基于鲁棒光流算法的海表流场遥感观测研究

孙鹤泉，方 芳

（海军大连舰艇学院 军事海洋系，辽宁 大连 116018）

基于鲁棒光流算法的海表流场遥感观测研究

孙鹤泉，方 芳

（海军大连舰艇学院 军事海洋系，辽宁 大连 116018）

海洋表面流场是海洋科学研究中需要着重考虑的环境参数，近实时的海洋表面流场精细化测量对海洋学研究有着重要意义，但是目前大多数海洋表面流场观测技术难以同步实现大范围近实时的海洋表面流场观测。文中在简要对比各类海洋表面流场测量方法的基础上，重点介绍了基于水色遥感图像观测反演海洋表面流场的鲁棒光流算法，该算法在流场计算过程中，能很好地保留流场细节信息。为直观验证本文测量方法的可靠性，文中提供了海洋表面流场的分析实例，同时给出了美国国家航空航天局（NASA）提供的OSCAR流场数据，对文中算法的可靠性进行了验证。

海洋遥感；海洋表面流场；鲁棒光流算法

海表流场在海洋研究中占据重要地位，比如：海表流场深刻影响海气相互作用、通量交换等物理过程，同时，海表流场影响浮游植物以及泥沙等悬浮物的输送，此外，海表流场对海洋工程设施的设计、施工与维护也有不可忽略的影响。另一方面，海表流场对观测海水的整体运动有一定程度贡献，长时间、大范围的海洋表面流场观测对全球气候变化的认识起到积极作用。目前存在许多海洋表面流场分析观测技术，比如，利用ADCP等设备，可获取某一固定海域的多层流场结构；利用海洋中的漂浮物或者浮标，通过观测其漂流轨迹，可粗略估算得到海洋表层流速[1]；而利用岸基高频雷达阵列，则可实现对近岸广阔海域表面流场的实时观测[2-3]；利用卫星高度计数据及散射计数据，能实现对全球海表流场进行反演[1，4]，如目前美国国家航空航天局(NASA)的OSCAR (Ocean Surface Current Analyses-Real Time)产品，就能提供1/3°水平分辨率、5 d时间间隔的全球海洋表面流场数据。上述测量技术发展已趋于成熟，具有较高可靠性，一定程度上可作为新兴技术的判断标准。

上述测量方式在具有较高可靠性的同时，都或多或少存在限制，比如，ADCP设备能获取的海表流场数据范围窄，很难实现大范围同步测量，而且观测过程中很容易受到过往船只等外界因素的影响；跟踪浮标漂流轨迹方法，测点位置不可控，而且仅能获得一组非同步数据，难以实现精确的流速值测量；岸基高频雷达阵列虽然能实现对海表流场的实时观测，但观测系统仅适用于岸基操作，无法灵活移动，应用于远洋观测的可能性低；高度计数据虽然能做到反演全球海表流场，但不能实现近实时反演，而且水平分辨率差，无法满足中小尺度海洋现象观测需求[5]。

除以上各测量方法外，在卫星遥感技术高度发展的今天，海洋水色卫星遥感载荷性能大幅提升，利用高分辨率水色数据和SST数据观测海表流场成为可能[6-11]，而且这类方法的可靠性和测量精度已通过数值模拟实验、浮标数据、高频雷达阵列数据及高度计流场数据进行了验证[6-7,10-12]。

本文将详细介绍利用海洋水色遥感图像对海洋表面流场进行反演观测的鲁棒光流算法[12-14]，该算法能实现对复杂海表流场细节信息的良好反演，同时，基于所利用的遥感数据，其时间分辨率和空间分辨率具有明显优势。

1 遥感数据

随着可见光与红外波段卫星载荷性能的提高，使用高水平分辨率的可见光/近红外与热红外卫星遥感图像作为海洋表层流动的示踪物(Tracer)进行海洋表面流场观测成为可能。可用于海洋表面流场观测的海洋遥感产品有遥感SST数据[15]、热红外亮温数据[16]和海洋水色遥感图像[12]等。

海水表层温度很大程度上受海洋表面流场的调制，波浪、太阳照射、风场、升降流等诸多要素也对其有不可忽视的影响，使用遥感SST数据及热红外波段亮温产品进行海洋表面流场观测时，要求用于分析的两组遥感数据的时间间隔尽可能小[6,9,11]。与遥感SST数据不同，叶绿素浓度、离水辐亮度、悬浮物浓度等水色参数虽然一定程度上受到浮游植物生长消衰的影响，但这些因素对海洋表面流场的测量影响较小。本文认为，通过海洋水色图像得到的叶绿素浓度、海水悬浮物浓度等海洋水色产品应更适用于海洋表面流场的测量。

只要水平分辨率和成像时间间隔满足要求，在极轨卫星和地球静止卫星两类平台上获得的遥感SST数据或海洋水色遥感数据都可以用来观测海洋表面流场，本文采用韩国发射的世界上第一颗地球静止海洋气象通讯卫星COMS(Communication,Ocean and Meteorological Satellite)携带的遥感载荷GOCI(Geostationary Ocean Color Imager)传感器提供的海洋水色图像。GOCI具备监测海洋及海岸水体的独特能力，水平分辨率达500 m，时间分辨率为1 h，观测中心位于36°N，130°E，可监测2 500 km×2 500 km的区域。

图1 2013年4月28日海水叶绿素浓度分布图

如图1所示的两幅图像是2013年4月28日获得的L2级海水叶绿素浓度图像，图像中的像素灰度值与叶绿素浓度成正比，所在区域为黑潮末端部分海域。显而易见，两张图像灰度值在视觉上有很好的相似性。利用本文介绍的鲁棒光流算法可以定量计算出遥感图像之间的相关性，进而得到海洋表面流场数据。

2 鲁棒光流算法介绍

光流算法将像素运动的瞬时速度视为流场进行分析，是一种重要的图像匹配运动分析方法，下面对光流方法的原理进行详细介绍。

令I(x,y,t)为图像上的点(x,y)在时刻t的像素值，该点在时刻 t+Δt时运动到(x+Δx,y+Δy)，对应的灰度值变为I(x+Δx,y+Δy,t+Δt)，假设两个时刻的像素分布相同且图像沿x，y，t三个方向光滑变化，可以得到：

u=dx/dt，v=dy/dt为像素位移矢量沿x和y方向的两个分量，只考虑一阶泰勒展开的情况，得到基本光流约束方程：

基本光流约束方程中含有两个未知数，是一个解的不确定问题，也称孔径问题，各国学者提出了多种克服该不适定问题的算法。本文采用了Brox等人提出的方法，使用式(3)列出的能量泛函作为约束条件[13-14]。

关于鲁棒光流算法计算结果可靠性的判断准则，结合流场矢量的连续性，笔者在近期发表的论文中进行了简单的讨论[12]。

从下面的分析结果可以看出，使用鲁棒光流算法获得的海洋表面流场光滑连续，细节突出。

3 观测结果

图2所示为利用鲁棒光流算法对图1遥感数据分析得到的海表流场。在黑潮末端海域，黑潮出现明显的“蛇曲”现象，且该区域为中尺度涡旋多发区域[17]。在图2所示的流场中，可以明显看出黑潮流轴以及黑潮流轴方向的改变，同时可以看出存在两个明显的涡旋分布在黑潮流轴两侧，为验证本文算法的可靠性，图3～图4给出了美国NASA的OSCAR海表流场数据。

图2 鲁棒光流算法反演结果

图3 2013年4月26日OSCAR流场

图4 2013年5月1日OSCAR流场

因为OSCAR数据对应的时间分辨率为5 d，因而给出4月26日及5月1日两组OSCAR流场数据，为便于比较，图3～图4矢量数据采用的比例尺同图2一致。

分析图3～图4流场数据可知，黑潮流轴所在位置速度变化较小，因而可利用黑潮流轴区域流场数据作为鲁棒光流算法计算结果可靠性的验证标准。图2同图3～图4直观对比可知，在黑潮流轴上，由鲁棒光流算法计算得到的流场数据同OSCAR流场数据很好吻合，可见鲁棒光流算法可以准确地估算反演海表流场。

由于鲁棒光流算法所利用的水色遥感图像数据具有较高的时空分辨率，分析图2可知，利用鲁棒光流算法得到的海表流场更为精细化。对比OSCAR数据，在黑潮流轴转向位置，利用鲁棒光流算法得到的流场数据清晰地描绘出黑潮流轴转向信息，同时，在图3～图4中，可发现黑潮流轴北侧存在较为明显涡旋，而南侧虽有涡旋状结构，但涡旋信息难以辨别，可见作为时间分辨率为5 d的平均流场，复杂流场信息难以准确反演；而图2中利用鲁棒光流算法所得到的流场数据，其时间分辨率为1 h，可实现对复杂流场信息的近实时准确反演，能很好地弥补OSCAR数据的不足。利用图2流场数据，可准确获取分析时段内分析海域的涡旋位置、涡旋近实时流速、涡旋大小等信息，可见利用高分辨率水色遥感图像反演海表流场的鲁棒光流算法具有明显优势。

4 结论与展望

利用本文介绍的鲁棒光流算法对海洋水色遥感数据进行分析，可以得到关注区域海洋表面流场的精细化分布，这种优势是其他测量方法无法比拟的。

本文中采用的遥感数据来自地球静止卫星。一般而言，极轨卫星上载荷的水平分辨率优于地球静止卫星，而时间分辨率则差一些。随着遥感载荷性能的提升、极轨水色卫星数量的增加、国内外遥感领域合作的加强，通过实现多星组网，可以弥补极轨数据时间分辨率的不足；将本文介绍的鲁棒光流算法与极轨卫星遥感产品相结合，就能够发挥极轨卫星载荷水平分辨率的优势，为海洋科学研究分析出可靠的精细化海洋表面流场数据。

[1]Ma C,Wu D X,Lin X P.Variability of surface velocity in the Kuroshio Current and adjacent waters derived from Argos drifter buoys and satellite altimeter data[J].Chinese Journal ofOceanologyand Limnology,2009(27):208-217.

[2]Lorente P,Piedracoba S,Fanjul E Alvarez.Validation ofhigh-frequencyradar sea surface current observations in the NW ofthe Iberian Peninsula[J].Continental ShelfResearch,2015(92):1-15.

[3]Cosoli Simone,Gacic Miroslav,Mazzoldi Andrea.Surface current variability and wind influence in the northeastern Adriatic Sea as observed fromhigh-frequency(HF)radar measurements[J].Continental ShelfResearch,2012(33):1-13.

[4]Florence Birol,Caroline Delebecque.Using high sampling rate(10/20 Hz)altimeter data for the observation of coastal surface currents:Acase studyover the northwestern Mediterranean Sea[J].Journal ofMarine Systems,2014(129):318-333.

[5]KorotaevG,Huot E,Le Dimet F-X,et al.Analysis ofthe black sea surface currents retrieved fromspace imagery[J].Rapp.Comm.int.Mer Medit,2007(38):163.

[6]Emery W J,Thomas A C,Collins ND M J.An objective method for computing advective surface velocities from sequential infrared satellite images[J].Journal ofGeophysical Research,1986,91(15):12865-12878.

[7]毛志华,潘德炉,潘玉球.利用卫星遥感SST估算海表流场[J].海洋通报,1996,15(1):84-90.

[8]孙鹤泉,周虹丽,张志刚,等.近实时全球海洋表层流场估算方法研究[J].海洋技术学报,2015(06):1-5.

[9]Domingues Catia M,Goncalves Glauber A,Ghisolfi RenatoD,et al.Advective surface velocities derived fromsequential infrared images in the southwestern Atlantic Ocean[J].Remote SensingofEnvironment,2000(73):218-226.

[10]Yang Haoping,Arnone Robert,JolliffJason.Estimating advective near-surface currents from ocean color satellite images[J].Remote SensingofEnvironment,2015(158):1-14.

[11]Shen Colin Y,Evans Thomas E,Mied Richard P,et al.A velocity projection framework for inferring shallow water currents from surface tracer fields[J].Continental ShelfResearch ，2008(28)：849-864.

[12]Sun Hequan,SongQingtao,ShaoRuoli,et al.Estimation ofsea surface currents based on ocean color remote sensingimage analysis[J].2016,37(21):5105-5121,http://dx.doi.org/10.1080/01431161.2016.1226526.

[13]BroxThomas,Bruhn Andrés,PapenbergNils,et al.High accuracyoptical flowestimation based on a theoryfor warping[C]//European Conference on Computer Vision(ECCV),Springer,2004,3024:25-36.

[14]SánchezJ,Monzón N,SalgadoA.Robust optical flowestimation[J].Image ProcessingOn Line,2013(3):252-270.

[15]Chen W,R P Mied,C Y Shen.Near-surface ocean elocity from infrared images:Global optimal solution to an inverse model[J].Journal ofGeophysical Research,2008:113:C10003.doi:10.1029/2008JC004747.

[16]Domingues C M,G A Goncalves,R D Ghisolh,et al.Advective surface velocities derived from sequential infrared images in the southwestern Atlantic Ocean[J].Remote SensingofEnvironment,2000,73:218-226.doi:10.1016/S0034-4257(00)00096-1.

[17]卢姁,徐建,卢艳,等.黑潮末端与黑潮延伸体的流场异常模态分析[J].海洋科学进展,2016(01):10-21.

Study on the Remote Sensing Observation on Sea Surface Current Based on Robust Optical Flow Algorithm

SUN He-quan,FANG Fang
Department of Military Oceanography,Dalian Naval Academy,Dalian 116018,Liaoning Province,China

As one of the most essential ocean phenomena and parameters,sea surface current is an important environmental factor for the study of physical oceanography.Accurate and real-time measurement of sea surface currents is of great significance,but current technologies are not able to achieve simultaneous,near-real-time and large-scale sea surface observation.In this paper,some general reliable means to measure sea surface currents are presented and briefly introduced,with the robust optical flow algorithm expounded in a detailed manner,which is very useful for measuring complicated sea surface currents.This paper provides some real cases of analyzing sea surface currents,and the reliability can be verified by comparing with the OSCAR current field data provided by the National Aeronautics and Space Administration(NASA).

ocean color remote sensing;sea surface currents;robust optical flow algorithm

TP75

A

1003-2029（2017）05-0094-05

10.3969/j.issn.1003-2029.2017.05.015

2017-07-07

孙鹤泉（1973-），男，副教授，主要从事海洋遥感、海洋技术与实验流体力学方法研究。E-mail:hqsun@dlut.edu.cn