CN112115406B - 基于遥感海面数据的海洋内部中尺度涡反演方法及*** - Google Patents

基于遥感海面数据的海洋内部中尺度涡反演方法及*** Download PDF

Info

Publication number
CN112115406B
CN112115406B CN202011044324.7A CN202011044324A CN112115406B CN 112115406 B CN112115406 B CN 112115406B CN 202011044324 A CN202011044324 A CN 202011044324A CN 112115406 B CN112115406 B CN 112115406B
Authority
CN
China
Prior art keywords
sea surface
sea
parameters
power model
constraint relation
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
CN202011044324.7A
Other languages
English (en)
Other versions
CN112115406A (zh
Inventor
宣基亮
何宇晴
周锋
倪晓波
李佳
曾定勇
马晓
孟启承
张涛
田娣
周木平
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.)
Second Institute of Oceanography MNR
Original Assignee
Second Institute of Oceanography MNR
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 Second Institute of Oceanography MNR filed Critical Second Institute of Oceanography MNR
Priority to CN202011044324.7A priority Critical patent/CN112115406B/zh
Publication of CN112115406A publication Critical patent/CN112115406A/zh
Application granted granted Critical
Publication of CN112115406B publication Critical patent/CN112115406B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开一种基于遥感海面数据的海洋内部中尺度涡反演方法，包括：获取海面数据和海洋内部参数；基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数；将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。通过本发明提出的方法，能够改进次表层反演精度并且能够改善多要素反演的协调性问题。

Description

基于遥感海面数据的海洋内部中尺度涡反演方法及***
技术领域
本发明涉及遥感大数据处理和物理海洋交叉学科技术领域，尤其涉及一种基于遥感海面数据的海洋内部中尺度涡反演方法及***。
背景技术
在现有技术中，海洋内部中尺度涡流场结构的反演方案，通常分为四个部分：遥感观测得到的海面数据；海洋动力模型模拟得到的海洋内部参数；建立海面数据对海洋内部参数的约束关系；利用约束关系校准海洋内部参数。其中核心技术为第三部分“建立海面数据对海洋内部参数的约束关系”，目前，该约束关系分为统计约束关系和动力约束关系。
统计约束关系利用经验统计分析来建立海面数据与内部变量之间的投影关系，主要用于海表温度反演，而动力约束关系利用动力约束将表层的高度信息向次表层传递，主要用于海面高度反演，针对海面高度动力约束的垂向假设主要为基于位涡守恒的准地转约束。
在研究海洋中尺度涡等高频变化问题时，目前采用的海面数据反演方案存在两个方面的不足：海表温度统计约束关系误差较大以及海表温度和海面高度分别建立约束关系时，各约束关系的相对重要性并不明确。由于海表温度统计约束关系误差较大，因此统计分析时，高频变化问题需要的观测资料较多，受到观测条件限制大部份海域的内部资料较为缺乏，使得统计得出的投影关系具有较大误差，因此统计投影关系的应用具有一定局限性。而约束关系的相对重要性并不明确，主要是通过单独建立约束关系实现两种资料的反演，对于次表层的反演存在不协调问题，即单一要素的反演精度甚至优于两者同时反演，由于这两个方面的不足，会导致后续的分析结果不精确。
发明内容
本发明针对现有技术中的缺点，提供了一种基于遥感海面数据的海洋内部中尺度涡反演方法及***。
为了解决上述技术问题，本发明通过下述技术方案得以解决：
一种基于遥感海面数据的海洋内部中尺度涡反演方法，包括以下步骤：
基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；
通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数；
将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。
作为一种可实施方式，所述上混合层参数包括热量通量和动量通量，所述校正后的动力模型参数包括海面热通量的调整项、海面动量通量的调整项和海面高度位移关系的调整项。
作为一种可实施方式，基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，表示为：
其中，c表示海水绝热，具体为c＝4×103 J kg-1℃-1，ρ表示海水密度，具体为ρ＝1024kgm-3，hb表示海洋上边界层深度，T表示海水温度，ΔT表示动力模型初步反演误差，Q表示海面热通量，α＝2×10-4℃-1表示热膨胀系数，g为重力加速度，δ＝0.023表示动能耗散速率，CD表示摩擦拖曳系数，ρs表示上混合层密度，W表示风速，H为海面高度，ρhb为上边界层底部密度，z表示海水深度；
基于海面高度和内区参数建立海面高度至内区参数的约束关系，表示为：
其中，ρhb为上边界层底部密度，ρbottom表示上混合层底部密度，HOBS表示海面高度的观测值，Hmodel表示海洋高度的模型值。
作为一种可实施方式，通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数，校准所采用的模型为：
其中，和/>分别表示动力模型参数，U为速度矢量，ρ表示海水密度，具体为ρ＝1024kg m-3，Q为海面热通量；CD表示摩擦拖曳系数,ρa＝1.29kg m-3为空气密度，W表示风速，z表示海水深度。
作为一种可实施方式，所述将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数，相关参数为流场和温度，所述动力模型的参数化方案表示为：
其中，Ω表示科氏加速度，U表示速度矢量，ρ0表示平均海水密度，P表示海水压力，Km表示动量垂直混合系数，FU表示动量水平耗散项，KT表示温度垂直混合系数，FT表示温度水平耗散项，T表示温度，z表示海水深度。
作为一种可实施方式，获取海面数据和海洋内部参数，其中，所述海面数据包括海表温度数据和海面高度数据，所述海洋内部参数包括上混合层参数和内区参数。
一种基于遥感海面数据的海洋内部中尺度涡反演***，包括数据获取模块、约束关系建立模块、内部参数校准模块和结果获取模块；
所述数据获取模块，用于获取海面数据和海洋内部参数，其中，所述海面数据包括海表温度数据和海面高度数据，所述海洋内部参数包括上混合层参数和内区参数；
所述约束关系建立模块，基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；
所述内部参数校准模块，用于通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数；
所述结果获取模块，用于将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。
作为一种可实施方式，所述内部参数校准模块被设置为：所述上混合层参数包括热量通量和动量通量，所述校正后的动力模型参数包括海面热通量的调整项、海面动量通量的调整项和海面高度位移关系的调整项。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下的方法步骤：
基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；
通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数；
将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。
一种基于遥感海面数据的海洋内部中尺度涡反演装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下的方法步骤：
基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；
通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数；
将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。
本发明由于采用了以上技术方案，具有显著的技术效果：
本发明公开一种基于遥感海面数据的海洋内部中尺度涡反演方法，包括：获取海面数据和海洋内部参数；基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数；将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。通过本发明提出的方法，能够改进次表层反演精度并且能够改善多要素反演的协调性问题。
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，下面将对实施例或现有技术描述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是本发明方法的整体流程示意图；
图2是本发明***的整体结构示意图；
图3是遥感观测获得的流场结构和中尺度涡位置；
图4是本发明反演方案获得的流场结构和中尺度涡位置；
图5是南海全年平均的气旋冷涡垂直结构；
图6是南海全年平均的反气旋冷涡垂直结构
图7是以往反演方法获得的温度均方根误差；
图8是本发明反演方法获得的温度均方根误差；
图9是以往反演方法获得的温度垂向梯度分布；
图10是本发明反演方法获得的温度垂向梯度分布。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
本申请实施例中所提到的术语"包括"和"具有"以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前，现有的海洋内部中尺度涡流场结构的反演方案，通常分为四个部分：遥感观测得到的海面数据；海洋动力模型模拟得到的海洋内部参数；建立海面数据对海洋内部参数的约束关系；利用约束关系校准海洋内部参数。其中核心技术为第三部分“建立海面数据对海洋内部参数的约束关系”，该约束关系分为统计约束关系和动力约束关系。而在研究海洋中尺度涡等高频变化问题时，目前采用的海面数据反演方案存在两个方面的不足：海表温度统计约束关系误差较大以及海表温度和海面高度分别建立约束关系时，各约束关系的相对重要性并不明确。由于海表温度统计约束关系误差较大，因此统计分析时，高频变化问题需要的观测资料较多，受到观测条件限制大部份海域的内部资料较为缺乏，使得统计得出的投影关系具有较大误差，因此统计投影关系的应用具有一定局限性。而约束关系的相对重要性并不明确，主要是通过单独建立约束关系实现两种资料的反演，对于次表层的反演存在不协调问题，即单一要素的反演精度甚至优于两者同时反演，由于这两个方面的不足，会导致后续的分析结果不精确，如果分析结果不精确的话，在后续的使用中会出现很大的问题。
基于此，本申请实施例提出了一种基于遥感海面数据的海洋内部中尺度涡反演方法，通过该方法可以获得更精确的数据。本申请提出的方法可以可以运行于终端设备或者是服务器上。其中，终端设备可以为本地终端设备。
基于遥感海面数据的海洋内部中尺度涡反演方法，如图1所示，包括以下步骤：
S100、获取海面数据和海洋内部参数，其中，所述海面数据包括海表温度数据和海面高度数据，所述海洋内部参数包括上混合层参数和内区参数；
S200、基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；
S300、通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数；
S400、将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。
在步骤S100中，海面数据和海洋内部数据获取的方式可以参照以下方式：
目前应用于同化的遥感资料主要为海表温度数据和海面高度数据。而遥感海表温度数据主要来自卫星观测，本申请采用AVHRR海表温度数据和AVISO海面高度数据，这两种数据相对来说比较精确，有助于提高反演精度。
而海洋内容数据是通过海洋动力模型模拟得到的数据，海洋动力模型采用美国麻省理工学院海洋环流模式(Massachusetts Institute of Technology GeneralCirculation Model，MITgcm)，该模型能够模拟得到海洋内部的三维温度、盐度和流场结构。利用垂向湍流混合方案中的水层性质建立海面资料联合约束关系，采用的湍流方案为K剖面参数化方案并且经过Durski等改进。KPP方案在海面湍流边界层的基础上，考虑了海洋内部混合作用，主要为速度剪切和内波引起的内部混合。因此，KPP的主要思想是根据不同的物理驱动因子将水柱混合参数分为两层，分别为上混合层和内区。上混合层主要由海面动量和热盐通量控制，混合较强，而内区主要由速度剪切和内波控制，相对上混合层来说混合较弱，因此，这些数据在后续使用的过程中受到的影响会小很多。
更加具体地，在一个实施例中，所述上混合层参数包括热量通量和动量通量，所述校正后的动力模型参数包括海面热通量的调整项、海面动量通量的调整项和海面高度位移关系的调整项。
在一个实施例中，步骤S300中，通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数，校准所采用的模型为：
基于热量通量和动量通量，分别与海表温度建立海表温度热量通量约束关系以及海表温度动量通量约束关系；
基于海表温度热量通量约束关系，得到海面热通量增加调整项；基于海表温度动量通量约束关系，得到海面动量通量增加调整项；基于海面高度与内区参数的约束关系，得到海面高度位移关系的调整项。
另外，在海洋上混合层建立了海表温度与热量通量、动量通量之间关系，并通过调整热量和动量通量修正KPP湍流参数化方案，最终达到调整整个上边界层温度反演准确性的目的。考虑到上混合层的热力过程主要由海面通量驱动，因此在海面热通量项中增加了调整项ΔQ，在海面动量通量项中增加了调整项ΔW，这样会得到更加准确的反演结果。具体过程参见以下步骤：
基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，表示为：
其中，c表示海水绝热，具体为c＝4×103 J kg-1℃-1，ρ表示海水密度，具体为ρ＝1024kgm-3，hb表示海洋上边界层深度，T表示海水温度，ΔT表示动力模型初步反演误差，Q表示海面热通量，α＝2×10-4℃-1表示热膨胀系数，g为重力加速度，δ＝0.023表示动能耗散速率，CD表示摩擦拖曳系数，ρs表示上混合层密度，W表示风速，H为海面高度，ρhb为上边界层底部密度，z表示海水深度；
基于海面高度和内区参数建立海面高度至内区参数的约束关系，表示为：
其中，ρhb为上边界层底部密度，ρbottom表示上混合层底部密度，HOBS表示海面高度的观测值，Hmodel表示海洋高度的模型值；
通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数，校准所采用的模型为：
其中，和/>分别表示动力模型参数，U为速度矢量，ρ表示海水密度，具体为ρ＝1024kg m-3，Q为海面热通量；CD表示摩擦拖曳系数,ρa＝1.29kg m-3为空气密度，W表示风速，z表示海水深度；
将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数，相关参数为流场和温度，所述动力模型的参数化方案表示为：
其中，Ω表示科氏加速度，U表示速度矢量，ρ0表示平均海水密度，P表示海水压力，Km表示动量垂直混合系数，FU表示动量水平耗散项，KT表示温度垂直混合系数，FT表示温度水平耗散项，T表示温度，z表示海水深度。
基于以上实施例，以2013年1月20日结果为例，提取了遥感观测和模型模拟数据的中尺度涡特征进行比较(图3-图4)。从空间分布上看，两者的中尺度涡密集区集中在吕宋海峡东西两侧海域及南海南部海域。其中，吕宋海峡东侧涡结构数量较其他区域多且相对密集；北黄海海域中珠江至马尼拉连线海域上，依次分布着三个较为明显的中尺度涡，两侧为反气旋涡，中间为气旋涡；越南东南部海域从南至北分布着气旋式中尺度涡。说明模式结果和AVSIO结果提取的中尺度涡空间分布大致相同，并且模式结果具有更丰富的细节，例如小涡结构较多。
总体上，南海反气旋暖涡(图6)比气旋冷涡(图5)略微偏强，特别是在100m以深水层。在50m以浅水层，气旋涡和反气旋涡在流速结构上均较为显著，但是从温度分布上看并不明显，气旋冷涡的低温核心(图5中的前三张图)和反气旋暖涡的高温中心(图6中的前三张图)均不明显，并且涡旋结构并未呈现规则的圆形，推测上边界层中的强混合作用破坏了涡旋结构。而在50-400m水层，无论是流场分布还是温度分布均显示了较为规则的圆形涡旋结构(图5的第四张到第7张图和图6的第四张到第7张图)，说明该水层基本上受到中尺度单一因素影响。O-W统计分析得到中尺度涡的影响水深较深，甚至在1000m层，温度结构仍能识别气旋涡和反气旋涡对应的低温中心和高温中心(图5中的第九张图和图6中的第九张图)。这种较强的影响推测与O-W能够识别的中尺度涡强度本身较强有关。
进一步改进海面高度的投影关系后，温度的均方根误差明显降低了，更重要的是解决了温度误差的季节性增长问题(图7)。改进后，温度的最大均方根误差出现在70m水深处，由2.6℃降低至1.3℃，而较大的均方根误差(>1℃)仅存在于30-120m水层中(图7的右侧图)。通过对比改进前后逐月误差(图7和图8)，可以看出月变化的模拟精度有显著提高，50-100m水层中的大于1.5℃误差层已经基本消失。此外，夏末之后混合层底部区域误差增长的问题基本消失：改进前，冬季100-150m区域存在大于2℃的高误差区，而改进后，误差随季节的变化基本一致。由此，动力模型假设和同化方案假设已经基本合理，余流的误差主要来源于观测资料本身存在误差，例如遥感海表温度资料本身存在约0.6℃误差，而海面高度资料受到卫星覆盖程度影响同样存在一定的插值误差。
改进前，海表温度的投影为直接调整表层温度。该海表温度投影关系虽然使混合层内的温度状况得到改善，但混合层深度偏浅问题仍未得到改善。更为重要的是，该海表温度投影关系会显著影响上边界层底部区域的动力结构从温度垂直梯度看，80m水深附近出现的一个新的高值层显示在100m以浅区域出现了双温跃层(图9)；从耗散系数上看，混合层深度以下区域出现异常大的数值，而这也是产生这种双温跃层的直接原因。这种双温跃层结构与一般认识中的垂向混合结构非常不一致，可作为海表温度投影和动力模型的协调性问题的典型例子。
如果把海表温度投影改为调成海面热通量方式后，内部的混合结构更符合动力过程，且双跃层结构消失。温度垂直梯度指示的温跃层显示出较为合理的季节变化信号，例如冬半年较深并较薄，而夏半年较浅且厚(图10)。同样，耗散***显示的天气尺度和昼夜变化与观测得到的结构基本一致(Zaron和Moum，2010)，因此更为合理。此外，冬季混合层深度加深至60-80m，这与观测值更为接近。因此，改进后的海表温度动力投影关系在提高温度模拟精度的同时也改善了内部温度动力结构。
也就是说，将校正后的动力模型参数被应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数是比以前的方案得到的数据更加精确并且误差小。
实施例2：
一种基于遥感海面数据的海洋内部中尺度涡反演***，包括数据获取模块100、约束关系建立模块200、内部参数校准模块300和结果获取模块400；
所述数据获取模块100，用于获取海面数据和海洋内部参数，其中，所述海面数据包括海表温度数据和海面高度数据，所述海洋内部参数包括上混合层参数和内区参数；
所述约束关系建立模块200，基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；
所述内部参数校准模块300，用于通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数；
所述结果获取模块400，用于将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。
在一个实施例中，所述内部参数校准模块300被设置为：所述上混合层参数包括热量通量和动量通量，所述校正后的动力模型参数包括海面热通量的调整项、海面动量通量的调整项和海面高度位移关系的调整项。
实施例3：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下的方法步骤：
获取海面数据和海洋内部参数，其中，所述海面数据包括海表温度数据和海面高度数据，所述海洋内部参数包括上混合层参数和内区参数；
基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；
通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数；
将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。
在一个实施例中，处理器执行计算机程序时，实现所述上混合层参数包括热量通量和动量通量，所述校正后的动力模型参数包括海面热通量的调整项、海面动量通量的调整项和海面高度位移关系的调整项。
在一个实施例中，处理器执行计算机程序时，实现所述上混合层参数包括热量通量和动量通量，所述校正后的动力模型参数包括海面热通量的调整项、海面动量通量的调整项和海面高度位移关系的调整项。
在一个实施例中，处理器执行计算机程序时，实现基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，表示为：
其中，c表示海水绝热，具体为c＝4×103 J kg-1℃-1，ρ表示海水密度，具体为ρ＝1024kg m-3，hb表示海洋上边界层深度，T表示海水温度，ΔT表示动力模型初步反演误差，Q表示海面热通量，α＝2×10-4℃-1表示热膨胀系数，g为重力加速度，δ＝0.023表示动能耗散速率，CD表示摩擦拖曳系数，ρs表示上混合层密度，W表示风速，H为海面高度，ρhb为上边界层底部密度，z表示海水深度；
基于海面高度和内区参数建立海面高度至内区参数的约束关系，表示为：
其中，ρhb为上边界层底部密度，ρbottom表示上混合层底部密度，HOBS表示海面高度的观测值，Hmodel表示海洋高度的模型值。
在一个实施例中，处理器执行计算机程序时，实现通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数，校准所采用的模型为：
其中，和/>分别表示动力模型参数，U为速度矢量，ρ表示海水密度，具体为ρ＝1024kg m-3，Q为海面热通量；CD表示摩擦拖曳系数,ρa＝1.29kg m-3为空气密度，W表示风速，z表示海水深度。
在一个实施例中，处理器执行计算机程序时，实现所述将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数，相关参数为流场和温度，所述动力模型的参数化方案表示为：
其中，Ω表示科氏加速度，U表示速度矢量，ρ0表示平均海水密度，P表示海水压力，Km表示动量垂直混合系数，FU表示动量水平耗散项，KT表示温度垂直混合系数，FT表示温度水平耗散项，T表示温度，z表示海水深度。
实施例4：
在一个实施例中，提供一种基于遥感海面数据的海洋内部中尺度涡反演装置，该基于遥感海面数据的海洋内部中尺度涡反演装置可以是服务器也可以是移动终端。该基于遥感海面数据的海洋内部中尺度涡反演装置包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该基于遥感海面数据的海洋内部中尺度涡反演的处理器用于提供计算和控制能力。该基于遥感海面数据的海洋内部中尺度涡反演装置的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该数据库用于存储基于遥感海面数据的海洋内部中尺度涡反演的所有数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于遥感海面数据的海洋内部中尺度涡反演的方法。
本说明书中的各个实施例均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的部分互相参见即可。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是：
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种基于遥感海面数据的海洋内部中尺度涡反演方法，其特征在于，包括以下步骤：
基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；
通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数，其中，校准所采用的模型为：
；
；
；
其中， 和/>分别表示动力模型参数， U为速度矢量， />表示海水密度，具体为/>，Q为海面热通量； /> 表示摩擦拖曳系数, />为空气密度，W 表示风速，z表示海水深度，c表示海水绝热，H表示海面高度；
将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。
2.根据权利要求1所述的基于遥感海面数据的海洋内部中尺度涡反演方法，其特征在于，所述上混合层参数包括热量通量和动量通量，所述校正后的动力模型参数包括海面热通量的调整项、海面动量通量的调整项和海面高度位移关系的调整项。
3.根据权利要求1所述的基于遥感海面数据的海洋内部中尺度涡反演方法，其特征在于，基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，表示为：
其中， 表示海水绝热，具体为/>， />表示海水密度，具体为/>， 表示海洋上边界层深度， T表示海水温度，/>表示动力模型初步反演误差， Q表示海面热通量，/> 表示热膨胀系数，g为重力加速度，/> 表示动能耗散速率， 表示摩擦拖曳系数，/>表示上混合层密度，W 表示风速，z表示海水深度；
基于海面高度和内区参数建立海面高度至内区参数的约束关系，表示为：
其中， 为上边界层底部密度，/>表示上混合层底部密度，HOBS表示海面高度的观测值，Hmodel表示海洋高度的模型值，H表示海面高度。
4.根据权利要求1所述的基于遥感海面数据的海洋内部中尺度涡反演方法，其特征在于，所述将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数，相关参数为流场和温度，所述动力模型的参数化方案表示为：
；
；
其中，表示科氏加速度，U表示速度矢量，/>表示平均海水密度，P表示海水压力，/>表示动量垂直混合系数，/>表示动量水平耗散项，/>表示温度垂直混合系数，/>表示温度水平耗散项，T表示温度，z表示海水深度。
5.根据权利要求1所述的基于遥感海面数据的海洋内部中尺度涡反演方法，其特征在于，还包括以下步骤：获取海面数据和海洋内部参数，其中，所述海面数据包括海表温度数据和海面高度数据，所述海洋内部参数包括上混合层参数和内区参数。
6.一种基于遥感海面数据的海洋内部中尺度涡反演***，其特征在于，包括数据获取模块、约束关系建立模块、内部参数校准模块和结果获取模块；
所述数据获取模块，用于获取海面数据和海洋内部参数，其中，所述海面数据包括海表温度数据和海面高度数据，所述海洋内部参数包括上混合层参数和内区参数；
所述约束关系建立模块，基于海表温度和上混合层参数建立海表温度至上混合层参数的约束关系，基于海面高度和内区参数建立海面高度至内区参数的约束关系；
所述内部参数校准模块，用于通过海表温度至上混合层参数的约束关系和海面高度至内区参数的约束关系分别对海洋内部参数进行校准，得到校正后的动力模型参数，其中，校准所采用的模型为：
；
；
；
其中，和/>分别表示动力模型参数， U为速度矢量， />表示海水密度，具体为/>，Q为海面热通量； /> 表示摩擦拖曳系数, />为空气密度，W 表示风速，z表示海水深度，c表示海水绝热，H表示海面高度；
所述结果获取模块，用于将校正后的动力模型参数应用于动力模型的参数化方案中，得到校正后的动力模型参数化方案并从中获取上层海洋中的相关参数。
7.根据权利要求6所述的基于遥感海面数据的海洋内部中尺度涡反演***，其特征在于，所述内部参数校准模块被设置为：所述上混合层参数包括热量通量和动量通量，所述校正后的动力模型参数包括海面热通量的调整项、海面动量通量的调整项和海面高度位移关系的调整项。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任意一项所述的方法。
9.一种基于遥感海面数据的海洋内部中尺度涡反演装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任意一项所述的方法。
CN202011044324.7A 2020-09-28 2020-09-28 基于遥感海面数据的海洋内部中尺度涡反演方法及*** Active CN112115406B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011044324.7A CN112115406B (zh) 2020-09-28 2020-09-28 基于遥感海面数据的海洋内部中尺度涡反演方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011044324.7A CN112115406B (zh) 2020-09-28 2020-09-28 基于遥感海面数据的海洋内部中尺度涡反演方法及***

Publications (2)

Publication Number Publication Date
CN112115406A CN112115406A (zh) 2020-12-22
CN112115406B true CN112115406B (zh) 2024-01-12

Family

ID=73797249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011044324.7A Active CN112115406B (zh) 2020-09-28 2020-09-28 基于遥感海面数据的海洋内部中尺度涡反演方法及***

Country Status (1)

Country Link
CN (1) CN112115406B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112964231B (zh) * 2021-02-03 2022-02-22 广东海洋大学 一种基于声速扰动模态匹配的海洋混合层深度获取方法
CN114252875B (zh) * 2021-12-24 2024-04-26 中国人民解放军海军潜艇学院 一种成像高度计数据的高精度网格化方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268429A (zh) * 2014-10-15 2015-01-07 湖北大学 基于星载sar的近海岸海上风能资源遥感方法及***
CN105469393A (zh) * 2015-11-18 2016-04-06 国家***第一海洋研究所 基于决策融合的浅海水深多时相遥感影像反演方法
CN106598917A (zh) * 2016-12-07 2017-04-26 国家***第二海洋研究所 一种基于深度信念网络的上层海洋热结构预测方法
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
CN109668635A (zh) * 2019-01-16 2019-04-23 中国人民解放军61741部队 海表温度融合方法与***
CN109917098A (zh) * 2019-04-09 2019-06-21 中国科学院深圳先进技术研究院 深圳海域水质评价方法及***
CN110398744A (zh) * 2019-07-26 2019-11-01 中国人民解放军国防科技大学 一种基于声信号的海洋温跃层特征参数寻优反演方法
CN110851790A (zh) * 2019-10-29 2020-02-28 王金虎 一种基于深度学习算法的海流动力优化预报模型
CN111241698A (zh) * 2020-01-17 2020-06-05 国家卫星气象中心 对流层顶风场反演方法、装置、存储介质及计算机设备
CN111429365A (zh) * 2020-02-27 2020-07-17 自然资源部第一海洋研究所 一种海洋内孤立波的振幅反演装置及方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268429A (zh) * 2014-10-15 2015-01-07 湖北大学 基于星载sar的近海岸海上风能资源遥感方法及***
CN105469393A (zh) * 2015-11-18 2016-04-06 国家***第一海洋研究所 基于决策融合的浅海水深多时相遥感影像反演方法
CN106598917A (zh) * 2016-12-07 2017-04-26 国家***第二海洋研究所 一种基于深度信念网络的上层海洋热结构预测方法
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
CN109668635A (zh) * 2019-01-16 2019-04-23 中国人民解放军61741部队 海表温度融合方法与***
CN109917098A (zh) * 2019-04-09 2019-06-21 中国科学院深圳先进技术研究院 深圳海域水质评价方法及***
CN110398744A (zh) * 2019-07-26 2019-11-01 中国人民解放军国防科技大学 一种基于声信号的海洋温跃层特征参数寻优反演方法
CN110851790A (zh) * 2019-10-29 2020-02-28 王金虎 一种基于深度学习算法的海流动力优化预报模型
CN111241698A (zh) * 2020-01-17 2020-06-05 国家卫星气象中心 对流层顶风场反演方法、装置、存储介质及计算机设备
CN111429365A (zh) * 2020-02-27 2020-07-17 自然资源部第一海洋研究所 一种海洋内孤立波的振幅反演装置及方法

Also Published As

Publication number Publication date
CN112115406A (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
US11168667B2 (en) Method and device for calculating power generation of wind farm
CN112115406B (zh) 基于遥感海面数据的海洋内部中尺度涡反演方法及***
Zhang et al. Impact of parameterized boundary layer structure on tropical cyclone rapid intensification forecasts in HWRF
Gryning et al. Analytical model for the growth of the coastal internal boundary layer during onshore flow
Price et al. Wind-driven ocean currents and Ekman transport
Markowski et al. The pretornadic phase of the Goshen County, Wyoming, supercell of 5 June 2009 intercepted by VORTEX2. Part II: Intensification of low-level rotation
Weisman et al. Mechanisms for the generation of mesoscale vortices within quasi-linear convective systems
Brutsaert Aspects of bulk atmospheric boundary layer similarity under free‐convective conditions
US10267292B2 (en) Wind turbine and operational control method and device therefor
de Jong et al. Deep convection in the Irminger Sea observed with a dense mooring array
Kocer et al. Full-scale wind turbine near-wake measurements using an instrumented uninhabited aerial vehicle
CN106407560B (zh) 表征大气各向异性的对流层映射函数模型的构建方法
Floors et al. Analysis of diabatic flow modification in the internal boundary layer
CN102359146B (zh) 选择性进流水温平抑装置及其水温数值模拟预报方法
Nilsson et al. Turbulence kinetic energy budget during the afternoon transition–Part 1: Observed surface TKE budget and boundary layer description for 10 intensive observation period days
CN109255158A (zh) 温排水原型观测水域本底水温计算方法、装置及存储介质
Holtslag et al. Extending the diabatic surface layer wind shear profile for offshore wind energy
CN108592910A (zh) 一种基于风向的农用无人空气动力船路径规划方法
CN109960823B (zh) 风力发电机组的等效风速确定方法和设备
CN111241698A (zh) 对流层顶风场反演方法、装置、存储介质及计算机设备
CN109902327B (zh) 近地层大风的湍流特征计算方法
CN105841847A (zh) 一种估算地表潜热通量的方法
CN106951977B (zh) 一种基于尾流效应的风速预测模型的构建方法
Porson et al. Formulation of an index for sea breezes in opposing winds
Vihma et al. Observations and modelling of cold-air advection over Arctic sea ice

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