M-PSPNet多尺度海洋温度锋检测方法

海洋温度锋作为一种重要的中尺度海洋现象，是影响海洋热量交换与物质运输以及海气相互作用的关键因素，实现其精准检测是分析海洋锋时空变化及海洋气象动态监测的重要基础。海洋混合、温度变化缓慢导致海洋温度锋具有小目标、弱边缘的特性，针对传统的边缘检测和现有的深度学习方法存在形态刻画不准确和像素误检等问题，本文提出M-PSPNet多尺度海洋温度锋检测方法。该方法通过设计多尺度特征提取模块(Multi-ResNet)，在保留浅层学习网络中获得的空间、位置特征的同时，结合深层网络获取的语义特征，提升模型对边缘轮廓、位置信息的检测能力；此外，该方法引入Dice_loss与Focal_loss组合的混合损失函数DF_loss，引导模型注重预测结果与标注值的像素级差异，提高锋面像素检测的准确性。为验证方法的有效性，本文基于实验模型设计多组对比实验，实验结果显示：本文M-PSPNet多尺度海洋温度锋检测方法的交并比、查全率、查准率和F1值4项指标分别达到了78.79%、89.59%、86.95%、88.25%，检测效果明显优于对比方法；相比采用Res...     

基于限定motif关联规则的海洋热浪事件模式发现研究

海表温度作为近岸海洋热浪事件的重要孕灾环境要素,揭示其变化规律有助于预测未来热浪事件的发生。本文将用于表达热浪事件发生前和发生时海表温度变化规律的关联规则定义为事件模式,提出了基于限定motif关联规则挖掘的模式发现方法。方法通过STAMP算法挖掘出motif,运用MDL评分策略分割motif形成候选关联规则,结合热浪事件发生的约束条件,实现对海洋热浪事件模式的提取。本文利用中国近海3个站点的海表温度数据进行海洋热浪事件模式发现实验,研究结果表明,中国近海的海洋热浪呈季节特征,主要发生于夏季,且持续时间达20天以上,海洋热浪事件模式呈现有规则的升温和下降趋势,升温速率和降温速率呈对称特性,且在热浪发生前,海表温度有一个短暂的升温间歇期。     

基于STL的海表面温度预测算法

海表面温度是海洋科学研究中重要的参数之一，有效预测海表面温度对海洋灾害预警、海洋经济以及海洋生态环境研究具有重大意义。针对海表面温度具有周期性、持续性、非平稳性和非线性的特性，首先利用基于局部加权回归的周期趋势分解方法将原始海表面温度序列分解为周期项、趋势项和余项，挖掘海表面温度的潜在信息并去除序列中的随机噪音，再结合长短期记忆网络模型的优点，搭建神经网络来预测未来5天内的海表面温度。通过与其它模型的预测效果进行对比，实验结果表明，本文方法在预测海表面温度时具有较好的预测精度，能够实现海表面温度的有效预测。