基于改进U-Net网络的海洋中尺度涡自动检测模型

• 作者: 董子意 杜震洪 吴森森 李亚东 张丰 刘仁义
• 来源期刊: 海洋学报（中文版）
• 学科: 地球科学
• 关键词: 海洋中尺度涡 深度学习 语义分割 注意力机制 残差学习
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 海洋信息科学|Marine Information Science
• 页码范围: 123-131
• 页数: 9页
• 分类号: P731.16
• 语种: 中文

摘要

海洋中尺度涡对浮游生物的分布、能量和盐分的输送具有非常重要的影响,海洋中尺度涡的自动检测是监测、分析中尺度涡时空变化的重要基础.针对传统基于物理特征检测海洋中尺度涡的方法存在受限于人工设计参数导致精度不高的问题,本文依据海洋卫星反演的海表面高度图,提出了一种基于改进U-Net网络的海洋中尺度涡自动检测模型.该模型在海洋中尺度涡的特征提取阶段嵌入了卷积注意力机制,使得模型能够关注于海表面高度图中最具有类别区分度的区域,同时引入了残差学习机制解决了网络过深导致模型难以训练的问题.本文以南大西洋的卫星海表面高度数据集为例开展实验验证,结果表明,本文提出的模型海洋中尺度涡检测准确率达到了93.28％,显著优于Ed-dyNet等现有模型.模型可为海洋学家通过海表面高度探测中尺度涡提供可靠技术方法.