中尺度涡现象在全球海洋中普遍存在,在过去十几年,海洋学家在中尺度涡的识别和分析上做了大量研究。中尺度涡对海洋生态、海洋渔业、水文环境产生了重要的影响,对海洋中物质能量运输、海洋动力过程以及生物化学方面都起着关键作用。因此,中尺度涡的识别有很高的应用和研究价值。随着卫星测高技术的快速发展,卫星高度计具有全天时、全天候的特点,可快速获取大范围的海平面高度数据,长时间积累的高度计产品为中尺度涡的研究提供了数据支撑。传统的海洋中尺度涡自动识别主要基于物理海洋特征,人工设置阈值受到主观因素的影响导致识别精度较低。由于海洋中尺度涡所特有的空间异质性,加大了传统方法在不同海域的识别难度,现有的中尺度涡都基于特定海域,导致识别模型适用性较差。因此,本文利用海平面高度异常数据,采用py-eddy算法制作基于全球范围的中尺度涡训练数据集;基于U-Net、Deeplab V3plus和FC-Dense Net卷积神经网络方法构建三种中尺度涡识别模型,并对三种中尺度涡识别模型进行对比分析;最后通过对比,选取最优中尺度涡识别模型对中国海域及其邻近海域的中尺度涡进行识别,并对其进行特征变化分析。本实验结论如下:（1）针对不同空间尺度的中尺度涡,本文识别方法均能将其很好的识别出来,并且在不同海域的适用性较强;（2）构建U-Net、Deeplab V3plus和FC-Dense Net三种模型,对比得出Deeplab V3plus模型的识别效果最好,反气漩涡的查准率为0.818,查全率为0.759,F1分数为0.786,气漩涡的查准率为0.791,查全率为0.819,F1分数为0.806,Kappa系数达到0.758;（3）中尺度涡在黑潮延伸体区域的涡漩尺度更大且较为密集,低纬度区域的涡漩受地转科氏力的影响尺度普遍较小且分布稀疏。中尺度涡个数在不同月份相差较大,总涡漩数的标准差约为27个,约占总涡漩月平均数的7.6%。在不同季节气漩涡和反气漩涡的月变化规律和漩涡总数大体一致。都表现出明显的夏季多冬季少的规律。通过上述研究,论文取得的成果如下:（1）利用20年的海平面高度异常数据制作了中尺度涡训练数据集,为中尺度涡的识别研究提供了数据基础;（2）利用三种卷积神经网络构建了中尺度涡自动识别模型,为中尺度涡的自动化高精度识别提供一种方法;（3）探明了中国海及其邻近海域的中尺度涡时空分布特征。