1.一种识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，包括以下步骤：(1)利用卫星观测海平面高度异常数据，通过涡流检测算法，基于流场速度几何特征计算识别海洋涡旋，形成涡旋数据集；

(2)通过SeaWiFS、Meris和MODIS-Aqua卫星数据获得海表面叶绿素数据，对涡旋数据集与海表面叶绿素数据集进行时空匹配，将相同时间相同位置的涡旋数据以及叶绿素浓度数据对应起来，获得带有叶绿素浓度数据的涡旋综合数据集；

(3)在涡旋综合数据集中选取样本区域，样本区域将某个海洋涡旋包含在样本区域内；

(4)通过提取样本区域内的叶绿素浓度数据的特征，判断在该区域内是否形成了叶绿素环状结构；

(5)遍历涡旋综合数据集中的海洋涡旋，重复步骤3和步骤4，识别数据集中所有的叶绿素环状结构。

2.根据权利要求1所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于：步骤

2中所述的对涡旋数据集与海表面叶绿素数据集进行时空匹配，是在所有涡旋数据中选择生命周期大于4周的涡旋数据进行匹配。

3.根据权利要求1所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于：步骤

3中所述的样本区域，是以涡旋中心为区域中心、边长为5倍涡旋半径的正方形研究样本，其中涡旋半径取涡旋中心到涡旋边缘距离的平均值。

4.根据权利要求1所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，步骤

4包括以下过程：

(41)通过插值法补充样本区域中叶绿素浓度数据的缺失值；

(42)对样本区域网格化，通过插值法获得网格中的叶绿素浓度插值数据；

(43)计算不同半径所对应的每一圈叶绿素浓度的平均值，形成叶绿素浓度随径向距离变化关系曲线，对该曲线进行拟合，判断其峰值的位置是否落在叶绿素环状结构的特征区域内，若是，则进入下一步；

(44)选取16个不同方向，计算这些不同的方向上叶绿素浓度随径向距离的变化关系，判断其峰值的位置是否落在叶绿素环状结构的特征区域内，如果9个及以上任意方向均满足该判断条件，则判断该样本区域中含有叶绿素环状结构。

5.根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，步骤

41中所述的通过插值法补充样本区域中叶绿素浓度数据的缺失值，是对缺失值占比小于

30％的样本区域进行双线性插值，缺失值大于30％的数据为无效数据。

6.根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，在步骤42中所述的对样本区域网格化，网格大小与海表叶绿素浓度原始数据的数据采集位置间隔保持一致。

7.根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，在步骤43中所述的叶绿素环状结构的特征区域为0.5倍涡旋半径至1.5倍涡旋半径之间。

8.根据权利要求4所述的识别海洋涡旋边缘叶绿素环状结构的方法，其特征在于，在步骤44中所述的16个不同方向，两个相邻方向间夹角为22.5°。