现阶段,人类已进入大规模开发利用海洋时期,海洋成为世界各国竞相争夺的主要战场。依赖于高新海洋科学技术,不断加深对海洋的全面认识,是实现合理管控、高效开发、可持续发展海洋的核心。中尺度涡作为重要的海洋现象广泛存在于世界大洋和边缘海中,携带了海洋中超过90%的动能,以非规则螺旋状结构持续高速自转和水平运动,并改变着海洋中能量和物质的垂直与水平分布。海洋中物质和能量的时空动态变化对气候和生态具有深远的影响,因此,实现中尺度涡的动态监测和时空特征分析,不仅有助于海洋气候变化和海洋生态资源分布的研究,同时在深海捕捞和远洋渔业等实际应用中发挥重要作用。中尺度涡的自动识别是实现其动态监测、进行时空动态变化特征分析的重要手段。海洋遥感可远距离、非接触、快速地获取海洋现象和海洋环境要素信息,为中尺度涡自动识别研究提供了不可替代的数据源。基于海洋遥感数据的中尺度涡识别成为研究热点,主要的研究方法可分为基于物理特征、基于流场几何特征以及两种方法的结合。但是,现有基于物理特征识别方法在人工设计特征过程中引入了大量人为主观因素,导致中尺度涡识别精准度低的问题。同时,与陆地遥感相比,海洋遥感影像具有显著的弱特征性,主要表现为光谱低反差性和高动态海洋要素特征表达的不确定性,加剧了现有基于人工设计特征识别方法精准度低的问题。此外,基于流场几何特征识别方法采用专家设定阈值的特点缺乏泛化能力。特别地,中尺度涡由具体海域多种海洋要素相互作用形成,呈现出与空间差异相关的高动态性;并且其几何形状和物理特性在运动过程中随着能量的注入或消散均发生高度的动态变化,基于单一阈值的识别方法无法满足高动态中尺度涡自动识别的需求,极大地限制了中尺度涡研究的进展。论文以中尺度涡自动精准识别为研究目标,针对现有方法对于高动态中尺度涡自动识别的局限性,结合深度学习的思想,提出了基于特征学习的中尺度涡自动识别模型,论文主要研究内容为:(1)构建基于SAR影像的中尺度涡训练数据集。SAR卫星具有全天时、全天候、高分辨率的观测优势,为中尺度涡的精细化研究提供了必要的数据基础。本文采用欧空局提供的2005-2010年,5°N-25°N,108°E-125°E范围海域的ESA-2和Envisat SAR影像,基于人工目视方法,采用外接矩形对中尺度涡进行手工标注,并采用数据扩充方法提升训练数据集规模,增加训练数据集的多样性;(2)研究基于特征学习的中尺度涡自动识别模型。中尺度涡的高层本质特征的获取与表达是实现其自动识别的关键。本文基于SAR影像中尺度涡训练数据集规模小的现况,从模型框架和模型参数初始化两方面入手,构建适合于高动态中尺度涡自动识别的多层网络模型Deep Eddy,通过Deep Eddy的多层网络模型对中尺度涡高层本质特征的逐级抽象与表达,进而实现中尺度涡的自动精准识别。实验表明Deep Eddy模型的最优中尺度涡识别精准度达96.88%。(3)提出形态和尺度鲁棒的中尺度涡自动识别模型。中尺度涡存在严重的几何形变和空间尺度差异,显著影响其自动识别的精准度。其中,多尺度空间特征的获取是降低几何形变和空间尺度差异影响识别精准度的关键,本文基于空间金字塔模型对中尺度涡自动识别的多层网络模型进行改进,记作Deep Eddy+,实现中尺度涡多尺度空间特征的提取与表达。实验表明,在同样模型参数设置情况下,Deep Eddy+模型的中尺度涡识别精准度明显优于Deep Eddy模型,其中,Deep Eddy+模型的中尺度涡最优识别精准度达98.47%。(4)中尺度涡自动识别模型的实证分析。采用Deep Eddy+模型对获取的研究海域SAR影像进行自动识别,依据自动识别结果对中尺度涡的尺寸大小、时空特征进行分析,并与基于SSH数据识别的中尺度涡进行对比,结果表明两种数据源识别的中尺度涡在统计特征上具有明显的差异性;此外,本文探讨了研究海域中尺度涡与金枪鱼的空间相关性分析,结果表明大眼金枪鱼与气旋涡分布呈正相关性,黄鳍金枪鱼与反气旋涡呈现一定的相关性。通过上述内容的研究,论文取得了一定的研究成果,具体有:(1)首次构建了基于SAR影像的中尺度涡训练数据集,为中尺度涡自动识别方法研究提供了数据基础;(2)提出了简单有效的中尺度涡自动识别模型,实现了中尺度涡完全自动化的高精准度识别;(3)为高动态中尺度涡的自动识别提供了新理论新方法。同时,也为其他海洋现象的自动识别提供技术参考。