复杂海况环境下多源数据协同的海洋涡旋检测与动态轨迹追踪新方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41906179
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    26.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0609.海洋数据科学与信息系统
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Ocean eddy plays an important role in the ocean energy transfer and material transport, and has a significant impact on marine ecological environment changes, material resource distribution and climate change. Monitoring of ocean eddy is the basis for studying the law of its evolution and revealing its relationship with other ocean phenomena. At present, high-resolution ocean remote sensing provides a precise data foundation for ocean eddy research. The ocean numerical model provides a long-term continuous data foundation for its dynamic monitoring. A highly accurate and continuous data base provides new opportunities for monitoring of ocean eddy. The project focuses on ocean eddy detection and trajectory tracking and carries out the following research: (1) ocean eddy detection based on ocean remote sensing data and numerical simulation result data. (2) A new method for collaborative tracking of ocean eddy trajectories. We will conduct empirical analysis of the East China Sea based on oceanic remote sensing data and numerical calculations of ocean currents. The research will establish a theoretical foundation for developing multi-source remote sensing data collaborative processing, and provide a practical tool of complicated ocean phenomenon detection and motoring.
海洋涡旋负责着海洋中大部分的能量传递和物质运输,对海洋生态环境变化、物质资源分布以及气候变化影响显著。实现海洋涡旋的动态监测是研究其生成演进规律、揭示其与其他海洋现象间相互关系的基础。现阶段,高分辨率海洋遥感为海洋涡旋研究提供了精准的数据基础,海洋数值模型为其动态过程监测研究提供了长时序连续的数据基础,高精准、连续的数据基础为开展海洋涡旋动态监测提供了新的机遇。项目聚焦于海洋涡旋检测与动态轨迹追踪的关键问题开展研究:(1)研究海洋涡旋自动检测方法,实现海洋遥感数据与数值模型模拟结果数据下的海洋涡旋检测;(2)研究海洋涡旋动态轨迹协同追踪新方法。本研究将利用海洋遥感数据和海流的数值计算结果,对东海海域进行实证分析。本项目研究成果为发展多源数据协同处理理论奠定基础,为复杂海洋现象自动检测和动态轨迹追踪提供有效工具。

结项摘要

海洋涡旋的精准检测是研究其与其他海洋现象间相互作用重要基础。本项目针对持续变化的海洋涡旋特征表达不确定的特点导致的检测精度低、轮廓冗余大的问题,聚焦于海洋涡旋特征的准确提取与表达关键问题,研究海洋涡旋自动检测与轨迹追踪的新方法,提升海洋涡旋动态监测能力。具体研究内容为:(1)海洋涡旋精细化检测。针对海洋中尺度涡形态不规则、结构复杂多变、长宽比不确定的问题,提出一种基于深度学习多尺度旋转锚机制的海洋中尺度涡自动旋转检测方法。该方法最优检测精度为 90. 22% ,与水平检测方法相比,精度提升了 8%。此外,针对涡群海域海洋涡旋分布密集的特点,现有水平检测方法导致检测区域存在显著的冗余、重叠与嵌套,提出多尺度旋转密集特征金字塔网络,通过增强特征传播与重用,并改进损失函数,提升海洋涡旋检测精度。实验结果验证该检测模型最优检测精度可达96.4%,并对太平洋、大西洋海域的海洋涡旋进行自动检测,验证了模型具有较好的泛化能力。(2)海洋涡旋轨迹追踪与移动模式挖掘。针对海洋涡旋复杂轨迹过程存在生成、分裂、合并及消散多种形态,构建适合于其动态变化特点的相似性度量方法,实现海洋涡旋的轨迹跟踪。针对海洋涡旋轨迹模式挖掘忽视轨迹聚集之间的关联关系,构建了基于时空的聚集移动模式挖掘方法,结合黑潮侵入南海的季节性特点,分析了黑潮侵入前后对中尺度涡聚集移动模式的影响,最后通过流场展示进行了验证。. 围绕项目研究内容,发表科研论文9篇,其中SCI期刊论文1篇,中文核心期刊论文8 篇,申请国家发明专利1项,获得软件著作权1项;学术交流方面,参加国内外学术会议10余人次;人才培养方面,项目负责人晋升为副教授,培养毕业研究生5名,在读硕士生7名,指导研究生荣国全国性竞赛(研究生数学建模)奖励2项,省部级奖励5 项(海洋科学技术奖、中国产学研合作创新奖、上海海洋科学技术奖、上海市科创中心建设高校组、上海市知行杯)。

项目成果

期刊论文数量(9)
专著数量(0)
科研奖励数量(5)
会议论文数量(0)
专利数量(1)
基于限定motif关联规则的海洋热浪事件模式发现研究
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    海洋环境科学
  • 影响因子:
    --
  • 作者:
    贺琪;孔令斌;赵丹枫;黄冬梅;杜艳玲
  • 通讯作者:
    杜艳玲
基于残差3DCNN和三维Gabor滤波器的高光谱图像分类
  • DOI:
    10.11996/jg.j.2095-302x.2021050729
  • 发表时间:
    2021
  • 期刊:
    图学学报
  • 影响因子:
    --
  • 作者:
    张明华;牛玉莹;杜艳玲;黄冬梅;刘刻福
  • 通讯作者:
    刘刻福
融合多尺度旋转锚机制的海洋中尺度涡自动检测
  • DOI:
    10.11834/jig.210286
  • 发表时间:
    2022
  • 期刊:
    中国图象图形学报
  • 影响因子:
    --
  • 作者:
    杜艳玲;刘倩倩;王丽丽;徐鑫;魏泉苗;宋巍
  • 通讯作者:
    宋巍
基于视频时空特征学习的近岸海浪周期检测
  • DOI:
    10.3788/lop202158.2401001
  • 发表时间:
    2021
  • 期刊:
    激光与光电子学进展
  • 影响因子:
    --
  • 作者:
    宋巍;陈媛媛;贺琪;杜艳玲
  • 通讯作者:
    杜艳玲
融合scSE模块的改进Mask R-CNN海洋锋检测方法
  • DOI:
    10.11840/j.issn.1001-6392.2022.01.003
  • 发表时间:
    2022
  • 期刊:
    海洋通报
  • 影响因子:
    --
  • 作者:
    徐慧芳;黄冬梅;贺琪;杜艳玲;覃学标;时帅;胡安铎
  • 通讯作者:
    胡安铎

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

多特征融合的复杂环境海洋涡旋识别
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    中国图象图形学报
  • 影响因子:
    --
  • 作者:
    黄冬梅;刘佳佳;苏诚;杜艳玲
  • 通讯作者:
    杜艳玲
不同颜色模型下自适应直方图拉伸的水下图像增强
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    中国图象图形学报
  • 影响因子:
    --
  • 作者:
    黄冬梅;王龑;宋巍;王振华;杜艳玲
  • 通讯作者:
    杜艳玲
不同颜色模型下自适应直方图拉伸的水下图像增强
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    中国图象图形学报
  • 影响因子:
    --
  • 作者:
    黄冬梅;王龑;宋巍;王振华;杜艳玲
  • 通讯作者:
    杜艳玲
云计算环境下基于数据关联度的海洋监测大数据布局策略
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    计算机工程与科学
  • 影响因子:
    --
  • 作者:
    贺琪;赵丹枫;杜艳玲;苏诚
  • 通讯作者:
    苏诚
基于信息熵种子点选取的流线可视化
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    计算机工程与科学
  • 影响因子:
    --
  • 作者:
    黄冬梅;杜艳玲;张律文
  • 通讯作者:
    张律文

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码