海洋地理信息系统研究进展

苏奋振，吴文周，平博，易嘉伟，张宇

（中国科学院地理科学与资源研究所，北京 100101；中国科学院资源与环境信息国家重点实验室海洋GIS 中心，北京 100101；中国南海研究协同创新中心，江苏 南京 210023）

海洋是人类重要的生存环境，在当今世界，海洋体现出更多的现实与战略意义。近些年海洋科学的研究日新月异，许多先进的方法和仪器不断涌现，新数据增长异常迅速。为了高效有序地管理和研究海洋，用于存储、管理和分析海洋数据，服务于海洋研究、管理和开发的海洋地理信息系统的研究迅速发展，并成为海洋领域和地理信息科学领域交叉的新兴学科。新兴交叉学科的发展依赖于自身理论技术的创新性发展和吸纳改造其它学科的理论技术。在继承和发展传统陆地地理信息系统的理论技术方法的基础上，海洋地理信息系统当发展自身的理论技术方法，并同时吸纳计算科学、信息科学、物理海洋学等理论技术方法（Su et al，2006）。以下从海洋时空数据模型、海洋时空场特征分析、海洋信息可视化和海洋信息服务四个方面来讨论海洋GIS 的最新研究进展。

1 海洋时空数据模型

海洋时空数据模型是海洋GIS 研究和建设的基础。随着海洋GIS 研究的发展，一些针对海洋客观世界的描述和抽象的海洋时空数据组织模型得以提出、发展和应用。近年来，该方面研究比较重视海洋的三维性和时间维的变动或连续性，同时开始关注尺度性。这些模型可以按维数、主题或连续性等来分，这里根据其最小或最底层描述或表达的对象来分，即以场或特征为核心的模型两类。

1.1 基于场的数据模型

Varma（2000） 基于HH 编码，通过对空间的等分，从而索引空间对象。Meaden（2000） 则提出了一种通用层次3D 数据结构，采用Magnitude码索引，用网状瓦片切分海洋空间。苏奋振（2001） 采用多层多分辨率格网来统一海洋多要素的时空分布，其在海洋渔业的研究和管理应用中表明该模型具有直观简洁的优势，对于资源管理和机理分析提供了有效的数据组织管理基础。仉天宇（2002） 通过总结海洋GIS 的要求和设计原则，提出了海洋场模型。该模型采用自适应多级格网数据模型进行组织，能够在较高层次上准确把握海洋现象的整体动态变化。季民（2004） 在面向场对象模型和海洋场模型的基础上，提出了基于格网的时序快照修正模型与海洋GIS 时空数据组织框架，并将该框架模型理论应用到具体案例中，取得了较好的试验效果。

苏奋振（2006） 从海洋渔业数据所具有的不同时空粒度的栅格特性出发，提出了海洋栅格时空层次聚合模型，该模型可以方便地获取不同区域、不同时间粒度和不同层次的时空对象数据。Cova 等（2002） 提出了一个能够连接地理空间对象和场的表示方法。该方法采用一系列映射将连续场中的空间位置映射成离散的对象，能够向用户提供多种基元数据模型，包括点、线、多边形、像素，或它们的组合等。Kjenstad（2006） 也提出了基于场和基于对象集成的模型，能够同时表达在空间域连续变化的地理实体与孤立的地理实体。

苏奋振（2003） 提出了以过程为核心发展海洋时空数据模型的思想，并将该模型应用于海洋地理信息系统软件平台MaXplore 中。Hofer（2009） 为表现过程信息，提出了地理自然过程的组合模型，即过程描述语言。它基于数学模型，采用微分方程和差分方程两种等价语言，用来描述原型地理自然过程的一般行为。Karssenberg 等（2010） 采用基于场的时空过程数据模型模拟现实世界的现象随着时间的演变过程，并提出了适合表达该模型的软件框架，该软件框架同时还能够通过数据同化集成模型结果与观测数据。Peter 等（2010） 则提出了一种5D 数据模型的方法，它将三维空间位置、第四维时间特征及第五维尺度特征充分集成，并给出地理5D 连续体定义及地理数据的操作方法，保证了地理数据在尺度维和时间维的连续性。

1.2 基于特征的数据模型

基于特征的数据包括两部分：一部分是海洋中实际观测的数据，如航线或漂流浮标进行的“线”测量，可以认为是由系列点构成；另一部分是从海洋现象等数据中提取出来的一些点、线、面、体的过程特征数据。这些现象或对象，具有时间、空间、形态、属性动态的特性。

苏奋振等（2003） 对海洋数据来源、处理过程和处理结果进行了梳理，以面向对象的方式，根据特征数据的形状将海洋数据分为点特征对象模型、线特征对象模型、面特征对象模型和体特征对象模型，融入了时间维度用以描述过程，特别地，在该模型中不仅将海洋观测数据进行了考虑，而且对海洋现象进行了充分的分析。Jin 等（2007） 针对现有时空数据模型缺乏通用性、灵活性等缺点，提出了一种基于对象关系型数据模型的统一时空数据模型，并对其数据结构、查询操作及实现做了阐述。Dawn 等（2008） 对海洋数据来源、特点以及海洋用户实际应用需求进行了总结，提出了ArcMDM（ArcGIS Marine Data Model） 海洋数据模型。该模型基于传统GIS 表达地理对象的思想，将海洋要素划分为点、线、面、网格等几种类型，并将时间维加入到海洋要素属性域中，同时采用对象关系数据模型Geodatabase 存储随时间变化的海洋观测数据与其反演数据，实现了海洋时空数据的查询、可视化、处理及分析，解决了部分海洋时空数据的组织、存储、可视化及分析等问题。

Yuan 等（2010） 根据Clifford 代数的数学理论基础，扩展了现有时空数据模型，构建了时空统一表达的层次体系，并定义了相应的数据组织结构与存储结构，实现了时间、空间与属性的一体化表达，并将时空代数应用于最短路径分析、高维Voronoi 以及统一的时空过程分析。薛存金（2012）在苏奋振（2003） 提出的过程地理信息系统基础上，提出了以过程为核心的海洋时空过程数据模型，该模型将海洋过程泛化为点、线、面、体时空过程，并将整个海洋过程抽象为过程状态对象、过程序列对象、过程阶段对象、过程对象4 个等级，同时给出了该模型的逻辑结构、物理存储结构以及相关时空过程操作，最后通过原型系统模拟了海洋峰、涡漩等具体海洋时空过程。

1.3 海洋数据模型研究的思考

海洋数据模型是对海洋这一客体的描述，前面从海洋数据模型的最小或最底层描述或表达的对象来分析海洋数据模型的研究状况。事实上，无论海洋客体的客观性是否具备场和特征两种对象，信息系统都会充分反映这两种特性，由此分别产生了以场和特征为核心的数据模型。这样的二元性，往往会导致不同系统或同一系统的不同数据表达不一致或难以集成等问题。因此，如何采用更本原的方式进行海洋客体的反映，应该是相当长时间里海洋数据模型关注和着力的一大重点。

2 海洋时空场分析

海洋数据分析的目的在于揭示海洋现象与要素的时空分异，以及海洋过程的相互影响与制约。海洋现象包含着大量的柔性信息，表现出模糊性、复杂性和不精确性，正因为如此，在海洋GIS 研究中场概念的重要性被凸显（苏奋振，2003）。在海洋场分析上，可以吸纳物理海洋学常用的EOF 和地理信息系统的场分析方法，同时对于场的分析可以借鉴物理场的分析方法，也可以借鉴数学的矩阵理论等。

2.1 海洋场重建

海洋场数据一般可以由数值模拟、海洋调查内插和遥感反演等3 种途径获得。然而由于分辨率或获取阻碍等因素往往导致这些数据空间缺失或不完备，引起数据分析结果的偏差或失效，成为数据不确定性的主要原因之一。高精度地快速恢复缺失值能够为海洋数据分析提供可靠依据，可以加宽数据的应用领域。

空间缺失数据的估算一般采用空间插值方法，分为确定性插值和地统计插值。对于最临近点插值、四邻域插值、样条函数插值等确定性插值方法，由于它们只考虑了缺值点与周围数据之间的距离，并没有考虑数据之间的相关性，导致得到的缺值数据估算值精度相对较低，难以达到某些空间分析的要求。对于地统计插值，如kriging 等算法，它通过半方差来描述空间相关性与空间分布模式，从而估算未知点的属性值。

平博等（2011） 提出一种基于矩阵填充理论的海洋场重建方法，首先针对缺值像素选取窗口，基于方差方法确定窗口的大小，对选定尺寸的窗口内的数据进行矩阵填充算法，实现局部数据的恢复。

2.2 海洋场锋面特征提取

海洋锋是海洋水团特性（温度、盐度、叶绿素等） 在水平梯度上明显不同的狭窄过渡带。其检测可采用数字图像处理中的边缘检测的思路进行，过去更多地采用一些确定性的方法，其当前和未来则应更加注意概率或不确定性、尺度性和时间动态3方面问题。

Huh（1982） 基于大范围的遥感数据对西太平洋的温度锋进行了研究。Cayula 等（1992） 提出了基于直方图方法的海洋锋面检测算法，算法包括3个层次——图像层次，窗口层次和区域/像素层次。首先在图像层次进行云检测，若数据受云影响大，则不进行锋面检测。在窗口层次，当窗口的直方图呈双峰结构时，表明窗口可能存在锋面。对双峰结构的窗口数据进行数据一致性分析，以确定窗口内数据是否可分，是否可确定锋面位置。在像素层次，对检测到的锋面进行边缘跟踪，获得连续锋面。Cayula 等（1995） 提出基于上述方法的多影像锋面检测算法，在进行单一锋面检测之后，每一个单一影像的锋面与相邻影像的边缘进行比较，得到稳定的边缘信息。这些稳定的边缘信息用于第二次迭代的输入，来提高检测边缘的概率。

Ullman 等（2000） 对上述的单一影像直方图方法及多影像直方图方法和单一影像梯度算法进行比较，结果显示，直方图方法能够检测到更少的错误锋面，但相比于梯度算法，直方图算法会丢失更多尺度小于10km 的锋面信息。Belkin（2009a） 应用Cayula 等（1992） 方法，对世界大洋生态系统的快速暖化进行了研究，得到近20年世界主要海域海洋温度变化情况。Yao 等（2012） 应用Cayula等（1992） 方法，对南海锋面进行了检测，并根据实测数据，证明算法的有效性，并对南海部分锋面进行了动态检测。

Miller（2004） 应用Cayula 和Cornillon 的方法于多光谱卫星数据去探索海洋物理过程和海洋生物过程之间的关系，提出了一种合成锋面图像方法，将多影像检测结果中，各个单一锋面图像加权合并为一景锋面图像。文中，作者将CHLA、悬浮物和海洋表面温度进行合并，探索这些数据之间的关系。Oram 等（2008） 使用Canny 算法对预处理后的数据进行高斯平滑滤波，根据高低阈值定位锋面，并对检测出的边缘进行连接，去除较短边缘。Belkin（2009b） 提出双中值滤波方法，可以有效抑制海洋表面温度数据的噪声，并能保持锋面信息的连续。

薛存金等（2007） 针对海洋锋信息的尺度特性，利用小波多尺度分析特性，提出最佳尺度确定的算法模型，考虑到形态学算子具有的尺度特性，次年给出了形态学结构元素尺寸与海洋锋横断面宽度和海流流幅的空间尺度的定量关系（薛存金等，2008）。陈捷等（2010） 针对各种海洋现象在SAR影像中反映出来的海浪波形的不同，采用不同的连续小波变换基提取SAR 图像中的海洋现象。平博等（2013） 提出基于引力模型的海洋锋面检测，采用滤波后数据去零处理和局部归一化，提高了噪声免疫力。

2.3 海洋场涡漩特征提取

中尺度涡是近几十年来物理海洋学领域研究的热门。随着海量、高精度、长时间海洋遥感卫星资料及其反演的海洋要素场数据快速增加，如何从这些欧拉式场数据中准确、有效地自动提取出海洋中尺度涡漩过程演变信息，是近年来海洋场信息提取及中尺度涡定量研究的重要内容。

海洋涡漩信息提取可分为识别和跟踪两部分。从识别方法看，最早的涡漩识别方法可追溯到1970年，Okubo 等（1970） 提出了一种Okubo-Weiss（OW） 物理参数法，用于从海表面高度数据中提取涡漩信息。OW 方法也是目前影响最深远的涡旋识别方法之一，至今仍有不少研究采用该方法进行海洋涡漩信息提取与研究。Fang 等（2003）和Morrow 等（2004） 在研究中都采用了设置SLA阈值约束法来提取涡漩面积，Chelton 等（2011）为了做全球海洋涡漩信息的提取，则在此类方法的基础上提出了一种无阈值约束的SSH 方法。Chaigneau 等（2008） 和Nencioli 等（2010） 则根据海洋涡漩流场存在封闭环状的流线矢量特征，分别提出了Wind-Angle（WA） 方法和Vector-Geometry（VG） 方法。

在涡漩跟踪方法研究方向上，Morrow 等（2004） 提出了最简单直观的空间距离搜索法，通过空间邻近关系来判别不同时刻涡漩是否同属于一个演变过程。Penven 等（2005） 则提出将空间距离远近与涡漩基本属性相似性结合，通过整体相似程度来追踪不仅距离近而且形态属性相似的涡漩状态。Chaigneau 等（2008） 在该方法基础上加以改进，并应用于南太平洋东部海域的涡漩追踪。Henson 等（2008） 则从相邻时刻涡漩形态面积叠加的角度，提出了一种基于像元连通性的追踪方法，但这种方法不适用于追踪涡漩形态变化复杂而不稳定的涡漩过程。

近年来我国学者也开始尝试在现有研究基础上提出或改进涡漩自动识别与跟踪算法。Yong 等（2006） 提出了一种多重分形滤波的方法来从遥感数据源中提取涡漩形态。Wang 等（2013） 对Chelton 等（2011） 提出的SSH 算法进行了改进，以克服涡漩多涡构造给识别跟踪算法带来的困难。Yi 等（2013） 则尝试结合传统的OW 方法和SLA极值点提出一种混合式的方法，充分利用了两者优势，提高了涡漩识别的准确性，并可实现对多涡复杂结构的识别计算。

2.4 海洋时空场分析的思考

前面从海洋场重建、锋面特征和涡漩特征提取的方法回顾了海洋时空场分析的研究进展。事实上，这3 方面并不能涵盖海洋时空场分析所有的具体案例研究，每一方面也难以进行概括性总结，比如时空场重建中，关于插值或恢复的算法不计其数，那么哪些当属于海洋时空场分析的内容呢？海洋时空场分析作为海洋GIS 重要的构成部分，应当研究哪些内容，从何种角度进行研究才会对海洋GIS 的时空分析理论方法具有最直接的推动作用？这些都是值得海洋GIS 研究者思考的地方。当前研究大体采用思路是针对特定问题，采用一种可能适合该场景的方法，于是方法纷呈且散乱。那么是否可以构建一个成体系的理论或方法体系，以作为海洋地理信息系统时空分析独特的基础理论或方法体系，将会成为海洋时空场分析有所突破的难点！

3 海洋信息可视化

海洋信息可视化，不仅仅是针对海洋数据的视觉表现，也是一种重要的分析手段，可以通过它完成可视化分析，获取蕴含在海洋环境中的物理、生物和化学特性、规律以及不同尺度的关系。海洋GIS 的业务化对海洋信息可视化提出了新的需求（Chen et al，2009；He et al，2010）。与海洋数据模型相似，海洋GIS 可视化工作也从2 维走向高维，从静态走向动态，从单一尺度向兼容多尺度过渡。计算机图形学及硬件技术的发展，也使海洋信息可视化进入更加直观更加现实化的阶段。海洋信息的可视化可以按维数、方法或主题等来分，这里按表现数值或表现现实来分。

3.1 海洋要素数值可视化

海洋要素可视化多着重于对海洋温度、盐度的研究，通常利用连续的海洋场实现海洋温度、盐度的可视化，一般表示为曲面或者体。在传统的三维表现方面，多采用插值算法生成海洋要素场，如涂超（2007） 采用多重二次型插值算法，高锡章等（2011） 采用扩展克里金和距离反比插值算法，冯杭建等（2010） 对二、三维模拟分别进行插值并讨论海洋多维可视化效果，范丽民等（2012） 采用基于三角网格和模糊聚类，李德仁等（2012） 利用四面体计算三维等值面。

随时序数据的增加，人们开始在海洋GIS 上采用动态方式表现海洋过程，展现时间连续的海洋场景（孙晓宇，2005；黄杰，2008；Liu et al，2010）。Li 等（2011） 开发4 维系统，模拟分析不同位置海洋温度剖面情况。Song 等（2010） 基于数据类型和海洋数据采集方法，提出了海量多维海洋数据处理模型，可模拟海洋温度和压力变化。Wei 等（2010） 利用GPU 技术，从体渲染角度表现海洋温度情况。刘文亮等（2009）、肖如林等（2010） 则从远程可视化的环境中采用栅格层的多帧连续传送方式实现海洋温度场的可视化。渲染方式除传统的面渲染，也发展了基于体渲染的可视化（Berberich et al，2009，）。在确定性的可视化外，也发展了基于不确定性分析的可视化（Dinesha，2012）。

海洋动力要素可视化既可以通过求解数学物理方程实现真实场景的模拟，也可以通过矢量场的形式用符号表现出来。国内外对于海洋动力学要素可视化的研究多集中在海洋流场信息的可视化上。He 等（2010） 通过将海洋流场的多层表达和时刻动态帧的方式，通过WebGIS 来远程表现海流运动状态。Butkiewicz（2011） 设计三维立体渲染系统，实现海流不同深度处流态的可视化模拟。

3.2 海洋虚拟现实可视化

海洋虚拟现实可视化探讨如何利用虚拟技术来实现海洋这一客体的可视化，突出真实感和沉浸性。目前海洋虚拟现实的研究较多在于“虚拟”，急需开展利用虚拟技术将实际量测数据进行“现实”的可视化。

海表面可视化的主要对象是海浪，逼真的海浪应当在时间和空间上都具有不规则性和非重复性。目前模拟方法主要有几何模型、统计模型和物理模型等，但往往采用这几种方法的结合来实现逼真效果。

几何模型法有凹凸纹理映射方法（bump mapping）、高度场方法（height field） 和Gerstner-Rankine 模型方法等，Chiu 等（2006） 采用高度场方法获得海面的高度纹理，并用于海面的动态变化；李苏军（2006） 在Gerstner-Rankine 模型中引入概率，采用视点相关的圆形网格完成海面高度场的采样，可实现实时动态连续分辨率海浪表现的建模与绘制；韩元利（2007） 改进了Gerstner 模型，通过引入一些物理运动控制参数可实现更为逼真的效果。

统计模型可以对海浪外观特征进行描述，或对波动构成谱（Spectrum） 内部结构进行描述。皮学贤（2006） 提出了基于Perlin 噪声分形面的海面场景建模与绘制算法，采用不同频率的Perlin 噪声叠加实现动态海面模拟。吕文静（2007） 在Perlin 噪声的基础上，采用余弦波模拟由风力造成的方向波，并通过光照加强达到模拟海面的逼真效果。陈俊（2011） 采用粒子系统方法产生了较为逼真的浪花。李晨辉（2011） 采用Phillips 谱构建基本的海浪模型。

物理模型则可以对海浪内部各质点的运动状态进行模拟，一般通过求解纳维-斯托克斯方程（Navier-Stokes equation，简称NSE） 来实现流体的模拟，物理真实感和视觉真实感都比较高。其还衍生出光滑粒子流体动力学方法（Losasso，2008）和浅水方程（Chentanez，2010） 等。

在对海洋模拟渲染时，多采用LOD 技术，主要方法有矩形网格方法、静态网格方法、投影网格方法和圆形网格方法等。Yuri（2005） 提出放射性网格采样方法，实现了鸟瞰方式较自然的LOD 效果。Xin（2006） 提出了多分辨率嵌套规则网格的方法，可有效地绘制海面区域，利于GPU 加速效果的实现。Eric（2010） 考虑了双向反射分布（BRDF） 对海水着色的影响，较大程度地提高了海水着色的效果。李晨辉（2011） 提出了一种类似Geomipmapping 的模型，将海面划分为近远网格，以适用于大规模海面的绘制。

海中水体环境的模拟涉及光线与海水的交互作用。刻蚀（caustic） 是常见的水下光聚集现象。Musawir（2007） 为避免复杂的几何检测提出基于图像空间的刻蚀图算法。Wyman（2008） 提出了分层次刻蚀图方法，该方法能够提高绘制速度，并且支持多光源。Spencer（2009） 提出松弛光子（photon） 算法，刻蚀效果更为柔和。Cem（2009）基于高度场模拟水刻蚀效果。海洋水体内光的表现也是虚拟的关键之一，Hu（2010） 基于刻蚀体的理论及光线绘制法，考虑了点光源对光线衰减的影响，较为逼真地模拟了水下光束效果。

3.3 海洋现象可视化

前面的海洋场数值可视化和虚拟现实可视化，主要还是基于场或栅格得以实现。事实上，根植于海洋离散场上的一些海洋现象，如大型西边界流、涡漩、流隔、跃层、水团等，常常能希望以矢量对象来可视化，这方面的研究目前较少。

在海洋现象的表达过程中，海风和海雾分别通过对波浪、以及天空背景的雾化效果来表现。波浪的跌宕起伏在一定程度上显示了海风的大小，一般是在对海浪模拟的同时，加入模拟海风的方向性函数。对于海洋现象的其它方面，Berberich（2009）实现了对台风的模拟。冯文娟（2007） 提出时空过程网络动态技术，模拟台风动态变化。薛存金（2008） 提出了基于特征的线过程时空数据模型，并利用此模型实现了海洋锋的动态模拟。Williams（2011） 从获得的高分辨率海洋数据中模拟分析涡漩变化。

3.4 海洋可视化研究的思考

从前面的海洋信息可视化研究分析来看，大体上可以分成体现科学数值的可视化和满足视觉感受的可视化，区别是可视化结果是否可以读出数值。事实上，从海洋地理信息系统的角度来要求，是需要两者的统一，即能读出数值又能满足主观感觉需求。由此，与数据模型的二元性相似，海洋可视化也存在二元统一问题，这也是未来海洋信息可视化研究值得注意的地方。

4 海洋信息服务

面对海洋领域中日益增强的数据获取能力、日益广布的海洋机构、日益增多的海洋应用，海洋地理信息服务的需求日益迫切。海洋数据的集成、共享和服务主要面对的问题和研究主要有：1） 数据资源来源广泛而形式异构；2） 数据表达和语义差别导致不可比较而无法集成分析；3） 数据和系统功能重复开发而复用程度低；4） 信息系统因各自开发或业务不同，彼此间流程、机制和形式等存在差异而无法协同；5） 数据、设备和人员在网络中的表现和行为各异而不能有效获取或联合。

当前研究则更多地强调处于网络中的海洋信息如何快速精准地被获取、融合和动态聚合等。主要涉及的研究包括海洋数据的异质性、动态性、海量性在网络中的统一、封装和渐进式传输等（Xue et al，2008；Li et al，2011；周成虎 等，2013）。未来的发展将是融入更多的智能化以实现信息的主动服务。

我国在海洋环境信息集成与服务的理论方法研究方面，主要开展了海洋信息服务的本体方法、异构数据归一化、网络数据一站式服务、服务的描述与查找、海洋过程远程可视化、网络环境的服务聚合等研究（He et al，2010；Li et al，2011；王敬贵等，2004），在技术实现方面，较早地进行了数字海洋原型系统、海洋信息网格、海岸带海洋遥感信息云处理等方面的探索（苏奋振等，2006；He et al，2010）。当前研究在于模型的集成和虚拟数据的网络服务等（周成虎等，2013）。

各国的海洋数据中心纷纷开展海洋地理信息服务的相关工作，比如美国国家海洋数据中心（NODC）、中国国家海洋信息中心（NMDIS）、日本国家海洋数据中心（JODC）、英国的国家海洋数据中心（BODC）、荷兰国家海洋数据委员会（NODC of Netherlands） 等。全球数据中心（WDC）网络把海洋信息网列为重要组成部分，提供了大量海洋、海岸带的数据。美国的WDC-A 海洋学中心已建立了国家级的海洋资料数据库群和世界海洋资料 数 据 库WOD94、WOD98、WOD01、WOD05，并利用互联网技术将多个分布式海洋资料数据库集成在一起，提供元数据查询、数据查询和产品查询等共享服务功能（李海涛，2007）。

在海洋空间数据基础设施建设方面，美国、英国、加拿大、澳大利亚、日本等发达国家都在大力建设空间数据基础设施（SDI），一些发展中国家如伊朗、马来西亚等国也都在积极推进。这些SDI 建设都十分注重海洋空间信息问题（夏登文，2006）。由国家海洋局组织实施的“中国近海‘数字海洋’信息基础框架构建”汇集了我国海洋信息化服务的相关单位，集成了相关基础技术，在数字海洋系统建设方面取得了可喜进展（石绥祥等，2011；张峰等，2012）。

在欧盟MAST 计划的倡导、EESD 计划扩展下建立了Sea-search 门户网站，提供有效的导航工具，以方便快捷地存取欧洲各国海洋数据中心所管理与发布的海洋学数据，共享欧洲各国在海洋学、海洋数据和信息管理方面的经验和技能，如数据监控、跟踪、质量控制、处理、建档、深加工、数据分析、元数据库维护、同化和数据分发服务。联合国环境规划署则利用Internet 的分布式数据存储能力，为用户提供一个注册、发现、访问、分发和使用的一站式（one-stop） 方法，提供了污染源分类、海域、海岸带管理框架和经济部门等四个门户入口。

美国海洋观测知识集成网格实验室（LOOKING） 项目将海洋观测集成为一个知识网格（knowledge grid），以实现终端用户控制可扩展的观测网络、海基传感器和动力监测仪器的数据流无缝集成、基于网格的海洋数据管理、海洋建模和数据同化的集成的远程计算、分析、综合、可视化，并建立与其它海洋观测计划的互操作和数据交换工具。英国NERC DataGrid（NDG） 项目是受国家e-Science 计划资助的海洋数据网格项目，旨在利用网格技术实现网络数据的发现、传输和利用，让网络用户以可视化服务方式访问分布在英国不同机构的数据。

美国的海洋元数据互操作项目（MMI，Marine Metadata Interoperation），可以实现海洋领域数据共享。它提供了一个开放的海洋资源共享平台，任何组织和个人都可以将海洋相关的信息注册到MMI中，并利用MMI 平台为用户注册的资源做统一的管理、组织和宣传，以便其他组织发现和使用这些资源。

当前海洋信息服务的研究纷呈，实际应用也热闹非凡，各家往往也会关注元数据或数据本体的研制。每一个系统都将数据与海洋客体对象进行映射，于是每个系统存在一个系统力图表达的海洋客体和用于表达客体的数据，这也是一种二元结构。问题在于海洋客体本身是装不进系统的，于是本体作为海洋客体而存在以供人们查找、管理和使用这些数据。进一步地，这个本体依然是大脑的产物，尽管客体对象相同，但客体对象的思维反映却难以相同，因此如何利用本体完成海洋信息服务，将会成为未来海洋GIS 信息服务研究的一个重点。

5 结语

前面从近年来海洋数据模型、海洋时空场分析、海洋信息可视化和海洋信息服务等方面对当前海洋GIS 研究做了概要描述，以反映海洋GIS 的最新研究进展。这些研究一方面反映了研究的深入，另一方面也引发了思考，特别是对立性思考或二元性在海洋GIS 研究中无处不在。

随着海洋研究与开发的迅速发展，海洋观测技术与相关信息技术手段的推陈出新，长时间高密度海量数据的产生，海洋GIS 作为对多变量、超空间海洋数据的多层次、多视角访问与分析的基础理论、方法和技术，正加强在快速、时空互动的人机交互过程方面的研究，使尘封的、历史的、当下的和实时的，乃至虚拟的数据发挥应有作用。

与此同时，海洋GIS 在数字海洋和智慧海洋中，扮演了一个基础而又核心的理论、方法和技术角色，其前端是一个可交互的可视的虚拟海洋，支撑它的是一个海洋信息完全多向流动的网络，以接纳海洋信息采集与传输，为海洋信息服务提供界面和途径，满足决策支持、公众信息服务的需要，为海洋开发、综合管理、执法监察和国家安全决策提供服务，它将有效地提高社会公益水平，实现社会持续发展，实现与同类技术的大融合大发展。

Belkin I M, Cornillon P C, Sherman K, 2009a. Fronts in large marine ecosystems.Progress in Oceanography,81 (1) :223-236.

Belkin I M,O′Reilly J E,2009b.An algorithm for oceanic front detection in chlorophyll and SST satellite imagery.Journal of Marine Systems,78 (3) :319-326.

Berberich M, Amburn P, Moorhead R, et al, 2009. Geospatial visualization using hardware accelerated real-time volume rendering. //OCEANS 2009,MTS/IEEE Biloxi-Marine Technology for Our Future:Global and Local Challenges.IEEE,1-5.

Butkiewicz T, Ware C, 2011. Multi-touch 3D exploratory analysis of ocean flow models.//OCEANS 2011.IEEE,1-10.

Cayula J F, Cornillon P, 1992. Edge detection algorithm for SST images.Journal of Atmospheric and Oceanic Technology, 9 (1) :67-80.

Cayula J F, Cornillon P, 1995. Multi-image edge detection for SST images. Journal of Atmospheric and Oceanic Technology, 12 (4) :821-829.

Cem Y, John K, 2009. Fast real-time caustics from height fields.Vis Comput,25:559-564.

Chaigneau A, Gizolme A, Grados C, 2008. Mesoscale eddies off Peru in altimeter records:Identification algorithms and eddy spatio-temporal patterns.Progress in Oceanography,79 (2) :106-119.

Chelton D B, Schlax M G, Samelson R M, 2011. Global observations of nonlinear mesoscale eddies. Progress in Oceanography, 91 (2) :167-216.

Chen G, W Li, Li X, 2009. Design and implementation of an interactive VR-Ocean platform for ocean environment and marine life simulation.Periodical of Ocean University of China,39 (5) :1037-1041.

Chentanez N, Müller M, 2010. Real-time simulation of large bodies of water with small scale details.//Proceedings of the 2010 ACM SIGGRAPH/Eurographics symposium on computer animation. Eurographics Association,197-206.

Chiu Y F,Chang C F,20006.GPU-based ocean rendering. //Multimedia and Expo, 2006 IEEE International Conference on.IEEE, 2125-2128.

Cova T J,Goodchild M F,2002.Extending geographical representation to include fields of spatial objects. International Journal of Geographical Information Science,16 (6) :509-532.

Dawn J W, Michael J B, Patrich N H, et al, 2008. Arc Marine: GIS for a blue planet.ESRI Press.

Dinesha V,Adabala N,Natarajan V, 2012. Uncertainty visualization using HDR volume rendering. The Visual Computer, 28 (3) : 265-278.

Eric B,Fabrice N,Nicolas H,2010.Real-time realistic ocean lighting using seamless transitions from geometry to BRDFJ. ComputerGraphics Forum,29 (2) :487-496.

Fang F, Morrow R, 2003. Evolution, movement and decay of warm-core Leeuwin Current eddies.Deep Sea Research Part II:Topical Studies in Oceanography,50 (12) :2245-2261.

He Yawen, Su Fenzhen, Du Yunyan, et al, 2010. Web-based spatiotemporal visualization of marine environment data. Chinese Journal of Oceanology and Limnology,28 (5) :1086-1094.

Henson S A,Thomas A C,2008.A census of oceanic anticyclonic eddies in the Gulf of Alaska.Deep Sea Research Part I:Oceanographic Research Papers,55 (2) :163-176.

Hofer B, Frank A U, 2009. " Composing models of geographic physical processes." ?Spatial Information Theory. Springer Berlin Heidelberg,421-435.

Hu W,Dong Z,Ihrke I,et al,2010.Interactive volume caustics insinglescattering media.//Proceedings of the 2010 ACM Siggraph Symposium on Interactive 3D Graphics and Games. NewYork, NY, USA:ACM,109-117.

Huh O K,1982.Satellite observations and the annual cycle of surface circulation in the Yellow Sea,East China Sea and Korea Strait.Coastal Studies Institute, Center for Wetland Resources, Louisiana State Univ.

Jin P, Yuchang Gong L Y, 2007. Design and implementation of a unified spatio-temporal data model. Advances in Spatio-Temporal Analysis:in:ISPRS Book Series.

Karssenberg D,Schmitz O,Salamon P, et al, 2010. A software framework for construction of process-based stochastic spatio-temporal models and data assimilation. Environmental Modelling & Software, 25(4) :489-502.

Kjenstad K, 2006. On the integration of object-based models and fieldbased models in GIS.International Journal of Geographical Information Science,20 (05) :491-509.

Li Wengqing,Chen Ge,Kong Qianqian,et al,2011.A VR-Ocean system for interactive geospatial analysis and 4D visualization of the marine environment around Antarctica. Computers & Geosciences, 37(11) :1743-1751.

Li W, Yang C, Nebert D, et al. 2011.Semantic -based web service discovery and chaining for building an Arctic spatial data infrastructure.Computers&Geosciences,37 (11) :1752-1762.

Liu J, Zhang X, Jian X, et al, 2010. Research on dynamical visualization of the Spatio-temporal process of seawater temperature and salinity.//Geoscience and Remote Sensing Symposium (IGARSS) , 2010 IEEE International.IEEE,1167-1170.

Losasso F,Talton J O,Kwatra N,et al,2008.Two-way coupled SPH and particle level set fluid simulation. Visualization and Computer Graphics,IEEE Transactions on,14 (4) :797-804.

Meaden G J, 2000. " Applications of GIS to fisheries management." ?Marine and Coastal Geographic Information Systems. Taylor &Francis,London,UK (2000) :205-206.

Miller P,2004.Multi-spectral front maps for automatic detection of ocean colour features from SeaWiFS. International Journal of Remote Sensing,25 (7-8) :1437-1442.

Morrow R,Birol F,Griffin D, et al, 2004. Divergent pathways of cyclonic and anti-cyclonic ocean eddies. Geophysical Research Letters, 31(24) .

Musawir S,Jaakko K,Sumanta P,2007.Caustics mapping:an image space technique for real-time caustics.IEEE Transactions on Visualization and Computer Graphics,13 (2) :272-280.

Nencioli F,Dong C,Dickey T,et al,2010.A vector geometry-based eddy detection algorithm and its application to a high-resolution numerical model product and high-frequency radar surface velocities in the Southern California Bight. Journal of Atmospheric and Oceanic Technology,27 (3) :564-579.

Okubo A,1970.Horizontal dispersion of floatable particles in the vicinity of velocity singularities such as convergences.//Deep Sea Research and Oceanographic Abstracts.Elsevier,17 (3) :445-454.

Oram J J,McWilliams J C,Stolzenbach K D,2008. Gradient-based edge detection and feature classification of sea-surface images of the Southern California Bight. Remote Sensing of Environment, 112(5) :2397-2415.

Penven P, Echevin V, Pasapera J, et al, 2005. Average circulation, seasonal cycle,and mesoscale dynamics of the Peru Current System: A modeling approach. Journal of Geophysical Research: Oceans(1978-2012) ,110 (C10) .

Peter V O, Jantien S, 2010. " 5D data modelling: full integration of 2D/3D space, time and scale dimensions" . Geographic information science.Springer Berlin Heidelberg,310-324.

Song Y, Gong J, Zuo Z, et al, 2010. Data integration and visualization:Dealing with massive and multi-dimensional marine spatial data.//Image and Signal Processing (CISP) , 2010 3rd International Congress on.IEEE,4:1620-1623.

Spencer B,Jones M W,2009.Into the blue:better caustics through photon relaxation.Eurographics,28 (2) :319-328.

Su Fenzhen, Yang Xiaomei, Xu Jun, et al, 2006. Primary theory and key technologies for marine geographic information system. Acta Oceanologica Sinica,25 (2) :80-86.

Ullman D S, Cornillon P C, 2000. Evaluation of front detection methods for satellite-derived SST data using in situ observations. Journal of Atmospheric and Oceanic Technology,17 (12) :1667-1675.

Varma H,2000." Applying spatio-temporal concepts to correlative data analysis" . Marine and Coastal Geographical Information Systems.Taylor and Francis,London,UK? (2000) :75-93.

Wang X,Du Y,Zhou C,et al,2013.An improved,SSH-based method to automatically identify mesoscale eddies in the ocean. Journal of Tropical Oceanography,32 (2) :15-23.

Wei L,Xu H,Liu D,2010.Real-time visualization of the East China Sea based on priceton ocean model and volume rendering.//Geoinformatics,2010 18th International Conference on.IEEE,1-4.

Williams S,Hecht M,Petersen M, et al, 2011. Visualization and analysis of eddies in a global ocean simulation. //Computer Graphics Forum.Blackwell Publishing Ltd,30 (3) :991-1000.

Wyman C, 2008. Hierarchical caustic maps.//Proceedings of the 2008 Symposium on Interactive 3D Graphics and Games.Redwood City,California:ACM,163-171.

Xu C J, Su F Z , Du Y Y, et al, 2008. Integration technology research on marine geographical information system. Acta Oceanologica Sinica,27 (6) :40-48.

Xin Z,FengXia L,ShouYi Z,2006.Real-time and realistic simulation of large-scale deep ocean surface.//Advances in Artificial Reality and Tele-Existence.Springer Berlin Heidelberg,686-694.

Yao J,Belkin I,Chen J,et al,2012.Thermal fronts of the southern South China Sea from satellite and in situ data. International Journal of Remote Sensing,33 (23) :7458-7468.

Yi J,Du Y,He Z,et al, 2013. Enhancing the accuracy of automatic eddy detection and the capability of recognizing the multi-core structures from maps of sea level anomaly. Ocean Science Discussions, 10(2) :825-851.

Yong GE, Yunyan DU, Qiuming C, et al, 2006. Multifractal filtering method for extraction of ocean eddies from remotely sensed imagery.Acta Oceanologica Sinica,25 (5) :27-38.

Yuan L,Yu Z,Chen S,et al,2010.CAUSTA:Clifford Algebra-based Unified Spatio-Temporal Analysis.Transactions in GIS, 14 (s1) : 59-83.

Yuri Kryachko, 2005. Using Vertex Texture Displacement for Realistic Water Rendering.GPUGEM2,chapter 18:2-7.

陈捷，陈标，许素芹，2010.基于二维连续小波变换的SAR 图像海洋现象特征检测.电子学报，38（9）：2128-2133.

陈俊，2011.近海海浪的仿真研究.武汉理工大学博士论文.

范丽民，于红，骆桂爽，2012.基于三角网格和模糊聚类的海洋牧场温度可视化.计算机应用与软件，29（3）：228-231.

冯杭建，高锡章，2010.中国海岸带及近海观测数据多维动态表达.浙江大学学报（理学版），37（4）：482-488.

冯文娟，杜云艳，苏奋振，2007.台风时空过程的网络动态分析技术与示例.地球信息科学，9（5）：57-63.

高锡章，冯杭建，李伟，2011.基于GIS 的海洋观测数据三维可视化仿真研究.系统仿真学报，23（6）：1186-1190.

韩元利，2007.基于GPU 编程的虚拟自然环境技术研究.武汉大学博士论文.

黄杰，2008.海洋环境综合数据时空建模与可视化研究.浙江大学博士论文.

季民，2004.海洋渔业GIS 时空数据组织与分析.山东科技大学博士论文.

李晨辉，2011.海洋环境的高效建模与实时绘制技术研究.华东师范大学硕士论文.

李德仁，姚远，邵振峰，2012.海岛礁及周边复杂环境动态三维建模.武汉大学学报（信息科学版），37（11）：1261-1265.

李海涛，2007.海洋环境信息集成方法研究与新一代MAGIS 平台软件开发.中国海洋大学博士论文.

李苏军，宋汉辰，吴玲达，2006.海浪实时建模与绘制技术研究.系统仿真学报，18：255-259.

刘文亮，苏奋振，杜云艳，2009.海洋标量场时空过程远程动态可视化服务研究.地球信息科学学报，11（4）：513-519.

吕文静，2007.基于真实感图形技术的虚拟海面场景研究.河北工业大学硕士论文.

皮学贤，2006.大规模自然场景建模与绘制.国防科学技术大学博士论文.

平博，苏奋振，杜云艳，等，2013.基于引力模型的海洋锋信息提取.地球信息科学学报，15（2）：187-192.

平博，苏奋振，周成虎，等，2011.局部SVT 算法的遥感反演场数据恢复实验分析.地球信息科学学报，13（5）：651-655.

石绥祥，雷波，2011.中国数字海洋：理论与实践.北京：海洋出版社.

苏奋振，2001.海洋渔业资源时空动态研究.中国科学院地理科学与资源研究所博士论文.

苏奋振，2003.海洋地理信息系统时空过程研究.中国科学院地理科学与资源研究所博士后出站报告.

苏奋振，仉天宇，杜云艳，等，2006.海洋栅格时空层次聚合模型及其渔业应用.中国海洋大学学报（自然科学版）， 36（1）：151-155.

孙晓宇，2005.海洋水文标量数据的时空过程可视化方法研究.武汉大学硕士论文.

涂超，2007.海洋温度场的三维可视化.武汉大学学报（工学版），40（6）：128-130.

王敬贵，苏奋振，杜云艳，等，2004.基于Ontology 的空间知识查询方法及其应用.地球信息科学，6（4）：93-99.

夏登文，2006.数字海洋基础数据及业务流程建模方法及相关技术研究.东北大学博士论文.

肖如林，苏奋振，杜云艳，等，2010.三维虚拟地球的海洋信息适用性分析及原型研究.地球信息科学学报，12（4）：555-561.

薛存金，董庆，2012.海洋时空过程数据模型及其原型系统构建研究.海洋通报，31（6）：667-674.

薛存金，苏奋振，周军其，等，2007.基于小波分析的海洋锋形态特征提取.海洋通报，26（2）：20-27.

薛存金，苏奋振，周军其，等，2008.基于形态学的海洋锋形态特征提取.海洋科学，32（5）：57-61.

张峰，金继业，石绥祥，2012.我国数字海洋信息基础框架建设进展.海洋信息，1-16.

仉天字，2002.海洋GIS 场模型研究.中国科学院地理科学与资源研究所博士论文.

周成虎，苏奋振，2013.海洋地理信息系统原理与实践.北京：科学出版社.