[发明专利]基于BP神经网络的涡核水下最大温度异常反演方法

说明书

本发明公开了一种基于BP神经网络的涡核水下最大温度异常反演方法，属于海洋观测技术领域。本发明将包括半径、动能、振幅、Argo浮标与涡旋中心的归一化距离（nd）以及Argo浮标的地理坐标在内的涡旋表面参数作为EBPN的输入，将位于涡旋中Argo温度异常剖面上的极值点作为EBPN的输出，该温度异常即为涡旋核心内垂直方向上的最大温度异常。本发明基于BP神经网络，深入挖掘涡旋表面参数与涡核水下最大温度异常值之间的关系，并利用真实数据对反演结果进行精度验证，首次揭示了全球范围内具有反演潜力的地域分布特征。

技术领域

本发明属于海洋观测技术领域，具体涉及一种基于BP神经网络的涡核水下最大温度异常反演方法。

背景技术

海洋是一个不断运动的巨大水体，存在多种尺度的运动。大规模、相对稳定的海水流动称为海流，在10~100 km量级水体旋转的流动现象称为中尺度涡旋（mesoscale eddy）。中尺度涡旋蕴含着大量的海洋动能，在大洋中分布广泛，是输送、混合海洋中能量及物质的纽带，在维持全球海洋的热量平衡、输送洋流水团等各种物理过程中发挥着重要作用。在中尺度涡旋的生命周期内，许多重要的海洋过程和特征都发生在海表以下。涡旋表层以下的水团能够吸收海洋表层热量，在其内部进行热量的转移和缓冲，发生在涡旋内的这些水下温度变化又会对海面高度、海面温度等产生影响，进行影响海面气候变化。在涡旋内，涡核作为涡旋内温度和盐分变化最大的水团，其最大温度异常值的获取对于重建水下涡流的三维热结构，这对于研究涡流的形成机制和分析内部水团的物质和热量传输具有重要意义。

国内外各类卫星传感器提供了多种有用的海洋表面观测数据。基于卫星高度计构建的海面高度场(SSH)，可以对全球涡旋进行检测。随着自动涡旋识别技术的不断进步，表面几何和动态特征（涡流半径、涡流振幅、涡流动能等）均可以被获取。此外，通过系泊装置、滑翔机或者Argo浮标也可以实现对几个单独的涡旋的垂向核心进行研究。

到目前为止，对涡旋热结构的研究大都基于卫星高度计与Argo浮标相结合，对特定区域内的涡旋水下温度和盐度进行观测和统计，研究面较窄，有较大的限制。

发明内容

本发明的目的是提供一种基于BP神经网络的涡核水下最大温度异常反演方法，根据涡旋本身的表面参数来对其涡核水下的最大温度异常作出预测分析，以弥补现有技术的不足。

基于卫星高度计可以提取的涡旋表面参数有很多，包括涡旋的有效边界、最大地转流边界和形状边界、涡旋边界对应的经纬度序列、涡旋边界对应的涡旋半径、涡旋边界对应的涡旋振幅、涡旋半径对应的涡旋平均动能、涡旋中心的经纬度坐标等。Argo浮标作为观测海洋中温度、盐度、洋流的重要手段之一，可以向浮标投放者提供自身的经纬度坐标、温度剖面及盐度剖面等信息。

获得沿垂直方向的涡旋核心的最大温度异常对于理解海洋涡旋的三维结构至关重要。本发明采用全球22年（1998-2019年）Argo浮标和卫星高度计派生的涡旋识别数据，建立了一种神经网络（NN）方法，即涡旋反向传播神经网络（EBPN），来反演涡旋核心的最大温度异常。本发明将包括半径、动能、振幅、Argo浮标与涡旋中心的归一化距离（nd）以及Argo浮标的地理坐标在内的涡旋表面参数作为EBPN的输入，将位于涡旋中Argo温度异常剖面上的极值点作为EBPN的输出，该温度异常即为涡旋核心内垂直方向上的最大温度异常。

为实现上述技术目的，本发明采取的具体技术方案为：

一种基于BP神经网络的涡核水下最大温度异常反演方法，包括以下步骤：

S1：根据全球Argo浮标剖面数据集与气候态数据，求取每条温度剖面相对应的温度异常剖面；

S2：定义涡旋内涡核的水平范围；

S3：在所述水平范围内进行卫星高度计采集涡旋识别数据集的筛选，将筛选得到的涡旋识别数据集与Argo浮标剖面数据集进行时空匹配分析，得到涡旋和水下涡核相对应的数据，生成Argo-in-Eddy匹配数据集；