基于时空案例推理的海洋中尺度涡旋过程分析与预测

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    41071250
  • 项目类别：
    面上项目
  • 资助金额：
    35.0万
  • 负责人：
    杜云艳
  • 依托单位：
    中国科学院地理科学与资源研究所
  • 学科分类：
    D0114.地理信息学
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

在项目申请者前期研究成果基础上，运用地理案例推理、粗糙集和物理海洋学等理论研究海洋涡旋过程的定量分析与预测。此研究能够有效地描述和揭示海洋涡旋过程的演化规律，进行时空过程的建模与推理，为当前案例推理的时空应用问题提供有效地解决方案，同时为物理海洋领域进行动力过程的预测提供新方法和技术手段。具体研究内容包括：（1）基于问题-地理环境-结果三元组的案例概念模型，集成GIS时空模型，进行海洋涡旋过程案例表达与建模。（2）针对地理过程案例的复杂特性，发展和建立地理时空案例推理的核心算法，包括基于粗糙集的过程案例时空关系规律抽取、时空相似性计算与推理模型。（3）以中国南海区为例进行海洋涡旋的"过程案例构建-空间推理-发掘空间分布模式"应用实验。一方面验证算法；另一方面揭示海洋涡旋动力过程的时空规律。（4）在上述研究基础上，开发海洋中尺度涡旋空间分析与预测原型系统，使之实用化。

结项摘要

自然基金面上项目“基于案例推理的海洋中尺度涡旋时空分析与预测”当初制定的研究计划要点为：（1）基于三元组案例概念模型，结合GIS时空数据模型，建立海洋中尺度涡旋过程案例的定量描述与表达；（2）发展和完善地理时空案例分析与推理的方法，包括基于粗糙集的过程案例时空关系规律抽取、时空相似性检索与推理模型；（3）以中国南海区域典型海洋中尺度涡旋过程为例开展涡旋过程时空分析与预报应用研究，并研发海洋中尺度涡旋过程分析与预测的原型系统，使之实用化。. 针对上述主要研究计划，经过三年的努力，取得的主要研究成果如下：（1）针对目前海洋领域比较通用的两种数据源：NLOM模式数据生成的每天一次SSH数据以及海洋高度计获取的7天一次的SLA数据，分别提出了改进的基于SSH数据的海洋中尺度涡旋识别和一种OW和SLA极值点相结合的多涡结构的识别方法，通过这两种识别方法分别对南海区2003-2011年的SSH数据和1992-2012年SLA数据进行了涡旋过程识别，并计算涡旋在某时刻的涡度、强度、能量、直径等属性信息，为海洋涡旋典型案例库的构建奠定基础。（2）基于涡旋识别的数据，通过一定的追踪方法，获取涡旋过程数据，并结合项目组以往提出的三元组案例概念模型和GIS时空演化模型提出了海洋中尺度涡旋过程的案例表达模型，完成了不同尺度的海洋涡旋典型案例的构建。（3）针对南海区的海洋涡旋过程，开展基于粗糙集的，空间聚类以及面向过程的海洋涡旋相似性分析的算法研究，一方面丰富基于案例的地理时空过程分析与推理方法，一方面针对特定的海区进行海洋中尺度涡旋时空规律的发现。（4）采用GIS领域比较通用的软件技术，基于ArcEngine把上述的海洋涡旋识别方法，时空过程案例库构建，以及基于粗糙集的时空案例关系抽取和时空相似性推理算法进行集成，形成一套较实用的海洋中尺度涡旋分析与预测原型系统

项目成果

期刊论文数量（8）
专著数量（0）
科研奖励数量（0）
会议论文数量（1）
专利数量（1）
Extraction of spatial-temporal rules from mesoscale eddies in the South China Sea based on rough set theory
基于粗糙集理论的南海中尺度涡时空规律提取
  • DOI：
    10.5194/os-7-835-2011
  • 发表时间：
    2011-12
  • 期刊：
    Ocean Science
  • 影响因子：
    3.2
  • 作者：
    Du, Y.;Fan, X.;He, Z.;Su, F.;Zhou, C.;Mao, H.;Wang, D.
  • 通讯作者：
    Wang, D.
A Comparison between CBR and MLC in Order to Identify an Aquaculture Area from a Coastal Image
CBR 和 MLC 的比较，用于从沿海图像中识别水产养殖区
  • DOI：
    --
  • 发表时间：
    2011-01
  • 期刊：
    Transactions on Case-Based Reasoning
  • 影响因子：
    --
  • 作者：
    Liu Peng;Du Yunyan
  • 通讯作者：
    Du Yunyan
A clustering analysis of eddies' spatial distribution in the South China Sea
南海涡空间分布的聚类分析
  • DOI：
    10.5194/os-9-171-2013
  • 发表时间：
    2012-11
  • 期刊：
    Ocean Science
  • 影响因子：
    3.2
  • 作者：
    Yi, J.;Du, Y.;Wang, X.;He, Z.;Zhou, C.
  • 通讯作者：
    Zhou, C.
Integrating spatial relations into case-based reasoning to solve geographic problems
将空间关系融入基于案例的推理来解决地理问题
  • DOI：
    10.1016/j.knosys.2012.03.002
  • 发表时间：
    2012-09
  • 期刊：
    Knowledge-Based Systems
  • 影响因子：
    8.8
  • 作者：
    杜云艳
  • 通讯作者：
    杜云艳
Spring mesoscale high in the western South China Sea
南海西部春季中尺度高压
  • DOI：
    10.1007/s13131-013-0318-0
  • 发表时间：
    2013-06-01
  • 期刊：
    ACTA OCEANOLOGICA SINICA
  • 影响因子：
    1.4
  • 作者：
    He Zhigang;Zhang Yan;Wang Dongxiao
  • 通讯作者：
    Wang Dongxiao

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

乳化炸药密度与纳米MnFe_2O_4颗粒爆炸合成
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    工程爆破
  • 影响因子：
    --
  • 作者：
    王小红;李晓杰;闫鸿浩;杜云艳;江德安
  • 通讯作者：
    江德安
多时相TM影像决策树模型的水稻识别提取
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    地球信息科学学报
  • 影响因子：
    --
  • 作者：
    平博;苏奋振;杜云艳;苏伟光
  • 通讯作者：
    苏伟光
硝酸铈爆轰制备球形纳米CeO_2颗粒
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    爆炸与冲击
  • 影响因子：
    --
  • 作者：
    杜云艳;孙贵磊;王小红;李晓杰;闫鸿浩;江德安
  • 通讯作者：
    江德安
Regional geographical and climatic environments affect urban rainstorm perception sensitivity across China
区域地理和气候环境影响中国城市暴雨感知敏感性
  • DOI：
    10.1016/j.scs.2022.104213
  • 发表时间：
    2022-09
  • 期刊：
    Sustainable Cities and Society
  • 影响因子：
    11.7
  • 作者：
    千家乐;杜云艳;易嘉伟;梁福源;黄胜;王晓悦;王楠;涂文娜;裴韬;马廷
  • 通讯作者：
    马廷
基于云计算的海洋环境数据共享平台设计与实现
  • DOI：
    10.13203/j.whugis20140466
  • 发表时间：
    2016
  • 期刊：
    武汉大学学报(信息科学版)
  • 影响因子：
    --
  • 作者：
    何亚文;魏海涛;杜云艳
  • 通讯作者：
    杜云艳

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

杜云艳的其他基金

台风灾害人类活动异常及恢复模式的大数据挖掘与制图
  • 批准号：
  • 批准年份：
    2021
  • 资助金额：
    58 万元
  • 项目类别：
    面上项目
复杂空间对象的轨迹建模与模式挖掘
  • 批准号：
    41671445
  • 批准年份：
    2016
  • 资助金额：
    65.0 万元
  • 项目类别：
    面上项目
基于海洋要素场的涡旋过程数据建模与可视化
  • 批准号：
    41371378
  • 批准年份：
    2013
  • 资助金额：
    75.0 万元
  • 项目类别：
    面上项目

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