基于深度卷积网络的海洋涡旋检测模型

• 作者: 孙鑫 张盟 杨玉婷 梁瑶 董军宇
• 来源期刊: 南京航空航天大学学报
• 学科: 地球科学
• 关键词: 卫星遥感 涡旋检测 深度学习 海表面高度图像
• 年，卷（期）: 2020,（5）
• 页码范围: 708-713
• 页数: 6页
• 分类号: TP3|TP7|P7
• 语种: 中文
• DOI: 10.16356/j.1005⁃2615.2020.05.005

摘要

传统的利用遥感数据检测涡旋的方法通常是基于物理参数、几何特征、手工特征或专家知识.本文重点研究了基于深度学习技术从海表面高度图中识别海洋涡旋的方法.针对海洋卫星拍摄的海洋表面高度图中的涡旋检测问题,提出了一种基于卷积神经网络的多涡旋检测模型,该模型能够准确提取涡旋的特征信息,拟合语义信息与海面高度之间的关系.同时,在用于涡旋检测的最新公开数据集SCSE?Eddy上进行模型训练,以评估基于人工智能的涡旋检测方法性能,该数据集涵盖了15年来位于中国南海及其东部部分海域的每日卫星遥感海表面高度数据.实验结果表明,与现有的方法相比,本文模型取得了更好的检测结果,能够更好地区分相距较近的涡旋.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董军宇		37	105	6.0	9.0
2	孙鑫		6	15	2.0	3.0
3	杨玉婷		2	2	1.0	1.0
4	张盟		4	19	3.0	4.0
5	梁瑶		2	0	0.0	0.0