长江口枯季盐度锋对深水航道及横沙东滩圈围工程的响应特征

盐度锋作为长江口重要物理现象,对潮流、物质输移及沉降过程都有着重要影响。该文应用MIKE21软件建立了长江口二维水动力及盐度输运模型,探究深水航道及横沙东滩圈围工程对长江口枯季南北槽及北港盐度锋的影响,得出以下主要结论：南北槽盐度锋均呈双锋面结构,且主锋面(盐度梯度最大)均位于第一锋面处;但北港盐度锋呈单锋面结构。深水航道工程单独作用时,南北槽主锋面强度降低并向上游移动,南槽第二锋面基本消失,北槽第二锋面略有增强;北港锋面强度升高且向上游移动。横沙东滩圈围工程单独作用时,盐度锋的变化与深水航道工程单独作用时整体类似,且南北槽及北港主锋面变化程度更为显著,但南北槽第二锋面变化微弱。两工程共同作用时,南北槽盐度锋主要受深水航道工程控制,横沙东滩圈围工程会削弱南北槽主锋面强度;北港盐度锋主要受横沙东滩圈围工程控制,深水航道工程会削弱北港锋面强度。     

海洋数据质量检验方案中残差优化选择算法磁

随着信息化的快速发展,海洋数据的获取手段变得多种多样,海洋数据的“量”急剧增大,如何保证海洋大数据的质量问题成为热点。抽样检验是一个较成熟的课题,但适用于海洋数据特性的抽样方案研究较少。结合海洋数据的特点,利用 Skyline 的思想,提出了分批排序的优化抽样检验方案选择算法。通过各抽样检验方案残差的 Skyline 集合,选择优化的质量检验方案,提高海洋数据质量检验精度的同时保证海洋数据的检验费用。     

融合上下文和注意力的海洋涡旋小目标检测

目的 海洋涡旋精准检测是揭示海洋涡旋演变规律及其与其他海洋现象相互作用的基础。然而，海洋涡旋在其活跃海域呈现小尺度目标、密集分布的特点，导致显著的检测精度低问题。传统方法受限于人工设计参数缺乏泛化能力，而深度学习模型的高采样率在检测小目标过程中底层细节和轮廓等信息损失严重，使得目标检测轮廓与目标真实轮廓相差甚远。针对海洋涡旋小目标特点导致检测精度低，高采样率深度模型检测轮廓不精确的问题，提出一种改进的U-Net网络。方法 该模型基于渐进式采样结构，为获取上下文信息提升不同极性海洋涡旋目标的检测精度，增加上下文特征融合模块；为增加该模块对海洋涡旋小目标的关注，在特征融合前对最底层特征嵌入残差注意力模块，使模型可以更多关注海洋涡旋的轮廓信息。最后引入数据扩充方法缓解模型存在的过拟合问题。结果 本文以南大西洋的卫星海表面高度数据集开展实验，结果表明，本文模型检测准确率达到了93.24%，同时在海洋涡旋的检测数量上与真实结果更加接近，验证了模型在小目标检测方面的性能更加优秀。结论 本文提出的海洋涡旋小目标检测模型，在检测海洋涡旋的性能与海洋涡旋目标轮廓精准度方面均显著优于全卷积神经网络（fully convolutional network，FCN）等深度学习模型。