We provide a novel methodology for computing the most likely path taken by drifters between arbitrary fixed locations in the ocean. We also provide an estimate of the travel time associated with this path. Lagrangian pathways and travel times are of practical value not just in understanding surface velocities, but also in modelling the transport of ocean-borne species such as planktonic organisms, and floating debris such as plastics. In particular, the estimated travel time can be used to compute an estimated Lagrangian distance, which is often more informative than Euclidean distance in understanding connectivity between locations. Our methodology is purely data-driven, and requires no simulations of drifter trajectories, in contrast to existing approaches. Our method scales globally and can simultaneously handle multiple locations in the ocean. Furthermore, we provide estimates of the error and uncertainty associated with both the most likely path and the associated travel time.


翻译:我们为计算漂浮者在海洋中任意固定地点之间最可能走的路提供了一种新颖的方法,我们还提供了与这条路相联的旅行时间估计。拉格朗江路线和旅行时间不仅在理解地表速度方面,而且在模拟浮游生物等海洋物种的迁移和塑料等浮游碎片的运输方面,具有实际价值。特别是,估计的旅行时间可用于计算估计的拉格朗江距离,在理解不同地点之间的连接方面,该距离往往比欧格利德距离更具有信息性。我们的方法纯粹是数据驱动的,不需要对现有方法进行漂浮轨道的模拟。我们的方法尺度可以在全球同时处理多个海洋地点。此外,我们还提供了与最可能走的路和相关的旅行时间有关的错误和不确定性的估计。

0
下载
关闭预览

相关内容

迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
已删除
将门创投
6+阅读 · 2019年4月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Arxiv
0+阅读 · 2021年1月18日
Arxiv
0+阅读 · 2021年1月15日
Arxiv
0+阅读 · 2021年1月15日
Arxiv
0+阅读 · 2021年1月14日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
VIP会员
Top
微信扫码咨询专知VIP会员