共查询到20条相似文献，搜索用时 140 毫秒
1.
2.
海洋观测仪器是实施海洋观测活动的基础,其性能影响海洋观测数据的准确性和海洋观测活动的质量。按照不同观测平台对海洋观测标准体系进行分类,梳理了海洋观测要素及其仪器有关的基本参数;根据海洋观测活动的特点列出了海洋观测仪器的一般技术要求,有助于推进海洋观测仪器应用的标准化工作。从海洋观测仪器的检定校准和现场比测2方面整理了海洋观测数据的质量控制方法,为提高海洋观测数据质量提供支撑。 相似文献
3.
4.
全国海洋环境监测每年获得大量的生物多样性监测数据,其中生物种类名记录存在书写不规范、格式不统一、同物异名、学名和中文名缺失、拼写错误等情况,对数据的质量和使用产生很大影响.为了对这些分类数据进行质量控制,构建质控数据库.以2011、2012年全国海洋环境监测实测生物分类数据为原始分类数据,以《中国海洋物种多样性》、《海洋生物分类代码》、《中国海洋生物名录》中的物种数据为标准生物名称,采用计算机程序匹配与人工匹配相结合的方法,建立原始分类数据与标准生物名称的对应关系,完成匹配分类数据的标准化处理并入库,形成质控数据库.基于质控数据库,结合质量控制程序,使得需要进行质控的生物名数据与质控数据库中＂实测中文名＂或＂实测学名＂相匹配,返回质控数据库中的＂标准中文名＂、＂标准学名＂、＂标准类群＂的值以及＂记录处理＂,并作为新增列插入到原数据中,从而实现对分类数据的一站式批量质控.基于质控数据库的生物名质控方法为生物分类数据的质量控制提供了一个简单、有效且易于推广的新方法. 相似文献
5.
介绍了几种常用的数据质量控制方法,并分析了这些方法的使用条件;初步分析了海洋站数据质量控制过程;针对海洋站数据特点,对某一海洋站某月逐时数据分别采用3δ检验法和格拉布斯检验法进行整体检验和分组检验,并采用曲线拟合手段表现质量控制结果.结果表明,对海洋站数据进行质量控制以后,数据质量得到了明显提高,同时也显示出对数据进行... 相似文献
6.
系统分析了海洋测绘垂直基准的分类及其在海洋空间信息表达中的作用,论证了现代海洋测绘垂直基准的体系模式。阐述了无缝海图深度基准的概念和实现方案、海洋测绘垂直基准的分级模式、不同级别垂直基准的相互转换关系,以及海洋测绘垂直基准的质量控制和应用。目的是推动现代海洋测绘垂直基准框架体系的建设。 相似文献
7.
8.
为提高我国海洋经济监测评估的信息资源共享质量和效率,文章分析底册初筛在海洋经济共享数据前期处理中的必要性和可行性,并提出建议。研究结果表明:在筛除依据充分、存疑单位保留和全面质量控制的原则下,根据海洋及相关产业分类、单位主要业务和专家评审结果,对沿海市、沿海市的非沿海县和非沿海市开展涉海单位底册初筛;经底册初筛,各地入户调查工作量均有所减少,其中沿海市(非沿海县)的初筛占比最高,而非沿海市的初筛数量较高,且抽查的初筛错误率较低;在底册初筛的基础上,应调整行业分类、提高标志认定效率、确认调查对象状态和进一步加强质量控制,完善海洋经济共享数据前期处理工作。 相似文献
9.
海洋油污染是各类海洋污染中最常见、分布面积最广且危害程度最大的污染之一。近年来,海洋特别是近海人类活动频繁,且随着海上运输和石油加工业的发展,油田井喷、钻井平台爆炸、船舶碰撞等所造成的溢油事故增多,因而,监测海洋溢油具有重要的经济和社会现实意义。研究采用MatLAB工具,通过图像预处理(图像校正和增强)、特征提取和神经网络识别等方法,对合成孔径雷达(SAR)海洋溢油图像进行处理,最终期望实现半自动区分SAR图像上各类目标,并进行多种神经网络方法效果比较。研究首先对SAR海洋溢油图像进行初步人工识别;然后进行图像预处理(几何校正、滤波处理等)和基于灰度共生矩阵的特征值计算;最后,借助神经网络方法对溢油区域和疑似溢油区域进行分类,输出分类处理后的图像。通过输出图像分析发现,神经网络能对SAR海洋溢油图像中溢油、海水、土地3类目标进行明确分类,且RBF神经网络模型精度高于BP神经网络。本文提出的半自动分类方法不仅能提高SAR图像处理效率,将分类目标扩充有溢油和非溢油扩充到溢油、海水、土地3类,提高图像处理的全面性,同时通过比较RBF和BP神经网络在SAR溢油图像分类上的具体优劣,有着较好实际意义。 相似文献
10.
水下视频可直观记录和反映海洋牧场生物资源的现状和变动,目前亟待开展基于图像的海洋牧场生物识别分类方法研究,以充分发挥图像处理技术在海洋牧场生物群落监测领域的应用潜力。利用采集自我国北方烟威地区包含鱼礁、藻床和泥沙三种图像背景的水下视频,开展了图像增强、图像分类数据集的建立和3种分类模型的应用。对比了基于绿通道的色彩补偿和限制对比度的自适应直方图均衡等方法在海洋牧场水下图像增强上的效果。建立了北方海洋牧场常见岩礁生物图像分类数据集,包括花鲈(Lateolabraxjaponicus)、(Lizahaematocheilus)、许氏平鲉(Sebastes schlegelii)等鱼类11种、棘皮类3种和蟹类1种,共23 211张图像。基于飞桨深度学习框架和PaddleX全流程开发工具,选择AlexNet、MobileNetV3和ResNet50三种图像分类卷积神经网络进行迁移学习,并分别验证了其在含噪音水下图像上的鲁棒性。结果表明,三种模型在测试集的类准确率分别达到96.64%、94.75%和99.23%,其中ResNet50模型在含有高斯噪音的图像集验证具有更好的鲁棒性。综之,基于深度学习的计算机视觉技术在我国海洋牧场生物群落监测中具有较大应用潜力,可为我国海洋牧场监测和管理提供新的思路和方法。 相似文献
11.
12.
北极多年冰在近几十年有明显的减少趋势,与北极海冰的厚度、体积和夏季最小海冰范围的减少密切相关。合成孔径雷达(synthetic aperture radar, SAR)具有全天时、全天候成像能力,基于SAR卫星影像的海冰分类对监测北极多年冰具有重要意义。基于深度学习U-Net模型,以SAR图像的双极化信息为模型输入,构建了像素级的海水、一年冰和多年冰多分类模型。与已有SAR图像海冰分类方法(支持向量机、随机森林和卷积神经网络)进行对比,基于双极化SAR图像的U-Net海冰分类模型的准确率、平均重叠度和Kappa系数,分别达到了90.73%、0.831和0.849,优于其他对比模型,分别提升了4.08%～19.04%, 0.063～0.321和0.111～0.335。此外,针对SAR图像水平-垂直极化(horizontal-vertical polarization, HV)有明显的条状热噪声和水平-水平极化(horizontal-horizontal polarization, HH)受入射角效应而亮度不均匀的特点,设计敏感性实验,研究HV噪声、入射角和灰度共生矩阵(gray leve... 相似文献
13.
Mesoscale eddies, which are mainly caused by baroclinic effects in the ocean, are common oceanic phenomena in the Northwest Pacific Ocean and play very important roles in ocean circulation, ocean dynamics and material energy transport. The temperature structure of mesoscale eddies will lead to variations in oceanic baroclinity, which can be reflected in the sea level anomaly (SLA). Deep learning can automatically extract different features of data at multiple levels without human intervention, and find the hidden relations of data. Therefore, combining satellite SLA data with deep learning is a good way to invert the temperature structure inside eddies. This paper proposes a deep learning algorithm, eddy convolution neural network (ECN), which can train the relationship between mesoscale eddy temperature anomalies and sea level anomalies (SLAs), relying on the powerful feature extraction and learning abilities of convolutional neural networks. After obtaining the temperature structure model through ECN, according to climatic temperature data, the temperature structure of mesoscale eddies in the Northwest Pacific is retrieved with a spatial resolution of 0.25° at depths of 0–1 000 m. The overall accuracy of the ECN temperature structure is verified using Argo profiles at the locations of cyclonic and anticyclonic eddies during 2015–2016. Taking 10% error as the acceptable threshold of accuracy, 89.64% and 87.25% of the cyclonic and anticyclonic eddy temperature structures obtained by ECN met the threshold, respectively. 相似文献
14.
协同主动学习和半监督方法的海冰图像分类 总被引：1，自引：0，他引：1
海冰遥感光谱影像分类中标签样本难以获取,导致海冰分类精度难以提高,但是大量包含丰富信息的未标签样本却没有得到充分利用,针对这种情况,提出一种协同主动学习和半监督学习方法用于海冰遥感图像分类。在主动学习部分,结合最优标号和次优标号、自组织映射神经网络以及增强的聚类多样性算法来选择兼具不确定性和差异性的样本参与训练;在半监督学习部分,利用直推式支持向量机,并且融合主动学习思想从大量未标签样本中选取相对可靠且包含一定信息量的样本进行迭代训练;然后协同主动学习分类结果和半监督分类结果,通过一致性验证保证所加入伪标签样本的正确性。为了验证方法的有效性,分别采用巴芬湾地区30 m分辨率的Hyperion高光谱数据(验证数据为15 m分辨率的Landsat-8数据)和辽东湾地区15 m分辨率的Landsat-8数据(验证数据为4.77 m分辨率的Google Earth数据)进行海冰分类实验。实验结果表明,相对其他传统方法,该协同分类方法可以在只有少量标签样本的情况下,充分利用大量未标签样本中包含的信息,实现快速收敛,并获得较高的分类精度(两个实验的总体精度分别为90.003%和93.288%),适用于海冰遥感图像分类。 相似文献
15.
海平面变化包含多种不同时间尺度信息，传统的预测方法仅对海平面变化趋势项、周期项进行拟合，难以利用海平面变化的不同时间尺度信号，使得预测精度不高。本文基于深度学习的预测模型，提出一种融合小波变换（wavelet transform，WT）与LSTM （long short-term memory，LSTM）神经网络的海平面异常组合预测模型。首先利用小波分解得到反映海平面变化总体趋势的低频分量和刻画主要细节信息的高频分量；然后通过LSTM神经网络对代表不同时间尺度的各个分量预测和重构，实现海平面变化的非线性预测。基于该模型的海平面变化预测的均方根误差、平均绝对误差和相关系数分别为12.76 mm、9.94 mm和0.937，预测精度均优于LSTM和EEMD-LSTM预测模型，WT-LSTM组合模型对区域海平面变化预测具有较好的应用价值。 相似文献
16.
This study developed a post-processing quality check (QC) process to eliminate cloud contamination in infrared sea surface
temperature (SST) without manual handling. Cloudiness of a pixel was evaluated quantitatively, in which the graduated verifications
and a comprehensive decision from a combination of several tests were conducted. Additionally, the quality of SST data at
the pixel was measured by acceptable limits from reference SST, which were obtained from historical data. The QC processed
data showed good accuracy below 0.8°C, even in the near-cloud area. Before the QC, their accuracies including near-cloud areas
were as poor as 2–5°C. 相似文献
17.
一种精细化的海洋浮标数据质量控制方法 总被引：1，自引：0，他引：1
针对海洋浮标数据获取特点及常见数据错情,本文提出了一种精细化的海洋浮标温盐数据质量控制方法。通过范围检验、尖峰检验、莱因达准则等六个步骤实现浮标数据质量控制,其创新性在于有效集成了多种质量检验法,并且研究了一种融合传统尖峰检验与莱因达准则的质量检验新方法;并以中国近海观测研究网络黄、东海站浮标温盐观测数据为例,验证了本方法的有效性和适用性。该方法可广泛用于海洋浮标温盐观测数据的质量控制,识别出长时间序列数据的异常值。经过本方法质控后的浮标观测数据对于海洋科学研究、海洋气象预报、海洋灾害预警以及渔业发展等具有重要意义。 相似文献
18.
基于观测和再分析数据的LSTM深度神经网络沿海风速预报应用研究 总被引：3，自引：1，他引：2
基于海洋气象历史观测资料和再分析数据等,利用LSTM深度神经网络方法,开展在有监督学习情况下的海面风场短时预报应用研究。以中国近海5个代表站为研究区域,通过气象台站观测数据和ERA-Interim 6 h再分析数据构建数据集。选取21个变量作为预报因子,分别构建两个LSTM深度神经网络框架(OBS_LSTM和ALL_LSTM)。经与2017年WRF模式6 h预报结果对比分析,得出如下结论:构建的两个LSTM风速预报模型可以大幅降低风速预报误差,RMSE分别降低了41.3%和38.8%,MAE平均降低了43.0%和40.0%;风速误差统计和极端大风分析发现,LSTM模型能够抓住地形、短时大风和台风等敏感信息,对于大风过程预报结果明显优于WRF模式;两种LSTM模型对比发现,ALL_LSTM模型风速预报误差最小,具有很好的稳定性和鲁棒性,OBS_LSTM模型应用范围更广泛。 相似文献
19.
海面高度异常是反映海洋环境状况的主要变量之一。本文使用1993—2019年的融合月均海面高度异常数据,建立了基于深度学习的海面高度异常预测神经网络模型,提出了基于融合U型网络(U-Net)和卷积长短记忆网络(ConvLSTM)的中长期海面高度异常预报模型。在研究海域0.25°×0.25°的空间分辨率下,模型测试集预报结果的均方根误差和平均绝对误差分别为0.039 m和0.027 m,均优于全连接LSTM预报模型和ConvLSTM+CNN预报模型,为大中尺度的海面高度异常预报提供了新的方法。 相似文献
20.
红树林对维护生物多样性以及生态平衡等具有重要意义。因此,高效、精确地提取红树林植被信息以及实时对其进行监测十分必要。本文提出了一种高分辨率遥感影像红树林像素级精确提取的深度学习方法。针对红树林遥感分类精度不高的问题,通过强化图像中心信息,弱化边缘信息的方法引入CLoss损失函数,添加Dropout、Batch Normalization层构建了适用于红树林识别的CU-Net模型,采用滑动重叠拼接方法构建了新的预测模型,有效解决了预测结果边缘信息不足以及有拼接痕迹的问题。将本文方法的识别结果与U-Net、SegNet、DenseNet模型的预测结果以及传统的SVM、RF方法进行对比,结果表明,本文模型相较于其他深度学习模型泛化能力更强,识别效果更好,在两个测试区域的平均总体精度、平均交并比分别达到了94.43%、88.12%,平均F1-分数在红树林和普通树木的精度分别达到了95.96%、90.49%,精度明显高于传统的SVM、RF方法,也高于其他几种神经网络方法,验证了该模型在红树林识别领域的有效性,可为高分辨率遥感红树林识别领域提供一条新的思路。 相似文献