论文题目：基于深度学习的海洋中尺度涡自动检测模型
摘要：海洋是人类赖以生存和可持续发展的重要物质基础,依赖海洋遥感技术和信息技术动态监测海洋现象,不断加深对海洋的全面认识,才能合理管控、高效开发海洋资源。海洋中尺度涡是以封闭环流为特征的一种重要海洋现象,在全球海洋中广泛存在。海洋中尺度涡携带着巨大的能量,能够显著改变营养物质和温跃层的垂直分布,对浮游生物的分布、能量和盐的输送具有非常重要的作用。全球气候和生态系统深受海洋物质与能量变化的影响,因此,实现海洋中尺度涡的自动监测不仅有助于研究海洋气候变化,还对有效开发并管理海洋资源、确保海洋环境的安全具有重要作用。海洋中尺度涡的自动检测是监测、分析中尺度涡时空变化特征的重要方法。海洋遥感卫星在观测海洋现象时具有全天候、大面积、远距离、非接触、快速高效等特点,这种观测方法为研究海洋中尺度涡提供了丰富的数据资源。论文以实现自动、精准检测海洋中尺度涡为目标,针对现有方法的局限性,结合深度学习思想,提出了适用于海洋中尺度涡的自动检测模型,主要研究内容为:（1）基于深度学习的海洋中尺度涡自动检测模型研究海洋中尺度涡自动精准识别的关键在于提取其高层本质特征,然而,海洋中尺度涡的复杂特性加剧了其特征提取的难度。传统方法由于依赖人工设计特征和专家设定阈值而无法准确表达海洋中尺度涡的特征,严重影响了其检测精度。本文针对上述问题,构建了适用于海洋中尺度涡的自动检测模型,基于深度学习思想逐级抽象与表达海洋中尺度涡的高层本质特征,实现其自动精准检测。（2）海洋中尺度涡自动检测模型的实证分析采用本文构建海表面高度异常遥感数据集,对南海海域的海洋中尺度涡进行实证分析。基于本文所提出模型对于南海海洋中尺度涡的提取结果与其他模型进行对比分析,分别从分割精度、分割精度衰减率、可视化的分割效果等角度进行了全面的分析,以证明本文模型的有效性。最后,利用本文模型提取南海区域海洋中尺度涡,并对南海区域海洋中尺度涡的提取结果进行了详细的时空变化特征分析。（3）中尺度现象诊断系统模块设计与应用实践本文以中尺度现象诊断分析作为需求驱动,设计集中尺度现象数据管理共享、一体化中尺度诊断、中尺度现象检验评估于一体的中尺度现象诊断系统,将本文提出的基于深度学习的海洋中尺度涡自动检测模型嵌入该系统中以便自动检测海洋中尺度涡,有效服务于中尺度现象诊断分析工作。
关键词：海洋中尺度涡;深度学习;语义分割;注意力机制;残差学习
学科专业：遥感与地理信息系统
致谢
摘要
Abstract
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 海洋中尺度涡观测技术发展现状
1.2.2 基于传统方法的海洋中尺度涡自动检测研究现状
1.2.3 深度学习在图像分割领域的研究现状
1.2.4 深度学习在海洋中尺度涡检测领域的研究现状
1.2.5 存在的问题与不足
1.3 研究目的与内容
1.3.1 研究目的
1.3.2 研究内容
1.4 文章组织结构
2 基于深度学习的海洋中尺度涡自动检测模型
2.1 问题分析
2.2 经典的语义分割网络
2.2.1 卷积神经网络
2.2.2 全卷积神经网络
2.2.3 U-Net网络
2.3 网络模型优化策略
2.3.1 参数初始化策略
2.3.2 批归一化
2.3.3 随机失活层
2.3.4 残差学习机制
2.3.5 卷积注意力模块
2.4 适用于海洋中尺度涡检测的U-Net网络
2.4.1 模型架构设计
2.4.2 超参数的确定
2.5 本章小结
3 海洋中尺度涡自动检测模型的实证分析
3.1 南海概况
3.2 实验数据
3.2.1 数据来源
3.2.2 海洋中尺度涡在MSLA遥感数据产品上的特征
3.2.3 数据集制作
3.3 海洋中尺度涡自动检测的实验结果与分析
3.3.1 实验环境
3.3.2 评价指标
3.3.3 实验结果及分析
3.4 基于MSLA数据的南海中尺度涡检测与分析
3.4.1 基于MSLA数据的南海中尺度涡检测结果统计分析
3.4.2 南海海域海洋中尺度涡时空分布特征分析
3.5 本章小结
4 系统应用实例
4.1 系统设计目标
4.2 系统结构设计
4.2.1 中尺度现象诊断系统架构
4.2.2 平台功能划分
4.3 系统功能模块
4.3.1 中尺度现象诊断分析模块
4.3.2 中尺度现象诊断结果可视化模块
4.3.3 中尺度现象诊断产品发布模块
4.4 本章小结
5 总结与展望
5.1 研究总结
5.2 研究特色
5.3 研究展望
参考文献