陳捷 楊繼鋒 許素芹 陶榮華

摘 ?要： 海洋中尺度渦出現(xiàn)的海域會出現(xiàn)海水流場、高度場、溫鹽場和聲學性質的異常，得到海洋戰(zhàn)場環(huán)境研究的極大重視。為了從遙感資料中自動提取中尺度渦特征參數(shù)，提出一種基于海面動力高度數(shù)據(jù)的中尺度渦自動提取算法。通過將海面動力高度數(shù)據(jù)按照等高線分層，計算閉合區(qū)域包含的面積梯度，自動提取中尺度渦區(qū)域的特征參數(shù)。對海面動力高度數(shù)據(jù)進行處理的結果可知，采用該方法進行中尺度渦檢測不需要人工干預，能很好地定位中尺度渦位置并提取基本參數(shù)。

關鍵詞： 遙感; 中尺度渦; 海面高度異常; 自動檢測; 面積梯度; 中尺度渦參數(shù)

中圖分類號： TN911.1?34; TP394.1 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）11?0130?05

Abstract： The mesoscale eddy in ocean may cause the anomalies of seawater flow field， height field， temperature and salinity fields， and acoustic property， which is attracted great attention by the study of ocean military environment. In order to automatically extract the parameters of the mesoscale eddy from remote sensing data， a mesoscale eddy automatic extraction algorithm based on sea surface dynamic height data is proposed. The sea surface dynamic height data is stratified according to contour lines， and the area gradients of closed region are calculated to extract the feature parameters of the mesoscale eddy automatically. The processing results of sea surface dynamic height data show that the proposed method can detect the mesoscale eddy without manual intervention， and locate the position of mesoscale eddy accurately while extracting the basic parameters.

Keywords： remote sensing; mesoscale eddy; sea surface height anomaly; automatic detection; area gradient; mesoscale eddy parameter

0 ?引 ?言

在大洋上可觀測到多種多樣的中尺度渦旋，中尺度渦的空間尺度通常在幾十到幾千米范圍，時間尺度一般為幾周到幾個月[1]。海洋中尺度渦對海洋水團、動量和能量的輸送產(chǎn)生重要影響，進而影響物理和地質過程、天氣和氣候的形成和變化[2?3]。中尺度渦的探測與識別是漁業(yè)、航運、氣候變化預測、污染排放等領域的重要研究課題[4?5]。

中尺度渦根據(jù)渦旋的旋轉方向分為氣旋式與反氣旋式渦旋，對比渦內外的溫度可分為冷渦和暖渦，也有人將其分為鋒區(qū)中尺度渦和外海中尺度渦兩類[1]。

中尺度渦因其頻繁出現(xiàn)在各種海域，且其流場、高度場、溫鹽分布和聲學性質有明顯異常，可以為水下隱蔽作戰(zhàn)提供良好的水文環(huán)境，因此在海洋戰(zhàn)場環(huán)境建設領域具有極高的研究價值，被廣泛重視。據(jù)有實測數(shù)據(jù)顯示，中尺度渦內聲能量的損耗明顯，聲波由渦心向渦外或由渦外向渦心傳播，能量損失可高達[6]20～40 dB，同時，可造成水下三維聲場傳播產(chǎn)生奇異區(qū)，猶如陸地上的山巒，起到良好的水下聲學屏障作用。另外，中尺度渦會在衛(wèi)星遙感成像中顯示其特有圖像紋理，可以掩蓋潛艇在水下航行時形成的一些弱信號，成為潛艇隱蔽航行的天然屏障。

雖然Iselin早在1936年就提出了中尺度渦的概念，但直至20世紀70年代，隨著遙感觀測技術的發(fā)展，對中尺度渦的觀測與研究才逐漸活躍起來[7]。傳統(tǒng)的中尺度渦流檢測主要依靠航船的實測數(shù)據(jù)，而船測數(shù)據(jù)由于測量時間長，測量數(shù)據(jù)反映的中尺度渦在空間和時間上往往不一致，這限制了檢測算法的性能。近年來，隨著高分辨率海洋觀測衛(wèi)星的快速發(fā)展，對中尺度渦等海洋流動特征的識別得到了極大的激活和促進。從衛(wèi)星觀測的海平面溫度（SST）、海平面高度（SSH）、海平面異常（SLA）中探測和跟蹤中尺度和亞尺度渦流已成為可能[7]。近年來，也有一些從SAR圖像中識別提取海洋中尺度現(xiàn)象特征的研究[8]。

然而，從二維海洋自動檢測中尺度渦并非易事，由于二維海面是多種海流的混合體，不同的海流相互依存、相互影響，使得海面遙感圖像變得復雜難辨。此外，現(xiàn)有的方法很難處理二維海表中不同動態(tài)過程之間的邊界模糊，更糟糕的是，在二維圖中，小尺度的中尺度渦流可能被較大的海洋環(huán)流所掩蓋。

國外對中尺度渦自動提取的研究開始得較早，現(xiàn)有的中尺度渦檢測方法一般可分為兩類：基于物理參數(shù)的方法和基于幾何結構的方法[9]。第一類方法使用指定物理參數(shù)的值檢測中尺度渦，在這種方法中，超過某個預定義閾值的區(qū)域被識別為渦。第二類方法使用洋流的瞬時幾何表示（如流線）的曲率或形狀來識別渦流[10]或以圓形或橢圓形閉合幾何體作為渦流的流線特征檢測中尺度渦[11]。這兩種方法中，第一種方法僅依靠閾值檢測，算法速度快但漏檢率很高，第二種方法計算量大，計算速度慢，且容易受到復雜海洋環(huán)境的干擾。

國內對遙感海洋中尺度現(xiàn)象的研究自20世紀90年代逐漸活躍，大部分研究都是對中國海洋中尺度渦時空統(tǒng)計規(guī)律的研究[12?14]。為了更好地把握中尺度渦的運動變化規(guī)律，也有一些學者開始了數(shù)值計算和模擬方面的研究[15]。

總體而言，對于SAR海洋遙感圖像中尺度渦的判讀和解譯主要依靠“專家目視判讀”方法，或“半專家干預，半自動”的方法;對于海面有效高度圖像和流場圖像，國內外均已有專家研究自動提取的方法，但很難同時保證高檢測率和高計算速度。

本文通過對高度計資料中尺度渦的表現(xiàn)特征，研究了一種全自動的中尺度渦檢測算法，在保證較高檢測率、較低虛警的同時具有較快的運行速度，大大地加快了高度計資料中尺度渦的解譯，也對中尺度渦的時空統(tǒng)計分析奠定了數(shù)據(jù)基礎。

1 ?高度計資料中尺度渦特征

本文的衛(wèi)星高度計資料采用CLS（Collect Localization Satellites）中心提供的海平面高度異常（SLA），該資料由Jason?2，Jason?1和Envisat融合而成。在SLA數(shù)據(jù)中，中尺度渦有如下特征：

1） SLA的等值線閉合;

2） 暖渦和冷渦在SLA圖上均表現(xiàn)為閉合的等值線，暖渦中心為SLA大的正值，冷渦則為小的負值;

3） 中尺度渦的中心位置水深大于200 m（高度計資料在200 m以淺時，誤差較大）;

4） 渦中心和最外層閉合等值線的高度差應大于等于8 cm。

圖1所示為2018年7月18日西太平洋及南海區(qū)域的SLA海面高度異常分布情況。

圖1 ?海面高度異常

2 ?基于面積梯度的中尺度渦自動檢測算法

2.1 ?中尺度渦檢測算法分析

海洋中尺度渦從遙感圖像上看，整體呈圓形或橢圓形分布，但這種形態(tài)并不固定，也并不規(guī)則，因此通過計算機自動識別其形態(tài)面臨很多問題。但由于海洋本身及遙感圖像成像過程極其復雜，通過灰度值相似提取的區(qū)域難以準確提取渦的檢測特征。 后期的絕大多數(shù)海洋中尺度渦檢測都是基于Hough變換進行的[16]，提出基于遙感圖像的邊緣檢測方法，直接利用Hough變換橢圓檢測算子進行渦檢測。由于遙感圖像中渦形態(tài)復雜，與標準的圓或橢圓之間存在較大差異，因此這些檢測方法都無法很好地檢測到所有的中尺度渦。另外，隨著處理數(shù)據(jù)量的增加，Hough變換需要的存儲和計算量急劇增加，檢測誤差也隨之增大。

綜上所述，采用Hough變換檢測中尺度渦，算法效果極不穩(wěn)定，且對大面積多個中尺度渦的檢測計算量巨大。本文采用一種非Hough變換的中尺度渦檢測算法。根據(jù)高度計資料中尺度渦在SLA圖像中等值線閉合的特征，先對這些閉合等值線包含的面積求值，然后計算不同等值線包含面積的梯度，再考慮中尺度渦的近圓形或橢圓形特征，實現(xiàn)對大范圍海域數(shù)據(jù)的中尺度渦自動快速檢測。

2.2 ?檢測算法流程

高度計遙感圖像中尺度渦參數(shù)自動提取算法的主要思路為：將高度計圖像按照高度分布進行分層，計算分層中連通區(qū)域的面積，再將連通區(qū)域向下檢索，計算面積梯度。當面積梯度大于檢測閾值時，將檢測到的最后一個連通區(qū)域定為待定渦區(qū)，再對待檢測渦區(qū)的圓度進行判斷，大于圓度閾值時，將該區(qū)域定為檢測到的渦區(qū)，最后對渦區(qū)進行特征計算，計算渦區(qū)的中心、邊緣及對渦的性質（暖渦或冷渦）進行判斷，完成整個檢測過程。高度計數(shù)據(jù)中尺度渦檢測算法流程如圖2所示。

圖2 ?高度計數(shù)據(jù)中尺度渦檢測算法流程

3 ?應用實例

為了說明高度計渦中尺度渦算法的具體實現(xiàn)過程，以2018年7月18日高度計數(shù)據(jù)為例說明其實現(xiàn)過程。

步驟1：依照高度分布將圖像分層。

為了使算法更為高效，首先暫時不考慮渦的冷、暖性質，將SLA數(shù)據(jù)求絕對值。同時，根據(jù)中尺度渦暖渦中心為SLA大的正值，冷渦則為小的負值，中心和最外層閉合等值線的高度差不小于8 cm的特點，SLA平均值附近一般不會出現(xiàn)中尺度渦，避免在靠近均值的區(qū)域進行大量的計算，依照高度分布分層時，只對數(shù)值大于均方差的值進行分層。例如，可將2018年7月18日的數(shù)據(jù)分為16層，如圖3所示。

步驟2：從頂層向下計算面積。

在本例中，第16層中只有一個連通區(qū)域，將其標為“1”，接著根據(jù)形態(tài)學的“擊中”算法，將第15層、第14層……中與第一層中標號為“1”的區(qū)域有重疊的連通區(qū)域也都標為“1”，接著計算各層中標號為“1”的連通區(qū)域的面積。

圖3 ?高度分層結果

式中[i]表示等高層序號。面積梯度在物理上與高度梯度相對應，當面積梯度較小時，對應的高度梯度也小。在本例中，標號為“1”的待定渦區(qū)在第16層到第4層的面積梯度滿足梯度閾值，因此將第4層中標號為“1”的連通區(qū)域定為待定渦區(qū)，標號為“1”。

接著，在各層中去掉標號為“1”的區(qū)域，重新從第1層查找其他的連通區(qū)域，若第1層查找完畢，則到第2層中查找，找到的連通區(qū)標號為“2”，根據(jù)形態(tài)學的“擊中”算法，將第2層、第3層……中與第1層中標號為“2”的區(qū)域有重疊的連通區(qū)域也都標為“2”，以同樣的方法確定是否為待定渦區(qū)。

以同樣的方法循環(huán)計算，逐層檢測待定渦區(qū)，并對其進行編號。

步驟4：計算圓度。

對待定渦區(qū)依次計算。計算待定渦區(qū)的重心和渦區(qū)到重心的最大距離[l]，同時計算待定渦區(qū)的面積。渦區(qū)的圓度定義為：

圓度閾值決定渦是否接近于圓形或橢圓型，[ρ∈][（0，1]]，[ρ]的值越大，說明越接近圓形，當圓度大于圓度閾值時，待定渦區(qū)定為最終渦區(qū)。

步驟5：偽渦區(qū)消除。

在本算法中，靠近陸地的區(qū)域往往也會有滿足面積梯度和圓度梯度的區(qū)域存在，但根據(jù)中尺度渦的特點，中尺度渦的中心位置水深大于200 m，因此，近陸架水深小于200 m的區(qū)域往往是偽渦區(qū)，在檢測中根據(jù)海水深度數(shù)據(jù)，將緊鄰陸架的渦區(qū)消除。

另外，根據(jù)渦中心和最外層閉合等值線的高度差不小于8 cm的性質，去掉渦中心和最外層閉合等值線的高度差小于8 cm的待檢測渦區(qū)。

步驟6：提取渦。

根據(jù)步驟5中的最終渦區(qū)位置，在高度計原始數(shù)據(jù)中提取渦區(qū)高度數(shù)據(jù)。本例中，采用不同的面積梯度，分別為0.4和0.2進行提取，面積梯度越大，說明要求提取的中尺度渦中心和邊緣高度差要求越大;面積梯度越小，提取的中尺度渦中心和邊緣高度差要求越小。最終提取的中尺度渦區(qū)如圖4，圖5所示，可見當采用不同面積梯度時，檢測到的中尺度渦個數(shù)不同。

圖4 ?中尺度渦提取結果（[?si]=0.4，[ρ]=0.5）

圖5 ?中尺度渦提取結果（[?si]=0.2，[ρ]=0.5）

步驟7：中尺度渦特征計算。

對每個檢測到的渦區(qū)計算渦的中心，邊緣及對渦的性質（暖渦或冷渦），完成整個檢測過程。

對2018年7月18日高度計圖像進行檢測，檢測結果如表1所示。

4 ?結 ?論

本文根據(jù)高度計數(shù)據(jù)中尺度渦的特點，采用一種基于閉合等高線區(qū)域面積梯度的方法，成功地從高度計數(shù)據(jù)中自動提取中尺度渦信息，這些信息既可以作為產(chǎn)品輸出，用于分析實時數(shù)據(jù)中尺度渦的分布，也可以輸入到數(shù)據(jù)庫中，為大范圍的時空統(tǒng)計分析作準備。本文方法的提出，將大大地加快海洋高度計資料的中尺度渦分析與統(tǒng)計速度，增加高度計資料在海洋環(huán)境分析中的應用率。

表1 ?中尺度渦主要特征說明（[?si]=0.4， [ρ]=0.5）

參考文獻

[1] 李鳳岐，蘇育嵩.海洋水團分析[M].青島：青島海洋大學出版社，2000：311?312.

LI Fengqi， SU Yusong. Analysis of marine water mass [M]. Qingdao： Qingdao Ocean University Press， 2000： 311?312.

[2] NENCIOLI F， DONG CHANGMING， TOMMY D， et al. A vector geometry： based eddy detection algorithm and its application to a high?resolution numerical model product and high?frequency radar surface velocities in the Southern California Bight [J]. Journal of atmospheric and oceanic technology， 2012， 27： 564?579.

[3] LIANG X， ZHANG C， MATSUYAMA T. Inlier estimation for moving camera motion segmentation [C]// Proceedings of 2014 Asian Conference on Computer Vision. Switzerland： Springer， 2014： 352?367.

[4] WILLIAMS S， PETERSEN M， BREMER PT， et al. Adaptive extraction and quantification of geophysical vortices [J]. IEEE transactions on visualization and computer graphics， 2011， 17（12）： 2088?2095.

[5] SAMSEL F， PETERSEN M， ABRAM G， et al. Visualization of ocean currents and eddies in a high?resolution global ocean?climate model [C]// Proceedings of 2015 International Confe?rence on High Performance Computing， Networking， Storage and Analysis. Austin： ACM， 2015： 1?4.

[6] 趙越.中尺度渦環(huán)境下聲傳播分析[D].青島：中國海洋大學，2015：11?12.

ZHAO Yue. Analysis of sound propagation in mesoscale vortex environment [D]. Qingdao： Ocean University of China， 2015： 11?12.

[7] TANDEO P， CHAPRON B， BA S， et al. Segmentation of mesoscale ocean surface dynamics using satellite SST and SSH observations [J]. IEEE transactions on geosciences and remote sensing， 2013， 52（7）： 4227?4235.

[8] KARIMOVA S， GADE M. Eddies in the Red Sea as seen by satellite SAR imagery [M]// Anon. Remote sensing of the African Seas. Heidelberg： Springer， 2014： 357?378.

[9] PETERSEN M R， WILLIAMS S J， MALTRUD M E， et al. A threedimensional eddy census of a highresolution global ocean simulation [J]. Journal of geophysical research oceans， 2013， 118（4）： 1759?1774.

[10] SADARJOEN I A， POST F H. Detection， quantification， and tracking of vortices using streamline geometry [J]. Computers and graphics， 2000， 24（3）： 333?341.

[11] LIU Z， DU Y， XU K. An improved scheme of identifying loops using Lagrangian drifters [C]// 2015 IEEE International Conference on Spatial Data Mining and Geographical Know?ledge Services. Fuzhou： IEEE， 2015： 125?128.

[12] 程旭華，齊義泉，王衛(wèi)強.南海中尺度渦的季節(jié)和年際變化特性分析[J].熱帶海洋學報，2005，24（4）：51?60.

CHENG Xuhua， QI Yiquan， WANG Weiqiang. Seasonal and interannual variabilities of mesoscale eddies in South China Sea [J]. Journal of tropical oceanography， 2005， 24（4）： 51?60.

[13] 林鵬飛，王凡，陳永利，等.南海中尺度渦的時空變化規(guī)律Ⅰ：統(tǒng)計特征分析[J].海洋學報，2007，29（3）：14?23.

LIN Pengfei， WANG Fan， CHEN Yongli， et al. Temporal and spatial variation characteristics on eddies in the South China SeaⅠ： statistical analyses [J]. Acta oceanologica sinica， 2007， 29（3）： 14?23.

[14] 袓永燦.北太平洋中尺度渦統(tǒng)計分析[D].青島：國家海洋局第一海洋研究所，2015.

ZU Yongcan. Statistical analysis of mesoscale eddy in North Pacific Ocean [D]. Qingdao： First Institute of Oceanography， State Oceanic Administration， 2015.

[15] 尚曉東，徐馳，陳桂英，等.海洋中尺度渦的機械能及其源匯研究[J].熱帶海洋學報，2013（2）：24?36.

SHANG Xiaodong， XU Chi， CHEN Guiying， et al. Mechanical energy of marine mesoscale eddy and its source and sink [J]. Journal of tropical oceanography， 2013（2）： 24?36.

[16] 姬光榮，陳霞，霍玉臻，等.一種海洋遙感圖像中尺度渦的自動檢測方法[J].海洋與湖沼，2002，33（2）：139?145.

JI Guangrong， CHEN Xia， HUO Yuzhen， et al. An automatic detecting method of the marine mesoscale eddy in remote sensing image [J]. Oceanologia et limnologia sinica， 2002， 33（2）： 139?145.