海上漂浮物的溯源方法、装置、处理器及其计算机可读存储介质与流程

摘要: 本发明涉及近岸海域监测,具体是指一种海上漂浮物的溯源方法、装置、处理器及其计算机可读存储介质。背景技术:1、随着全球海洋贸易和近海人类活动的日益频繁,海上漂浮物...
海上漂浮物的溯源方法、装置、处理器及其计算机可读存储介质与流程

本发明涉及近岸海域监测,具体是指一种海上漂浮物的溯源方法、装置、处理器及其计算机可读存储介质。

背景技术:

1、随着全球海洋贸易和近海人类活动的日益频繁,海上漂浮物污染及违法犯罪问题日趋严峻。据统计,每年约有800万至1100万吨塑料垃圾进入海洋,在全球各大洋形成大面积漂浮垃圾带。与此同时,违法犯罪集团利用海上“埋包”方式(即将违法违禁封装为防水包裹后抛入海中,借助洋流漂移至指定位置由接应方打捞)进行走私的手法不断翻新,给海上执法带来巨大挑战。当发生漂浮物污染事件或查获海上违法违禁包裹时,快速、准确地追溯漂浮物的来源位置(经纬度)和落水时间,对于明确责任主体、制定应急处置方案和打击犯罪具有重要的现实意义。现有技术主要存在以下不足:(1)单一技术局限性强:纯数值模拟方法受限于模型初始条件和参数的不确定性,溯源精度难以突破;纯数据驱动的ai方法缺乏物理约束,在训练数据分布外的场景泛化能力差;单纯的数据同化方法未考虑反向溯源的特殊需求。(2)反演能力不足:现有方法多采用简单的反向粒子追踪进行溯源,未引入基于深度学习的智能反演手段,无法从有限的观测数据中高效推断落水时间和初始位置,也难以处理多源异构观测数据的综合反演问题。(3)实时校正能力缺失:现有溯源方法多为一次性离线计算,无法在新观测数据到来时实时更新和校正溯源结果,难以满足应急场景下持续跟踪和动态修正的需求。(4)多源数据融合不够:卫星遥感、无人机巡查、ais数据、现场采样等多种观测手段获取的数据大多独立使用,缺乏统一的数据融合框架,未能充分发挥多源数据的互补优势。(5)溯源精度有限:现有方法多只能给出大致的来源方向或范围,缺乏对漂浮物来源位置(经纬度)和落水时间的高精度定量判定能力,误差通常在数十公里以上。(6)系统性和智能化程度不足:现有方法多停留在研究层面,缺乏从多源数据接入、数值模拟、ai反演、数据同化到溯源输出的完整智能化技术链条。

技术实现思路

1、本发明的目的是克服了上述现有技术的缺点,提供了一种海上漂浮物的溯源方法、装置、处理器及其计算机可读存储介质。

2、为了实现上述目的,本发明的一种海上漂浮物的溯源方法、装置、处理器及其计算机可读存储介质如下:

3、一种海上漂浮物的溯源方法,包括以下步骤:

4、(1)响应于待追溯的目标漂浮物的发现位置坐标以及发现时间,确定目标海域以及获取发现时间前预设时间段内的所述目标海域的环境数据,将所述环境数据输入已训练好的潮流模型以得到所述目标海域的潮流模拟结果;

5、(2)基于所述发现时间、所述发现位置以及已经训练好的漂浮物预测模型确定所述目标漂浮物的初步投放时间以及初步投放位置;

6、(3)基于所述发现时间、所述发现位置以及训练好的粒子追踪模型生成若干模拟漂浮物;

7、(4)基于已训练好的粒子追踪模型、所述漂浮物预测模型以及所述环境数据,对所述模拟漂浮物进行反向推演;

8、(5)基于反向推演得到各所述模拟漂浮物的投放时间以及投放位置以及所述目标漂浮物的初步投放时间以及初步投放位置确定所述目标漂浮物的投放时间以及投放位置。

9、较佳地,所述步骤(4)具体包括:

10、(4.1)基于所述发现时间前的上一次反向推演时刻,确定各个模拟漂浮物的中间推演位置;

11、(4.2)基于各个模拟漂浮物的中间推演位置进行数据同化处理,以得到中间同化位置;

12、(4.3)基于所述中间同化位置以及更上一次反向推演时刻,确定各个模拟漂浮物的中间推演位置并确定新的中间同化位置,直至反向推演到各所述模拟漂浮物的投放时间,以得到各所述模拟漂浮物的投放位置。

13、较佳地,所述步骤(5)具体包括:

14、(5.1)对各所述模拟漂浮物的投放位置进行数据同化处理,以得到所述目标漂浮物的投放位置。

15、较佳地,所述海上漂浮物的溯源方法,还包括:

16、(6)实时更新所述目标海域的环境数据,并基于更新后的所述环境数据,实时更新所述潮流模型、所述漂浮物预测模型、所述粒子追踪模型中至少一个模型的参数。

17、较佳地,所述步骤(5)之后,还包括:

18、(7.1)基于所述目标漂浮物的投放时间以及投放位置作为输入,调整所述潮流模型、所述漂浮物预测模型以及所述粒子追踪模型中的至少一个模型的参数,并基于参数更新后的所述潮流模型、所述漂浮物预测模型以及所述粒子追踪模型中的至少一个模型对所述模拟漂浮物进行再一次反向推演,以得出新一轮的所述目标漂浮物的投放时间以及投放位置;

19、(7.2)基于新一轮所述目标漂浮物的投放时间以及投放位置以及上一轮的所述目标漂浮物的投放时间以及投放位置确定两轮间的预测时间差以及预测位置差;

20、(7.3)确定是否所述预测时间差小于等于预设时间阈值且所述预测位置差小于等于预设距离阈值,若是,则确定新一轮所述目标漂浮物的投放时间以及投放位置为最终投放时间以及最终投放位置;

21、(7.4)若否,则重新基于所述目标漂浮物的投放时间以及投放位置调整所述潮流模型、所述漂浮物预测模型以及所述粒子追踪模型中的至少一个模型的参数,得出新一轮的所述目标漂浮物的投放时间以及投放位置,直至否所述预测时间差小于等于预设时间阈值且所述预测位置差小于等于预设距离阈值。

22、较佳地,环境数据包括目标海域的水深地形数据、水文观测数据、气象数据、无人机航拍影像数据、历史航迹数据、卫星遥感数据、现场观测数据以及现场观测数据中的至少两种;

23、其中,所述卫星遥感数据包括目标海域的多光谱影像数据、海表温度数据以及海洋水色数据中的至少一种。

24、较佳地,在步骤(1)之前,还包括:

25、(8.1)基于所述目标海域的环境数据以及所述目标漂浮物的分布范围,确定所述目标海域的范围;

26、(8.2)对所述目标海域采用三角形网格离散处理,并对近岸区域、岛礁区域以及地形变化剧烈区域进行局部加密的三角形网格离散处理;

27、(8.3)基于所述环境数据对已经三角形网格离散处理的所述目标海域构建所述潮流模型。

28、较佳地,在步骤(1)之前,还包括:

29、(9.1)获取训练海域的训练环境数据、训练漂浮物的训练发现时间以及训练发现地点;

30、(9.2)基于所述训练环境数据,通过所述漂浮物预测模型预测所述训练漂浮物预测漂流轨迹、预测发现时间以及预测投放位置;

31、(9.3)确定所述漂浮物预测模型的损失,以调整所述漂浮物预测模型的参数直至收敛,得到训练好的所述漂浮物预测模型;

32、其中,所述损失基于所述训练漂浮物的实际漂流轨迹以及所述预测漂流轨迹的第一子损失、所述训练漂浮物的实际发现时间以及所述预测发现时间第二子损失、所述训练漂浮物的实际投放位置以及预测投放位置的第三子损失确定。

33、较佳地,所述训练漂浮物包括历史历史漂浮物以及模拟漂浮物。

34、较佳地,所述步骤(3)具体包括:

35、(3.1)基于所述发现位置坐标确定所述目标范围;

36、(3.2)在所述目标范围中,按照高斯分布扰动生成所述模拟漂浮物,并为所述模拟漂浮物分配在预设范围内随机的风致漂移系数。

37、该用于实现海上漂浮物的溯源的装置,其特征在于,所述的装置包括:

38、处理器,被配置成执行计算机可执行指令;

39、存储器,存储一个或多个计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述的海上漂浮物的溯源方法的各个步骤。

40、该用于实现海上漂浮物的溯源的处理器,其特征在于,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述的海上漂浮物的溯源方法的各个步骤。

41、该计算机可读存储介质,其特征在于,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现上述的海上漂浮物的溯源方法的各个步骤。

42、采用了本发明的该海上漂浮物的溯源方法,通过潮流模型得到目标海域的潮流模拟结果为粒子追踪模型提供物理约束,通过漂浮物预测模型确定所述目标漂浮物的初步投放时间以及初步投放位置,然后再基于粒子追踪模型对若干模拟漂浮物进行反向推演,可准确得到各模拟漂浮物的投放时间以及投放位置,可通过各模拟漂浮物的投放时间以及投放位置准确确定所述目标漂浮物的投放时间以及投放位置。此外,还可以确定各个模拟漂浮物的中间推演位置,从而得到中间同化位置,直至反向推演到各所述模拟漂浮物的投放时间,以得到各所述模拟漂浮物的投放位置,提升了反演能力,进一步提升了预测的准确性;还可以对各所述模拟漂浮物的投放位置进行数据同化处理,得到的投放位置不是一个巨大的范围,而是一个更加准确可具有操作性质较为具体的位置;还通过将目标漂浮物的投放时间以及投放位置作为输入,调整潮流模型和/或所述粒子追踪模型的参数,并基于参数更新后的潮流模型和/或所述粒子追踪模型再一次反向推演,以得出新一轮的投放时间以及投放位置,直至上一轮和本轮的结果在一个预设范围内,提升了实时校正能力缺失,可满足应急场景下持续跟踪和动态修正的需求。