基于面积梯度的中尺度涡参数自动提取算法

陈捷 杨继锋 许素芹 陶荣华

摘  要： 海洋中尺度涡出现的海域会出现海水流场、高度场、温盐场和声学性质的异常，得到海洋战场环境研究的极大重视。为了从遥感资料中自动提取中尺度涡特征参数，提出一种基于海面动力高度数据的中尺度涡自动提取算法。通过将海面动力高度数据按照等高线分层，计算闭合区域包含的面积梯度，自动提取中尺度涡区域的特征参数。对海面动力高度数据进行处理的结果可知，采用该方法进行中尺度涡检测不需要人工干预，能很好地定位中尺度涡位置并提取基本参数。

关键词： 遥感; 中尺度涡; 海面高度异常; 自动检测; 面积梯度; 中尺度涡参数

中图分类号： TN911.1?34; TP394.1                 文獻标识码： A                   文章编号： 1004?373X（2019）11?0130?05

Abstract： The mesoscale eddy in ocean may cause the anomalies of seawater flow field， height field， temperature and salinity fields， and acoustic property， which is attracted great attention by the study of ocean military environment. In order to automatically extract the parameters of the mesoscale eddy from remote sensing data， a mesoscale eddy automatic extraction algorithm based on sea surface dynamic height data is proposed. The sea surface dynamic height data is stratified according to contour lines， and the area gradients of closed region are calculated to extract the feature parameters of the mesoscale eddy automatically. The processing results of sea surface dynamic height data show that the proposed method can detect the mesoscale eddy without manual intervention， and locate the position of mesoscale eddy accurately while extracting the basic parameters.

Keywords： remote sensing; mesoscale eddy; sea surface height anomaly; automatic detection; area gradient; mesoscale eddy parameter

0  引  言

在大洋上可观测到多种多样的中尺度涡旋，中尺度涡的空间尺度通常在几十到几千米范围，时间尺度一般为几周到几个月[1]。海洋中尺度涡对海洋水团、动量和能量的输送产生重要影响，进而影响物理和地质过程、天气和气候的形成和变化[2?3]。中尺度涡的探测与识别是渔业、航运、气候变化预测、污染排放等领域的重要研究课题[4?5]。

中尺度涡根据涡旋的旋转方向分为气旋式与反气旋式涡旋，对比涡内外的温度可分为冷涡和暖涡，也有人将其分为锋区中尺度涡和外海中尺度涡两类[1]。

中尺度涡因其频繁出现在各种海域，且其流场、高度场、温盐分布和声学性质有明显异常，可以为水下隐蔽作战提供良好的水文环境，因此在海洋战场环境建设领域具有极高的研究价值，被广泛重视。据有实测数据显示，中尺度涡内声能量的损耗明显，声波由涡心向涡外或由涡外向涡心传播，能量损失可高达[6]20～40 dB，同时，可造成水下三维声场传播产生奇异区，犹如陆地上的山峦，起到良好的水下声学屏障作用。另外，中尺度涡会在卫星遥感成像中显示其特有图像纹理，可以掩盖潜艇在水下航行时形成的一些弱信号，成为潜艇隐蔽航行的天然屏障。

虽然Iselin早在1936年就提出了中尺度涡的概念，但直至20世纪70年代，随着遥感观测技术的发展，对中尺度涡的观测与研究才逐渐活跃起来[7]。传统的中尺度涡流检测主要依靠航船的实测数据，而船测数据由于测量时间长，测量数据反映的中尺度涡在空间和时间上往往不一致，这限制了检测算法的性能。近年来，随着高分辨率海洋观测卫星的快速发展，对中尺度涡等海洋流动特征的识别得到了极大的激活和促进。从卫星观测的海平面温度（SST）、海平面高度（SSH）、海平面异常（SLA）中探测和跟踪中尺度和亚尺度涡流已成为可能[7]。近年来，也有一些从SAR图像中识别提取海洋中尺度现象特征的研究[8]。

然而，从二维海洋自动检测中尺度涡并非易事，由于二维海面是多种海流的混合体，不同的海流相互依存、相互影响，使得海面遥感图像变得复杂难辨。此外，现有的方法很难处理二维海表中不同动态过程之间的边界模糊，更糟糕的是，在二维图中，小尺度的中尺度涡流可能被较大的海洋环流所掩盖。

国外对中尺度涡自动提取的研究开始得较早，现有的中尺度涡检测方法一般可分为两类：基于物理参数的方法和基于几何结构的方法[9]。第一类方法使用指定物理参数的值检测中尺度涡，在这种方法中，超过某个预定义阈值的区域被识别为涡。第二类方法使用洋流的瞬时几何表示（如流线）的曲率或形状来识别涡流[10]或以圆形或椭圆形闭合几何体作为涡流的流线特征检测中尺度涡[11]。这两种方法中，第一种方法仅依靠阈值检测，算法速度快但漏检率很高，第二种方法计算量大，计算速度慢，且容易受到复杂海洋环境的干扰。

国内对遥感海洋中尺度现象的研究自20世纪90年代逐渐活跃，大部分研究都是对中国海洋中尺度涡时空统计规律的研究[12?14]。为了更好地把握中尺度涡的运动变化规律，也有一些学者开始了数值计算和模拟方面的研究[15]。

总体而言，对于SAR海洋遥感图像中尺度涡的判读和解译主要依靠“专家目视判读”方法，或“半专家干预，半自动”的方法;对于海面有效高度图像和流场图像，国内外均已有专家研究自动提取的方法，但很难同时保证高检测率和高计算速度。

本文通过对高度计资料中尺度涡的表现特征，研究了一种全自动的中尺度涡检测算法，在保证较高检测率、较低虚警的同时具有较快的运行速度，大大地加快了高度计资料中尺度涡的解译，也对中尺度涡的时空统计分析奠定了数据基础。

1  高度计资料中尺度涡特征

本文的卫星高度计资料采用CLS（Collect Localization Satellites）中心提供的海平面高度异常（SLA），该资料由Jason?2，Jason?1和Envisat融合而成。在SLA数据中，中尺度涡有如下特征：

1） SLA的等值线闭合;

2） 暖涡和冷涡在SLA图上均表现为闭合的等值线，暖涡中心为SLA大的正值，冷涡则为小的负值;

3） 中尺度涡的中心位置水深大于200 m（高度计资料在200 m以浅时，误差较大）;

4） 涡中心和最外层闭合等值线的高度差应大于等于8 cm。

图1所示为2018年7月18日西太平洋及南海区域的SLA海面高度异常分布情况。

图1  海面高度異常

2  基于面积梯度的中尺度涡自动检测算法

2.1  中尺度涡检测算法分析

海洋中尺度涡从遥感图像上看，整体呈圆形或椭圆形分布，但这种形态并不固定，也并不规则，因此通过计算机自动识别其形态面临很多问题。但由于海洋本身及遥感图像成像过程极其复杂，通过灰度值相似提取的区域难以准确提取涡的检测特征。 后期的绝大多数海洋中尺度涡检测都是基于Hough变换进行的[16]，提出基于遥感图像的边缘检测方法，直接利用Hough变换椭圆检测算子进行涡检测。由于遥感图像中涡形态复杂，与标准的圆或椭圆之间存在较大差异，因此这些检测方法都无法很好地检测到所有的中尺度涡。另外，随着处理数据量的增加，Hough变换需要的存储和计算量急剧增加，检测误差也随之增大。

综上所述，采用Hough变换检测中尺度涡，算法效果极不稳定，且对大面积多个中尺度涡的检测计算量巨大。本文采用一种非Hough变换的中尺度涡检测算法。根据高度计资料中尺度涡在SLA图像中等值线闭合的特征，先对这些闭合等值线包含的面积求值，然后计算不同等值线包含面积的梯度，再考虑中尺度涡的近圆形或椭圆形特征，实现对大范围海域数据的中尺度涡自动快速检测。

2.2  检测算法流程

高度计遥感图像中尺度涡参数自动提取算法的主要思路为：将高度计图像按照高度分布进行分层，计算分层中连通区域的面积，再将连通区域向下检索，计算面积梯度。当面积梯度大于检测阈值时，将检测到的最后一个连通区域定为待定涡区，再对待检测涡区的圆度进行判断，大于圆度阈值时，将该区域定为检测到的涡区，最后对涡区进行特征计算，计算涡区的中心、边缘及对涡的性质（暖涡或冷涡）进行判断，完成整个检测过程。高度计数据中尺度涡检测算法流程如图2所示。

图2  高度计数据中尺度涡检测算法流程

3  应用实例

为了说明高度计涡中尺度涡算法的具体实现过程，以2018年7月18日高度计数据为例说明其实现过程。

步骤1：依照高度分布将图像分层。

为了使算法更为高效，首先暂时不考虑涡的冷、暖性质，将SLA数据求绝对值。同时，根据中尺度涡暖涡中心为SLA大的正值，冷涡则为小的负值，中心和最外层闭合等值线的高度差不小于8 cm的特点，SLA平均值附近一般不会出现中尺度涡，避免在靠近均值的区域进行大量的计算，依照高度分布分层时，只对数值大于均方差的值进行分层。例如，可将2018年7月18日的数据分为16层，如图3所示。

步骤2：从顶层向下计算面积。

在本例中，第16层中只有一个连通区域，将其标为“1”，接着根据形态学的“击中”算法，将第15层、第14层……中与第一层中标号为“1”的区域有重叠的连通区域也都标为“1”，接着计算各层中标号为“1”的连通区域的面积。

图3  高度分层结果

式中[i]表示等高层序号。面积梯度在物理上与高度梯度相对应，当面积梯度较小时，对应的高度梯度也小。在本例中，标号为“1”的待定涡区在第16层到第4层的面积梯度满足梯度阈值，因此将第4层中标号为“1”的连通区域定为待定涡区，标号为“1”。

接着，在各层中去掉标号为“1”的区域，重新从第1层查找其他的连通区域，若第1层查找完毕，则到第2层中查找，找到的连通区标号为“2”，根据形态学的“击中”算法，将第2层、第3层……中与第1层中标号为“2”的区域有重叠的连通区域也都标为“2”，以同样的方法确定是否为待定涡区。

以同样的方法循环计算，逐层检测待定涡区，并对其进行编号。

步骤4：计算圆度。

对待定涡区依次计算。计算待定涡区的重心和涡区到重心的最大距离[l]，同时计算待定涡区的面积。涡区的圆度定义为：

圆度阈值决定涡是否接近于圆形或椭圆型，[ρ∈][（0，1]]，[ρ]的值越大，说明越接近圆形，当圆度大于圆度阈值时，待定涡区定为最终涡区。

步骤5：伪涡区消除。

在本算法中，靠近陆地的区域往往也会有满足面积梯度和圆度梯度的区域存在，但根据中尺度涡的特点，中尺度涡的中心位置水深大于200 m，因此，近陆架水深小于200 m的区域往往是伪涡区，在检测中根据海水深度数据，将紧邻陆架的涡区消除。

另外，根据涡中心和最外层闭合等值线的高度差不小于8 cm的性质，去掉涡中心和最外层闭合等值线的高度差小于8 cm的待检测涡区。

步骤6：提取涡。

根据步骤5中的最终涡区位置，在高度计原始数据中提取涡区高度数据。本例中，采用不同的面积梯度，分别为0.4和0.2进行提取，面积梯度越大，说明要求提取的中尺度涡中心和边缘高度差要求越大;面积梯度越小，提取的中尺度涡中心和边缘高度差要求越小。最终提取的中尺度涡区如图4，图5所示，可见当采用不同面积梯度時，检测到的中尺度涡个数不同。

图4  中尺度涡提取结果（[?si]=0.4，[ρ]=0.5）

图5  中尺度涡提取结果（[?si]=0.2，[ρ]=0.5）

步骤7：中尺度涡特征计算。

对每个检测到的涡区计算涡的中心，边缘及对涡的性质（暖涡或冷涡），完成整个检测过程。

对2018年7月18日高度计图像进行检测，检测结果如表1所示。

4  结  论

本文根据高度计数据中尺度涡的特点，采用一种基于闭合等高线区域面积梯度的方法，成功地从高度计数据中自动提取中尺度涡信息，这些信息既可以作为产品输出，用于分析实时数据中尺度涡的分布，也可以输入到数据库中，为大范围的时空统计分析作准备。本文方法的提出，将大大地加快海洋高度计资料的中尺度涡分析与统计速度，增加高度计资料在海洋环境分析中的应用率。

表1  中尺度涡主要特征说明（[?si]=0.4， [ρ]=0.5）

参考文献

[1] 李凤岐，苏育嵩.海洋水团分析[M].青岛：青岛海洋大学出版社，2000：311?312.

LI Fengqi， SU Yusong. Analysis of marine water mass [M]. Qingdao： Qingdao Ocean University Press， 2000： 311?312.

[2] NENCIOLI F， DONG CHANGMING， TOMMY D， et al. A vector geometry： based eddy detection algorithm and its application to a high?resolution numerical model product and high?frequency radar surface velocities in the Southern California Bight [J]. Journal of atmospheric and oceanic technology， 2012， 27： 564?579.

[3] LIANG X， ZHANG C， MATSUYAMA T. Inlier estimation for moving camera motion segmentation [C]// Proceedings of 2014 Asian Conference on Computer Vision. Switzerland： Springer， 2014： 352?367.

[4] WILLIAMS S， PETERSEN M， BREMER PT， et al. Adaptive extraction and quantification of geophysical vortices [J]. IEEE transactions on visualization and computer graphics， 2011， 17（12）： 2088?2095.

[5] SAMSEL F， PETERSEN M， ABRAM G， et al. Visualization of ocean currents and eddies in a high?resolution global ocean?climate model [C]// Proceedings of 2015 International Confe?rence on High Performance Computing， Networking， Storage and Analysis. Austin： ACM， 2015： 1?4.

[6] 赵越.中尺度涡环境下声传播分析[D].青岛：中国海洋大学，2015：11?12.

ZHAO Yue. Analysis of sound propagation in mesoscale vortex environment [D]. Qingdao： Ocean University of China， 2015： 11?12.

[7] TANDEO P， CHAPRON B， BA S， et al. Segmentation of mesoscale ocean surface dynamics using satellite SST and SSH observations [J]. IEEE transactions on geosciences and remote sensing， 2013， 52（7）： 4227?4235.

[8] KARIMOVA S， GADE M. Eddies in the Red Sea as seen by satellite SAR imagery [M]// Anon. Remote sensing of the African Seas. Heidelberg： Springer， 2014： 357?378.

[9] PETERSEN M R， WILLIAMS S J， MALTRUD M E， et al. A threedimensional eddy census of a highresolution global ocean simulation [J]. Journal of geophysical research oceans， 2013， 118（4）： 1759?1774.

[10] SADARJOEN I A， POST F H. Detection， quantification， and tracking of vortices using streamline geometry [J]. Computers and graphics， 2000， 24（3）： 333?341.

[11] LIU Z， DU Y， XU K. An improved scheme of identifying loops using Lagrangian drifters [C]// 2015 IEEE International Conference on Spatial Data Mining and Geographical Know?ledge Services. Fuzhou： IEEE， 2015： 125?128.

[12] 程旭华，齐义泉，王卫强.南海中尺度涡的季节和年际变化特性分析[J].热带海洋学报，2005，24（4）：51?60.

CHENG Xuhua， QI Yiquan， WANG Weiqiang. Seasonal and interannual variabilities of mesoscale eddies in South China Sea [J]. Journal of tropical oceanography， 2005， 24（4）： 51?60.

[13] 林鹏飞，王凡，陈永利，等.南海中尺度涡的时空变化规律Ⅰ：统计特征分析[J].海洋学报，2007，29（3）：14?23.

LIN Pengfei， WANG Fan， CHEN Yongli， et al. Temporal and spatial variation characteristics on eddies in the South China SeaⅠ： statistical analyses [J]. Acta oceanologica sinica， 2007， 29（3）： 14?23.

[14] 袓永灿.北太平洋中尺度涡统计分析[D].青岛：国家海洋局第一海洋研究所，2015.

ZU Yongcan. Statistical analysis of mesoscale eddy in North Pacific Ocean [D]. Qingdao： First Institute of Oceanography， State Oceanic Administration， 2015.

[15] 尚晓东，徐驰，陈桂英，等.海洋中尺度涡的机械能及其源汇研究[J].热带海洋学报，2013（2）：24?36.

SHANG Xiaodong， XU Chi， CHEN Guiying， et al. Mechanical energy of marine mesoscale eddy and its source and sink [J]. Journal of tropical oceanography， 2013（2）： 24?36.

[16] 姬光荣，陈霞，霍玉臻，等.一种海洋遥感图像中尺度涡的自动检测方法[J].海洋与湖沼，2002，33（2）：139?145.

JI Guangrong， CHEN Xia， HUO Yuzhen， et al. An automatic detecting method of the marine mesoscale eddy in remote sensing image [J]. Oceanologia et limnologia sinica， 2002， 33（2）： 139?145.