Autores:
(1) Toshit Jain, Instituto Indio de Ciencias de Bangalore, India;
(2) Varun Singh, Instituto Indio de Ciencias de Bangalore, India;
(3) Vijay Kumar Boda, Instituto Indio de Ciencias de Bangalore, India;
(4) Upkar Singh, Instituto Indio de Ciencias de Bangalore, India;
(5) Ingrid Hotz, Instituto Indio de Ciencias de Bangalore, India y Departamento de Ciencia y Tecnología (ITN), Universidad de Linköping, Norrköping, Suecia;
(6) PN Vinayachandran, Instituto Indio de Ciencias de Bangalore, India;
(7) Vijay Natarajan, Instituto Indio de Ciencias de Bangalore, India.
Estudio de caso: Bahía de Bengala
Conclusión, agradecimientos y referencias
La corriente del monzón de verano (SMC) es una característica destacada de la circulación del océano Índico y la SMC fluye alrededor de Sri Lanka para desembocar en la Bahía de Bengala. Usamos pyParaOcean para estudiar diferentes fenómenos en la Bahía de Bengala, particularmente durante el monzón.
Remolinos . La Figura 5 es un esquema aproximado de las principales corrientes y remolinos en la Bahía durante la temporada de monzones. Un gran remolino anticiclónico (AE) ubicado a la derecha del SMC y un remolino ciclónico conocido como el Domo de Sri Lanka (SLD) a su izquierda [VY98] son características regulares en esta región durante el verano. El AE tiene un diámetro de unos 500 km, está situado al sureste de la costa de Sri Lanka y se caracteriza por un intenso descenso en su interior debido a su circulación anticiclónica. [VY98] propusieron que el AE se forma por la interacción del SMC y las ondas de Rossby entrantes desde Sumatra. La línea temporal de aparición y desaparición del EA quedó documentada en un trabajo posterior [VCMN04]. El AE comienza a formarse en junio, adquiere una forma circular en julio y se debilita en agosto, como se muestra en la Figura 6 y el video adjunto.
Transporte de salinidad. pyParaOcean sirve como una herramienta eficaz para analizar los efectos de la EA en la Bahía de Bengala. Las líneas de corriente y trayectorias ofrecen visualización de la circulación asociada con el AE y su movimiento en el océano. Las líneas de campo pueden superponerse en una representación volumétrica de un escalar para visualizar el transporte causado por el remolino. La Figura 7 y el video adjunto muestran las líneas de corriente superpuestas en una representación del volumen de salinidad en diferentes pasos de tiempo para mostrar el papel del AE en el transporte de sal. En esta representación se capta bien el movimiento de agua de alta salinidad desde el Mar Arábigo por el SMC hacia la Bahía de Bengala y su recirculación por el AE. El seguimiento de los frentes superficiales de agua de alta salinidad y resaltar las huellas de larga duración ayuda a capturar una visión general del movimiento significativo de salinidad en la región. Observamos una pista que avanza hacia la costa de la India, ver Figura 4.
Depresión . La Figura 8 y el vídeo adjunto muestran el uso del filtro de perfil de profundidad para visualizar la depresión de la isoterma de 27◦ por parte del AE. La naturaleza anticiclónica del remolino provoca una corriente descendente dentro del remolino y empuja el agua relativamente más cálida hacia abajo. La vista de coordenadas paralelas muestra los cambios de temperatura, salinidad y velocidad en la columna de agua provocados por la llegada del remolino al punto de interés.
Experiencia y desempeño. Este estudio de caso se realizó en colaboración con un coautor oceanógrafo. Utilizando pyParaOcean se podrían realizar varias observaciones sobre fenómenos como el SLD y el movimiento de agua de alta salinidad. Si bien nuestros colaboradores oceanógrafos suelen utilizar herramientas como pyFerret para análisis 2D, encontraron que la capacidad de pyParaOcean era muy útil. Después de esta satisfactoria experiencia inicial, planeamos trabajar juntos en el estudio de la salida del modelo de mayor resolución utilizando pyParaOcean. Los filtros de seguimiento del frente de superficie y de detección de remolinos tardan unos minutos, mientras que todos los demás filtros tardan entre 1 y 2 segundos o menos. Todos los experimentos se realizaron en una estación de trabajo con una CPU AMDEPYC 7262 @ 3,2 GHz de 8 núcleos con 512 GB de memoria principal y GPU NVIDIA RTX A4000 (16 GB). El cálculo del frente de superficie se paraleliza utilizando la biblioteca de multiprocesamiento de Python, pero hay margen para seguir mejorando en tiempo de ejecución. El filtro de visualización y detección de remolinos también se puede optimizar al paralelizar parte del cálculo. Planeamos abordar esto en el futuro.
Este documento está disponible en arxiv bajo licencia CC 4.0.