ОКЕАНОЛОГИЯ, 2014, том 54, № 1, с. 105-112
МЕТОДЫ И ПРИБОРЫ ИССЛЕДОВАНИЙ
УДК 551.465
АЛГОРИТМ АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ ТЕМПЕРАТУРНЫХ ОКЕАНИЧЕСКИХ ФРОНТОВ
© 2014 г. В. А. Давидович
ООО "Гроссмейстер", Москва e-mail: krolik39@gmail.com Поступила в редакцию 08.11.2012 г., дата доработки 01.02.2013 г.
Роль и значение фронтов в описании океанской циркуляции давно признаны. Появление спутниковой океанографии привело к разработке методов для автоматического обнаружения фронтов с использованием спутниковых композитных данных. В этой работе мы представляем алгоритм для детектирования фронтов на основе совместного исследования градиентов и изотерм. Алгоритм распознает фронт как последовательность изотерм, обладающих определенными свойствами. Этот подход позволяет обнаружить индивидуальный объект, например, границу склоновой водной массы или северную границу Гольфстрима непосредственно, без предварительного детектирования всех температурных границ в системе. Алгоритм сочетает простоту реализации и высокую вычислительную эффективность с хорошей точностью и высокой надежностью детектирования.
DOI: 10.7868/S0030157414010018
ВВЕДЕНИЕ
Океанический фронт это узкая зона с относительно высокими значениями горизонтальных градиентов свойств (температуры, солености, питательных веществ, и т.д.), которая разделяет более широкие области, представленные различными водными массами или отличающиеся вертикальной структурой (стратификацией) [3].
Роль и значение фронтов в описании океанской циркуляции давно признаны. Во многих случаях фронты являются главными циркуляционными элементами, определяющими динамику океана [2]. Описание пространственно-временной эволюции фронтов является ключевым компонентом прогноза циркуляции и ассимиляции наблюдений [7]. Примером крупномасштабного океанического фронта является фронт Гольфстрима.
С развитием спутниковой океанографии возросло понимание важности детектирования фронтов и прослеживания их пространственно-временной изменчивости "в реальном времени". Уникальные возможности для этого предоставляют спутниковые изображения радиометров ЛУИЯЯ, 8еаШБ8, МОЭК. В связи с интенсивным развитием различных моделей океанской циркуляции важной задачей становится также детектирование фронтов в модельных данных.
Растущий интерес к автоматическим методам детектирования фронтов с использованием спутниковой радиометрии и модельных полей температуры поверхности океана (ТПО) привел к разработке алгоритмов, основанных на различных подходах, начиная с простых методов, основан-
ных на расчетах локальной статистики изменчивости градиентов или аномалий ТПО [6] до более сложных методов, таких как кластерные [9] или основанные на гистограммах [4, 5, 10].
В этой работе мы представляем алгоритм детектирования фронтов на основе совместного анализа градиентов и изотерм, который характеризуется простотой реализации и высокой вычислительной эффективностью, обеспечивая при этом приемлемую точность и высокую надежность (Алгоритм Градиент/Изотерма, АГИ).
Алгоритм позволяет обнаружить индивидуальный объект, например, границу склоновой водной массы или северную границу Гольфстрима, непосредственно, без предварительного детектирования всех температурных границ в системе. Подобная особенность существенно увеличивает скорость работы алгоритма, особенно если нужны не все элементы фронтальной системы, что, например, является обычной ситуацией при ассимиляции данных в моделях циркуляции.
ДАННЫЕ
Использовано поле ТПО, полученное в результате работы модели MARCOOS/HOPS RealTime Forecast System. Эта система, функционирующая с 2009 г., основана на "элемент-ориентированном" (feature-oriented) подходе, разработанном Гангопадхяы и др. [8] для региона меандров и рингов Гольфстрима. В работе также использованы композитные данные ТПО, основанные на спутниковых изображениях NOAA CoastWatch, West Coast Node, dataset: SST, Blended, Global,
(a) (б)
Рис. 1. Визуальное отличие модельных данных (а) от композитных (б). Регион захватывает линию фронта, показанную темной линией. Черные и белые пиксели на рисунке (б) показывают сбойные и отсутствующие данные соответственно. Сходные градации полутонов шкалы температур являются результатом преобразования исходных данных в черно-белый формат для целей данной статьи.
EXPERIMENTAL/5-day (http://thredds1.pfeg.noaa. gov:8080/thredds / Satellite / aggregsatBA / ssta / cat-alog.html? dataset=satellite/BA/ssta/5day). Композитные изображения ТПО сформированы из микроволновых и инфракрасных изображений. Микроволновые инструменты позволяют измерять температуру поверхности даже в присутствии облаков, но имеют ограничения по разрешению. Они дополнены измерениями инфракрасных датчиков и приведены в 5-дневных интервалах. Данные имеют разрешение примерно 14.98 км/пиксель и покрывают регион 30°—50° с.ш. и 55°—79° з.д.
Подробный анализ различия между модельными и спутниковыми композитными данными не входит в задачи данной статьи, однако важно отметить, что основное отличие с точки зрения алгоритмов распознавания заключается в наличии погрешностей измерений и сбойных пикселей в спутниковых композитных данных. В то же время, в модельных данных, являющихся результатом расчета, локальные тренды характеристик в любом направлении от заданного пикселя могут быть подсчитаны точно и не требуют применения статистических процедур.
На рис. 1 один и тот же регион представлен как модельными, так и композитными данными; видно, что локальное распределение температур в модельных данных существенно отличается от композитных. Это упрощает анализ модельных данных автоматическими методами на уровне отдельных пикселей, однако построение поля ТПО расчетным путем часто приводит к его сглажива-
нию, уменьшает абсолютные значения градиентов и тем самым затрудняет детектирование структурных элементов, в частности, фронтов.
Представленный алгоритм работает как с модельными, так и композитными данными.
МЕТОДОЛОГИЯ
Алгоритм основан на том, что, поскольку фронт разделяет водные массы с различными значениями температуры, то местоположение линии фронта совпадает с местоположением определенной изотермы (или участков нескольких последовательных изотерм).
Алгоритм распознает определенные изотермы как объекты, имеющие отношение к искомому фронту, в противоположность к построению искомой линии на основе локальных максимумов градиентов от точки к точке, что характерно для известных алгоритмов этого типа [4, 5, 10]. Наряду с плюсами нашего подхода (быстрота, простота, надежность), у него есть и минус — алгоритм требует предварительного, как правило, однократного, определения некоторых характеристик для каждого детектируемого фронта.
Алгоритм использует специфические особенности дискретных данных. В частности, тот факт, что разные изотермы могут проходить через один и тот же пиксель, в зависимости от разрешения данных и значения интервала температуры между ними.
Алгоритм состоит из трех основных шагов: нахождение точек начала и конца искомой фронталь-
3.5 3.0
1 9 17 25 33 41 49 57 65 73 81 89 97 105113121129137145153161169177185193 201209217225 233241
Пиксели, Юг ^ Север
Рис. 2. Типичный тренд абсолютных значений поперечных градиентов температуры вдоль северной границы Гольфстрима на примере композитного поля ТПО за 2.05.2011 г.
ной линии; выбор подходящих изотерм; построение фронтальной линии из найденных изотерм.
На первом шаге алгоритм находит точки локальных максимумов градиентов в области начала и конца фронтальной линии в соответствии с индивидуальными особенностями искомого фронта. В большинстве случаев это относительно простая задача, требующая, однако, индивидуального подхода к каждому конкретному фронту. Например, для рассматриваемого региона, типа данных и задачи детектирования северной границы Гольфстрима достаточно найти максимальные локальные градиенты температуры по широте вдоль границ региона (на 55° з.д. и 79° з.д.). В данном случае указанные максимумы находятся непосредственным расчетом по исходным данным без применения каких-либо специальных процедур. Для расчета достаточно взять соседние по широте пиксели для указанной долготы. В силу того, что этот шаг алгоритма носит индивидуальный характер для каждого конкретного фронта, в статье он подробно не рассматривается. Отметим лишь, что в данном случае выбор такого решения основан на анализе данных за продолжительный период. Были использованы еженедельные композитные данные за период с 6 сентября 2010 г. по 11 апреля 2011 г. для региона 30°—50° с.ш., 45°—80° з.д. Подробное описание использованных для этих целей данных и экспертно-аналитических материалов представлено в [1]. Данные были приведения к разрешению, использованному в этой работе. В процессе анализа определено, что для указанных выше долгот (55° з.д. и 79° з.д.) такой непосредственный расчет локальных максимумов градиентов дает надежные результаты. Для других участков региона подобный подход может
приводить к существенным ошибкам позиционирования фронта. В общем случае выбор метода определения максимумов градиентов в области начала и конца фронтальной линии требует предварительного анализа исходных данных с учетом особенностей конкретного фронта.
На втором шаге определяется множество изотерм, которые потенциально могут характеризовать искомую фронтальную линию. Это именно те изотермы, которые проходят через точки, найденные на первом шаге.
На третьем шаге из множества изотерм выбираются изотермы, характеризующие искомый фронт, и определяются точки, в которых линия фронта переходит с одной изотермы на другую. Фронтальная линия строится на основе выбранных изотерм.
ПРЕДВАРИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
Изотермы в дискретных данных. В дискретном поле ТПО в каждой точке изотермы принципиально присутствует ошибка позиционирования (ОП), поскольку точка не может быть помещена между соседними пикселями.
1. Максимальная ОП (МОП) есть 1А расстояния между пикселями и, в терминах температуры, может быть оценена как | Т1 — Т2|/2, где Т1 и Т2 — значения температуры в соседних пикселях (поперек направления линии изотермы в данной
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.