[发明专利]一种快速识别并提取河口羽状流轮廓相关参数的方法

说明书

本发明主要涉及海洋大数据领域，特别是河口‑陆架海区域河口羽状流相关数据收集及提取，具体说是一种快速识别并提取河口羽状流轮廓相关参数的方法。包括以下步骤：通过神经网络构建河口羽状流轮廓数据提取模型；对卫星遥感图像进行预处理；使用预处理后的卫星遥感图像对河口羽状流轮廓数据提取模型进行训练；将待识别的卫星图像输入到训练好的神经网络，得到羽状流轮廓灰度图，提取灰度图中的羽状流轮廓参数。本发明与传统羽状流数据获取方式相比，成功实现了基于卫星遥感数据的羽状流轮廓相关参数的大批量连续数据集提取。方法具有训练方便、处理迅速的特点。

技术领域

本发明主要涉及海洋大数据领域，特别是河口-陆架海区域河口羽状流相关数据收集及提取，具体说是一种快速识别并提取河口羽状流轮廓相关参数的方法。

背景技术

当来自河口的水流进入海洋时，由密度差形成的淡水楔形浮力层区域被称为河口羽状流(River plume)。作为河流携带的陆源物质向海洋输送的关键通道，河口羽状流对于淡水、陆源沉积物、营养盐等河流物质在河口-陆架海附近的分布和输运具有重要参考价值。

随着计算机科学的迅猛发展，针对大数据开展的研究和讨论为关注多时空尺度的地球系统科学提供了全新的方法学和分析手段。目前，河口羽状流轮廓相关参数(主要包括扩散范围、面积等参数)主要来自原位数据和遥感数据数据，其中原位数据指利用船载CTD、浮标等，针对羽状流盐度小、密度低等特点在河口-陆架海区域进行测量所得到的数据；遥感数据主要指利用水色卫星等，针对羽状流沉积物含量高的特点所采集到的图像数据。但现有方法面临以下问题：第一，原位数据观测成本高、获取难度大，现有数据大多只针对某一河口开展以周为单位的观测工作，研究的时间和区域集中于短时局部区域；第二，遥感数据以卫星图像为主，现有的数据提取方法主要针对单张图片逐一处理，提取速度慢、效率低。目前，尚无系统的河口羽状流大批量参数数据提取方式，亦无法满足海洋大数据分析的要求。

因此，如何高效利用现有数据，建立迅速、方便、有针对性的相关参数提取方法，提供长时间尺度-广空间尺度的批量连续数据，并为基于海洋大数据分析的研究提供基础，已经成为目前羽状流研究亟需解决的一个重要问题。

发明内容

本发明提供了一种针对卫星遥感数据进行河口羽状流轮廓相关参数数据提取的方法，命名为“PlumeCatcher”。该方法基于卷积神经网络图像识别技术，经过数据预处理、分类模型、分割模型和数据提取模型，提供多时间尺度-广空间尺度下多个河口羽状流的大批量连续数据。

本发明为实现上述目的所采用的技术方案是：

一种快速识别并提取河口羽状流轮廓相关参数的方法，包括以下步骤：

通过神经网络构建河口羽状流轮廓数据提取模型；

对卫星遥感图像进行预处理；

使用预处理后的卫星遥感图像对河口羽状流轮廓数据提取模型进行训练；

将待识别的卫星图像输入到训练好的神经网络，得到羽状流轮廓灰度图，提取灰度图中的羽状流轮廓参数。

所述羽状流轮廓参数包括：羽状流面积、羽状流指向方向和羽状流扩散范围。

所述河口羽状流轮廓数据提取模型包括：

分类模型，用于对卫星遥感图像进行分类，输出分类结果即卫星遥感图像中是否含有河口羽状流；

分割模型，用于确定含有河口羽状流的卫星遥感图像中，河口羽状流的位置，并对其进行切割提取，输出表示河口羽状流完整结构的像素点矩阵；

数据提取模型，用于提取像素点矩阵中河口羽状流的轮廓，输出由像素点矩阵构成的羽状流轮廓灰度图。

所述分类模型由顺次连接的三个卷积层和两个全连接层构成，激活函数为ReLU函数。