摘要：目的海洋中尺度涡自动检测是了解其演变规律,研究其在海洋物质运输和能量传递中的作用的基础。针对海洋中尺度涡形态不规则、结构复杂多变、长宽比不确定,以及涡群海域中尺度涡分布密集导致的检测精度低的问题,提出一种基于深度学习多尺度旋转锚机制的海洋中尺度涡自动旋转检测方法。方法首先对卫星遥感海平面高度异常数据进行可视化预处理,并采用图像处理策略对数据集进行扩充构建训练集;其次构建了一种基于深度学习多尺度旋转锚机制的中尺度涡自动检测模型,考虑到中尺度涡尺度变化大和其所处海洋环境复杂多变的特点,主干网络采用RetinaNet提取中尺度涡特征,同时采用特征金字塔结构融合中尺度涡的低层与高层特征,设计多尺度、多长宽比以及多旋转角度锚点机制实现多尺度旋转检测锚的生成;最后集成分类与回归两个子网络,实现海洋中尺度涡的自动旋转检测。结果实验结果表明,提出的中尺度涡自动检测方法极大改进了水平检测框存在显著的大纵横比导致检测精度低和检测框嵌套和重叠现象。本文方法最优检测精度为90.22%,与水平检测方法相比,精度提升了8%。在印度洋、太平洋、大西洋和赤道海域进行了海洋中尺度涡的旋转检测实证分析,验证了模型具有很好的泛化能力。结论本文通过设计多尺度、多长宽比和多旋转角度实现多尺度旋转锚的生成机制,达到中尺度涡目标旋转检测,有效克服了水平检测框区域冗余和检测框重叠、嵌套现象,显著提升了中尺度涡检测精度。

摘要：为了探讨长江口潮差的中长期变化对生态环境的影响,利用小波变换法对1972—2018年该河口代表性潮位站的潮差序列(共66336个数据)进行周期性分析。结果表明,该站潮差除了常见的15 d大、小潮周期外,还有变幅约19 cm(相当于多年平均潮差的7.5%)的0.5 a周期和变幅约16 cm(相当于多年平均潮差的6.3%)的18.5 a周期。月均潮差极大值出现在3月和9月,极小值出现在6月和12月。年均潮差极大值出现在1977,1996和2015年,极小值出现在1986年和2005年。上述潮差变化在时间上与长江口灾害性盐水入侵、悬沙浓度长周期变化以及水下三角洲冲淤转变等重大事件存在明显的对应关系。结论认为,上述中长期潮差周期变化对长江口生态环境具有不可忽视的潜在影响,在今后对河口生态环境的研究中应得到重视。