An ocean front detection and tracking algorithm

要約

ヒストグラムベースの分散分析、リアプノフ指数、勾配のしきい値、および機械学習を含む既存のオーシャンフロント検出方法 – 重大な制限からのスーファー：不連続な出力、過剰検出、単一型の決定への依存、およびオープンソースの欠如
実装。
これらの課題に対処するために、このペーパーでは、メトリック空間分析（BFDT-MSA）を使用したベイジアンフロント検出および追跡フレームワークを提案します。
このフレームワークでは、3つのイノベーションを紹介します。（1）グラデーションプライアーとフィールドオペレーターを統合して、手動のしきい値感度を排除するベイジアン決定メカニズム。
（2）断片化された前面をマージし、偽のリングを削除し、正面ゾーンを薄くしてピクセルレベルの精度を融合させるための形態洗練アルゴリズム。
（3）一時的なフロントトラッキングのための新しいメトリック空間定義、フロント進化の体系的な分析を可能にします。
グローバルSSTデータ（2022–2024）で検証されたBFDT-MSAは、優れた強度（$ 0.16^\ circ $ c/km）、連続性、および空間的一貫性のあるコヒーレンスを達成しながら、ヒストグラムベースの方法と比較して73ドル\％$を過剰検出します。
。
オープンソースリリースは、再現可能な海洋学研究の重要なギャップを橋渡しします。

要約(オリジナル)

Existing ocean front detection methods–including histogram-based variance analysis, Lyapunov exponent, gradient thresholding, and machine learning–suffer from critical limitations: discontinuous outputs, over-detection, reliance on single-threshold decisions, and lack of open-source implementations. To address these challenges, this paper proposes the Bayesian Front Detection and Tracking framework with Metric Space Analysis (BFDT-MSA). The framework introduces three innovations: (1) a Bayesian decision mechanism that integrates gradient priors and field operators to eliminate manual threshold sensitivity; (2) morphological refinement algorithms for merging fragmented fronts, deleting spurious rings, and thinning frontal zones to pixel-level accuracy; and (3) a novel metric space definition for temporal front tracking, enabling systematic analysis of front evolution. Validated on global SST data (2022–2024), BFDT-MSA reduces over-detection by $73\%$ compared to histogram-based methods while achieving superior intensity ($0.16^\circ$C/km), continuity, and spatiotemporal coherence. The open-source release bridges a critical gap in reproducible oceanographic research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google