EN中文

Journal of Geo-information Science >

2015 , Vol. 17 >Issue 10: 1207 - 1214

DOI: https://doi.org/10.3724/SP.J.1047.2015.01207

Orginal Article

A Scheme of Extracting Information of Vortex Based on Floats

  • WEI Haitao 1, 2 ,
  • DU Yunyan , 1, * ,
  • XU Kaihui , 1, 2
Expand
  • 1. State Key Laboratory of Resources & Environmental Information Systems, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. College of Geomatics, Shandong University of Science and Technology, Qingdao 266590, China
*Corresponding author: DU Yunyan, E-mail:

Received date: 2015-03-17

  Request revised date: 2015-07-07

  Online published: 2015-10-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

When a drifter is influenced by an eddy, its movement will be changed and the drifter may come back to the location where it stayed before. Then there will be loops appeared in the trajectories of the drifter. So we can extract eddies from the trajectories of the drifter by recognizing the loops in the trajectories. Based on this principle, this paper improved the ALIS method proposed by Dong[1] which neglects the complex structure in the results from the extraction of loops, although the complex structure may contain the movement of an eddy. We named this new algorithm AILIS (an improved automated loop identifying scheme). AILIS can further improve the extraction results by judging whether the trajectory segments in loops have self-intersection, and then it can track some parts of the movement of an eddy by judging the similarity between two eddy transient states. This paper made a comparison experiment between ALIS and the algorithm from Li[2] and also made an verification using the results from HD (Hybrid Detection) and HT (Hybrid Tracking) algorithms. The experiment result show that the algorithm proposed by this paper can obtain more transient states and movements of eddies, providing an important approach to obtain the physical parameters of the eddy.

Key words： eddy; recognize; complex structure; transient state; trajectory

Cite this article

WEI Haitao , DU Yunyan , XU Kaihui . A Scheme of Extracting Information of Vortex Based on Floats[J]. Journal of Geo-information Science, 2015 , 17(10) : 1207 -1214 . DOI: 10.3724/SP.J.1047.2015.01207

1 前言

海洋涡旋的生命过程,对海域温度、盐度、生物量等物质和能量的传递与分布有重要的作用[1-2],影响海洋的温盐结构,对海洋生物环境也有不可忽略的作用。近几十年,涡旋成为了解海洋环境重要手段,故提取涡旋及其运动轨迹成为物理海洋学的研究热点之一。
识别涡旋的方法早期使用人工识别[3-4],但其耗时,且因人为的偏见易造成识别错误。近几年,随着大面积长时间序列的海洋遥感数据（海表面高度SLA、温度和盐度等）的快速获取,以及不断增多的全球范围的漂流浮标数据,从大量遥感数据和浮标轨迹中自动识别涡旋的形态及其属性特征成为涡旋研究的主要内容之一。
自动识别涡旋的方法分为2大类：（1）采用欧拉方法从遥感反演的要素场中进行涡旋的自动提取,它们主要有OW[5],WA[6]和闭合等值线方法[7-8]等,其根据涡旋的物理形态识别,方法简单,但由于受遥感数据精度的影响,会造成涡旋的遗漏或误判,且识别的涡旋需作真实数据的检验;（2）利用拉格朗日方法从浮标的运动轨迹进行涡旋的自动识别提取,如LSM（Lagrangian Stochastic Model）法[9]、椭圆识别方法[10-11]、几何方法[12-15],该类方法能较好地刻画涡旋的瞬间和过程的某些状态,但获取参数较多,算法较复杂,且由于识别算法的限制,无法识别部分特殊结构,例如,Li[14]等提出的涡旋识别方法判断复杂回环的条件是出现浮标轨迹自相交的现象,如果有,则为复杂结构,如果否,则是简单的回环结构,但有些涡旋的瞬时状态引起的环状结构并不是完整的环;Dong[13]等提出的自动识别环状结构算法（A Simple Automated Loop Identifying Scheme,ALIS）,利用距离阈值、角度阈值等参数,基于几何学原理定义了环状结构,实现其识别,但该方法无法实现特殊结构（轨迹中大环套小环的情况）的提取,而这些特殊结构极大可能蕴含着涡旋部分轨迹信息,从而造成重要信息的遗漏。
综上,几种方法都存在各自的不足,鉴此,本文提出了浮标轨迹回环结构的涡旋及其移动轨迹提取算法,简称AILIS（An Improved Automated Loop Identifying Scheme）,AILIS算法通过对ALIS算法改进,不但能识别复杂结构的涡旋瞬时状态提取,还能实现涡旋部分轨迹提取,为已有的涡旋提取算法提供了有力的补充和验证。

2 基于ALIS的改进的涡旋识别算法

ALIS方法通过环状结构的提取、确定极性和旋转角度、回环参数等信息确定涡旋的瞬时状态,但对于某些特殊结构（浮标受多个涡旋影响或随着涡旋移动产生的特殊轨迹）无法完全识别,故此,本文提出了涡旋瞬间识别和轨迹提取算法,其流程图如图1所示。算法分为A、B 2部分：A是浮标轨迹回环结构判定与涡旋状态识别,该部分改进已有的ALIS算法,实现对复杂结构判定与识别;B是通过多个涡旋状态判别轨迹,实现涡旋移动轨迹的信息提取。具体的识别算法描述如下：
（1）环状结构提取
该方法通过判断形成回环结构的第一个点与最后一个点的距离小于距离阈值 D 0 ,且回环的半径大小与中尺度涡旋的半径大小相吻合。具体算法如式1、2、3所示。
D i , k ≤ D 0 , i + 1 < k < M , （1）
20 km ≤ D j , c ≤ 250 km , i ≤ j ≤ k , （2）
X 0 = x i + x i + 1 + ⋯ + x k k - i + 1 , （3）
Y 0 = y i + y i + 1 + ⋯ + y k k - i + 1 （4）
式（1）中, D ( i , k ) 代表浮标在运动过程中第i个点与第k个点的距离; D 0 代表通过相邻2个采样点的时间间隔和速度计算出的平均距离;M代表第i个点后剩下的浮标点个数。式（2）为回环半径的计算方法,其中,j代表回环中的任意一点;c代表回环的中心点。式（3）、（4）为回环中心点坐标计算方法,其中,k为回环中最后一个点的标号;i为回环起始点的标号。
Fig. 1 Flow chart of the implementation of AILIS

图1 AILIS算法实现流程图

对此,并不是所有的环状结构都是涡旋作用产生,还有可能是风、海水震荡等外力影响产生的结果。所以,通过环状结构的旋转矢量角,对环状结构的提取结果进行筛选,矢量角的阈值为300º[13],剔除小于该阈值的环状结构。矢量角的计算方法如图2所示,首先,计算采用相邻2个点与中心点连线,根据时间判断其夹角的正负（顺时针为正,逆时针为负）;其次,计算环内每个点产生夹角的和。
Fig. 2 Calculation method of vector angle and polarity judgement

图2 旋转矢量角计算示意图

（2）复杂结构提取
首先判断该回环结构是否属于复杂结构,判断的条件是：回环中浮标轨迹是否出现自相交的现 象[14]。如果有,则为复杂结构;如果否,则是简单的回环结构;如果是,则复杂结构,对其内部各点采用环状结构提取方法,直到该环中不包含的小的环结构（不存在自相交）。
（3）对涡旋移动轨迹的信息提取
首先,提取同一浮标轨迹的环结构,即浮标号一致。其次,根据2个相邻环状态的相似度,判断是否为同一涡旋。其中,相似度的判断标准包括2部分：相邻环结构的距离小于海水的平流距离（海水的平均流速与2涡旋时间间隔的乘积）;相邻环结构具有相同的极性（环状结构旋转矢量角>0为正,反之为负）。最后,判别为同一涡旋的回环中心点式（3）连接,构成该涡旋的运动轨迹。

3 涡旋提取算法实验与对比分析

3.1 实验数据

实验所用浮标数据来自“全球浮标计划”（Global Drifter Programme,GDP）[17-18]该计划旨在研究全球范围内的上层海水环流,以提供监测手段。数据由全球漂流浮标数据中心提供（该中心属于美国国家海洋和大气局（NOAA））。浮标水帆长度中心位于海平面下15 m,通过ARGOS（卫星定位与数据传输）系统定位及传输数据,采样周期为6 h,数据下载地址：http://www.aoml.noaa.gov/phod/dac/dacdata.php。

3.2 算法实验结果分析

为验证算法的正确性,分别针对不同复杂程度的浮标轨迹进行了涡旋的状态识别,通过与SLA数据进行对比,如图3（a）、（b）、（c）分别表示针对3条复杂度各不同的浮标轨迹提取的状态,其中,背景图SLA影像,白点代表浮标点某个时间所在空间位置。
Fig. 3 Experiment results of AILIS

图3 AILIS算法实验结果图

图3（a）表示根据回环结构识别标准提取出的一个简单回环结构,通过与SLA数据对比,在一定时间段内（1998-06-24至1998-07-08）,此回环结构的产生是浮标点落入涡旋产生的;图3（b）表示原点盘旋的复杂结构提取,结合SLA数据可得,在一定时间段内（1997-02-12至1997-03-19）,由于涡旋驻留在此位置,形成多个回环结构的叠加;同理,与SLA影像对比,图3（c）表示随着随着涡旋空间位置的移动,浮标点轨迹出现盘旋移动的状态,因此,无论是简单结构还是复杂结构,本文提出的算法都能正确地识别涡旋的瞬间状态,具有较好的通用性。

3.3 算法对比分析

3.3.1 特殊结构提取
为证明本算法对各种浮标轨迹特征的适应性,针对轨迹的特殊结构,分别与Dong提出ALIS算法和Li等[14]提出的自相交算法做对比实验。ALIS算法利用距离、角度等参数,基于几何学实现环状结构的提取,而Li的算法是基于几何学的自相交方法实现涡旋提取研究,通过2种算法提取涡旋状态结果与本算法对比,并结合实测数据,证明该算法对涡旋状态多样性的识别效果。
（1）复杂回环结构提取
在涡旋的移动过程中,有些涡旋出现在一定范围内盘旋的现象,ALIS算法能识别出该区域有涡旋,但认为其是一个一定时间范围内的瞬时状态,忽略了该过程是多个涡旋的瞬时状态的集合。本文提出的算法针对ALIS算法不足进行改进,通过筛选并处理复杂回环结构,弥补了上述不足。
根据43 525浮标的运动轨迹提取涡旋状态,图4表示ALIS算法与本文提出的AILIS算法的提取结果。图4（a）表示ALIS算法提取结果,此环状结构代表该浮标点进入涡旋的一个瞬时状态形成的,起点为S1表示的位置,生成一个大环L;而本文提出的AILIS算法结果如图4（b）所示,表示此环状结构的生成是由于涡旋出现了多个瞬间引起的,起点为S2,经过了多个瞬时状态（L1,L2,…,L6）,形成了多个回环结构的连续出现。
Fig. 4 Comparison of two algorithms on the extraction of complex loop

图4 复杂回环结构2种算法对比图（浮标ID：43525）

为了验证该时空范围内的回环结构,是一个还是多个瞬时状态组成,本文对照同期的该区域SLA数据及采用Hybrid Detection（HD）算法[19],在相同区域内的涡旋识别结果进行了对比验证。如图5所示,6幅图分别表示不同的时间点（2009年1月07日至2009年1月28日,7天一次的时间点）对应的涡旋位置（乳白色区域）与浮标落入位置（圆圈位置）。以浮标号43 525的浮标为例,在2009年1月7日,浮标落入涡旋内部,到2008年2月18号为止,每7天（SLA数据的更新周期）浮标都在涡旋内部,由于涡旋的作用力,轨迹出现了回环。通过与SLA数据对比,证明该特殊结构中单个且连续的环更能代表涡旋的移动状态。ALIS算法将该结构判别为一个涡旋的瞬时状态,这显然是不合理的,而本文提出的AILIS算法通过进一步将特殊结构中所有的环都识别出来很好地解决了这一问题。
Fig. 5 Comparison of complex loop with SLA and the states of eddy

图5 复杂回环与SLA、涡旋状态对比图（浮标 ID: 43525）

（2）“雨滴结构”提取
假设回环结构中,第一个点与第二个点的连线为L1,倒数第二个点与最后一个点的连线为L2,若线段L1与L2不相交,则此类环状结构叫“雨滴结构”。Li[14]等基于几何学方法,利用自相交方法提取回环结构,但浮标在运动过程中,即使受到涡旋的影响,浮标也不能全部回到之前的位置,即轨迹中的点可能不会出现自相交。由于Li提出的算法通过判断浮标轨迹是否出现相交来提取环状结构,所以,其无法识别这类特殊结构。图6表示了该类情况,本文在提取环状结构时,通过距离阈值参数D0可识别该结构的存在。
Fig. 6 The schematic structure

图6 “雨滴”结构图（浮标 ID: 7703194）

为了判断该环状结构是否是受涡旋作用力产生的,在同一时空范围内,本文加入了SLA数据（背景图）与HD算法提取的涡旋状态数据（乳白色不规则面）进行对比,白点代表在该时间点浮标落入的空间位置,以浮标号7703194的浮标为例,图6（a）-（c）所示,1997年4月16日浮标点在某处;1997年4月23日,浮标点落入了涡旋内部,这期间形成的轨迹是受涡旋影响的;1997年4月30日浮标基本脱离了涡旋的影响。由此可见,Li的算法无法识别“雨滴结构”,而AILIS算法能正确地识别出来,弥补了其算法的不完整性。
3.3.2 涡旋轨迹提取
根据浮标轨迹能提取涡旋的瞬时状态,而瞬间状态的组合有时也蕴含了涡旋的移动过程,本算法根据涡旋的瞬时状态的相似度判断,是否是同一涡旋[19]实现了涡旋部分移动轨迹的提取。
图7中49 698浮标在2004年12月1日到2015年1月5日间,其轨迹出现了连环的现象,结合SLA数据发现,每个环状结构代表了涡旋的某个状态,根据同一涡旋的判断标准,证明该环状结构是浮标点落入同一涡旋产生的,提取每个环的中心点（横、纵坐标的平均值）,根据时间序列将其连成线,结果如图8紫色线所示。
Fig. 7 Eddy movement tracking result of AILIS

图7 AILIS算法涡旋轨迹追踪结果图（浮标 ID: 49698）

Fig. 8 Comparison of HT and AILIS on eddy movement tracking

图8 AILIS算法与HT算法涡旋轨迹追踪结果对比图（浮标ID：49698）

图8所示为本文提出的AILIS算法,追踪涡旋移动结果与HT算法追踪结果的对比图。其中,紫色线为本文算法结果,线上点为浮标点,红色线为HT算法结果,轨迹上的点为涡旋中心点,背景图为SLA影像,由结果可看出,2004年12月8日至2004年12月29日,2个轨迹属于同一个轨迹（以HT方法提出的轨迹为基准做250 km（中尺度涡旋最大半径）的缓冲区,AILIS方法提取的涡旋在缓冲区内）,从时间和空间证明了2个轨迹,是一个涡旋影响产生的。同时,证明AILIS算法不但能提取涡旋在提取涡旋瞬时状态具有通用性,也能提取部分涡旋的运动轨迹,对已有涡旋的瞬间状态和移动状态数据库,有重要验证和补充作用。

4 结论

本文考虑到目前已有的以浮标轨迹识别涡旋的多种算法,存在的信息提取不全,以及涡旋轨迹的信息提取不明确现象,利用几何学原理,对现有的ALIS算法进行了改进,利用距离阈值和浮标轨迹自相交等方法,实现了嵌套回环和“雨滴”等特殊结构提取,并根据涡旋的平流距离、极性参数判断2个相邻状态是否是一个涡旋,进行了涡旋部分移动轨迹的提取。通过实验表明,本文提出的涡旋信息提取算法能实现涡旋瞬间结构的提取,特别是某些特殊结构的提取,具有较好的通用性。另外,根据瞬间状态间的相似性,本算法能完成涡旋部分移动轨迹的追踪,对现有的涡旋识别和追踪算法有较好的验证和补充作用。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Robinson A R.Eddies in marine science[M]. Berlin, Heidelberg: Springer-Verlag, 1983.

[2]
Adams D K, Mcgillicuddy D J, Zamudio L, et al.Surface-generated mesoscale eddies transport deep-sea products from hydrothermal vents[J]. Science, 2011,332(6029):580-583.

[3]
Shoosmith D R, Richardson P L, Bower A S, et al.Discrete eddies in the northern North Atlantic as observed by looping RAFOS floats[J]. Deep-Sea Res, 2005,52:627-650.

[4]
Fratantoni D M, Richardson P L.The evolution and demise of North Brazil Current Rings[J]. Journal of Physical Oceanography, 2006,36:1241-1264.

[5]
Morrow R, Birol F, Griffin D, et al.Divergent pathways of cyclonic and anti-cyclonic ocean eddies[J]. Geophysical Research Letters, 2004,31(24):1-5.

[6]
Chaigneau A, Gizolme A, Grados C.Mesoscale eddies off Peru in altimeter records: Identification algorithms and eddy spatio-temporal patterns[J]. Progress in Oceanography, 2008,79(2):106-119.

[7]
Chelton D B, Schlax M G, Samelson R M.Global observations of n-onlinear mesoscale eddies[J]. Progress In Oceanography, 2011,91:167-216.

[8]
Chaigneau A, Pizarro O.Eddy characteristics in the eastern South Pacific[J]. Journal of Geophysical Research: Oceans, 2005,110(C6):1978-2012.

[9]
Griffa A, Lumpkin R, Veneziani M.Cyclonic and anticyclonic motion in the upper ocean[J]. Geophysical Research Letters, 2008,35(1):1-5.

[10]
Lilly J M, Olhede S C.Bivariate instantaneous frequency and bandwidth[J]. Signal Processing, IEEE Transactions on, 2010,58(2):591-603.

[11]
Lilly J M, Scott R K, Olhede S C.Extracting waves and vortices from Lagrangian trajectories[J]. Geophysical Research Letters, 2011,38(23):1-8.

[12]
Beron-Vera F J, Olascoaga M J, Goni G J. Oceanic mesoscale eddies as revealed by Lagrangian coherent structures[J]. Geophysical Research Letters, 2008,35(12):1-7.

[13]
Dong C, Liu Y, Lumpkin R, et al.A scheme to identify loops from trajectories of oceanic surface drifters: an application in the Kuroshio extension region[J]. Journal of Atmospheric and Oceanic Technology, 2011,28(9):1167-1176.

[14]
Li J X, Zhang R, Jin B G.Eddy characteristics in the northern South China Sea as inferred from Lagrangian drifter data[J]. Ocean Science, 2011,7(5):661-669.

[15]
Boebel O, Lutjeharms J, Schmid C, et al.The Cape Cauldron: A regime of turbulent inter-ocean exchange[J]. Deep Sea Research Part II: Topical Studies in Oceanography, 2003,50(1):57-86.

[16]
Meng L, Huang C, Zhao C, et al.An improved Hilbert curve for parallel spatial data partitioning[J]. Geo-spatial Information Science, 2007,10(4):282-286.

[17]
Lumpkin R, Pazos M.Measuring surface currents with surface velocity program drifters: The instrument, its data, and some recent results[C]. In: Griffa A, Kirwan A D, Mariano A, Özgökmen T, Rossby T (eds). Lagrangian Analysis and Prediction of Coastal and Ocean Dynamics, 2007,39-67.

[18]
Yi J, Du Y, He Z, et al.Enhancing the accuracy of automatic eddy detection and the capability of recognizing the multi-core structures from maps of sea level anomaly[J]. Ocean Science, 2014,10(1):39-48.

Options
Outlines

/

〈 〉