Automated Glider Tracking of a California Undercurrent Eddy Using the Extended Kalman Filter
Notice bibliographique
Résumé
Abstract Automated feature tracking and vehicle navigation have the potential to facilitate autonomous surveys of ocean eddies by increasing sampling quality and/or decreasing operator workload. During an observational campaign in late 2013 and early 2014, methods for automated tracking were used to direct multiple ocean gliders during persistent surveys of a California Undercurrent eddy in Washington and British Columbia, Canada, coastal waters over a 3-month period. Glider observations of depth-averaged currents in the ocean’s upper kilometer and vertical separation of selected isopycnals were assimilated into a simple model describing eddy position, size, strength, and background flows using an extended Kalman filter. Though differing in detail from observations, results show the assumed eddy structure was sufficient to describe its essential characteristics and stably estimate eddy position through time. Forecast eddy positions and currents were used to select targets automatically to guide multiple gliders along transects through the eddy center as it translated. Transects performed under automated navigation had comparable or better straightness and distance from the eddy center when compared to navigation based on manual interpretation of the eddy scale and position. The tracking results were relatively insensitive to model choices at times when the eddy was well sampled, but they were more sensitive during sampling gaps and redundancies or rapid eddy translation. Overall, the results provide evidence that automated tracking and navigation are feasible with potential for widespread application in autonomous eddy surveys.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».