究的一个热点问题，也是实施海洋强国战略、开发海洋资源、拉动海洋经济、维护国家海洋权益的重要基础。现有的海洋生态异常危险识别方法主要通过叶绿素浓度异常识别或水色识别，从而实现对海洋生态异常危险的识别。
使用现有的海洋生态异常危险识别方法，存在以下技术问题：
考虑海洋生态灾害的诱发因子较单一，没有充分考虑海洋生态灾害的复杂特性；应用的数据源单一，没有充分利用多元海洋环境信息；分析方法单一，没有充分考虑海洋物理-生物耦合过程，从而无法准确识别海洋生态危险等级。
发明内容
本发明实施例提供一种基于多源异构数据的海洋生态异常危险识别方法及装置，能够有效提高对海洋生态异常危险识别的准确性。
为达到上述目的，一方面，本发明的一个实施例提供了一种基于多源异构数据的海洋生态异常危险识别方法，包括：
通过自动抓取的方式获取目标海域的多源异构数据文件；
根据数据质量标准对所述多源异构数据文件进行自动检测并生成质控报告；
根据所述质控报告中符合所述数据质量标准的多源异构数据建立海洋信息数据库；
通过在云平台建立海洋数值模型，根据所述云平台环境配置和目标海域水体特性设定参数调式模型，并行计算输出三维流场并进行质控管理，更新所述海洋信息数据库，得到更新海洋信息数据库；
根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品；
对每一所述海洋生态异常指数数据产品进行加权平均，得到所述目标海域的二级海洋生态异常指数数据产品；
根据自动阈值检测技术对所述二级海洋生态异常指数数据产品进行阈值检测，若存在大于第一预设阈值的异常指数，则向预设的地址发送所述目标海域二级海洋生态异常指数数据产品的预警信息。
进一步地，所述通过自动抓取的方式获取目标海域的多源异构数据文件，具体为：
通过下载接口或者网页数据智能抽取的方式，定时或实时更新下载目标海域的多源异构数据文件，所述多源异构数据文件包括：遥感数据、气象数据、定点在线监测数据和再分析资料数据。
进一步地，根据所述元信息和与所述元信息对应的数据实体建立海洋信息数据库，具体为：
根据符合所述数据质量标准的多源异构数据中数据实体对应的参数物理特性，对所述数据实体进行质量控制管理，采集符合所述数据质量标准的多源异构数据的数据属性，构建描述数据实体特性的元信息进行保存；根据所述元信息与所述元信息对应的数据实体建立海洋信息数据库。
进一步地，通过在云平台建立海洋数值模型，根据所述云平台环境配置和目标海域水体特性设定参数调式模型，并行计算输出三维流场并进行质控管理，更新所述海洋信息数据库，得到更新海洋信息数据库，具体为：
根据所述海洋信息数据库中气候态数据生成模型开边界的边界条件数据，并根据所述云平台环境配置和所述目标海域水体特性选择参数，调整所述海洋数值模型在所述目标海域复杂地形的解析能力，根据所述海洋信息数据库中历史实测海洋调查数据对所述参数进行优化，订正模型区域性误差，通过多线程对所述海洋数值模型进行并行计算得到三维流场信息，通过输出参数物理意义对数据进行质控管理；根据所述海洋数值模型模拟流场的数据属性构建元信息，并结合所述元信息对应的数据实体编目入库，更新所述海洋信息数据库，得到更新海洋信息数据库。
进一步地，所述一级海洋生态异常指数数据产品包括：叶绿素a浓度异常生态灾害识别指数、浮游植物荧光高度FLH异常生态灾害识别指数和有效光合辐射PAR生态灾害识别指数；所述根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品，具体为：
根据所述更新海洋信息数据库获取水色遥感卫星L1b辐亮度、遥感反射率Rrs、几何定位信息GLT进行基于短波红外波段外推的大气校正和多源数据融合技术得到L2遥感反射率Rrs，应用浮游植物荧光特性的水色参数反演算法得到叶绿素a浓度；基于L2遥感反射率反演算法得到浮游植物荧光高度FLH和有效光合辐射PAR；
对所述叶绿素a浓度减去所述云平台数据库中的历史遥感数据气候态月平均叶绿素a浓度，得到叶绿素a浓度异常时空分布数据，并将叶绿素a浓度正异常的海域标记为海洋生态正异常，赋值为2，其他海域赋值为0，得到叶绿素a浓度异常生态灾害识别指数；
对所述浮游植物荧光高度FLH减去所述云平台数据库中的历史遥感数据气候态月平均浮游植物荧光高度FLH，得到浮游植物荧光高度FLH异常时空分布数据，将所述浮游植物荧光高度FLH正异常的海域标记为海洋生态正异常，赋值为2，其他海域赋值为0，得到浮游植物荧光高度FLH异常生态灾害识别指数；
计算所述有效光合辐射PAR的3天均值，平均有效光合辐射PAR大于第二预设值阈值的海域标记为海洋生态正异常，赋值为1，其他海域赋值为0，得到有效光合辐射PAR生态灾害识别指数。
进一步地，所述一级海洋生态异常指数数据产品还包括降水生态灾害识别指数、海表温度生态灾害识别指数、海面风场风速生态灾害识别指数和表层海流生态灾害识别指数，所述根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品，具体为：
根据所述更新海洋信息数据库获取NASA发布的GPM L3网格化的降水参数precipitationCal，获取所述目标海域的GPM L3降水数据；根据所述更新海洋信息数据库获取NOAA发布的AVHRR网格化海表温度反演参数sst，提取所述目标海域的AVHRR海表温度数据；根据所述更新海洋信息数据库获取NOAA发布的Ascat网格化10m风场数据，提取目标水体的10m海面风场风速数据；根据所述更新海洋信息数据库获取数值模式输出的海流数据；
对所述GPM L3降水数据进行阈值判断，所述GPM L3当日实时降水数据大于第三预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0；所述GPM L3 14日前历史降水数据大于第四预设阈值的海域标记为海洋生态正异常，赋值为0.5，其他海域赋值为0，得到降水生态灾害识别指数；
对所述AVHRR海表温度数据进行阈值判断，所述AVHRR当日实时海表温度数据大于第五预设阈值或小于第六预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0；所述AVHRR当日实时的海表温度数据与所述AVHRR七日内的海表温度数据差异值大于第七预设阈值的海域标记为海洋生态正异常，赋值为1，其他海域赋值为0，得到海表温度生态灾害识别指数；
对所述ASCAT实时的10m海面风场风速数据进行阈值判断，所述ASCAT当日10m海面风场风速数据大于第八预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0，得到海表风场风速生态灾害识别指数；
对所述海流数据进行阈值判断，所述当日海流数据大于第九预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0，得到海流生态灾害识别指数；
进一步地，所述一级海洋生态异常指数数据产品还包括水质浮标生态灾害识别指数，所述根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品，具体为：
对所述目标海域实时在线监测数据进行阈值判断，所述叶绿素a浓度实时数值高于在线监测数据3天平均叶绿素a浓度则标记为定点海洋生态正异常，浮游植物荧光高于在线监测数据3天平均浮游植物荧光则标记为定点海洋生态正异常，溶解氧饱和度高于第十预设阈值则标记为定点海洋生态正异常，PH值高于第十一预设阈值则标记为定点海洋生态正异常,所述在线监测数据的异常指数赋值为异常参数总和，其中所述异常参数包括叶所述绿素a浓度异常、所述浮游植物荧光异常和所述溶解氧饱和度，将所述异常参数进行累加求和，得到水质浮标生态灾害识别指数。
另一方面，本发明的另一实施例提供了一种基于多源异构数据的海洋生态异常危险识别装置，包括第一数据获取模块、报告生成报告、数据库建立模块、数据库更新模块、第二数据获取模块、第三数据获取模块和预警发送模块；
所述第一数据获取模块，用于通过自动抓取的方式获取目标海域的多源异构数据文件；
所述报告生成报告，用于根据数据质量标准对所述多源异构数据文件进行自动检测并生成质控报告；
所述数据库建立模块，用于根据所述质控报告中符合所述数据质量标准的多源异构数据建立海洋信息数据库；
所述数据库更新模块，用于通过在云平台建立海洋数值模型，根据所述云平台环境配置和目标海域水体特性设定参数调式模型，并行计算输出三维流场并进行质控管理，更新所述海洋信息数据库，得到更新海洋信息数据库；
所述第二数据获取模块，用于根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品；
所述第三数据获取模块对每一所述海洋生态异常指数数据产品进行加权平均，得到所述目标海域的二级海洋生态异常指数数据产品；
所述预警发送模块，用于根据自动阈值检测技术对所述二级海洋生态异常指数数据产品进行阈值检测，若存在大于第一预设阈值的异常指数，则向预设的地址发送所述目标海域二级海洋生态异常指数数据产品的预警信息。
本发明实施例提供一种基于多源异构数据的海洋生态异常危险识别方法及装置，通过自动抓取多源异构数据文件，根据多源异构数据文件中数据实体及其相应的元信息建立海洋信息数据库，并通过建立海洋数值模型计算得到目标海域的流场信息，将模式模拟结果录入海洋信息数据库。根据海洋信息数据库获取叶绿素a浓度、浮游植物荧光高度FLH和有效光合辐射PAR、GPM L3降水数据、AVHRR海表温度数据、ASCAT10m海面风场风速数据、表层海流流场数据和水质浮标参数，生成叶绿素a浓度异常生态灾害识别指数、浮游植物荧光高度FLH异常生态灾害识别指数、有效光合辐射PAR生态灾害识别指数、降水生态灾害识别指数、海表温度数据生态灾害识别指数、海面风场风速生态灾害识别指数和水质浮标生态灾害识别指数。根据目标海域一级海洋生态异常指数加权平均获得目标海域二级海洋生态异常指数数据产品，以实现对目标海域的海洋生态危险识别，充分考虑了海洋生态灾害爆发因素的复杂性，能够有效提高对海洋生态异常危险识别的准确性，从而能够有效提升海洋生态灾害的发现率。
附图说明
图1是本发明一实施例提供的基于多源异构数据的海洋生态异常危险识别方法的流程示意图；
图2是本发明一实施例提供的基于多源异构数据的海洋生态异常危险识别方法的ROMS表层流速预测产品示意图；
图3是本发明一实施例提供的基于多源异构数据的海洋生态异常危险识别方法的水体异常指数分布数据产品示意图；
图4是本发明一实施例提供的基于多源异构数据的海洋生态异常危险识别装置的结构示意图。
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。
请参阅图1：
本发明的第一实施例。
本发明实施例提供了一种基于多源异构数据的海洋生态异常危险识别方法，包括：
通过自动抓取的方式获取目标海域的多源异构数据文件；
根据数据质量标准对所述多源异构数据文件进行自动检测并生成质控报告；
根据所述质控报告中符合所述数据质量标准的多源异构数据建立海洋信息数据库；
通过在云平台建立海洋数值模型，根据所述云平台环境配置和目标海域水体特性设定参数调式模型，并行计算输出三维流场并进行质控管理，更新所述海洋信息数据库，得到更新海洋信息数据库；
根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品；
对每一所述海洋生态异常指数数据产品进行加权平均，得到所述目标海域的二级海洋生态异常指数数据产品；
根据自动阈值检测技术对所述二级海洋生态异常指数数据产品进行阈值检测，若存在大于第一预设阈值的异常指数，则向预设的地址发送所述目标海域二级海洋生态异常指数数据产品的预警信息。
在本发明实施例中，通过对对每一海洋生态异常指数进行加权平均，得到目标海域的二级海洋生态异常指数数据产品的异常指数为-3到11.5数值区间，当二级海洋生态异常指数数据产品的异常指数大于1时为不排除海洋水体生态异常可能性，随着数值增加水体生态异常危险等级越高，本发明实施例在判断到存在大于1的异常指数时，采用matlab的sentmail命令自动智能地向地址列表的地址发送二级海洋生态异常指数数据产品的预警邮件，实现全自动、智能预判且发布预警信息，并通过Web Service发布预警产品。
在本发明实施例中，通过自动抓取多源异构数据文件，根据符合数据质量标准的多源异构数据中数据实体以及元信息建立海洋信息数据库，并通过海洋数值模型计算得到目标海域的海流数据，将模拟结果编目录入海洋信息数据库，根据海洋信息数据库获取叶绿素a浓度、浮游植物荧光高度FLH(Fluorescence Line Height)和有效光合辐射PAR(Photo-synthetically Active Radiation)、GPM(Global Precipitation Measurement)L3降水数据、AVHRR(Advanced Very High Resolution Radiometer)海表温度数据、ASCAT(Advanced Scatterometer)10m海面风场风速数据、海流数据和水质浮标数据，生成叶绿素a浓度异常生态灾害识别指数、浮游植物荧光高度FLH异常生态灾害识别指数和有效光合辐射PAR生态灾害识别指数、降水生态灾害识别指数、海表温度生态灾害识别指数、海面风场风速生态灾害识别指数、表层海流生态灾害识别指数和水质浮标生态灾害识别指数，并根据一级海洋生态异常指数数据产品获得目标海域二级海洋生态异常指数数据产品，以实现对目标海域的海洋生态危险识别，充分考虑了海洋生态灾害爆发因素的复杂性，能够有效提高对海洋生态异常危险识别的准确性，从而能够有效提升海洋生态灾害的发现率。
作为本发明实施例的一种具体实施方式，通过自动抓取的方式获取目标海域的多源异构数据文件，具体为：
通过下载接口或者网页数据智能抽取的方式，定时或实时更新下载目标海域的多源异构数据文件，多源异构数据文件包括：遥感数据、气象数据、定点在线监测数据和再分析资料数据。
在本发明实施例中，通过下载接口，采用crontab定时下载、自动获取目标海域的多协议(FTP、FTPS、HTTP、HTTPS、SCP、TELNET)遥感数据、气象数据、定点在线监测数据和再分析资料数据的多源异构数据文件，针对自动抓取数据中标准化的格式，如NetCDF、GRIB、HDF、XML等，使用开发的针对标准格式的接口；而对其他非标准格式采用自开发的转换文件无缝融入，在阿里云大数据平台上实现对多源异构数据文件的整理、分类和存储；利用libcurl库的curl、数据资源URL抓取对应网页关键信息，利用grep命令分析文件关键字，获取数据更新列表，生成发布数据更新变化感知获取的多源异构数据文件，将更新的多源异构数据对应的URL放入待抓取URL队列，采用消息驱动多线程并行下载模式抓取最新的相关参数文件，结合wget断点下载方式实现非标准化接口文件的智能下载、并整理、分类存储于阿里云大数据平台。
作为本发明实施例的一种具体实施方式，根据所述元信息和与所述元信息对应的数据实体建立海洋信息数据库，具体为：
根据符合所述数据质量标准的多源异构数据中数据实体对应的参数物理特性，对所述数据实体进行质量控制管理，采集符合所述数据质量标准的多源异构数据的数据属性，构建描述数据实体特性的元信息进行保存；根据所述元信息与所述元信息对应的数据实体建立海洋信息数据库。
作为本发明实施例的一种具体实施方式，通过在云平台建立海洋数值模型，根据所述云平台环境配置和目标海域水体特性设定参数调式模型，并行计算输出三维流场并进行质控管理，更新所述海洋信息数据库，得到更新海洋信息数据库，具体为：
根据所述海洋信息数据库中气候态数据生成模型开边界的边界条件数据，并根据所述云平台环境配置和所述目标海域水体特性选择参数，调整所述海洋数值模型在所述目标海域复杂地形的解析能力，根据所述海洋信息数据库中历史实测海洋调查数据对所述参数进行优化，订正模型区域性误差，通过多线程对所述海洋数值模型进行并行计算得到三维流场信息，通过输出参数物理意义对数据进行质控管理；根据所述海洋数值模型模拟流场的数据属性构建元信息，并结合所述元信息对应的数据实体编目入库，更新所述海洋信息数据库，得到更新海洋信息数据库。
可以理解的是，本发明实施例中的海洋数值模型包括ROMS(RegionalOceanModeling System)模型，FVCOM(Finite Volume Coastal Ocean Model)和HYCOM(HybridCoordinate Ocean Model)模型。
作为本发明实施例的一种具体实施方式，所述一级海洋生态异常指数数据产品包括：叶绿素a浓度异常生态灾害识别指数、浮游植物荧光高度FLH异常生态灾害识别指数和有效光合辐射PAR生态灾害识别指数；所述根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品，具体为：
根据所述更新海洋信息数据库获取水色遥感卫星L1b辐亮度、遥感反射率Rrs、几何定位信息GLT进行基于短波红外波段外推的大气校正和多源数据融合技术得到L2遥感反射率Rrs，应用浮游植物荧光特性的水色参数反演算法得到叶绿素a浓度；基于L2遥感反射率反演算法得到浮游植物荧光高度FLH和有效光合辐射PAR；
对所述叶绿素a浓度减去所述云平台数据库中的历史遥感数据气候态月平均叶绿素a浓度，得到叶绿素a浓度异常时空分布数据，并将叶绿素a浓度正异常的海域标记为海洋生态正异常，赋值为2，其他海域赋值为0，得到叶绿素a浓度异常生态灾害识别指数；
对所述浮游植物荧光高度FLH减去所述云平台数据库中的历史遥感数据气候态月平均浮游植物荧光高度FLH，得到浮游植物荧光高度FLH异常时空分布数据，将所述浮游植物荧光高度FLH正异常的海域标记为海洋生态正异常，赋值为2，其他海域赋值为0，得到浮游植物荧光高度FLH异常生态灾害识别指数；
计算所述有效光合辐射PAR的3天均值，平均有效光合辐射PAR大于第二预设值阈值的海域标记为海洋生态正异常，赋值为1，其他海域赋值为0，得到有效光合辐射PAR生态灾害识别指数。
在本发明实施例中，计算所述有效光合辐射PAR的3天均值，平均有效光合辐射PAR大于50(W.m-2.μm-1.sr-1)的海域标记为海洋生态正异常，赋值为1，其他海域赋值为0，得到有效光合辐射PAR生态灾害识别指数。
作为本发明实施例的一种具体实施方式，所述一级海洋生态异常指数数据产品还包括降水生态灾害识别指数、海表温度生态灾害识别指数、海面风场风速生态灾害识别指数和表层海流生态灾害识别指数，所述根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品，具体为：
根据所述更新海洋信息数据库获取NASA发布的GPM L3网格化的降水参数precipitationCal，获取所述目标海域的GPM L3降水数据；根据所述更新海洋信息数据库获取NOAA发布的AVHRR网格化海表温度反演参数sst，提取所述目标海域的AVHRR海表温度数据；根据所述更新海洋信息数据库获取NOAA发布的Ascat网格化10m风场数据，提取目标水体的10m海面风场风速数据；根据所述更新海洋信息数据库获取数值模式输出的海流数据；
对所述GPM L3降水数据进行阈值判断，所述GPM L3当日实时降水数据大于第三预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0；所述GPM L3 14日前历史降水数据大于第四预设阈值的海域标记为海洋生态正异常，赋值为0.5，其他海域赋值为0，得到降水生态灾害识别指数；
对所述AVHRR海表温度数据进行阈值判断，所述AVHRR当日实时海表温度数据大于第五预设阈值或小于第六预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0；所述AVHRR当日实时的海表温度数据与所述AVHRR七日内的海表温度数据差异值大于第七预设阈值的海域标记为海洋生态正异常，赋值为1，其他海域赋值为0，得到海表温度生态灾害识别指数；
对所述ASCAT实时的10m海面风场风速数据进行阈值判断，所述ASCAT当日10m海面风场风速数据大于第八预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0，得到海表风场风速生态灾害识别指数；
对所述海流数据进行阈值判断，所述当日海流数据大于第九预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0，得到海流生态灾害识别指数。
在本发明实施例中，对所述GPM L3降水数据进行阈值判断，所述GPM L3当日实时降水数据大于0.05(mm/hr)的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0；所述GPM L3 14日前历史降水数据大于0.5(mm/hr)的海域标记为海洋生态正异常，赋值为0.5，其他海域赋值为0，得到降水生态灾害识别指数；
对所述AVHRR海表温度数据进行阈值判断，所述AVHRR当日实时海表温度数据大于32(℃)或小于20(℃)的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0；所述AVHRR当日实时的海表温度数据与所述AVHRR七日内的海表温度数据差异值大于2(℃)的海域标记为海洋生态正异常，赋值为1，其他海域赋值为0，得到海表温度生态灾害识别指数；
对所述ASCAT实时的10m海面风场风速数据进行阈值判断，所述ASCAT当日10m海面风场风速数据大于5(m/s)的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0，得到海表风场风速生态灾害识别指数；
对所述海流数据进行阈值判断，所述当日海流数据大于0.5(m/s)的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0，得到海流生态灾害识别指数。
作为本发明实施例的一种具体实施方式，所述一级海洋生态异常指数数据产品还包括水质浮标生态灾害识别指数，所述根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品，具体为：
对所述目标海域实时在线监测数据进行阈值判断，所述叶绿素a浓度实时数值高于在线监测数据3天平均叶绿素a浓度则标记为定点海洋生态正异常，浮游植物荧光高于在线监测数据3天平均浮游植物荧光则标记为定点海洋生态正异常，溶解氧饱和度高于第十预设阈值则标记为定点海洋生态正异常，PH值高于第十一预设阈值则标记为定点海洋生态正异常,所述在线监测数据的异常指数赋值为异常参数总和，其中所述异常参数包括叶所述绿素a浓度异常、所述浮游植物荧光异常和所述溶解氧饱和度，将所述异常参数进行累加求和，得到水质浮标生态灾害识别指数。
在本发明实施例中，对所述目标海域实时在线监测数据进行阈值判断，所述叶绿素a浓度实时数值高于在线监测数据3天平均叶绿素a浓度则标记为定点海洋生态正异常，浮游植物荧光高于在线监测数据3天平均浮游植物荧光则标记为定点海洋生态正异常，溶解氧饱和度高于100％则标记为定点海洋生态正异常，PH值高于8.3则标记为定点海洋生态正异常,所述在线监测数据的异常指数赋值为异常参数总和，其中所述异常参数包括叶所述绿素a浓度异常、所述浮游植物荧光异常和所述溶解氧饱和度，将所述异常参数进行累加求和，得到水质浮标生态灾害识别指数。
实施本发明实施例，具有以下有益效果：
在本发明实施例中，通过自动抓取多源异构数据文件，根据符合数据质量标准的多源异构数据中数据实体以及元信息建立海洋信息数据库，并通过海洋数值模型计算得到目标海域的海流数据，将模拟结果编目录入海洋信息数据库，根据海洋信息数据库获取叶绿素a浓度、浮游植物荧光高度FLH和有效光合辐射PAR、GPM L3降水数据、AVHRR海表温度数据、ASCAT10m海面风场风速数据、海流数据和水质浮标数据，生成叶绿素a浓度异常生态灾害识别指数、浮游植物荧光高度FLH异常生态灾害识别指数和有效光合辐射PAR生态灾害识别指数、降水生态灾害识别指数、海表温度生态灾害识别指数、海面风场风速生态灾害识别指数、表层海流生态灾害识别指数和水质浮标生态灾害识别指数，并根据一级海洋生态异常指数数据产品获得目标海域二级海洋生态异常指数数据产品，以实现对目标海域的海洋生态危险识别，充分考虑了海洋生态灾害爆发因素的复杂性，能够有效提高对海洋生态异常危险识别的准确性，从而能够有效提升海洋生态灾害的发现率。
请参阅图2-3：
为本发明提供的第二实施例。
本发明实施例提供的一种基于多源异构数据的海洋生态异常危险识别方法分析近岸沿海海域生态异常监测。本方法应用于2016年03月27日发生在广东某市近海海域的海洋生态异常监测，通过本本实施例提供的海洋生态异常识别方法在目标海域发现生态异常，海洋监测部门对该区域进行了水体检测，发现本次异常是由红色赤潮藻为优势藻种引发的生态异常。其中，图2是本发明一实施例提供的基于多源异构数据的海洋生态异常危险识别方法的ROMS表层流速预测产品示意图，图3是本发明一实施例提供的基于多源异构数据的海洋生态异常危险识别方法的水体异常指数分布数据产品示意图。因此，本实施例提供的海洋生态异常危险识别方法对近岸沿海的海洋生态异常判别水平能力较好，并可以为生态异常事件判断提供决策支持。
请参阅图4：
本发明的第三实施例。
本发明实施例提供了一种基于多源异构数据的海洋生态异常危险识别装置，包括第一数据获取模块、报告生成报告、数据库建立模块、数据库更新模块、第二数据获取模块、第三数据获取模块和预警发送模块；
所述第一数据获取模块，用于通过自动抓取的方式获取目标海域的多源异构数据文件；
所述报告生成报告，用于根据数据质量标准对所述多源异构数据文件进行自动检测并生成质控报告；
所述数据库建立模块，用于根据所述质控报告中符合所述数据质量标准的多源异构数据建立海洋信息数据库；
所述数据库更新模块，用于通过在云平台建立海洋数值模型，根据所述云平台环境配置和目标海域水体特性设定参数调式模型，并行计算输出三维流场并进行质控管理，更新所述海洋信息数据库，得到更新海洋信息数据库；
所述第二数据获取模块，用于根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品；
所述第三数据获取模块对每一所述海洋生态异常指数数据产品进行加权平均，得到所述目标海域的二级海洋生态异常指数数据产品；
所述预警发送模块，用于根据自动阈值检测技术对所述二级海洋生态异常指数数据产品进行阈值检测，若存在大于第一预设阈值的异常指数，则向预设的地址发送所述目标海域二级海洋生态异常指数数据产品的预警信息。
在本发明实施例中，通过自动抓取多源异构数据文件，根据符合数据质量标准的多源异构数据中数据实体以及元信息建立海洋信息数据库，并通过海洋数值模型计算得到目标海域的海流数据，将模拟结果编目录入海洋信息数据库，根据海洋信息数据库获取叶绿素a浓度、浮游植物荧光高度FLH和有效光合辐射PAR、GPM L3降水数据、AVHRR海表温度数据、ASCAT10m海面风场风速数据、海流数据和水质浮标数据，生成叶绿素a浓度异常生态灾害识别指数、浮游植物荧光高度FLH异常生态灾害识别指数和有效光合辐射PAR生态灾害识别指数、降水生态灾害识别指数、海表温度生态灾害识别指数、海面风场风速生态灾害识别指数、表层海流生态灾害识别指数和水质浮标生态灾害识别指数，并根据一级海洋生态异常指数数据产品获得目标海域二级海洋生态异常指数数据产品，以实现对目标海域的海洋生态危险识别，充分考虑了海洋生态灾害爆发因素的复杂性，能够有效提高对海洋生态异常危险识别的准确性，从而能够有效提升海洋生态灾害的发现率。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (7)

1.一种基于多源异构数据的海洋生态异常危险识别方法，其特征在于，包括：
通过自动抓取的方式获取目标海域的多源异构数据文件；
根据数据质量标准对所述多源异构数据文件进行自动检测并生成质控报告；
根据所述质控报告中符合所述数据质量标准的多源异构数据建立海洋信息数据库；
通过在云平台建立海洋数值模型，根据所述云平台环境配置和目标海域水体特性设定参数调式模型，并行计算输出三维流场并进行质控管理，更新所述海洋信息数据库，得到更新海洋信息数据库；
根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品；所述一级海洋生态异常指数数据产品包括降水生态灾害识别指数、海表温度生态灾害识别指数、海面风场风速生态灾害识别指数和表层海流生态灾害识别指数，所述根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品，具体为：根据所述更新海洋信息数据库获取NASA发布的GPM L3 网格化的降水参数precipitationCal，获取所述目标海域的GPM L3降水数据；根据所述更新海洋信息数据库获取NOAA发布的AVHRR网格化海表温度反演参数sst，提取所述目标海域的AVHRR海表温度数据;根据所述更新海洋信息数据库获取NOAA发布的ASCAT 网格化10m风场数据，提取目标水体的10m海面风场风速数据；根据所述更新海洋信息数据库获取数值模式输出的海流数据；对所述GPM L3降水数据进行阈值判断，所述GPM L3当日实时降水数据大于第三预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0；所述GPM L3 14日前历史降水数据大于第四预设阈值的海域标记为海洋生态正异常，赋值为0.5，其他海域赋值为0，得到降水生态灾害识别指数；对所述AVHRR 海表温度数据进行阈值判断，所述AVHRR当日实时海表温度数据大于第五预设阈值或小于第六预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0；所述AVHRR 当日实时的海表温度数据与所述AVHRR七日内的海表温度数据差异值大于第七预设阈值的海域标记为海洋生态正异常，赋值为1，其他海域赋值为0，得到海表温度生态灾害识别指数；对所述ASCAT实时的10m海面风场风速数据进行阈值判断，所述ASCAT当日10m海面风场风速数据大于第八预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0，得到海表风场风速生态灾害识别指数；对所述海流数据进行阈值判断，所述当日海流数据大于第九预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0，得到海流生态灾害识别指数；
对每一所述海洋生态异常指数数据产品进行加权平均，得到所述目标海域的二级海洋生态异常指数数据产品；
根据自动阈值检测技术对所述二级海洋生态异常指数数据产品进行阈值检测，若存在大于第一预设阈值的异常指数，则向预设的地址发送所述目标海域二级海洋生态异常指数数据产品的预警信息。
2.如权利要求1所述的基于多源异构数据的海洋生态异常危险识别方法，其特征在于，所述通过自动抓取的方式获取目标海域的多源异构数据文件，具体为：
通过下载接口或者网页数据智能抽取的方式，定时或实时更新下载目标海域的多源异构数据文件，所述多源异构数据文件包括：遥感数据、气象数据、定点在线监测数据和再分析资料数据。
3.如权利要求1所述的基于多源异构数据的海洋生态异常危险识别方法，其特征在于，根据所述元信息和与所述元信息对应的数据实体建立海洋信息数据库，具体为：
根据符合所述数据质量标准的多源异构数据中数据实体对应的参数物理特性，对所述数据实体进行质量控制管理，采集符合所述数据质量标准的多源异构数据的数据属性，构建描述数据实体特性的元信息进行保存；根据所述元信息与所述元信息对应的数据实体建立海洋信息数据库。
4.如权利要求1所述的基于多源异构数据的海洋生态异常危险识别方法，其特征在于，通过在云平台建立海洋数值模型，根据所述云平台环境配置和目标海域水体特性设定参数调式模型，并行计算输出三维流场并进行质控管理，更新所述海洋信息数据库，得到更新海洋信息数据库，具体为：
根据所述海洋信息数据库中气候态数据生成模型开边界的边界条件数据，并根据所述云平台环境配置和所述目标海域水体特性选择参数，调整所述海洋数值模型在所述目标海域复杂地形的解析能力，根据所述海洋信息数据库中历史实测海洋调查数据对所述参数进行优化，订正模型区域性误差，通过多线程对所述海洋数值模型进行并行计算得到三维流场信息，通过输出参数物理意义对数据进行质控管理；根据所述海洋数值模型模拟流场的数据属性构建元信息，并结合所述元信息对应的数据实体编目入库，更新所述海洋信息数据库，得到更新海洋信息数据库。
5.如权利要求1所述的基于多源异构数据的海洋生态异常危险识别方法，其特征在于，所述一级海洋生态异常指数数据产品包括：叶绿素a浓度异常生态灾害识别指数、浮游植物荧光高度FLH异常生态灾害识别指数和有效光合辐射PAR生态灾害识别指数；所述根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品，具体为：
根据所述更新海洋信息数据库获取水色遥感卫星L1b辐亮度、遥感反射率Rrs、几何定位信息GLT进行基于短波红外波段外推的大气校正和多源数据融合技术得到L2遥感反射率Rrs，应用浮游植物荧光特性的水色参数反演算法得到叶绿素a浓度；基于L2遥感反射率反演算法得到浮游植物荧光高度FLH和有效光合辐射PAR;
对所述叶绿素a浓度减去所述云平台数据库中的历史遥感数据气候态月平均叶绿素a浓度，得到叶绿素a浓度异常时空分布数据，并将叶绿素a浓度正异常的海域标记为海洋生态正异常，赋值为2，其他海域赋值为0，得到叶绿素a浓度异常生态灾害识别指数；
对所述浮游植物荧光高度FLH减去所述云平台数据库中的历史遥感数据气候态月平均浮游植物荧光高度FLH，得到浮游植物荧光高度FLH异常时空分布数据，将所述浮游植物荧光高度FLH正异常的海域标记为海洋生态正异常，赋值为2，其他海域赋值为0，得到浮游植物荧光高度FLH异常生态灾害识别指数；
计算所述有效光合辐射PAR 的3天均值，平均有效光合辐射PAR大于第二预设值阈值的海域标记为海洋生态正异常，赋值为1，其他海域赋值为0，得到有效光合辐射PAR生态灾害识别指数。
6.如权利要求1所述的基于多源异构数据的海洋生态异常危险识别方法，其特征在于，所述一级海洋生态异常指数数据产品还包括水质浮标生态灾害识别指数，所述根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品，具体为：
对所述目标海域实时在线监测数据进行阈值判断，所述叶绿素a浓度实时数值高于在线监测数据3天平均叶绿素a浓度则标记为定点海洋生态正异常，浮游植物荧光高于在线监测数据3天平均浮游植物荧光则标记为定点海洋生态正异常，溶解氧饱和度高于第十预设阈值则标记为定点海洋生态正异常，PH值高于第十一预设阈值则标记为定点海洋生态正异常, 所述在线监测数据的异常指数赋值为异常参数总和，其中所述异常参数包括叶所述绿素a浓度异常、所述浮游植物荧光异常和所述溶解氧饱和度，将所述异常参数进行累加求和，得到水质浮标生态灾害识别指数。
7.一种基于多源异构数据的海洋生态异常危险识别装置，其特征在于，包括第一数据获取模块、报告生成报告、数据库建立模块、数据库更新模块、第二数据获取模块、第三数据获取模块和预警发送模块；
所述第一数据获取模块，用于通过自动抓取的方式获取目标海域的多源异构数据文件；
所述报告生成报告，用于根据数据质量标准对所述多源异构数据文件进行自动检测并生成质控报告；
所述数据库建立模块，用于根据所述质控报告中符合所述数据质量标准的多源异构数据建立海洋信息数据库；
所述数据库更新模块，用于通过在云平台建立海洋数值模型，根据所述云平台环境配置和目标海域水体特性设定参数调式模型，并行计算输出三维流场并进行质控管理，更新所述海洋信息数据库，得到更新海洋信息数据库；
所述第二数据获取模块，用于根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品；所述一级海洋生态异常指数数据产品包括降水生态灾害识别指数、海表温度生态灾害识别指数、海面风场风速生态灾害识别指数和表层海流生态灾害识别指数，所述根据所述更新海洋信息数据库中环境参数的时空分布特征和阈值判断法，获取一级海洋生态异常指数数据产品，具体为：根据所述更新海洋信息数据库获取NASA发布的GPM L3 网格化的降水参数precipitationCal，获取所述目标海域的GPM L3降水数据；根据所述更新海洋信息数据库获取NOAA发布的AVHRR网格化海表温度反演参数sst，提取所述目标海域的AVHRR海表温度数据;根据所述更新海洋信息数据库获取NOAA发布的ASCAT 网格化10m风场数据，提取目标水体的10m海面风场风速数据；根据所述更新海洋信息数据库获取数值模式输出的海流数据；对所述GPM L3降水数据进行阈值判断，所述GPM L3当日实时降水数据大于第三预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0；所述GPM L3 14日前历史降水数据大于第四预设阈值的海域标记为海洋生态正异常，赋值为0.5，其他海域赋值为0，得到降水生态灾害识别指数；对所述AVHRR 海表温度数据进行阈值判断，所述AVHRR当日实时海表温度数据大于第五预设阈值或小于第六预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0；所述AVHRR 当日实时的海表温度数据与所述AVHRR七日内的海表温度数据差异值大于第七预设阈值的海域标记为海洋生态正异常，赋值为1，其他海域赋值为0，得到海表温度生态灾害识别指数；对所述ASCAT实时的10m海面风场风速数据进行阈值判断，所述ASCAT当日10m海面风场风速数据大于第八预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0，得到海表风场风速生态灾害识别指数；对所述海流数据进行阈值判断，所述当日海流数据大于第九预设阈值的海域标记为海洋生态负异常，赋值为-1，其他海域赋值为0，得到海流生态灾害识别指数；
所述第三数据获取模块对每一所述海洋生态异常指数数据产品进行加权平均，得到所述目标海域的二级海洋生态异常指数数据产品；
所述预警发送模块，用于根据自动阈值检测技术对所述二级海洋生态异常指数数据产品进行阈值检测，若存在大于第一预设阈值的异常指数，则向预设的地址发送所述目标海域二级海洋生态异常指数数据产品的预警信息。
CN202010074214.9A 2020-01-22 2020-01-22 基于多源异构数据的海洋生态异常危险识别方法及装置 Active CN111311081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010074214.9A CN111311081B (zh) 2020-01-22 2020-01-22 基于多源异构数据的海洋生态异常危险识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010074214.9A CN111311081B (zh) 2020-01-22 2020-01-22 基于多源异构数据的海洋生态异常危险识别方法及装置

Publications (2)

Publication Number Publication Date
CN111311081A CN111311081A (zh) 2020-06-19
CN111311081B true CN111311081B (zh) 2023-02-10

Family

ID=71148999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010074214.9A Active CN111311081B (zh) 2020-01-22 2020-01-22 基于多源异构数据的海洋生态异常危险识别方法及装置

Country Status (1)

Country Link
CN (1) CN111311081B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111968348B (zh) * 2020-09-11 2022-08-26 中国林业科学研究院林业新技术研究所 珍稀水禽实时监测预警信息管理方法、装置及***
CN112433998B (zh) * 2020-11-20 2022-01-21 广东电网有限责任公司佛山供电局 一种基于电力***的多源异构数据采集汇聚***及方法
CN113592379B (zh) * 2021-06-25 2024-05-14 南京财经大学 散粮集装箱物流运输环境异常检测的关键特征识别方法
CN114124361B (zh) * 2022-01-27 2022-04-26 广东工业大学 一种海洋感知数据的融合通信方法及***
CN114840673B (zh) * 2022-05-09 2024-04-16 中国人民解放军国防科技大学 基于NetCDF的多源异构海洋环境数据集成方法
CN117992801B (zh) * 2024-04-03 2024-06-14 南京信息工程大学 一种通过卫星遥感技术的海域监测方法与***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107044985A (zh) * 2017-05-18 2017-08-15 杭州师范大学 一种表层海水中多环芳烃的遥感监测方法
CN109543768A (zh) * 2018-11-30 2019-03-29 福州大学 基于多源卫星遥感的海洋内部温盐信息智能提取方法
CN208818848U (zh) * 2018-09-19 2019-05-03 蓝海天智（舟山）海洋科技有限公司 一种基于动态监测的海上赤潮生消过程预测***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107044985A (zh) * 2017-05-18 2017-08-15 杭州师范大学 一种表层海水中多环芳烃的遥感监测方法
CN208818848U (zh) * 2018-09-19 2019-05-03 蓝海天智（舟山）海洋科技有限公司 一种基于动态监测的海上赤潮生消过程预测***
CN109543768A (zh) * 2018-11-30 2019-03-29 福州大学 基于多源卫星遥感的海洋内部温盐信息智能提取方法

Also Published As

Publication number Publication date
CN111311081A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN111311081B (zh) 基于多源异构数据的海洋生态异常危险识别方法及装置
CN111930049A (zh) 一种基于物联网的林业森林防火安全智能监测管理***
CN106595551B (zh) 基于深度学习的输电线路覆冰图像中覆冰厚度检测方法
CN112422783A (zh) 一种基于停机坪集群的无人机智能巡查***
CN112734694A (zh) 一种基于大数据的水质监测方法
CN103699903B (zh) 基于图像识别的城市屋顶绿化面积计算方法及***
CN109407177B (zh) 基于机器学习与常规气象观测的大雾识别***和应用方法
CN109710595B (zh) 基于有限信息的输电走廊鸟害热点图的构建方法
WO2024087574A1 (zh) 基于全景分割的光学遥感影像海洋筏式养殖区分类方法
CN112100299A (zh) 一种用于突发性毒气泄漏应急预警的可视化方法
CN113484489A (zh) 一种水体富营养化的远程监测与预警方法
CN115984263A (zh) 基于改进型孪生神经网络的螺栓松动检测算法及检测***
CN116846059A (zh) 一种用于电网巡检和监控的边缘检测***
CN114417981A (zh) 一种智能河长巡测***
CN114325856A (zh) 基于边缘计算的输电线异物监测方法
CN115457411A (zh) 航油管线无人化巡视方法、装置和航油安全运维***
CN116702588A (zh) 一种基于多源数据的风电场关键气象因子预报方法及***
CN116433846A (zh) 一种基于大小和局部混乱距离的林地点云枝叶分离方法
CN113506017B (zh) 一种校园用数字园林管养***
CN115238574A (zh) 基于数字孪生的输电线路数据管理方法
CN115100551A (zh) 一种基于遥感影像技术的土地利用属性的监测方法
CN113225539A (zh) 一种基于云计算的流动人口人工智能预警***
CN118094488B (zh) 水利水电工程挡水建筑物库面漂浮物量预测方法及***
CN117688464B (zh) 一种基于多源传感器数据的隐患分析方法及***
CN117849907B (zh) 基于多源数据的气象灾害靶向预警方法及***

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