用于动物携带标签 Argos 位置快速质量控制的连续时间状态空间模型

状态空间模型是对易错动物运动数据进行质量控制的重要工具。Argos 卫星系统的近实时（24小时内）能力通过告知动物何时进入密集使用区，助力人类活动的动态海洋管理。该能力也促进了动物携带传感器海洋观测在业务化海洋预报模型中的使用。此类近实时数据提供需要快速、可靠的质量控制以处理易错的 Argos 位置。我们针对三类 Argos 位置数据（最小二乘、卡尔曼滤波与卡尔曼平滑）构建了连续时间状态空间模型，并考虑观测的不规则时序。我们的模型刻意保持简单，以确保对 Argos 数据进行自动化、近实时质量控制的速度与可靠性。我们通过拟合来自7类海洋脊椎动物共61个个体的 Argos 数据验证模型，并将模型估计位置与 GPS 位置比较。估计精度因物种而异，中位数均方根误差通常 < 5 km，且随数据采样率与 Argos 位置精度提高而下降。引入放大 Argos 误差椭圆尺寸的模型参数可获得更准确的位置估计。在某些情况下，模型显著改善了 Argos 卡尔曼平滑位置的精度，若平滑器使用了所有可用信息，这不应发生。我们的模型由 Argos 最小二乘或卡尔曼滤波数据提供的质量控制位置，精度略优于仅通过重处理可用的 Argos 卡尔曼平滑数据。简单性与易用性使该模型既适用于近实时 Argos 数据的自动化质量控制，也适用于处理历史 Argos 数据的研究人员手动使用。