Auteurs:  (1) Toshit Jain, Institut indien des sciences de Bangalore, Inde ;  (2) Varun Singh, Institut indien des sciences de Bangalore, Inde ;  (3) Vijay Kumar Boda, Institut indien des sciences de Bangalore, Inde ;  (4) Upkar Singh, Institut indien des sciences de Bangalore, Inde ;  (5) Ingrid Hotz, Institut indien des sciences de Bangalore, Inde et Département des sciences et technologies (ITN), Université de Linköping, Norrköping, Suède ;  (6) PN Vinayachandran, Institut indien des sciences de Bangalore, Inde ;  (7) Vijay Natarajan, Institut indien des sciences de Bangalore, Inde.  Tableau des liens   Résumé et introduction   Données océaniques   pyParaOcean : Architecture   pyParaOcean : fonctionnalités   Étude de cas : Golfe du Bengale   Conclusion   Remerciements et références  4. pyParaOcean : Fonctionnalités  Nous listons et décrivons maintenant les différentes fonctions implémentées dans le plugin pyParaOcean et mises à disposition sous forme de filtres Paraview. La figure 2 et la vidéo dans le matériel supplémentaire montrent les différents filtres de pyParaOcean et l'interface utilisateur.  4.1. Visualisation isovolumique  Le rendu du volume est un choix naturel pour visualiser les champs scalaires 3D dans les données océaniques car il fournit un aperçu rapide de la distribution (Figure 2(D)). L'animation avec une fonction de transfert fixe permet de visualiser le champ scalaire au fil du temps. Le filtre de rendu de volume dans Paraview peut être réglé pour visualiser les sous-volumes d'intérêt en choisissant un intervalle dans la plage du champ scalaire. Plus précisément, un isovolume contenant la valeur moyenne de salinité/température dans la région spatiale d’intérêt ou un isovolume qui capture l’eau à forte salinité fournissent un bon aperçu du champ 3D.  4.2. Placement des semences et lignes de champ  Les lignes de champ, y compris les lignes de courant et les tracés, fournissent un bon aperçu d'un champ vectoriel 3D. pyParaOcean fournit un filtre qui implémente plusieurs stratégies d'amorçage pour lancer le calcul des lignes de courant et des chemins, et permet à l'utilisateur d'en choisir une. Les graines générées à l’aide de ce filtre sont transmises en entrée à l’intégrateur de rationalisation de source personnalisé ou au traceur de particules dans Paraview (Figure 2 (G, H)).  Les lignes de courant sont un ensemble de courbes intégrales tangentes à la vitesse en chaque point de l'espace. Ils représentent des lignes d'écoulement instantanées qui caractérisent d'importants phénomènes océanographiques tels que les tourbillons, les courants et les filaments. Les lignes de trajectoire sont tangentielle à la vitesse à mesure qu'elle évolue dans le temps. Une trajectoire décrit le chemin qu'une particule virtuelle sans masse emprunterait à partir de la graine positionnée à un pas de temps particulier. Les trajectoires sont utiles pour comprendre le transport, tel que l’advection de salinité et la collecte de débris. Ils nécessitent plus de calcul que les rationalisations.  Le filtre d'amorçage contrôle le nombre de graines et la manière dont le domaine est échantillonné pour le placement des graines, voir Figure 2 (C)). L'échantillonnage peut être (a) uniforme, (b) pondéré par la vitesse d'écoulement, la courbure, le tourbillon ou le critère d'Okubo-Weiss [Oku70], ou (c) pondéré par des champs scalaires définis par l'utilisateur et calculés plus tôt dans le pipeline. Un utilisateur peut régler les paramètres d'intégration de ligne et les options d'échantillonnage pour réduire l'encombrement visuel, concentrer le calcul sur les régions d'intérêt, maximiser la couverture du domaine et mettre en évidence des caractéristiques de flux intéressantes. Par exemple, le rendu de lignes vaporeuses dans des régions à fort tourbillon produit des boucles fermées autour des tourbillons avec une certaine cohérence temporelle entre les images (Figure 7).  De plus, chaque composant du champ vectoriel auquel le filtre d'amorçage est appliqué peut être spécifié comme un champ scalaire distinct. Cela facilite l'exécution d'autres opérations en aval, comme ignorer la composante de vitesse verticale ou ajuster l'échelle le long de chaque axe.   4.3. Chemins de particules interactifs  Ce filtre facilite les requêtes sur le transport de chaleur et de masse sur les données océaniques grâce à une extension d'amorçage interactive du traceur de particules de Paraview. Il affiche un tracé de coordonnées parallèles lié, où l'utilisateur peut sélectionner des plages de scalaires telles que la température et la salinité et ainsi limiter l'ensemencement aux isovolumes. Les points échantillonnés dans ces sous-volumes servent de graines pour le calcul du chemin (Figure 2 (H)).  4.4. Vue du profil de profondeur  Ce filtre permet à l'utilisateur d'inspecter une colonne verticale de l'océan, spécifiée par une paire longitude et latitude. Il laisse tomber une « aiguille » dans l’océan et échantillonne des points le long de cette ligne à différentes valeurs de profondeur (Figure 2(D)). Il affiche un tracé de coordonnées parallèles liées qui donne un profil de profondeur de tous les scalaires échantillonnés le long de la colonne verticale. Une vue de tracé linéaire du scalaire choisi en fonction de la profondeur (Figure 2(E)) s’affiche. Facultativement, le champ scalaire mappé sur une tranche verticale à la longitude choisie est affiché dans la fenêtre de rendu de volume. L'utilisateur peut sélectionner et mettre en surbrillance un sous-ensemble de points dans la colonne verticale à partir du tracé de coordonnées parallèles (Figure 2(F)) et les suivre dans le temps dans toutes les vues. Ceci est utile pour étudier le transport de masse vertical, en particulier l'upwelling ou le downwelling via le transport d'Ekman [Sar13] dans les centres de tourbillons, et pour étudier la dépression des isothermes indiquant une redistribution de la chaleur [KNR∗ 07]. Il est important d’étudier ces changements pour comprendre la vie marine, car ils déterminent la prolifération du phytoplancton et le transport des nutriments.  4.5. Identification et visualisation des tourbillons  Plusieurs algorithmes ont été conçus pour une identification fiable et automatique des tourbillons [AHG∗ 19]. McWilliam [McW90] a développé une méthode 2D utilisant le tourbillon ω comme paramètre physique, dont les minima et maxima locaux localisent les centres des tourbillons potentiels et les valeurs du tourbillon dans le voisinage par rapport au centre aident à déterminer la limite du tourbillon. Okubo [Oku70] utilise un paramètre Okubo-Weiss spécial basé sur la déformation par cisaillement et déformation et la composante verticale du tourbillon pour mesurer la rotation et ainsi identifier les tourbillons potentiels. Un critère de circularité peut être appliqué après le critère d'Okubo-Weiss pour améliorer les résultats [WHP∗ 11]. La hauteur de la surface de la mer et le profil de vitesse ont également été utilisés pour la détection des tourbillons [MAIS16]. Le critère d'angle d'enroulement, associé à un regroupement simplifié, permet d'identifier les tourbillons en 3D [FFH21].   Le filtre d'identification des tourbillons dans pyParaOcean se concentre sur les tourbillons à mésoéchelle [AMM17] . Il utilise uniquement le champ de vitesse par pas de temps individuels et ne calcule aucun champ dérivé. Ce schéma de détection 3D peut être appliqué en parallèle sur plusieurs pas de temps et sur des tranches de profondeur puisque la vitesse verticale n'est pas utilisée.  La vitesse d'écoulement du fluide tourbillonnant diminue radialement vers l'intérieur en direction du centre de rotation. Le filtre inspecte les minimums locaux de la vitesse d'écoulement pour identifier les centres de tourbillons potentiels. La vitesse verticale est ignorée pour ignorer le mouvement de remontée ou de descente dans les noyaux de vortex, améliorant ainsi les minimums d'écoulement correspondants. Le bruit et les minima moins significatifs sont supprimés en appliquant une simplification topologique dirigée par la notion de persistance [TFL∗ 17]. Ensuite, la méthode utilise une approximation du critère d'angle d'enroulement [FFH21] en vérifiant si la ligne de courant traverse les quatre quadrants d'un plan XY centré au minimum [GEP04]. Cette méthode est plus efficace dans les régions avec des centres de tourbillons relativement stationnaires comme la mer Rouge et le golfe d'Aden. La figure 3 montre l'ensemble des centres de tourbillons potentiels identifiés dans la mer Rouge à l'aide de ce filtre.  Les lignes rationalisées semées près du noyau d'un tourbillon forment des spirales ou des boucles fermées. La limite d'un tourbillon est déterminée à l'aide d'une recherche binaire le long des axes radiaux. La recherche permet de localiser la graine la plus éloignée du centre du tourbillon, mais aboutit à une rationalisation en spirale ou en boucle presque fermée. Le filtre affiche toutes les lignes de courant provenant de près du noyau de vortex détecté et présente donc un profil 3D du tourbillon (Figure 2 (I)). Il peut être étendu pour prendre en charge d'autres méthodes de détection de tourbillons [MAIS16, FFH21] qui peuvent être sélectionnées via l'interface.  4.6. Suivi du front de surface et visualisation de la salinité  Les océanographes s'intéressent souvent aux parcelles d'eau qui transportent de la masse ou de la chaleur. Il s’agit de volumes d’eau en mouvement présentant des caractéristiques distinctives de température ou de salinité. Le filtre de suivi du front de surface calcule les composantes connectées de la limite d'un isovolume de champ scalaire (appelé front de surface), les suit au fil du temps et génère un graphique de suivi qui résume le mouvement de tous les fronts de surface. Un sous-ensemble de pistes extraites de ce graphique est rendu pour une analyse visuelle. Il a été démontré que les fronts de surface sont un bon représentatif des masses d’eau à forte salinité [SDVN22]. Il a été utilisé pour retracer le trajet du noyau à haute salinité (HSC) entrant dans le golfe du Bengale depuis la mer d’Oman (Figure 2(J)).   Cet article est   sous licence CC 4.0. disponible sur arxiv

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

Oceanography.Tech

Cet audio est produit dans la langue originale de l'histoire !

Trop long; Pour lire

Boost your HackerNoon story @ $159.99! 🚀

pyParaOcean, un système d'analyse visuelle des données océaniques : pyParaOcean : fonctionnalités

About Author

COMMENTAIRES

ÉTIQUETTES

CET ARTICLE A ÉTÉ PARU DANS

Related Stories

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

Les couches invisibles : pourquoi les entretiens avec les utilisateurs sont un atout irremplaçable

Guide de l'architecte pour créer une architecture de référence pour un datalake IA/ML

Vous voulez gagner un concours d’écriture HackerNoon ? Voici ce que recommandent les gagnants du concours #crypto-api

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

Les couches invisibles : pourquoi les entretiens avec les utilisateurs sont un atout irremplaçable

Guide de l'architecte pour créer une architecture de référence pour un datalake IA/ML

Vous voulez gagner un concours d’écriture HackerNoon ? Voici ce que recommandent les gagnants du concours #crypto-api

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps