CN111814371A - 一种基于船载实测数据的海水温度场构建方法 - Google Patents
一种基于船载实测数据的海水温度场构建方法 Download PDFInfo
- Publication number
- CN111814371A CN111814371A CN202010598221.9A CN202010598221A CN111814371A CN 111814371 A CN111814371 A CN 111814371A CN 202010598221 A CN202010598221 A CN 202010598221A CN 111814371 A CN111814371 A CN 111814371A
- Authority
- CN
- China
- Prior art keywords
- covariance
- data
- point
- constructing
- covariance matrix
- 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.)
- Granted
Links
- 239000013535 sea water Substances 0.000 title claims abstract description 17
- 238000010276 construction Methods 0.000 title claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000010223 real-time analysis Methods 0.000 claims abstract description 7
- 238000003908 quality control method Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及一种基于船载实测数据的海水温度场构建方法,包括下列步骤,导入背景场数据,对实测数据进行质量控制;实测数据有效值提取;对已有历史数据进行处理,计算协方差矩阵;垂直动态分析;构建水平协方差矩阵;水平动态分析;建立三维温度场。本发明在满足数据同化实测海水温度信息的前提下,结合船舶航行的实际情况,设计了可便捷计算的实况分析算法,算法的限制少,对数据的校正程度高,使用便捷,可满足船舶及其它海上平台对海水温度场的使用要求。
Description
技术领域
本发明属于海洋温度场构建领域,通过数据同化的方法,结合背景参数库,反演得到三维温度场的方法。
背景技术
三维温度场反演技术对商业航运、科学研究等提供了重要支持。温度场的结构对海洋中的环流结构、水团组成、海洋生产力、沿岸物质输运等产生重要的影响,在入海口和沿岸海域附近往往会产生很强的锋面现象,在近海海域会出现较强的季节性跃层,深海洋盆中存在稳定的永久性温跃层,这些海洋现象对航行、探测等会产生重要的影响。
数据同化是在考虑数据时空分布和对模型、观测做出误差估计的基础上,在动态运行过程中融合新的观测数据的方法,最终目的是形成具有空间、时间和物理一致性的数据集。数据同化一般包含4个基本要素:1模拟自然界真实情况的物理模型;2状态量的直接或间接观测数据;3通过数据同化不断将新观测数据融入到过程模型中,校正模型参数,提高同化精度;4定量分析模型和预测值的不准确性。
本技术在满足数据同化基本要素的前提下,结合船舶航行的实际情况,设计了可实时计算的实况分析算法。算法的限制少,对数据的校正程度高,使用便捷,可供船舶在全球海域使用。
发明内容
本发明是要提出一种结合实测数据和背景场数据,提供高分辨率高精度的三维温度场法,解决实时三维温度场问题。
为解决上述技术问题,本发明的基于船载实测数据的海水温度场构建方法,包括下列步骤,
(1)背景场构建;
(2)实测温度实时分析;
(3)构建垂直协方差矩阵;
(4)垂直动态分析;
(5)构建水平协方差矩阵;
(6)水平动态分析;
(7)建立水平高分辨率温度场。
所述背景场构建步骤中,在船舶出行前,预装背景场数据,根据船舶出行时长选择适当的背景场数据;对背景场数据进行数据质量控制及转码统一格式,确保二者的时空分辨率、存储变量的类型和方式一致。
所述实测温度实时分析方法步骤具体包括以下计算过程,
三维插值部分首先解决了平面二维插值问题,利用距离反比插值法得到当前位置与周围临近的网格点间的关系,即平面权重系数矩阵;将观测位置与背景场该位置之间的变化量,通过平面权重系数矩阵插值到临近网格点上;根据各网格点与其他各点间的协方差矩阵,计算每个格点引起的增量在整个平面上造成的变化,并将其叠加得到整体平面总的变化;
利用距离反比插值方法求取观测点到网格点之间的权重,若观测点位置为O(x,y),与其临近的格点位置为B1(x1,y1)、B2(x2,y2)、B3(x3,y3)、B4(x4,y4),计算其每个点到观测点的距离d1、d2、d3、d4,则每个位置的权重为wi:
若观测位置的观测值为ΔXt,那么二维插值后临近格点的观测值wi*ΔX,则将观测点的增量转变为周围格点的增量,对周围格点逐个进行动态分析。
所述构建垂直协方差矩阵方法步骤具体包括以下计算过程:
根据背景场的不同,利用背景场数据,按照月度进行划分,构建各个格点的观测数据的时间序列,计算各个深度逐个格点与海域其他格点的协方差矩阵,得到逐月不同深度的垂直协方差矩阵;利用同样的方式,计算同一经纬度上不同深度格点间的垂向协方差矩阵;进而得到整个海域不同深度的协方差矩阵参数库,协方差矩阵的时间长度为d*Y,其中d代表每个月份的天数,Y代表历史数据的时间长度;
不同层的温度时间序列信息记为t1,t2,…,tn,对任意两组时间序列求协方差,得到协方差系数cij,协方差的计算方法如下:
cij=E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵,记为VerMatrix:
其中cij表示第i层的温度信息和第j层温度信息的协方差系数。
所述垂直动态分析方法具体包括下列步骤,
首先,根据垂向剖面格点的经纬度坐标,重新进行海洋中各点的垂向协方差矩阵计算;得到不同位置深度的协方差矩阵,并对矩阵进行筛选,将其中陆地或海底的部分进行剔除,保留海水部分完成协方差矩阵的更新;
在不考虑观测误差的情况下,利用距离反比的方式对权重系数进行求取;根据观测数值及历史背景场的垂向数据,获取其同化增量,根据增益系数K计算出垂向各点的变化,其同化方程可以简写为:
Ta=Tb+K·[Y-H·Tb]
K=B·HT·(H·B·HT)-1
其中,Ta为分析得到的结果,Tb为背景场,Y为观测量,H为权重系数矩阵,B为协方差矩阵。
所述构建水平协方差矩阵步骤具体包括以下计算过程:
根据背景场的不同,利用背景场数据,按照月度进行划分,构建各个格点的观测数据的时间序列,计算观测点与周围海域其他格点的协方差矩阵,得到逐月不同空间点的水平协方差矩阵;进而得到整个海域不同位置点的水平协方差矩阵参数库,协方差矩阵的时间长度为d*Y,其中d代表每个月份的天数,Y代表历史数据的时间长度;
不同层的温度时间序列信息记为t1,t2,…,tn,对任意两组时间序列求协方差,得到协方差系数cij,协方差的计算方法如下:
cij=E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵,记为HonMatrix:
其中cij表示观测点周边海域,第i个空间点的温度信息和第j个空间点温度信息的协方差系数。
所述水平动态分析方法包括下列步骤,
水平格点的目标泛函应采用如下形式:
其中,Xt表示当前位置的观测信息,Xb是当前位置的背景场,Y周围海域的动态分析场,Yb是周围海域的背景场;
对上式进行转换可以得到周围海域动态分析场的计算公式:
其中,cov(X,Y)为当前位置与周围海域各点的协方差矩阵,D(X)为当前位置的方差;
根据每个格点的动态分析结果,将周围海域的变化量Yi进行叠加,得到全部变化量ΔY,在此基础上叠加背景场即可到的水平动态分析结果:
Ya=ΔY+Yb
其中,Ya是当前位置周围海域的动态分析场,ΔY是动态分析量,Yb是周围海域的历史背景场。
所述建立水平高分辨率温度场步骤中,对实况分析后的三维温度场进行三次样条插值计算,将低分辨率的温度网格数据插值为高分辨率温度场数据。
本发明在满足数据同化基本要素的前提下,结合船舶航行的实际情况,设计了可实时计算的实况分析算法,算法的限制少,对数据的校正程度高,使用便捷,可供船舶在全球海域使用。
附图说明
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。
图1是本发明的温度场实况分析流程图。
图2是距离反比插值方法。
具体实施方式
本发明结合实测数据和背景场数据,提供时空连续的三维温度场法,包括以下几个步骤:
步骤一:背景场构建
在船舶出行前,预装岸预报***,根据船舶出行时长选择适当的背景场数据。将背景场数据进行质量控制及转码统一格式,确保二者的时空分辨率、存储变量的类型和方式一致。
步骤二:实测温度实时分析;
三维插值部分首先解决了平面二维插值问题,利用距离反比插值法得到当前位置与周围临近的网格点间的关系,即平面权重系数矩阵。将观测位置与背景场该位置之间的变化量,通过平面权重系数矩阵插值到临近网格点上。根据各网格点与其他各点间的协方差矩阵,计算每个格点引起的增量在整个平面上造成的变化,并将其叠加得到整体平面总的变化。如图1所示。
利用距离反比插值方法求取观测点到网格点之间的权重,若观测点位置为O(x,y),与其临近的格点位置为B1(x1,y1)、B2(x2,y2)、B3(x3,y3)、B4(x4,y4),计算其每个点到观测点的距离d1、d2、d3、d4,则每个位置的权重为wi:
若观测位置的观测值为ΔXt,那么二维插值后临近格点的观测值wi*ΔX,则将观测点的增量转变为周围格点的增量,对周围格点逐个进行动态分析。
步骤三:垂直动态分析
根据背景场的不同,利用背景场数据,按照月度进行划分,构建各个格点的观测数据的时间序列,计算各个深度逐个格点与海域其他格点的协方差矩阵,得到逐月不同深度的垂直协方差矩阵。利用同样的方式,计算同一经纬度上不同深度格点间的垂向协方差矩阵。进而得到整个海域不同深度的协方差矩阵参数库,协方差矩阵的时间长度为d*Y,其中d代表每个月份的天数,Y代表历史数据的时间长度。
不同层的温度时间序列信息记为t1,t2,…,tn,对任意两组时间序列求协方差,得到协方差系数cij,协方差的计算方法如下:
cij=E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵,记为VerMatrix:
其中cij表示第i层的温度信息和第j层温度信息的协方差系数。
步骤四:垂向实况分析
垂向动态分析是针对海洋中某一位置的垂向剖面进行分析,即根据观测点的位置完成当前位置各深度的动态分析,利用数据同化的思想将观测信息与历史协方差矩阵进行整合,根据权重系数矩阵,计算出垂向剖面格点的动态变化,进而完成垂向剖面的动态分析。
首先,根据垂向剖面格点的经纬度坐标,重新进行海洋中各点的垂向协方差矩阵计算。得到不同位置深度的协方差矩阵,并对矩阵进行筛选,将其中陆地或海底的部分进行剔除,保留海水部分完成协方差矩阵的更新。
在不考虑观测误差的情况下,利用距离反比的方式对权重系数进行求取。根据观测数值及历史背景场的垂向数据,获取其同化增量,根据增益系数K计算出垂向各点的变化,其同化方程可以简写为:
Ta=Tb+K·[Y-H·Tb]
K=B·HT·(H·B·HT)-1
其中,Ta为分析得到的结果,Tb为背景场,Y为观测量,H为权重系数矩阵,B为协方差矩阵。
步骤五:构建水平协方差矩阵
根据背景场的不同,利用背景场数据,按照月度进行划分,构建各个格点的观测数据的时间序列,计算观测点与周围海域其他格点的协方差矩阵,得到逐月不同空间点的水平协方差矩阵。进而得到整个海域不同位置点的水平协方差矩阵参数库,协方差矩阵的时间长度为d*Y,其中d代表每个月份的天数,Y代表历史数据的时间长度。
不同层的温度时间序列信息记为t1,t2,…,tn,对任意两组时间序列求协方差,得到协方差系数cij,协方差的计算方法如下:
cij=E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵,记为HonMatrix:
其中cij表示观测点周边海域,第i个空间点的温度信息和第j个空间点温度信息的协方差系数。
步骤六:水平动态分析
调取水平协方差矩阵,进行水平动态分析,得到附近海域的三维温度场。实况分析是指在考虑数据时空分布以及观测和背景场的基础上,利用协方差矩阵及观测位置与背景场之间的误差,进行动态实况分析,,以改善动态模型状态的估计精度,提高模型分析能力。水平格点的目标泛函应采用如下形式:
其中,Xt表示当前位置的观测信息,Xb是当前位置的背景场,Y周围海域的动态分析场,Yb是周围海域的背景场。
对上式进行转换可以得到周围海域动态分析场的计算公式:
其中,cov(X,Y)为当前位置与周围海域各点的协方差矩阵,D(X)为当前位置的方差。
根据每个格点的动态分析结果,将周围海域的变化量Yi进行叠加,得到全部变化量ΔY,在此基础上叠加背景场即可到的水平动态分析结果:
Ya=ΔY+Yb
其中,Ya是当前位置周围海域的动态分析场,ΔY是动态分析量,Yb是周围海域的历史背景场。
步骤七:建立水平高分辨率温度场
对重新构建后的三维温度场进行三次样条插值,得到高分辨率温度场数据,得到动态分析结果。
Claims (8)
1.一种基于船载实测数据的海水温度场构建方法,其特征在于:包括下列步骤,
(1)背景场构建;
(2)实测温度实时分析;
(3)构建垂直协方差矩阵;
(4)垂直动态分析;
(5)构建水平协方差矩阵;
(6)水平动态分析;
(7)建立水平高分辨率温度场。
2.根据权利要求1所述的基于船载实测数据的海水温度场构建方法,其特征在于:所述背景场构建步骤中,在船舶出行前,根据船舶出行时长选择适当的背景场数据,背景场数据选用岸基数据预报产品;将背景场数据进行数据质量控制及转码统一格式,存储变量的类型和方式一致。
3.根据权利要求1所述的基于船载实测数据的海水温度场构建方法,其特征在于:所述实测温度实时分析方法步骤具体包括以下计算过程,
三维插值部分首先解决了平面二维插值问题,利用距离反比插值法得到当前位置与周围临近的网格点间的关系,即平面权重系数矩阵;将观测位置与背景场该位置之间的变化量,通过平面权重系数矩阵插值到临近网格点上;根据各网格点与其他各点间的协方差矩阵,计算每个格点引起的增量在整个平面上造成的变化,并将其叠加得到整体平面总的变化;
利用距离反比插值方法求取观测点到网格点之间的权重,若观测点位置为O(x,y),与其临近的格点位置为B1(x1,y1)、B2(x2,y2)、B3(x3,y3)、B4(x4,y4),计算每个点到观测点的距离d1、d2、d3、d4,则每个位置的权重为wi:
若观测位置的观测值为ΔXt,那么二维插值后临近格点的观测值wi*ΔX,则将观测点的增量转变为周围格点的增量,对周围格点逐个进行动态分析。
4.根据权利要求3所述的基于船载实测数据的海水温度场构建方法,其特征在于,所述构建垂直协方差矩阵方法步骤具体包括以下计算过程:
利用背景场数据,按照月度进行划分,构建各个格点的观测数据的时间序列,计算各个深度逐个格点与海域其他格点的协方差矩阵,得到逐月不同深度的垂直协方差矩阵;利用同样的方式,计算同一经纬度上不同深度格点间的垂向协方差矩阵;进而得到整个海域不同深度的协方差矩阵参数库,协方差矩阵的时间长度为d*Y,其中d代表每个月份的天数,Y代表历史数据的时间长度;
不同层的温度时间序列信息记为t1,t2,…,tn,对任意两组时间序列求协方差,得到协方差系数cij,协方差的计算方法如下:
cij=E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵,记为VerMatrix:
其中cij表示第i层的温度信息和第j层温度信息的协方差系数。
5.按照权利要求4所述的基于船载实测数据的海水温度场构建方法,其特征在于:所述垂直动态分析方法具体包括下列步骤,
首先,根据垂向剖面格点的经纬度坐标,重新进行海洋中各点的垂向协方差矩阵计算;得到不同位置深度的协方差矩阵,并对矩阵进行筛选,将其中陆地或海底的部分进行剔除,保留海水部分完成协方差矩阵的更新;
在不考虑观测误差的情况下,利用距离反比的方式对权重系数进行求取;根据观测数值及历史背景场的垂向数据,获取其同化增量,根据增益系数K计算出垂向各点的变化,其同化方程可以简写为:
Ta=Tb+K·[Y-H·Tb]
K=B·HT·(H·B·HT)-1
其中,Ta为分析得到的结果,Tb为背景场,Y为观测量,H为权重系数矩阵,B为协方差矩阵。
6.按照权利要求1所述的基于船载实测数据的海水温度场构建方法,其特征在于:所述构建水平协方差矩阵步骤具体包括以下计算过程:
利用背景场数据,按照月度进行划分,构建各个格点的观测数据的时间序列,计算观测点与周围海域其他格点的协方差矩阵,得到逐月不同空间点的水平协方差矩阵;进而得到整个海域不同位置点的水平协方差矩阵参数库,协方差矩阵的时间长度为d*Y,其中d代表每个月份的天数,Y代表历史数据的时间长度;
不同层的温度时间序列信息记为t1,t2,…,tn,对任意两组时间序列求协方差,得到协方差系数cij,协方差的计算方法如下:
cij=E[(ti-E[ti])(tj-E[tj])]
得到垂直协方差矩阵,记为HonMatrix:
其中cij表示观测点周边海域,第i个空间点的温度信息和第j个空间点温度信息的协方差系数。
7.按照权利要求1所述的基于船载实测数据的海水温度场构建方法,其特征在于:所述水平动态分析方法包括下列步骤,
水平格点的目标泛函应采用如下形式:
其中,Xt表示当前位置的观测信息,Xb是当前位置的背景场,Y周围海域的动态分析场,Yb是周围海域的背景场;
对上式进行转换可以得到周围海域动态分析场的计算公式:
其中,cov(X,Y)为当前位置与周围海域各点的协方差矩阵,D(X)为当前位置的方差;
根据每个格点的动态分析结果,将周围海域的变化量Yi进行叠加,得到全部变化量ΔY,在此基础上叠加背景场即可到的水平动态分析结果:
Ya=ΔY+Yb
其中,Ya是当前位置周围海域的动态分析场,ΔY是动态分析量,Yb是周围海域的历史背景场。
8.按照权利要求1所述的基于船载实测数据的海水温度场构建方法,其特征在于:所述建立水平高分辨率温度场步骤中,对实况分析后的三维温度场进行三次样条插值计算,将低分辨率的温度网格数据插值为高分辨率温度场数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010598221.9A CN111814371B (zh) | 2020-06-28 | 2020-06-28 | 一种基于船载实测数据的海水温度场构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010598221.9A CN111814371B (zh) | 2020-06-28 | 2020-06-28 | 一种基于船载实测数据的海水温度场构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111814371A true CN111814371A (zh) | 2020-10-23 |
CN111814371B CN111814371B (zh) | 2023-12-12 |
Family
ID=72856614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010598221.9A Active CN111814371B (zh) | 2020-06-28 | 2020-06-28 | 一种基于船载实测数据的海水温度场构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814371B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004856A (zh) * | 2010-11-27 | 2011-04-06 | 中国海洋大学 | 高频观测资料实时数据的快速集合卡曼滤波同化方法 |
CN102622514A (zh) * | 2012-02-17 | 2012-08-01 | 中国科学院地理科学与资源研究所 | 一种海洋温度场数据处理方法 |
CN105981025A (zh) * | 2014-12-01 | 2016-09-28 | 哈尔滨工程大学 | 基于序列递归滤波三维变分的实测海洋环境数据同化方法 |
JP2016213378A (ja) * | 2015-05-12 | 2016-12-15 | 株式会社豊田中央研究所 | n型熱電材料及びその製造方法 |
CN108981957A (zh) * | 2018-05-31 | 2018-12-11 | 西北工业大学 | 基于自组织神经网络及经验正交函数的水下温度场重构方法 |
US20190331831A1 (en) * | 2018-04-26 | 2019-10-31 | Jiangsu Meteorological Observatory | Sea fog monitoring method based on multi-source satellite remote sensing data |
CN110887790A (zh) * | 2019-11-04 | 2020-03-17 | 华中科技大学 | 基于fvcom和遥感反演的城市湖泊富营养化模拟方法和*** |
-
2020
- 2020-06-28 CN CN202010598221.9A patent/CN111814371B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004856A (zh) * | 2010-11-27 | 2011-04-06 | 中国海洋大学 | 高频观测资料实时数据的快速集合卡曼滤波同化方法 |
CN102622514A (zh) * | 2012-02-17 | 2012-08-01 | 中国科学院地理科学与资源研究所 | 一种海洋温度场数据处理方法 |
CN105981025A (zh) * | 2014-12-01 | 2016-09-28 | 哈尔滨工程大学 | 基于序列递归滤波三维变分的实测海洋环境数据同化方法 |
JP2016213378A (ja) * | 2015-05-12 | 2016-12-15 | 株式会社豊田中央研究所 | n型熱電材料及びその製造方法 |
US20190331831A1 (en) * | 2018-04-26 | 2019-10-31 | Jiangsu Meteorological Observatory | Sea fog monitoring method based on multi-source satellite remote sensing data |
CN108981957A (zh) * | 2018-05-31 | 2018-12-11 | 西北工业大学 | 基于自组织神经网络及经验正交函数的水下温度场重构方法 |
CN110887790A (zh) * | 2019-11-04 | 2020-03-17 | 华中科技大学 | 基于fvcom和遥感反演的城市湖泊富营养化模拟方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN111814371B (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113051795A (zh) | 一种面向海上平台保障的三维温盐场分析预报方法 | |
Madricardo et al. | High resolution multibeam and hydrodynamic datasets of tidal channels and inlets of the Venice Lagoon | |
CA2951533C (en) | Automated generation of digital elevation models | |
Robinson et al. | Overview of data assimilation | |
CN113221463B (zh) | 一种海洋风能密度格网数据空间降尺度方法和装置 | |
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 | |
Du Bois | Automatic calculation of bathymetry for coastal hydrodynamic models | |
CN114707376B (zh) | 一种模拟海底多金属结核赋存分布方法 | |
CN112348280B (zh) | 一种利用改进型Argo浮标数据进行EOF分析的方法 | |
CN105718725B (zh) | 污染底泥及其污染物的数量化方法 | |
CN115859116A (zh) | 一种基于径向基函数回归插值法的海洋环境场重建方法 | |
Smith et al. | The navigation surface: A new database approach to creating multiple products from high-density surveys | |
CN113593006A (zh) | 一种基于深度学习的气象数据空间插值精细化方法及*** | |
CN111814371B (zh) | 一种基于船载实测数据的海水温度场构建方法 | |
Marks et al. | The IHO-IOC GEBCO Cook Book. | |
CN117195488A (zh) | 一种未精测区陆海一体数字高程模型建设方法及相关*** | |
Wang et al. | Preliminary results of a new global ocean reanalysis | |
CN115540832A (zh) | 基于VGGNet的卫星测高海底地形校正方法及*** | |
CN114740540A (zh) | 一种基于方向约束的洋中脊区磁异常图构建方法及*** | |
Woodworth | Sea level changes | |
CN114417601A (zh) | 基于卫星高度计数据的中尺度涡水下声速场快速估计方法 | |
Sterling | A comparison of spatial interpolation techniques for determining shoaling rates of the Atlantic Ocean Channel | |
Finke et al. | Quantifying the uncertainty of a model-reconstructed soilscape for archaeological land evaluation | |
Leecaster | Spatial analysis of grain size in Santa Monica Bay | |
KR101029859B1 (ko) | 조석 정보 데이터베이스를 이용한 조석 보정 시스템 |
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 |