基于BP神经网络的高分辨率海底地形跨层生成模型

为了满足海底地形的高分辨率需求及解决测量数据的有限性问题,基于多层前馈神经网络(back propagation,BP)和跨层网格生成策略,建立了兼顾海底区域地形整体特征和局部地形信息的海底地形跨层生成模型,实现对海底地形数据生成填充。以南海海底地形为例,通过误差对比、假设检验以及海底地形云图的图像清晰度对本文模型生成数据进行有效性验证。结果显示所建立的模型在保证与原始数据之间误差小和数据特征相同的前提下完成了对地形云图的图像清晰度的提升,并且结果优于传统克里金插值方法。本文分析结果可为地形数据相关研究提供参考。

融合多源海洋大地测量数据的南海海底地形多层感知机反演

本文融合SIO(Scripps Institution of Oceanography)发布的垂线偏差、重力异常和垂直重力梯度数据及NCEI(National Centers for Environmental Information)发布的船载测深数据,利用多层感知机神经网络(Multi-Layer Perceptron,MLP)建立南海海域(108°E—121°E,6°N—23°N)分辨率为1'×1'的海底地形模型(MLP_Depth).首先,将642716个船载测深控制点的位置信息与周围4'×4'格网点处的地球重力信息(垂线偏差、重力异常、垂直重力梯度)作为输入数据,将船载测深控制点处实测水深值作为输出数据,训练MLP神经网络模型,训练结束时决定系数R2为99%,平均绝对误差MAE为39.33 m.然后,将研究区域内1'×1'格网正中心点处的输入数据输入于MLP模型中,可得格网正中心点处的预测海深值.最后,根据预测海深值建立研究区域范围内分辨率为1'×1'的MLP_Depth模型.将MLP_Depth模型预测水深与160679个检核点处实测水深对比,其差值的标准差STD(75.38 m)、平均绝对百分比误差MAPE(5.89%)与平均绝对误差MAE(42.91 m)皆优于GEBCO_2021模型、topo_23.1模型、ETOPO1模型与检核点实测水深差值的STD(108.88 m、113.41 m、229.67 m)、MAPE(6.11%、6.94%、18.37%)与MAE(47.33 m、52.24 m、130.08 m).同时,为了研究不同区域内利用该方法建立的海底地形模型的精度,本文在研究区域内分别建立了A、B区域的海底地形模型(MLP_Depth_A、MLP_Depth_B).经过验证得:MLP_Depth_A、MLP_Depth_B相比于MLP_Depth模型具有更高的精度,更能反应海底地形的变化趋势.

基于数据-知识驱动的高精度海底地形绘制:以南海为例

海底地形具有非常重要的商业、工程、军事和科学研究价值。目前,常用重力场数据反演海底地形,如自由空气重力异常和垂直重力梯度。然而,由于现有方法反演海底地形具有较强的多解性,仍然无法准确获取高精度的海底地形。该文提出了重力-密度法与随机森林结合的数据-知识驱动新方法,以重建准确的海底地形。该方法在中国南海海域进行了测试,并与重力-密度法、随机森林以及现有的SIO模型进行了对比分析。反演结果显示,数据-知识驱动提供了更好的反演性能,随机森林和重力-密度法次之,SIO模型最差。相比于重力-密度法,数据-知识驱动的平均绝对误差、平均相对误差和均方根误差分别降低了21%、25%和7%;而相比于随机森林,它们分别也降低了20%、20%和20%。此外,数据-知识驱动模型与船载测深数据具有较高的一致性,其差值大约有72%分布在±10 m范围内,占比高于其他三种模型。该结果证明了数据-知识驱动方法在海底地形反演中的可行性和有效性,有助于加快高精度海底地形的绘制。

移去-恢复法在基于重力异常的海底地形解析迭代算法中的应用

高精度的海底地形图对于地球科学研究有着重要意义,由于直接的海深测量难以进行高密度全球覆盖,因此利用重力数据预测海底地形成为非常有效的方法。当前重力预测海底地形的方法有频率导纳法、重力地质法、解析迭代法等,但都存在一定的问题。本文针对解析迭代算法中难以处理的远区地形和深部密度异常的低频影响,应用移去-恢复方法对这些低频影响进行剔除。结合现有海深模型,通过仿真试验,讨论了分离低频影响的方法与相应的精度,结论如下:对于在移去-恢复方法中使用的初始海深模型,在海面上剔除掉重力异常的低频影响后,反演解算得到的海深结果均较初始海深模型的精度有所提高,验证了移去-恢复方法在利用重力异常数据反演海底地形的有效性。本文选取了中国南海12.87°N—13.87°N,113.65°E—114.65°E区域,利用移去-恢复方法解算了其下方的海底地形,将解算结果与NGDC的实测海深数据进行比较,预测结果的均方根误差为90.3 m,相对误差可达2.11%。这为利用高精度重力数据,通过解析迭代算法改善船测稀疏区域的海深数据提供了可能。

顾及先验海底地形信息的多波束测线设计建模方法

为提升海底地形测量精度和效率,聚焦复杂海域多波束测深技术测线规划应用,建立了一种顾及先验海底地形信息的测线设计模型。联合几何推导和遗传算法,构建了二维和三维情形下的覆盖宽度模型和重叠率模型,通过引入蒙特卡罗法,实现了复杂海域顾及先验海底地形信息的多波束测线优化设计。试验结果表明,该算法能有效提高多波束测深效率,可为多波束测深技术测线设计提供技术支持。

复杂海底地形工程物探解释方法研究

海底地形地貌探测是开发海洋资源、规划航海路线的基础性工作,在获得物探成果之后,需要根据视图作出科学的分析与解释。研究过程介绍了多波束声呐物探技术在海底深度测量、海底地形测绘中的应用原理,主要包括数字高程建模和网格建模,进而在此基础上阐述物探成果的解释方法。结果显示,基于多波束声呐探测技术,可生成海底视图,技术人员根据灰度变化、高程标度以及剖面图,判断凸起、陡坎以及平坦区域。

小型无人船关键技术在南极近岸海底地形调查中的应用

南极大陆是研究全球气候变化的典型区域,也是开展科学考察的“天然实验室”,挖掘南极科考潜力对提升我国在南极领域的话语权具有重要意义。南极近岸海域是全球海洋调查的重点关注区域,现场实测数据可以为合理开发利用南极资源提供数据支撑,但受其高海拔、低温、强风等极端条件影响,南极近岸海域数据资料极度匮乏。随着无人船应用领域逐渐拓宽,这一困境在未来将得到进一步解决。本文主要围绕南极近岸海域作业环境的特殊性,聚焦小型无人船关键技术,分别从船体设计与续航保障、高精度定位、自主避障、通信控制四个主要方面对南极近岸海域场景下小型无人船的具体应用进行分析,旨在完善一套能够适应极区环境作业的无人船系统模式,为未来无人智能设备在南极现场的实际应用奠定基础。

利用扰动重力数据反演海底地形的高斯曲面函数估计方法

利用2017年1月—2020年12月的SARAL卫星测高数据反演得到南海海域1′×1′格网扰动重力数据,通过与船载重力数据比较,精度达到5.5 mGal。提出了利用重力数据及高斯曲面函数求解区域特征参数进而估计海底地形模型的方法,利用SARAL卫星反演获得的重力数据在南海海域开展了计算试验。结果表明,利用ETOPO-1先验模型,在10×10格网一组划分条件下估计得到的1′×1′海底地形精度相对于先验模型提高了约10 m;利用DTU18先验模型,在9×9格网一组划分条件下估计得到的1′×1′海底地形精度相对于先验模型提高了约9 m。计算结果表明,利用卫星测高反演得到的重力数据,通过高斯曲面函数解算获得的5个特征参数,可以在一定程度上代表相应区域海底地形的曲面特征,进而可在不依赖外部实测数据条件下对先验海底模型进行精化。对于曲面估计而言,格网划分越小,曲面函数就越能反映区域变化特征。因此,对于未来卫星测高技术发展而言,更高分辨率的重力场探测技术有望继续提升海底地形细节的反演能力。

联合卫星测高重力数据构建海底地形的理论与方法研究

卫星测高技术反演海底地形是目前主要依赖的高效构建全球海底地形方法。论文主要针对利用卫星测高反演海底地形存在的关键技术问题,重点研究了联合卫星测高重力异常(gravityanomaly,GA)与重力异常垂直梯度(vertical gravitygradientanomaly,VGG)反演海底地形的非线性最小二乘迭代和顾及地形非线性项的最小二乘配置等理论与方法。

基于卷积神经网络预测南海海底地形

针对南海区域,使用3种重力信号(垂线偏差、重力异常、垂直重力梯度异常)训练卷积神经网络模型,并将预测结果与船测数据和国外模型结果进行对比分析。将3种重力信号分成4组数据:重力异常,重力异常与垂直重力梯度异常,重力异常与垂线偏差,以及重力异常、垂线偏差和垂直重力梯度异常。4种组合方式的反演结果与船测水深之间的标准差分别为104.780 m、102.778 m、93.788 m、88.289 m,表明随着不同类型重力数据的加入,水深预测精度明显提高,并且在深度大于2000 m时,反演结果精度提升效果更为显著。将训练集占总数据集的比例分别设置为80%、70%、60%和50%,反演结果与船测水深之间的标准差分别为88.289 m、91.256 m、92.833 m、96.022 m,表明数据量的增多可以有效提高模型学习结果的精度。

基于重力异常数据构建海陆交界区域海底地形模型

针对使用重力反演海陆交界区非规则形状海域海底地形算法实施困难的问题,基于海底地形数据与重力数据间近似线性的关系,提出使用改进的GGM(gravity-geologic method)和回归分析方法,联合水深测量数据和重力异常数据构建海陆交界区非规则形状海域海底地形。选择中国南海2°×2°(6°~8°N,115°~117°E)范围为研究区域,采用改进的GGM和回归分析方法分别构建海陆交界区海底地形模型SCS_iGGM和SCS_iRA,并与SCS_Grid(研究区声学水深数据直接格网化结果)和SCS_topo_23.1等模型的结果进行比对。结果表明,SCS_iGGM和SCS_iRA模型与SCS-DTU18、SCS-ETOPO1、SCS_topo_23.1模型整体统计结果相似度较高,相关系数高于0.99。外部检核结果表明,SCS_iGGM和SCS_iRA模型精度相当,相较于SCS-DTU18、SCS-ETOPO1和SCS_topo_23.1模型,二者精度分别提高约76%、70%和53%。联合实验海域重力异常和船载水深数据建立的海底地形模型的数据恢复能力和模型构建效果均优于仅依靠船载水深数据所得结果。

基于地形单元分区的BP神经网络反演海底地形

海底地形和海洋重力场在一定波段频率域上存在相关性,传统海底地形反演方法主要考虑海底地形与重力数据之间的线性关系,而忽略非线性项作用对反演结果的影响。基于此,提出了基于海底地形单元分区的BP神经网络反演方法,改善海底地形反演精度。选取东印度洋北部东经90°海岭附近海域(83°E~92°E,10°S~10°N)为实验区,利用船测水深、卫星测高重力等数据,根据地形特征将实验区分为海盆区和海岭区,使用BP神经网络方法分别进行海底地形反演,构建了实验区1′×1′局部海底地形模型。结果表明,基于地形单元分区的反演结果模型平均相对误差精度可达1.45%,比未分区的反演结果均方根误差降低了42 m,验证了本文方法的有效性和可行性。

基于多波束探测系统的海底地形测量

详细介绍了多波束探测系统的组成、多波束探测系统的测量工作原理,总结出测量数据具有显著的大数据量、高密度、离散性等主要特点,并对数据处理流程进行阐述。采用规则网法与Delaunay三角网两种方法分别建立海底三维模型,得出Delaunay三角网建立模型速度更快,细节展示更精准。最后通过不同建模算法的坐标中误差对比可知,Delaunay三角网建模精度更高。

洋山港区四期工程对周边海底地形的影响

围填海工程建设中周边海底地形变化是开展海岸工程开发建设的关键技术问题,有利于海洋环境保护及资源开发利用。本研究根据2010—2020年洋山港区四期工程实测的海底地形资料,分析了该工程施工前(2010年)、施工中(2013年)和施工后(2020年)周边海底地形的变化特征。结果表明:由于外侧海堤线的阻挡作用,洋山港区四期工程西围堤以西海域大部分区域为淤积区;由于堤线的拉直挑流作用,外侧海堤前沿距码头前沿以南350m的范围内主要为冲刷区,距码头前沿以南350m的范围外,为淤积量值较小的淤积区;颗珠山南部海域,除了局部出现冲刷外,大部分区域为淤积区,且淤积量值较大。总体来看,该码头工程对周边海域海底地形影响属于轻微级,施工后周边海底地形影响较小。

海洋测绘方法对海底地形和地貌的影响分析

海洋测绘方法的探寻与应用,对于海底地形地貌研究有着关键性影响。这篇文章主要是对各种海洋测绘方法进行总结,且对这些方法在解读海底地形地貌特色以及其精准度和分辨率等方面强弱之处进行评判。方法如无人探测器、多波束声呐以及卫星遥感等,在绘制三维地形、拍摄高清照片以及广大地质结构探查上展示出优秀的成果,然而亦难避免地面临着数据处理繁杂和成本过高的问题。单波束声呐在精度和分辨率上几乎是次于上述方法的,仍然在成本和实用上表现出了他的优点。各种测绘方法都有其独到之处,要看情况选择并在合适的时候进行结合,以便从海底地形地貌中获取最多信息。这篇文章的讨论为海洋地质研究打开了一种新的视野,同时也为完善海洋测绘技术和策略提出了参考之意。

海底地形地貌特征对海警海上维权执法的影响分析

海洋的开发和利用是当前国家战略的核心之一,对海洋资源的利用和保护具有重要的现实意义和战略意义。随着海洋经济的快速发展和国际海洋秩序的日益完善,海警海上维权执法工作也变得日益重要。本文围绕海警的职责使命,分析海底地形地貌特征对海警海上维权执法行动的影响,从而为加强海警建设、服务海上维权执法工作提供一定的参考和思路。

海底地形地貌探测虚拟仿真实验设计与构建

海洋科学是一门理工结合的学科,其实践性很强,而海洋科学类专业实践其成本高、周期长、危险性大,导致学生实践时间短、实践体验感较差,因此需要建设虚拟仿真实验平台来完善学生的实验和实践教学。文章依据中国地质大学(武汉)海洋科学类相关课程的教学大纲和培养计划,利用虚拟仿真技术,开展海底地形地貌探测虚拟仿真实验教学建设,构建海洋调查船、海底地形探测、海底地貌探测等虚拟仿真实验,以调动学生参与实验教学的积极性和主动性,从而提升学生的实践能力和解决实际问题的能力。

利用卫星测高数据反演全球海底地形研究进展

高精度高分辨率全球海底地形模型是研究地球形状及内部结构的重要基础数据,在海底板块运动研究、海啸监测预警、深海资源勘探、海底工程建设、航海安全保障和海洋国土划界等方面具有重要价值。广袤而深邃的海洋使得人类精准测绘海底地形面临艰巨挑战,由于卫星测高技术具备全球覆盖、高精度高分辨率和周期性重访海洋动态观测能力,已成为全球海底地形测绘的主要手段。本文概述了利用卫星测高数据反演全球海底地形的研究现状与最新进展,研究内容主要包括卫星测高数据反演海底地形的基本原理、主要卫星测高模式与任务、海洋重力场反演、海底地形反演方法及模型产品等。最后,展望了构建高精度动态全球海底地形模型的发展趋势,并从卫星测高数据、船测水深数据和海底地形反演技术等方面开展了可行性分析。

基于最小二乘配置的陌生海域海底地形反演方法

针对目前在无船测水深数据支撑的陌生海域海底地形模型构建困难的现状,提出了可将船测水深数据和重力数据已知海区协方差函数统计结果迁移、推广并应用于与已知数据海区重力异常相似的船测水深数据空白的陌生海区,运用最小二乘配置方法实现陌生海域海底地形模型构建。首先在西太平洋某1°×1°数据已知海区,依据最小二乘配置方法构建了相应的海底地形模型(BAT_LSC_1)。模型评估结果表明,BAT_LSC_1模型与导纳函数构建的海底地形模型检核精度相当,检核相对精度优于4%。海区重力异常作灰度化处理后,应用影像粗匹配和精匹配技术搜寻出与已知海区重力异常特征相似区域,迁移已知海区协方差统计结果应用于陌生海区,运用最小二乘配置方法构建陌生海区海底地形模型(BAT_LSC_2)。试验检核结果表明,BAT_LSC_2整体表现优于ETOPO1模型和应用导纳函数构建的海底地形模型,验证了本文方法思路的可行性和适用性。

基于空间域最小化目标函数的海底地形重力反演

为获取高精度的海底地形地貌,提出了基于空间域最小化目标函数的海底地形重力反演方法。采用随机子抽样交叉验证法选取最优超参数来保证反演精度,设计了高精度空间域最小化目标函数海底地形反演流程。采用理论模型计算比较了不同超参数取值策略对反演结果精度的影响,基于随机子抽样交叉验证法选取最优超参数取值策略的复杂海底地形反演计算平均相对误差为0.6456%,基于超参数固定值取值策略的复杂地形反演计算平均相对误差为17.2603%。最后,采用实测重力数据对南海某海域实际海底地形进行反演,反演结果平均相对误差小于5%,进一步验证了所提方法可有效获取高精度海底地形地貌。