联合WOA2018温盐模型及实测温盐资料重构全深度声速剖面(一):需求论证及技术方案

海洋环境中温盐度剖面在时间和空间上复杂多变,造成海水中声波传播的速度剖面也具有同样特点。对海洋测绘领域中获取全深度声速剖面的技术难点、制约精度因素和影响结果进行了分析,设计了利用历史温盐信息并结合不同类型设备观测的温盐资料重构全深度声速剖面的技术方案,提出了对工作深度临界点处的温盐模型值应施加约束和控制,以提高声速预测值的精度。

联合WOA2018温盐模型及实测温盐资料重构全深度声速剖面(二):精度评估

利用西太平洋海域多个站位的XBT、XCTD及CTD实测温盐资料,对WOA2018温盐模型的可靠性进行了评估,开展了全深度声速剖面重构试验。结果表明,当水深分别为761~1 100 m、大于1 101 m和大于1 821 m时,实测资料计算的声速剖面与温盐模型推算的声速剖面互差在-2.0~2.0 m/s、-0.7~0.7 m/s和-0.7~0.45 m/s,而与实测温度和盐度模型推算的声速剖面互差总体上在-0.2~0.2 m/s。基于临界探测深度处温盐实测值对探测深度以外温盐模型施加约束和控制,以提高声速预测值精度有待进一步研究。

侧扫声纳检测沉船目标的轻量化DETR-YOLO法

基于YOLOv5算法的侧扫声纳海底沉船目标检测方法虽然在检测精度和速度上取得了不错的成绩,但是如何在复杂海洋噪声背景下进一步提高小目标检测的准确性、降低重叠目标漏警和虚警率的同时实现模型的轻量化是一个亟需解决的课题。为此,本文创新融合DETR(end-to-end object detection with transformers)与YOLOv5结构,提出了基于DETR-YOLO模型的轻量化侧扫声纳沉船目标检测模型。首先,加入多尺度特征复融合模块,提高小目标检测能力。然后,融入注意力机制SENet(squeeze-and-excitation networks),强化对重要通道特征的敏感性。最后,采用加权融合框(weighted boxes fusion, WBF)策略,提升检测框的定位精度和置信度。实验结果表明,本文模型在测试集AP_0.5和AP_0.5∶0.95值分别达到84.5%和57.7%,较Transformer和YOLOv5a模型大幅度提高,以较小的效率损失和权重增加为代价取得了更高的检测精度,在提升全场景理解能力和小尺度重叠目标处理能力的同时满足轻量化工程部署需求。

全球大洋潮汐模式在北印度洋潮汐预报准确性的评估

为评估DTU10、TPXO8、GOT00.2和NAO.99b 4个全球大洋潮汐模式对北印度洋潮汐的预报能力,采用英国海洋资料中心提供的海区中部和沿岸站潮汐调和常数资料,检验了这些模式4个主要分潮(M_2、S_2、K_1、O_1)的准确度。它们的各分潮调和常数资料准确度都比较高,振幅绝均差的最大值仅5.61 cm,迟角绝均差的最大值仅9.13°。这些模式的调和常数给出潮波传播特征差别不大。基于这些模式提供的调和常数,分别建立了北印度洋4、8和16分潮潮汐预报模型,将预报结果与中国海事服务网提供的沿岸24个站潮汐表资料进行对比。各模式的8分潮(M_2、S_2、N_2、K_2、K_1、O_1、P_1、Q_1)潮汐预报模型均优于4分潮(M_2、S_2、K_1、O_1)潮汐预报模型,NAO.99b模式可以提供16分潮(M_2、S_2、N_2、K_2、K_1、O_1、P_1、Q_1、MU_2、NU_2、T_2、L_2、2N_2、J_1、M1、OO_1)潮汐预报模型,但是对预报结果改善不明显;在各模式中,GOT00.2模式的8分潮潮汐预报模型对北印度洋沿岸的预报效果最好,平均绝均差为14.97 cm。