近日，广东省科学院广州地理研究所正高级工程师杨骥团队在亚中尺度小尺度海洋涡旋检测研究方面取得新进展。相关成果发表于《海洋科学进展》。
论文第一作者、广东省科学院广州地理研究所助理工程师贾翊文表示，海洋涡旋普遍存在于全球海洋中，在物质能源运输、再分配及全球气候变化等方面发挥着重要作用。受限于观测手段，传统的海洋涡旋研究主要集中在中尺度涡方面，针对亚中尺度和小尺度观测研究相对较少。
该研究利用ers-1/2、envisat、sentinel、gf-3和alos-2等卫星影像，构建了一个包含亚中尺度与小尺度海洋涡旋的sar影像数据集，涵盖了多源、多尺度的海洋涡旋目标。
基于构建的数据集，研究人员分别采用retinanet、faster r-cnn和cascade r-cnn三种深度学习目标检测网络进行实验，并对三种网络的检测速度、检测精度与抗背景干扰能力开展综合性对比分析。
结果表明，在检测速度方面，retinanet网络更快；在检测精度方面，faster r-cnn比retinanet和cascade r-cnn更高；在抗背景干扰方面，cascade r-cnn的抗背景干扰能力更强，在涡旋目标分布密集且与背景区分度较低的情况下，能够正确检测出更多的涡旋。
上述研究得到国家重点研发计划项目、国家自然科学基金项目、广东省科技计划项目以及广东省科学院发展专项资金项目的支持。（来源：中国科学报 朱汉斌）
相关论文信息：https://doi.org/10.12362/j.issn.1671-6647.20220907001