8、海洋中尺度涡检测：数据处理与模型训练全流程解析

最新推荐文章于 2025-10-01 23:55:23 发布

kubernetes8ctl

最新推荐文章于 2025-10-01 23:55:23 发布

阅读量40

点赞数

CC 4.0 BY-SA版权

分类专栏： AI赋能地球科学前沿文章标签：海洋中尺度涡 SSH地图高通滤波

本文链接：https://blog.youkuaiyun.com/kubernetes8ctl/article/details/152113340

AI赋能地球科学前沿专栏收录该内容

38 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

海洋中尺度涡检测：数据处理与模型训练全流程解析

1. SSH地图预处理

SSH（海面高度）场包含了从小尺度到大规模的各种特征，而中尺度涡通常被定义为直径在100 - 300公里的特征。为了更好地识别这些中尺度涡，第一步是使用高通滤波器去除大规模的变化。具体操作如下：
- 大规模变化是通过对绝对动力地形（ADT）场应用一阶Lanczos滤波器进行平滑计算得到的，该滤波器的半功率截止波长为700公里。
- 将平滑结果从原始的ADT地图中减去，从而得到仅包含中尺度变化的高通滤波网格。

以下是相关代码示例：

import os
from datetime import datetime
from copy import deepcopy

data_root = os.path.join(os.path.expanduser("~"), "ML_eddies")
train_folder = os.path.join(data_root, "cds_ssh_1998-2018_10day_interval")
test_folder = os.path.join(data_root, "cds_ssh_2019_10day_interval")
example_file = os.path.join(test_folder,
                            "dt_global_twosat_phy_l4_20190101_vDT2021.nc")
date = datetime(2019, 1, 1)

# 假设网格的像素位置是居中的
# 这里省略了部分代码，如plot_varia