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  2. Données océaniques  Les océanographes traitent généralement de grands ensembles de données spatio-temporelles multivariées – des champs scalaires ou vectoriels variant dans le temps sur une région tridimensionnelle. Les données sont générées à l’aide de simulations, d’images satellite, de capteurs sur bouées ou d’observations physiques in situ. Avec les progrès du calcul haute performance, l’échantillonnage à plus haute résolution et le nombre croissant d’observables, la taille de ces ensembles de données augmente rapidement. Les ensembles de données de réanalyse combinent un modèle de simulation numérique avec des entrées d'observation pour fournir des données spatio-temporellement cohérentes. Les données océaniques contiennent de forts processus temporels et spatiaux impliquant des interactions complexes entre des entités multi-échelles [XLWD19]. Il est analysé à diverses échelles, depuis des éléments à petite échelle tels que les tourbillons et les fronts jusqu'à des éléments à grande échelle tels que les bassins océaniques et les modèles de circulation.  Toutes les visualisations de cet article sont générées à l'aide de deux ensembles de données, la mer Rouge et le golfe du Bengale.     cet ensemble de données [TZG∗ 17] a été mis à disposition dans le cadre du concours IEEE SciVis 2020. Il s'agit d'un ensemble de 50 membres de champs scalaires et de vitesses tridimensionnels. Les données sont régulièrement échantillonnées sur une grille 500 × 500 × 50 sur 60 pas de temps couvrant un mois entier de simulation. Les ensembles sont les résultats des modèles simulés avec différents paramètres et conditions initiales, et ils peuvent varier considérablement même avec un petit changement dans les valeurs des paramètres. Les membres sont les prévisions des configurations MITgcm configurées pour les domaines 30◦E - 50◦E et 10◦N - 30◦N qui couvrent toute la mer Rouge. Ils sont implémentés en coordonnées cartésiennes avec une résolution horizontale de 0,04◦ × 0,04◦ (4 km) et 50 couches verticales, avec un espacement en surface de 4 m et un espacement au fond de 300 m. L'ensemble de données est disponible au format NetCDF. Mer Rouge :    cet ensemble de données est généré par un produit de réanalyse et disponible dans le référentiel Nucleus for European Modeling of the Ocean (NEMO) [Mad08], avec une résolution quotidienne couvrant les mois de juillet à août 2020, soit un total de 62 pas de temps. . Les données sont disponibles au format NetCDF, avec une résolution de 1/12◦ latitude-longitude. Les mesures de salinité sont disponibles à 50 niveaux verticaux, allant d'une résolution de 1 m près de la surface à une résolution de 450 m vers le fond marin, dont 22 échantillons dans les 100 m supérieurs. Le golfe du Bengale, une région géographique confinée par les longitudes 75◦E et 96◦E et les latitudes 5◦ S à 30◦N, avec une profondeur allant jusqu'à 200 m, est extraite de ces données. Baie du Bengale :  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 : données océaniques

About Author

COMMENTAIRES

ÉTIQUETTES

CET ARTICLE A ÉTÉ PARU DANS

Related Stories

Croissance des crypto-monnaies : créer des profils d'utilisateurs efficaces

La fuite de l'invite du système Claude Sonnet 3.5 : une analyse médico-légale

Valhalla de Floki se joint en tant que sponsor associé de la tournée indienne au Sri Lanka

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

Croissance des crypto-monnaies : créer des profils d'utilisateurs efficaces

La fuite de l'invite du système Claude Sonnet 3.5 : une analyse médico-légale

Valhalla de Floki se joint en tant que sponsor associé de la tournée indienne au Sri Lanka

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

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps