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  Abstrait   L'analyse visuelle est bien adoptée dans le domaine de l'océanographie pour l'analyse de simulations de modèles, la détection de différents phénomènes et événements et le suivi des processus dynamiques. Avec l'augmentation de la taille des données et la disponibilité de données dynamiques multivariées, il existe un besoin croissant d'outils évolutifs et extensibles pour la visualisation et l'exploration interactive. Nous décrivons pyParaOcean, un système de visualisation qui prend en charge plusieurs tâches couramment utilisées dans l'analyse visuelle des données océaniques. Le système est disponible sous forme de plugin pour Paraview et est donc capable d'exploiter ses capacités informatiques distribuées et son riche ensemble de fonctionnalités génériques d'analyse et de visualisation. pyParaOcean fournit des modules pour prendre en charge différentes tâches d'analyse visuelle spécifiques aux données océaniques, telles que l'identification des tourbillons et le suivi des mouvements de salinité. Ces modules sont disponibles sous forme de filtres Paraview et cette intégration transparente donne lieu à un système facile à installer et à utiliser. Une étude de cas sur le golfe du Bengale illustre l'utilité du système pour l'étude des phénomènes et processus océaniques.  1. Introduction  Comprendre les données océaniques est primordial pour prévoir les événements météorologiques extrêmes tels que les ouragans et les tsunamis, pour mieux comprendre les processus à l'échelle planétaire comme le réchauffement climatique, ainsi que pour gérer et préserver de manière durable les ressources océaniques et leur vie marine. La visualisation des données océaniques est un défi en raison de la présence de plusieurs champs et paramètres qui changent avec le temps. Les courants océaniques sont indéniablement le principal facteur qui maintient l’équilibre thermique du système océan-atmosphère et affecte le mouvement des minéraux et du sel. Les tourbillons de mésoéchelle, qui s'étendent sur des dizaines à des centaines de kilomètres de diamètre et ont une durée de vie qui peut aller de quelques jours à plusieurs mois [RR10], sont omniprésents dans les océans. Ils jouent un rôle important dans le transport de chaleur et de masse au sein des océans [McW08]. Ils ont également un impact important sur l'écologie de l'océan et sur les processus biogéochimiques [MJD∗ 99, BNBD∗ 07].  Avec les progrès réalisés dans la collecte et la génération de données océaniques [FD06, Ros89], il existe un besoin en outils permettant une visualisation efficace des données et évolutifs pour suivre le rythme des résolutions et des tailles toujours croissantes des ensembles de données océaniques.  1.1. Travaux connexes  La visualisation en océanographie est un domaine de recherche difficile en raison de la taille croissante des données, de l'hétérogénéité et de la nature multivariée des données, ainsi que de la complexité inhérente aux phénomènes océaniques. L'utilisation de logiciels d'analyse et de visualisation à usage général tels que Matlab, Tecplot, AVS et Paraview est répandue dans la communauté. Cependant, les océanographes utilisent souvent des outils développés spécifiquement pour les données océaniques, tels que Ferret [Fer23], pyFerret [pyF23] et Copernicus MyOcean [myO23]. Ces outils spécialisés offrent de multiples fonctionnalités et produisent des vues 2D des données.  Quelques frameworks logiciels développés au sein de la communauté de visualisation offrent des capacités de visualisation de données 2D et 3D. COVE [GSK∗ 08] est un environnement collaboratif de visualisation océanique qui prend en charge l'analyse interactive des modèles océaniques sur le Web. RedSeaAtlas [AGT∗ 19] prend en charge la sélection de régions sur une carte 2D et fournit des vues exploratoires des vents, des vagues, des marées, de la chlorophylle, etc. au-dessus de la mer Rouge. OceanPaths [NL15] est un outil de visualisation de données multivariées qui calcule les voies traçant les courants océaniques et prend en charge le traçage de différentes données de grande dimension le long des voies. Cela permet d’étudier les corrélations entre différentes caractéristiques océanographiques.  Le flux de travail d'analyse d'un océanographe comprend quelques tâches courantes [GSK∗ 08] telles que l'inspection des distributions de température et de salinité et des sections transversales verticales, comparer les données de salinité récemment mesurées avec les données du modèle, inspecter et analyser les tourbillons et la circulation actuels sur la base des données de débit, et analyser événements extrêmes. Les isosurfaces et le rendu volumique sont des choix naturels pour la visualisation des distributions 3D de température et de salinité [DAN12, PBI04]. Cependant, la visualisation des distributions qui changent dynamiquement constitue un défi. VAPOR [LJP∗ 19] est l'un des rares outils permettant une visualisation 3D efficace pour les applications en océanographie et en sciences atmosphériques. Le modèle de données de collecte de données VAPOR (VDC) prend en charge l'analyse visuelle interactive de données volumineuses sur des GPU modernes et du matériel de base.  Xie et coll. [XLWD19] et Afzal et al. [AHG∗ 19] présentent des études sur les méthodes et outils d'analyse visuelle développés pour les données océaniques. Xie et coll. classer les tâches d'analyse visuelle en quatre catégories, à savoir l'étude de différentes variables environnementales, l'identification et le suivi des phénomènes océaniques, la découverte de modèles et de corrélations, et la visualisation d'ensembles et d'incertitudes. En outre, ils identifient différentes opportunités et domaines inexplorés pour des travaux futurs, notamment des méthodes efficaces et évolutives de traitement et de gestion des données, l'identification de fonctionnalités à plusieurs échelles et des plates-formes immersives. Même si nous reconnaissons la disponibilité de plusieurs méthodes de visualisation océanographique, nous notons qu’il s’agit souvent de solutions autonomes. Notre objectif est de tirer parti des progrès considérables de la technologie de visualisation mise en œuvre dans Paraview tout en fournissant des fonctionnalités et des vues spécifiques aux données océaniques.  1.2. Contributions  Nous présentons pyParaOcean, un système d'exploration interactive et d'analyse visuelle des données océaniques. Le système exploite la puissance de Paraview [AGL05] pour permettre des visualisations évolutives des données disponibles à partir des modèles océaniques tout en prenant en charge une multitude de tâches et de fonctionnalités spécialisées pour l'océanographie. Les capacités de visualisation de pyParaOcean sont disponibles via une intégration transparente dans Paraview à l'aide de plugins. Les principales caractéristiques du système comprennent  • Visualisation de terrain en 3D pour étudier la distribution de la salinité et de la température, avec prise en charge de l'affichage et de l'exploration des isovolumes en évolution dynamique.  • Visualisation des courants océaniques avec prise en charge de différentes stratégies d'ensemencement pour les lignes de courant et les lignes de chemin.  • Vues en coupe verticale et tracé de coordonnées parallèles qui prennent en charge la sélection et le découpage interactifs des données.  • Identification et suivi des mouvements de salinité via l'extraction de fronts de surface. • Visualisation et suivi des caractéristiques de Foucault.  • Une conception extensible qui prend en charge l'incorporation de nouvelles fonctionnalités comme filtres dans Paraview.  Nous présentons les résultats d'une exploration du golfe du Bengale, réalisée en collaboration avec un océanographe, à titre d'étude de cas pour démontrer l'utilité du système.  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 : résumé et introduction

About Author

COMMENTAIRES

ÉTIQUETTES

CET ARTICLE A ÉTÉ PARU DANS

Related Stories

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

Boostez votre productivité avec ces 18 outils de développement 🚀🔥

Appuyez pour gagner : Telegram pourrait intégrer les 10 prochains milliards d'utilisateurs de crypto avant Solana

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

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

Boostez votre productivité avec ces 18 outils de développement 🚀🔥

Appuyez pour gagner : Telegram pourrait intégrer les 10 prochains milliards d'utilisateurs de crypto avant Solana

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

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps