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.  Tabla de enlaces   Resumen e introducción   Datos oceánicos   pyParaOcean: Arquitectura   pyParaOcean: Funcionalidades   Estudio de caso: Bahía de Bengala   Conclusión   Agradecimientos y Referencias  4. pyParaOcean: Funcionalidades  Ahora enumeramos y describimos las diversas funciones que se implementan en el complemento pyParaOcean y están disponibles como filtros de Paraview. La Figura 2 y el video del material complementario muestran los diferentes filtros en pyParaOcean y la interfaz de usuario.  4.1. Visualización de isovolumen  La representación de volumen es una opción natural para visualizar los campos escalares 3D en los datos del océano porque proporciona una descripción general rápida de la distribución (Figura 2 (D)). La animación con una función de transferencia fija permite la visualización del campo escalar a lo largo del tiempo. El filtro de representación de volumen dentro de Paraview se puede ajustar para visualizar subvolúmenes de interés eligiendo un intervalo dentro del rango del campo escalar. Específicamente, un isovolumen que contiene el valor medio de salinidad/temperatura dentro de la región espacial de interés o un isovolumen que captura agua con alta salinidad proporciona una buena visión general del campo 3D.  4.2. Colocación de semillas y líneas de campo.  Las líneas de campo, incluidas las líneas de corriente y las líneas de trayectoria, proporcionan una buena descripción general de un campo vectorial 3D. pyParaOcean proporciona un filtro que implementa múltiples estrategias de siembra para iniciar el cálculo de líneas de corriente y líneas de ruta, y permite al usuario elegir una. Las semillas generadas con este filtro se alimentan como entrada al integrador aerodinámico de fuente personalizado o al rastreador de partículas en Paraview (Figura 2 (G, H)).  Las líneas de corriente son un conjunto de curvas integrales tangentes a la velocidad en cada punto del espacio. Representan líneas de flujo instantáneas que caracterizan importantes fenómenos oceanográficos como remolinos, corrientes y filamentos. Las líneas de trayectoria son tangenciales a la velocidad a medida que evoluciona con el tiempo. Una línea de ruta describe el camino que tomaría una partícula virtual sin masa a partir de la semilla ubicada en un paso de tiempo particular. Las líneas de trayectoria son útiles para comprender el transporte, como la advección de la salinidad y la recolección de escombros. Requieren más uso de cómputo que las simplificaciones.  El filtro de siembra controla la cantidad de semillas y cómo se muestrea el dominio para la colocación de semillas (consulte la Figura 2 (C)). El muestreo puede ser (a) uniforme, (b) ponderado por la velocidad del flujo, curvatura, vorticidad o el criterio de Okubo-Weiss [Oku70], o (c) ponderado por campos escalares definidos por el usuario que se calculan anteriormente en el proceso. Un usuario puede ajustar los parámetros de integración de líneas y las opciones de muestreo para reducir el desorden visual, enfocar el cálculo en regiones de interés, maximizar la cobertura del dominio y resaltar características de flujo interesantes. Por ejemplo, la representación de tenues líneas de corriente en regiones de alta vorticidad produce bucles cerrados alrededor de remolinos con cierta coherencia temporal entre fotogramas (Figura 7).  Además, cada componente del campo vectorial al que se aplica el filtro de inicialización se puede especificar como un campo escalar independiente. Esto facilita la realización de otras operaciones posteriores, como ignorar el componente de velocidad vertical o ajustar la escala a lo largo de cada eje.   4.3. Caminos interactivos de partículas  Este filtro facilita consultas de calor y transporte de masa sobre datos oceánicos con una extensión de siembra interactiva para el trazador de partículas de Paraview. Muestra un gráfico de coordenadas paralelas vinculado, donde el usuario puede cepillar para seleccionar rangos de escalares como temperatura y salinidad y, por lo tanto, restringir la siembra a isovolúmenes. Los puntos muestreados de estos subvolúmenes sirven como semillas para el cálculo de la línea de ruta (Figura 2 (H)).  4.4. Vista de perfil de profundidad  Este filtro permite al usuario inspeccionar una columna vertical del océano, especificada por un par de longitud y latitud. Deja caer una "aguja" en el océano y toma muestras de puntos a lo largo de esta línea a diferentes valores de profundidad (Figura 2(D)). Muestra un gráfico de coordenadas paralelas vinculado que proporciona un perfil de profundidad de todos los escalares muestreados a lo largo de la columna vertical. Se muestra una vista gráfica de líneas del escalar elegido contra la profundidad (Figura 2(E)). Opcionalmente, el campo escalar asignado a un corte vertical en la longitud elegida se muestra en la ventana de representación del volumen. El usuario puede seleccionar y resaltar un subconjunto de puntos en la columna vertical del gráfico de coordenadas paralelas (Figura 2(F)) y realizar un seguimiento a lo largo del tiempo en todas las vistas. Esto es útil para estudiar el transporte de masa vertical, especialmente el ascendente o descendente mediante el transporte de Ekman [Sar13] en centros de remolinos, y para estudiar la depresión de isotermas que indican la redistribución del calor [KNR∗ 07]. Estudiar estos cambios es importante para comprender la vida marina, ya que impulsan la floración del fitoplancton y el transporte de nutrientes.  4.5. Identificación y visualización de remolinos.  Se han ideado varios algoritmos para la identificación fiable y automática de remolinos [AHG∗ 19]. McWilliam [McW90] desarrolló un método 2D utilizando la vorticidad ω como parámetro físico, cuyos mínimos y máximos locales localizan los centros de los remolinos potenciales y los valores de vorticidad en la vecindad relativa al centro ayudan a determinar el límite del remolino. Okubo [Oku70] utiliza un parámetro especial de Okubo-Weiss basado en la deformación por corte y deformación y el componente vertical de la vorticidad para medir la rotación y, por tanto, identificar posibles remolinos. Se puede aplicar un criterio de circularidad después del criterio de Okubo-Weiss para mejorar los resultados [WHP∗ 11]. La altura de la superficie del mar y el perfil de velocidad también se han utilizado para la detección de remolinos [MAIS16]. El criterio del ángulo de sinuoso, junto con una agrupación aerodinámica, ayuda a identificar remolinos en 3D [FFH21].   El filtro de identificación de remolinos en pyParaOcean se centra en remolinos de mesoescala [AMM17]. Utiliza sólo el campo de velocidad en pasos de tiempo individuales y no calcula ningún campo derivado. Este esquema de detección 3D se puede aplicar en paralelo en intervalos de tiempo y en cortes de profundidad, ya que no se utiliza la velocidad vertical.  La velocidad del flujo del fluido en remolino disminuye radialmente hacia el centro de rotación. El filtro inspecciona los mínimos locales de la velocidad del flujo para identificar posibles centros de remolinos. La velocidad vertical se ignora para descontar el movimiento de ascendente o descendente en los núcleos de vórtice, mejorando así los mínimos de flujo correspondientes. El ruido y los mínimos menos significativos se eliminan aplicando una simplificación topológica dirigida por la noción de persistencia [TFL∗ 17]. A continuación, el método emplea una aproximación del criterio del ángulo de bobinado [FFH21] comprobando si la línea de corriente cruza los cuatro cuadrantes de un plano XY centrado en el mínimo [GEP04]. Este método es más eficaz en regiones con centros de remolinos relativamente estacionarios como el Mar Rojo y el Golfo de Adén. La Figura 3 muestra el conjunto de posibles centros de remolinos identificados en el Mar Rojo utilizando este filtro.  Las líneas de corriente sembradas cerca del núcleo de un remolino forman espirales o bucles cerrados. El límite de un remolino se determina mediante una búsqueda binaria a lo largo de los ejes radiales. La búsqueda ayuda a localizar la semilla que está más alejada del centro del remolino, pero da como resultado una línea de corriente en espiral o en circuito casi cerrado. El filtro muestra todas las líneas de corriente que se originan cerca del núcleo del vórtice detectado y, por lo tanto, presenta un perfil 3D del remolino (Figura 2 (I)). Puede ampliarse para admitir otros métodos de detección de remolinos [MAIS16, FFH21] que pueden seleccionarse a través de la interfaz.  4.6. Seguimiento del frente de superficie y visualización de salinidad.  Los oceanógrafos suelen interesarse por las masas de agua que transportan masa o calor. Se trata de volúmenes de agua en movimiento con características distintivas de temperatura o salinidad. El filtro de seguimiento del frente de superficie calcula los componentes conectados del límite de un isovolumen de campo escalar (llamado frente de superficie), los rastrea a lo largo del tiempo y genera un gráfico de seguimiento que resume el movimiento de todos los frentes de superficie. Un subconjunto de pistas extraídas de este gráfico se representa para análisis visual. Se ha demostrado que los frentes superficiales son un buen representante de masas de agua de alta salinidad [SDVN22]. Se ha utilizado para rastrear el camino del núcleo de alta salinidad (HSC) que ingresa a la Bahía de Bengala desde el Mar Arábigo (Figura 2 (J)).   Este documento está   bajo licencia CC 4.0. disponible en arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Oceanography.Tech

Este audio es producido en el idioma original de la historia!

pyParaOcean, un sistema de análisis visual de datos oceánicos: pyParaOcean: Funcionalidades

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Una breve introducción a la teoría del cerebro de Boltzmann

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Una breve introducción a la teoría del cerebro de Boltzmann

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps