一种基于Argo的海洋溶解氧空间格网模型构建方法

技术领域

本发明涉及海洋信息技术领域，尤其涉及一种基于Argo的海洋溶解氧空间格网模型构建方法。

背景技术

海洋溶解氧(dissolved oxygen,DOXY)是溶解于水体中的氧气，它为海洋生物生存提供必要的生化环境，是海洋生命活动不可缺少的重要物质。海水中的溶解氧浓度不仅是衡量海水水质状、评估海洋生态环境的主要指标、海洋科学实验和资源勘探的重要依据，也是了解海洋生物地球化学过程、全球气候变化以及海洋碳循环的必要参数。

现有全球溶解氧浓度空间格网数据主要基于船测、锚浮标、水下智能探测设备，数据持续更新能力差。其中船测是最主要的方式，例如通过CTD采水器进行水样采集，然后对连续(离散)水柱样品进行化学分析滴定法进行测定得到。现有技术中船测方式存在着采样率过低和时空分辨率不足的缺陷，同时船载观测的时间成本和经济成本很高，船测方式受限于极端天气的影响，在恶劣海况、极地海区等条件下，观测数据都十分匮乏。目前海洋溶解氧的观测数据仍然相对稀疏且时空分布不均匀，这极大地限制了人们对全球海洋溶解氧时空分布及其受物理过程影响的认识与理解，因此市场上急需覆盖更多时间和空间范围的溶解氧观测和分析数据处理方法。

发明内容

鉴于上述的分析，本发明旨在提供，用以解决现有的技术问题中的至少一个。

本发明的目的主要是通过以下技术方案实现的：

本发明提供了一种基于Argo的海洋溶解氧空间格网模型构建方法，包括以下步骤：

基于历年同月份的Argo溶解氧剖面数据筛选获得气候态月尺度溶解氧数据；

由气候态月尺度溶解氧数据构建对应气候态月的经纬度坐标确定的溶解氧浓度与目标深度的关系模型，得到多个经纬度坐标下不同目标深度的溶解氧浓度；

利用经纬度坐标将每一目标深度对应的平面分割为多个空间单元，通过对同一目标深度下不同空间单元的溶解氧浓度进行插值计算，获得不同目标深度下各个所述空间单元的溶解氧浓度，以构建得到所述海洋溶解氧空间格网模型。

优选的，所述获得气候态月尺度溶解氧数据，包括：获取Argo历年溶解氧剖面数据；以月份为筛选参数筛选得到每一月份的历年气候态月尺度溶解氧数据Doxy

优选的，所述Argo溶解氧剖面数据通过在同一经纬度坐标(LO

所述得到多个经纬度坐标下不同目标深度的溶解氧浓度，包括：

将对应气候态月尺度溶解氧数据中经纬度坐标确定的溶解氧浓度已知的不同深度溶解氧浓度数据，建立Doxy

基于所述关系模型、经纬度坐标下以及目标深度Depth

优选的，所述建立Doxy

从同一经纬度坐标的Argo溶解氧浓度剖面数据中选取与观测点(Doxy

从同一经纬度坐标的Argo溶解氧浓度剖面数据中选取与采样点(x

按照以下公式构建观测点(Doxy

f(x)＝p

p

p

其中t

优选的，所述通过对同一目标深度下不同空间单元的溶解氧浓度进行插值计算，包括：

由多个经纬度坐标下不同目标深度的溶解氧浓度构建多个经纬度坐标下深度h的溶解氧浓度的数据子集A

由空间异质性分区等级、数据子集A

根据数据子集A

基于所述权重w

优选的，所述筛选数据特征点，包括：

以第k个空间单元中心为圆心，将数据子集A

1)筛选满足数据特征点数量≥3的数据特征点集合作为候选数据子集；

2)比较所有候选数据子集的参数x，筛选x取最小值的候选数据子集作为数据子集A

优选的，所述获取各个空间单元背景场溶解氧浓度f

优选的，所述权重w

将qc

根据第j个经纬度坐标点第y个数据点距离空间单元中心的距离d

其中，N为数据子集A

基于所述质量标识权重w

W

优选的，所述对第k个空间单元的h深度的溶解氧浓度进行插值计算，包括：

由下述(1)式迭代获得Δf；

若Δf<1.00umol/kg，或最大迭代次数大于等于10，由(2)式得到h深度的第k个空间单元的溶解氧浓度最终的插值结果；

若Δf≥1.00umol/kg，且最大迭代次数小于10，将(2)式输出h深度的第k个空间单元的溶解氧浓度最终的插值结果再次作为f

(1)式为：

(2)式为：

其中，f

优选的，所述拟合函数模型为包含倒数要素的多项式拟合模型。

优选的，所述关系模型为Akima拟合函数。

与现有技术相比，本发明至少可实现如下有益效果之一：

(1)本发明对气候态月尺度溶解氧数据构建具体经纬度坐标溶解氧浓度未知的目标深度的溶解氧浓度-深度的拟合函数模型，将现有Argo剖面数据库提供的不同深度离散数据模拟计算出不同深度连续数据，极大弥补了现有Argo剖面数据库在不同深度上数据稀疏的不足；具体的采用Akima插值拟合将离散的数据点拟合形成曲线同时考虑到了倒数要素的效应，引入相比于其他样条函数拟合的曲线更为光滑、自然；同时使得在插值点附近拟合收敛，减少插值点附近过拟合可能性。

(2)与现有技术相比，本发明利用经纬度坐标将每一目标深度对应的平面分割为不同空间单元，以目标深度的溶解氧浓度对同一目标深度下不同空间单元的溶解氧浓度进行插值计算，获得该目标深度下不同空间单元的溶解氧浓度，进而获得不同目标深度下不同空间单元的溶解氧浓度，极大弥补了现有Argo剖面数据库在不同经纬度坐标上数据稀疏的不足。

(3)本发明采用Argo系统为代表的自带动力的主动浮标式采样系统，相对传统船舶采样的方式具有更低的使用成本，采样方式更加灵活，可以适应同时异地大批量采样的任务场景；相对传统的被动式浮标采样，主动浮标可以通过主动运动完成更大区域采样，具有更高的采样效率和对海洋洋流系统的抗性，可以完成既定区域的高效准确的采样。

(4)本发明采用对各经纬度坐标不同深度的溶解氧数据进行空间异质性分区，避免了空间单元进行插值计算时选用溶解氧浓度相差过大的异质区域造成的干扰，有利于提高插值计算的准确度。

(5)本发明采用k-means聚类算法对各经纬度坐标不同深度的溶解氧数据进行空间异质性分区，具有收敛速度快、效率高的优点，同时本发明采用k-means聚类分析采用空间经纬度坐标和溶解氧浓度为特征参数和后续的空间单元插值计算的参数具有良好的一致性，因而k-means聚类分析结果和空间单元插值计算具有更好的一致性和匹配程度

(6)本发明同时引入和距离相关的空间权重和Argo数据自身质量相关的质量标识权重，同时考虑到距离空间单元距离和Argo数据自身质量因素，避免了两种因素对权重干扰，有利于减少对数据相关性评估的误差，提高插值计算的准确率。

(7)本发明采用对空间单元中心附近数据特征点的溶解氧浓度和空间单元背景溶解氧浓度的插值进行逼近求极小值，进而实现离散输入变量(数据特征点的溶解氧浓度)求收敛极值Δf；并将Δf作为背景场初始溶解氧浓度f

本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书实施例以及附图中所特别指出的内容中来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明一种基于Argo的海洋溶解氧空间格网模型构建方法的流程图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本发明的一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

基于现有技术中存在的技术问题，本发明提出基于全球海洋生物地球化学浮标剖面数据的海洋溶解氧空间格网模型。

Argo(Array for real-time geostrophic oceanography)是生物地球化学领域唯一全球立体观测上层海洋的实时观测系统，在全球范围内提供了24万条溶解氧剖面数据，为理解和分析全球海洋溶解氧的现状特征和变化趋势提供了重要数据基础。

Argo采用具有动力的主动浮标式采样系统，按照“下潜-预设深度层漂流-再次下潜-上升测量-表层定位和数据传输”方式运行。Argo浮标在一个运行周期只能在上浮阶段对一个经纬度地点不同深度溶解氧进行测量，但受限于Argo的取样方案设计，Argo系统难以避免存在不同经纬度坐标数据稀疏的问题。

同时由于Argo浮标在设计之初为了防止海表污染物随海水进入到传感器内降低观测精度，所以约80％的Argo浮标在海洋表层0dbar～3dbar内不进行观测，造成表层溶解氧数据缺失；同时由于Argo浮标的观测过程以及所处的海洋环境非常复杂，在垂直方向上所观测的溶解氧数据是离散且不规律的，在垂直方向上Argo系统也存在数据稀疏的问题。

建立基于剖面空间特征和质量标识的海洋溶解氧插值方法，研制标准观测层深度全球气候态月尺度海洋溶解氧空间格网产品，为开展全球海洋生态健康评估和可持续发展管理提供数据基础。

基于发明人在研究过程中发现的问题，本发明公开一种基于Argo的海洋溶解氧空间格网模型的构建方法，具体有以下步骤：

步骤1：基于历年同月份的Argo溶解氧剖面数据筛选获得气候态月尺度溶解氧数据；

具体的，所述气候态月尺度溶解氧数据的获取方法为：访问Argo历年溶解氧剖面数据，筛选第M月份的历年气候态月尺度溶解氧数据Doxy

步骤2：由气候态月尺度溶解氧数据构建对应气候态月的经纬度坐标确定的溶解氧浓度与目标深度的关系模型，得到多个经纬度坐标下不同目标深度的溶解氧浓度。

具体的，由第M月气候态月尺度溶解氧数据Doxy

步骤3：利用经纬度坐标将每一目标深度对应的平面分割为多个空间单元，通过对同一目标深度下不同空间单元的溶解氧浓度进行插值计算，获得不同目标深度下各个所述空间单元的溶解氧浓度，以构建得到所述海洋溶解氧空间格网模型。

具体的，对多个经纬度坐标下不同目标深度的溶解氧浓度按照溶解氧浓度和经纬度坐标进行空间异质分区，筛选出空间单元中心附近的在同一深度的数据特征点，并根据数据特征点的质量标识和数据特征点与空间单元中心距离差值计算获得空间单元溶解氧浓度。

与现有技术相比，本发明对气候态月尺度溶解氧数据构建具体经纬度坐标溶解氧浓度未知的目标深度的溶解氧浓度-深度的拟合函数模型，将现有Argo剖面数据库提供的不同深度离散数据模拟计算出不同深度连续数据，极大弥补了现有Argo剖面数据库在不同深度上数据稀疏的不足。

与现有技术相比，本发明利用经纬度坐标将每一目标深度对应的平面分割为不同空间单元，以目标深度的溶解氧浓度对同一目标深度下不同空间单元的溶解氧浓度进行插值计算，获得该目标深度下不同空间单元的溶解氧浓度，进而获得不同目标深度下不同空间单元的溶解氧浓度，极大弥补了现有Argo剖面数据库在不同经纬度坐标上数据稀疏的不足。

与现有技术相比，本发明采用Argo系统为代表的自带动力的主动浮标式采样系统，相对传统船舶采样的方式具有更低的使用成本，采样方式更加灵活，可以适应同时异地大批量采样的任务场景；相对传统的被动式浮标采样，主动浮标可以通过主动运动完成更大区域采样，具有更高的采样效率和对海洋洋流系统的抗性，可以完成既定区域的高效准确的采样。

具体的，Argo溶解氧浓度剖面数据在同一经纬度坐标(LO

步骤2.1：将气候态月尺度溶解氧数据中溶解氧浓度已知的不同深度溶解氧浓度数据，建立Doxy

步骤2.2：向步骤2.1中拟合函数输入第j个经纬度坐标下第i个观测点的目标深度Depth

具体的Akima插值法的原理为：基于插值点附近的已知数据点建立具有一阶导数的三次多项式曲线。

与现有技术相比，本发明采用Akima插值拟合将离散的数据点拟合形成曲线同时考虑到了倒数要素的效应，引入相比于其他样条函数拟合的曲线更为光滑、自然。

具体的，步骤2.1所述建立Doxy

步骤2.1.1：利用分析软件中Akima数学包，从同一经纬度坐标的Argo溶解氧浓度剖面数据中选取与观测点(Doxy

步骤2.1.2：从同一经纬度坐标的Argo溶解氧浓度剖面数据中选取与采样点(x

具体的，采用python中Akima数学包，按照以下公式构建观测点(Doxy

f(x)＝p

p

p

其中t

与现有技术相比，本发明采用插值点附近取样点的倒数作为多项式拟合项的系数，将离散的数据点拟合形成曲线，Akima插值考虑了要素倒数的效应，使得在插值点附近拟合收敛，减少插值点附近过拟合可能性。

具体的，步骤3所述空间单元分割方法为：

利用多个经纬度坐标下不同目标深度的溶解氧浓度，将空间单元的各深度溶解氧浓度进行插值计算获得空间单元不同深度的溶解氧浓度数据集F(Doxy

具体的，步骤3所述通过对同一目标深度下不同空间单元的溶解氧浓度进行插值计算为：

步骤3.1：由多个经纬度坐标下不同目标深度的溶解氧浓度构建多个经纬度坐标下深度h的溶解氧浓度的数据子集A

步骤3.2：

由空间异质性分区等级、数据子集A

步骤3.3：根据数据子集A

步骤3.4：基于所述权重w

与现有技术相比，本发明对各经纬度坐标不同深度的溶解氧数据进行空间异质性分区，避免了空间单元进行插值计算时选用溶解氧浓度相差过大的异质区域造成的干扰，有利于提高插值计算的准确度。

具体的，步骤3.1所述空间异质性分区可以借助python软件实现：

步骤3.1.1：

将多个经纬度坐标下不同目标深度的溶解氧浓度以xml等通用格式导入后，利用python的K-means聚类分析包，从溶解氧浓度数据中筛选深度为h的数据点构建子集A

步骤3.1.2：

本方案包含经纬度坐标和溶解氧浓度两个类别，将类别数z设置为2；迭代误差阈值e

步骤3.1.3：

将迭代次数t初始设置为0，求得z个初始聚类中心C

步骤3.1.4：

以t为变量，进行t次迭代后，由C

步骤3.1.5：

在步骤3.1.4获得b0后，按照以下公式计算新的聚类中心：

其中，b＝1，2，…，z；N

步骤3.1.6：

以t为变量，对C

步骤3.1.7：

对z和u进行比较，若k≥u，则聚类结束；若k＜u，则将k＝k+1迭代后转向步骤3.1.3。

步骤3.1.8：

将步骤3.1.7输出的聚类分析结果构建空间异质分析数据集Q或导入GIS数据库中绘制数据集A中数据点在深度h的空间异质分析图；空间异质分析数据集Q按照溶解氧浓度不同将数据子集A

与现有技术相比，本发明采用k-means聚类算法对各经纬度坐标不同深度的溶解氧数据进行空间异质性分区，具有收敛速度快、效率高的优点，同时本发明采用k-means聚类分析采用空间经纬度坐标和溶解氧浓度为特征参数和后续的空间单元插值计算的参数具有良好的一致性，因而k-means聚类分析结果和空间单元插值计算具有更好的一致性和匹配程度。

具体的，步骤3.2所述空间单元背景场溶解氧浓度f

步骤3.2.1：以第k个空间单元中心为圆心，将数据子集A

1)筛选满足数据特征点数量≥3的数据特征点集合作为候选数据子集；

2)比较所有候选数据子集的参数x，筛选x取最小值的候选数据子集作为数据子集A

步骤3.2.2：由数据子集A

与现有技术相比，本发明采用对距离空间单元中心最近的至少三个空间异质性分区等级相同的数据特征点溶解氧浓度平均值作为空间单元背景场溶解氧浓度f

具体的，步骤3.3所述权重w

步骤3.3.1：Argo溶解氧剖面数据中自带对溶解氧剖面数据的质量标识qc

从Argo溶解氧剖面数据中获取第j个经纬度坐标点第y个数据点的质量标识qc

步骤3.3.2：

根据第j个经纬度坐标点第y个数据点距离空间单元中心的距离d

N为数据子集A

步骤3.3.3：

由空间标识权重w

W

与现有技术相比，本发明同时引入和距离相关的空间权重和Argo数据自身质量相关的质量标识权重，同时考虑到距离空间单元距离和Argo数据自身质量因素，避免了两种因素对权重干扰，有利于减少对数据相关性评估的误差，提高插值计算的准确率。

具体的，步骤3.4、对第k个空间单元的在h深度的溶解氧浓度进行插值计算的方法为：

由(1)式迭代计算Δf；

若Δf<1.00umol/kg，或最大迭代次数大于等于10，由(2)式输出h深度的第k个空间单元的溶解氧浓度最终的插值结果；

若Δf≥1.00umol/kg，且最大迭代次数小于10，将(2)式输出h深度的第k个空间单元的溶解氧浓度最终的插值结果再次作为f

其中，f

与现有技术相比，本发明同时引入和距离相关的空间权重和Argo数据自身质量相关的质量标识权重，同时考虑到距离空间单元距离和Argo数据自身质量因素，避免了两种因素对权重干扰，有利于减少对数据相关性评估的误差，提高插值计算的准确率。

与现有技术相比，本发明采用对空间单元中心附近数据特征点的溶解氧浓度和空间单元背景溶解氧浓度的插值进行逼近求极小值，进而实现离散输入变量(数据特征点的溶解氧浓度)求收敛极值Δf；并将Δf作为背景场初始溶解氧浓度f

作为举例，按照上述方法计算7月份全球海域水深度10m处最终插值结果，并将计算结果代入GIS软件获得7月份全球海域水深度10m处溶解氧浓度分布图，克服了Argo剖面数据在全球海域分布稀疏不连续的缺陷。

现有技术中，将数据特征点的溶解氧浓度简单平均而来的空间单元背景场溶解氧浓度直接作为空间单元的溶解氧浓度，没有考虑不同数据特征点的影响权重；与现有技术相比，本发明采用对空间单元中心附近数据特征点的溶解氧浓度和空间单元背景溶解氧浓度的插值进行逼近求极小值，进而实现离散输入变量(数据特征点的溶解氧浓度)求收敛极值Δf；并将Δf作为背景场初始溶解氧浓度f

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。