Autonomous underwater vehicles (AUVs) have become central to data collection for scientific and monitoring missions in the coastal and global oceans. To provide immediate navigational support for AUVs, computational data-driven flow models described as generic environmental models (GEMs) construct a map of the environment around AUVs. This paper proposes a data assimilation framework for the GEM to update the map using data collected by the AUVs. Unlike Eulerian data, Lagrangian data along the AUV trajectory carry time-integrated flow information. To facilitate assimilation of Lagrangian data into the GEM, the motion tomography method is employed to convert Lagrangian data of AUVs into an Eulerian spatial map of a flow field. This process allows assimilation of both Eulerian and Lagrangian data into the GEM to be incorporated in a unified framework, which introduces a nonlinear filtering problem. Considering potential complementarity of Eulerian and Lagrangian data in estimating spatial and temporal characteristics of flow, we develop a filtering method for estimation of the spatial and temporal parameters in the GEM. The observability is analyzed to verify the convergence of our filtering method. The proposed data assimilation framework for the GEM is demonstrated through simulations using two flow fields with different characteristics: (i) a double-gyre flow field and (ii) a flow field constructed by using real ocean surface flow observations from high-frequency radar.

中文翻译：

---

运动层析成像技术为数据驱动的流模型提供数据同化框架

自主水下航行器（AUV）已成为在沿海和全球海洋进行科学和监测任务的数据收集的中心。为了为AUV提供即时导航支持，称为通用环境模型（GEM）的计算数据驱动的流量模型构建了AUV周围环境的地图。本文为GEM提出了一个数据同化框架，以使用AUV收集的数据更新地图。与欧拉数据不同，沿AUV轨迹的拉格朗日数据带有时间积分流信息。为了促进将拉格朗日数据同化到GEM中，采用运动层析成像方法将AUV的拉格朗日数据转换为流场的欧拉空间图。该过程允许将欧拉和拉格朗日数据同化到GEM中以合并到一个统一的框架中，从而引入了非线性滤波问题。考虑到欧拉和拉格朗日数据在估计流量的时空特征方面的潜在互补性，我们开发了一种用于估计GEM中时空参数的过滤方法。分析可观察性以验证我们的滤波方法的收敛性。通过使用具有不同特征的两个流场进行仿真，证明了针对GEM提出的数据同化框架：（i）双回转流场和（ii）通过使用高频雷达的真实海面流观测结果构建的流场。考虑到欧拉和拉格朗日数据在估计流量的时空特征方面的潜在互补性，我们开发了一种用于估计GEM中时空参数的过滤方法。分析可观察性以验证我们的滤波方法的收敛性。通过使用具有不同特征的两个流场进行仿真，证明了针对GEM提出的数据同化框架：（i）双回转流场和（ii）通过使用高频雷达的真实海面流观测结果构建的流场。考虑到欧拉和拉格朗日数据在估计流量的时空特征方面的潜在互补性，我们开发了一种用于估计GEM中时空参数的过滤方法。分析可观察性以验证我们的滤波方法的收敛性。通过使用具有不同特征的两个流场进行仿真，证明了针对GEM提出的数据同化框架：（i）双旋流流场；（ii）使用高频雷达的真实海面流观测结果构建的流场。