Increased ocean temperatures caused by climate change are expected to lead to more frequent and severe harmful algal blooms, which deteriorate water quality, cause human illness and fish mortality. Scientific understanding of algal blooms and their dynamics is limited due to the lack of data from such ocean phenomena. State-of-the-art ocean monitoring includes satellite imagery and dedicated research vessels. Mobile sensors based on autonomous underwater vehicles (AUVs) and other robotic technologies are of growing importance for efficient environmental monitoring of the oceans. The overall objective of this thesis is to design a system for ocean feature estimation and tracking based on adaptive sensor sampling using AUVs. The thesis contributions are focused on the following three problems.

 The first problem we consider is how to estimate and track circular and non-circular ocean features using a multi-robot system. We propose a circumnavigation control law, proving that it forces the AUVs to converge to a circular formation. Two target estimation algorithms are presented: one is based on a leader-follower approach, while the other is distributed. Both algorithms are shown to successfully estimate and track the mobile target's location. Secondly, we consider the problem of tracking ocean fronts using a single AUV supported by satellite data. We develop a Gaussian process model for the front estimation and show how it can be updated based on the available sensor and satellite data. Using this model, a control law is developed that guides the AUV to move toward and along the ocean front. The closed-loop system is evaluated through a detailed simulation environment with realistic vehicle and environment models and real algal bloom data. Finally, we develop an experimental setup based on a real AUV to demonstrate that our method for algal bloom tracking is feasible in practice. We show experimental results from two surveys in the Stockholm archipelago and compare the performance of the real system with simulation studies. The results indicate that the front tracking and gradient estimation algorithms are working well but also suggest important items for further studies.

Stigande havstemperaturer på grund av klimatförändringar förväntas ledatill fler och allvarligare algblomningar som kommer att försämra vattenkvaliten,men också orsaka sjukdomar bland människor och dödsfall bland fiskar. Samtidigtär den vetenskapliga förståelsen för algblomning och dess utbredningsmekanismerbegränsad, och det finns ont om information om detta fenomen. Idagsläget görs havsövervakning med bland annat satelitbilder och dedikeradeforskningsfarkoster. Mobila sensorer på autonoma undervattensfarkoster (autonomousunderwater vehicles, AUVs) och andra robotikmetoder har därmedbörjat spela en större roll i att uppnå en effektiv klimatövervakning i våra vatten.Det övergripande målet med denna avhandling är att designa ett system fördetektering och spårning av havsföremål med hjälp av adaptiv sensorprovtagningmed AUVs. Avhandlingens bidrag fokuserar på de följande tre problemen.Det första problemet som behandlas är hur cirkulära och icke-cirkulära havsföremålkan detekteras och spåras av ett system med flera robotar. Vi föreslåren regleralgoritm som bygger på kringsegling, och bevisar hur det resulterar iatt alla AUVs konvergerar till en cirkulär formation. Två målestimeringsalgoritmerpresenteras: den ena bygger på en ledare-följare-metod och den andra påen distribuerad metod. Vi demonstrerar att båda algoritmerna kan detektera detrörliga målet och spåra dess position.Det andra problemet som behandlas är spårning av havsfronter med en ensamAUV som har tillgång till satelitinformation. Vi använder en gaussisk processför att modellera fronter och visar att den kan uppdateras med data frånsensorer och sateliter. Modellen används följaktligen till att ta fram en regleralgoritmsom styr en AUV till fronten och sedan följer den. Det återkoppladesystemet utvärderas i simuleringar med realistiska modeller för farkost och vattenmiljötillsammans med verklig algblomningsdata.Slutligen utvecklar vi en experimentplatform baserat på en riktig AUV föratt demonstera att spårningen av algblomning fungerar i verkligheten. Resultatfrån två experiment in Stockholms skärgård presenteras, och det verkliga systemetsprestanda jämförs med prestandan i simulering. Resultaten indikerar attalgoritmerna för frontspårning och gradientestimering fungerar väl, men lyfteräven fram frågor som bör besvaras i framtida studier.