一种基于物理一致性约束的海洋温度盐度场反演结果校正方法

摘要: 本发明涉及反演校正,特别是涉及一种基于物理一致性约束的海洋温度盐度场反演结果校正方法。背景技术:1、海洋次表层温度预测在海洋相关领域的研究中一直发挥着重要作用,...
一种基于物理一致性约束的海洋温度盐度场反演结果校正方法

本发明涉及反演校正,特别是涉及一种基于物理一致性约束的海洋温度盐度场反演结果校正方法。

背景技术:

1、海洋次表层温度预测在海洋相关领域的研究中一直发挥着重要作用,海洋次表层温度预测与全球变暖、渔业、海洋环境保护等与海洋相关的各个领域密切相关,通过对海洋次表层温度的监测与分析,可以更好的理解和预测海洋温度变化对估算海洋次表层的热结构、研究海洋生态系统以及全球气候等。准确对海洋次表层不同深度的海洋温度进行反演在对于理解海洋的动态过程、监测海洋环流、预测海洋天气、研究海洋的季节性和长期变化等都至关重要。受温跃层的影响,预测海洋内部温度的方法并不简单。

2、目前的研究大多基于海洋表面温度,但实际应用中对海洋内部温度的预测更为重要。海洋次表层温度不仅与海面温度、海面高度、海面风等特性的变化密切相关,更与不同深度的海洋温度密切相关。采用传统的海洋温度反演方法由于未考虑海洋内部温度而会存在较大的反演误差,难以获得较好的反演效果,会影响对海洋次表层的热结构、海洋生态系统以及全球气候等方面的研究和理解。如何利用不同深度的海洋温度的相关性,建立表现更好的模型,反演更加准确海洋次表层温度,对海洋状态模拟和动力过程预测都具有十分重要的意义。

3、海洋温度和盐度是表征海洋环境状态的两项基础物理量,在全球气候变化、海洋生态系统、渔业资源评估及海洋环境保护等领域具有重要作用。通过对海洋次表层温度与盐度的监测与分析,有助于更好地理解海洋内部结构特征及其变化过程,并为气候变化研究和海洋环境预测提供重要依据。对海洋次表层不同深度的温度和盐度进行准确反演,对于揭示海洋内部动力过程、监测海洋环流变化、预测海洋环境演变以及研究海洋的季节性和长期变化具有重要意义。

4、随着卫星遥感技术的发展,海表多源观测数据(如海表温度、海表高度及风场等)获取能力不断提升,为海洋内部温盐结构的反演提供了重要数据基础。基于数据驱动的海洋温盐反演方法,能够利用海表信息对海洋次表层甚至深层结构进行估计,并在一定程度上恢复海洋三维温盐分布。然而,现有反演方法通常对温度和盐度分别进行建模与预测,其结果主要依赖于数据拟合过程,缺乏对多变量之间内在物理关系的约束。在此情况下,虽然反演结果在统计意义上具有较高精度,但不同变量之间可能存在不一致问题,从而影响整体结构的合理性。

5、此外,部分方法尝试在模型构建过程中引入物理约束,但该类方法通常需要在模型中嵌入复杂约束机制,容易增加模型训练难度,并对模型稳定性产生影响。因此,有必要在已有反演结果基础上,提出一种能够对多变量进行联合校正的方法,以提高反演结果的整体一致性与可靠性。

技术实现思路

1、针对上述现有技术,本发明在于提供一种基于物理一致性约束的海洋温度盐度场反演结果校正方法,在不改变原始反演模型结构的情况下,在反演结果基础上进行二次校正,从而避免传统物理约束模型中数据与物理冲突问题。

2、为达到上述目的,本发明实施例的技术方案是这样实现的:本发明公开了一种基于物理一致性约束的海洋温度盐度场反演结果校正方法,校正方法包括下列步骤:

3、基于反演模型获得各标准深度层的初始原位温度场、初始实用盐度场,并计算对应的初始绝对盐度场、初始保守温度场、初始密度场;

4、将同一时空下的参考绝对盐度场、参考保守温度场、参考密度场与所述初始绝对盐度场、初始保守温度场、初始密度场进行样本匹配,构建联合校正数据集;

5、建立联合校正模型,并基于联合校正数据集对所述联合校正模型进行迭代训练,并在训练过程中引入物理一致性约束损失项和监督损失项对输出结果进行约束;

6、将待校正反演结果输入训练后的联合校正模型,输出校正后的保守温度场、绝对盐度场及密度场,结合位置信息换算得到校正后的实用盐度场与原位温度场;

7、基于联合校正数据集对所述联合校正模型进行迭代训练,并在训练过程中引入物理一致性约束损失项和监督损失项对输出结果进行约束,具体包括:

8、将所述联合校正数据集中各训练样本的初始绝对盐度、初始保守温度及初始密度输入所述联合校正模型,所述联合校正模型输出校正后的绝对盐度、保守温度及密度;

9、计算校正后的绝对盐度、保守温度及密度与训练样本中的参考绝对盐度、参考保守温度及参考密度之间的第一偏差;

10、将校正后的绝对盐度、保守温度以及对应的静水压力代入海水状态方程求解得到理论密度,计算校正后的密度与理论密度之间的第二偏差;

11、基于第一偏差构建监督损失项,基于第二偏差构建物理一致性约束损失项,并由监督损失项与物理一致性约束损失项组合形成总损失函数;

12、以总损失函数最小化为目标迭代调整所述联合校正模型的模型参数,直至损失收敛,完成所述联合校正模型的训练。

13、可选的,基于反演模型获得各深度层初始原位温度场、初始实用盐度场,具体包括:

14、获取目标海域的海表观测数据,所述海表观测数据包括海表温度数据和海表盐度数据;

15、以所述海表观测数据作为反演模型的输入数据源,经特征提取后映射生成各标准深度层的初始原位温度场、初始实用盐度场。

16、可选的,计算对应的初始保守温度场,具体包括:

17、依据各标准深度层的中心深度所处深度,结合参考海水密度与重力加速度,计算得到各标准深度层所对应的静水压力;

18、将各标准深度层的初始原位温度场、初始绝对盐度与对应的静水压力代入海水热力学方程,求解得到各标准深度层的初始保守温度场。

19、可选的,计算对应的初始绝对盐度场,具体包括:

20、基于初始实用盐度场中各位置对应的初始实用盐度,按照预设比例系数确定参考盐度分量;

21、根据各位置的经纬度坐标与当前深度层的静水压力确定各位置的绝对盐度异常分量;

22、结合参考盐度分量与绝对盐度异常分量得到各位置的初始绝对盐度,并生成初始绝对盐度场。

23、可选的,计算对应的初始密度场,具体包括:将同一深度层的初始绝对盐度、初始保守温度以及静水压力代入海水状态方程,逐层计算得到各深度层的初始密度场。

24、可选的,将同一时空下的参考绝对盐度场、参考保守温度场、参考密度场与所述初始绝对盐度场、初始保守温度场、初始密度场进行样本匹配,构建联合校正数据集,具体包括:

25、从glorys12v1数据中提取与初始反演结果具有相同时空关系和深度关系的标准原位温度数据与标准实用盐度数据;

26、基于标准原位温度数据与标准实用盐度数据获得参考绝对盐度场、参考保守温度场及参考密度场;

27、将每组参考绝对盐度场、参考保守温度场及参考密度场与所述初始绝对盐度场、初始保守温度场、初始密度场共同构成一个训练样本;

28、多组训练样本构成联合校正数据集。

29、可选的,所述监督损失项包括温度误差项、盐度误差项与密度误差项,所述温度误差项的表达式为:

30、

31、式中,表示温度误差项,表示第i个校正后的保守温度,表示参考保守温度,表示样本总数,i表示样本序号;

32、所述盐度误差项的表达式为:

33、

34、式中,表示盐度误差项,表示第i个校正后的绝对盐度,表示参考绝对盐度;

35、所述密度误差项的表达式为:

36、

37、式中,表示密度误差项,表示第i个校正后的密度,表示参考密度。

38、可选的,所述物理一致性约束损失项的表达式为:

39、

40、式中,表示基于海水状态方程计算理论密度的函数,表示第i个样本对应深度的静水压力,表示物理一致性约束损失项。

41、可选的,总损失函数的表达式为:

42、

43、式中,表示温度误差项的权重,表示盐度误差项的权重,表示密度误差项的权重,表示物理一致性约束损失项的权重。

44、本发明的有益效果在于:本方法作为后处理校正环节独立于原始反演模型运行,所述联合校正模型以各标准深度层的初始绝对盐度、初始保守温度及初始密度为输入,其输入输出接口不依赖特定的反演模型结构,适用于基于不同反演模型获得的初始反演结果,具有良好的通用性与可扩展性;

45、通过将初始反演结果转换至绝对盐度、保守温度及密度构成的三变量联合表征,并在联合校正模型的训练过程中引入密度一致性约束与监督损失项,即使实现对初始反演误差的系统性修正,使校正后的温盐场在保持原反演信息的基础上向参考场逼近,整体反演精度得到提升,也使校正后的温度与盐度组合满足海水状态方程,校正后的温盐密三者之间保持热力学一致,有效避免了现有方法中温度与盐度分别反演所导致的物理不自洽问题,显著提升三维温盐结构的物理合理性与可靠性。