Autores:  (1) Toshit Jain, Instituto Indiano de Ciência de Bangalore, Índia;  (2) Varun Singh, Instituto Indiano de Ciência de Bangalore, Índia;  (3) Vijay Kumar Boda, Instituto Indiano de Ciência de Bangalore, Índia;  (4) Upkar Singh, Instituto Indiano de Ciência de Bangalore, Índia;  (5) Ingrid Hotz, Instituto Indiano de Ciência de Bangalore, Índia e Departamento de Ciência e Tecnologia (ITN), Universidade de Linköping, Norrköping, Suécia;  (6) PN Vinayachandran, Instituto Indiano de Ciência de Bangalore, Índia;  (7) Vijay Natarajan, Instituto Indiano de Ciência de Bangalore, Índia.  Tabela de links   Resumo e introdução   Dados do oceano   pyParaOcean: Arquitetura   pyParaOcean: Funcionalidades   Estudo de caso: Baía de Bengala   Conclusão   Agradecimentos e Referências  4. pyParaOcean: Funcionalidades  Listamos e descrevemos agora as diversas funções que são implementadas no plugin pyParaOcean e disponibilizadas como filtros Paraview. A Figura 2 e o vídeo do material suplementar mostram os diferentes filtros do pyParaOcean e a interface do usuário.  4.1. Visualização de isovolume  A renderização de volume é uma escolha natural para visualizar os campos escalares 3D nos dados oceânicos porque fornece uma visão geral rápida da distribuição (Figura 2 (D)). A animação com função de transferência fixa permite a visualização do campo escalar ao longo do tempo. O filtro de renderização de volume no Paraview pode ser ajustado para visualizar subvolumes de interesse escolhendo um intervalo dentro do intervalo do campo escalar. Especificamente, um isovolume contendo o valor médio de salinidade/temperatura dentro da região espacial de interesse ou um isovolume que captura água com alta salinidade fornece uma boa visão geral do campo 3D.  4.2. Colocação de sementes e linhas de campo  As linhas de campo, incluindo linhas de corrente e linhas de trajetória, fornecem uma boa visão geral de um campo vetorial 3D. pyParaOcean fornece um filtro que implementa múltiplas estratégias de propagação para iniciar o cálculo de linhas de fluxo e linhas de caminho e permite ao usuário escolher uma. As sementes geradas usando este filtro são alimentadas como entrada para o integrador de simplificação de origem personalizado ou rastreador de partículas no Paraview (Figura 2 (G, H)).  Linhas de corrente são um conjunto de curvas integrais tangentes à velocidade em cada ponto do espaço. Eles retratam linhas de fluxo instantâneas que caracterizam fenômenos oceanográficos importantes, como redemoinhos, correntes e filamentos. As linhas de trajetória são tangenciais à velocidade à medida que ela evolui ao longo do tempo. Uma linha de caminho descreve o caminho que uma partícula virtual sem massa seguiria a partir da semente posicionada em um determinado intervalo de tempo. As linhas de trajetória são úteis para compreender o transporte, como advecção de salinidade e coleta de detritos. Eles exigem mais computação do que simplificados.  O filtro de propagação controla o número de sementes e como o domínio é amostrado para colocação de sementes, consulte a Figura 2 (C)). A amostragem pode ser (a) uniforme, (b) ponderada pela velocidade do fluxo, curvatura, vorticidade ou critério de Okubo-Weiss [Oku70] ou (c) ponderada por campos escalares definidos pelo usuário que são calculados anteriormente no pipeline. Um usuário pode ajustar os parâmetros de integração de linha e as opções de amostragem para reduzir a confusão visual, focar a computação em regiões de interesse, maximizar a cobertura do domínio e destacar recursos interessantes de fluxo. Por exemplo, a renderização de linhas de fluxo finas em regiões de alta vorticidade produz loops fechados em torno de redemoinhos com alguma coerência temporal entre os quadros (Figura 7).  Além disso, cada componente do campo vetorial ao qual o filtro de propagação é aplicado pode ser especificado como um campo escalar separado. Isso facilita a execução de outras operações posteriores, como ignorar o componente vertical da velocidade ou ajustar a escala ao longo de cada eixo.   4.3. Caminhos de partículas interativos  Este filtro facilita consultas de transporte de calor e massa em dados oceânicos com uma extensão de semeadura interativa para o rastreador de partículas do Paraview. Ele exibe um gráfico de coordenadas paralelas vinculadas, onde o usuário pode escovar para selecionar faixas de escalares como temperatura e salinidade e, portanto, restringir a semeadura a isovolumes. Os pontos amostrados desses subvolumes servem como sementes para o cálculo da trajetória (Figura 2 (H)).  4.4. Visualização de perfil em profundidade  Este filtro permite ao usuário inspecionar uma coluna vertical do oceano, especificada por um par de longitude e latitude. Ele deixa cair uma “agulha” no oceano e amostra pontos ao longo desta linha em diferentes valores de profundidade (Figura 2 (D)). Ele exibe um gráfico de coordenadas paralelas vinculadas que fornece um perfil de profundidade de todos os escalares amostrados ao longo da coluna vertical. Uma visualização do gráfico de linha do escalar escolhido em relação à profundidade (Figura 2 (E)) é exibida. Opcionalmente, o campo escalar mapeado para uma fatia vertical na longitude escolhida é mostrado na janela de renderização de volume. O usuário pode selecionar e destacar um subconjunto de pontos na coluna vertical do gráfico de coordenadas paralelas (Figura 2(F)) e rastreá-los ao longo do tempo em todas as visualizações. Isto é útil para estudar o transporte vertical de massa, especialmente ressurgência ou ressurgência via transporte de Ekman [Sar13] em centros de redemoinhos, e para estudar a depressão de isotermas indicando redistribuição de calor [KNR∗ 07]. Estudar essas mudanças é importante para compreender a vida marinha, pois elas impulsionam a proliferação do fitoplâncton e o transporte de nutrientes  4.5. Identificação e visualização de redemoinhos  Vários algoritmos foram desenvolvidos para identificação confiável e automática de redemoinhos [AHG∗ 19]. McWilliam [McW90] desenvolveu um método 2D usando a vorticidade ω como parâmetro físico, cujos mínimos e máximos locais localizam os centros dos redemoinhos potenciais e os valores de vorticidade na vizinhança relativa ao centro ajudam a determinar o limite do redemoinho. Okubo [Oku70] usa um parâmetro especial de Okubo-Weiss baseado na deformação por cisalhamento e deformação e no componente vertical da vorticidade para medir a rotação e, portanto, identificar potenciais redemoinhos. Um critério de circularidade pode ser aplicado após o critério de Okubo-Weiss para melhorar os resultados [WHP∗ 11]. A altura da superfície do mar e o perfil de velocidade também foram usados para detecção de redemoinhos [MAIS16]. O critério do ângulo de enrolamento, juntamente com um agrupamento aerodinâmico, ajuda a identificar redemoinhos em 3D [FFH21].   O filtro de identificação de redemoinhos em pyParaOcean concentra-se em redemoinhos de mesoescala [AMM17]. Ele usa apenas o campo de velocidade em intervalos de tempo individuais e não calcula nenhum campo derivado. Este esquema de detecção 3D pode ser aplicado em paralelo através de intervalos de tempo e cortes de profundidade, uma vez que a velocidade vertical não é usada.  A velocidade de fluxo do fluido em turbilhão diminui radialmente para dentro em direção ao centro de rotação. O filtro inspeciona os mínimos locais da velocidade do fluxo para identificar potenciais centros de redemoinhos. A velocidade vertical é ignorada para descontar o movimento de ressurgência ou ressurgência em núcleos de vórtices, aumentando assim os mínimos de fluxo correspondentes. Ruído e mínimos menos significativos são removidos pela aplicação de simplificação topológica dirigida pela noção de persistência [TFL∗ 17]. A seguir, o método emprega uma aproximação do critério do ângulo de enrolamento [FFH21], verificando se a linha de corrente cruza todos os quatro quadrantes de um plano XY centrado no mínimo [GEP04]. Este método é mais eficaz em regiões com centros de redemoinhos relativamente estacionários, como o Mar Vermelho e o Golfo de Aden. A Figura 3 mostra o conjunto de potenciais centros de redemoinhos identificados no Mar Vermelho usando este filtro.  As linhas aerodinâmicas semeadas perto do núcleo de um redemoinho formam espirais ou circuitos fechados. O limite de um redemoinho é determinado usando uma busca binária ao longo dos eixos radiais. A pesquisa ajuda a localizar a semente que está mais distante do centro do redemoinho, mas resulta em uma linha de corrente em espiral ou em circuito quase fechado. O filtro exibe todas as linhas de corrente originadas perto do núcleo do vórtice detectado e, portanto, apresenta um perfil 3D do redemoinho (Figura 2 (I)). Pode ser estendido para suportar outros métodos de detecção de redemoinhos [MAIS16, FFH21] que podem ser selecionados através da interface.  4.6. Rastreamento frontal de superfície e visualização de salinidade  Os oceanógrafos estão frequentemente interessados em parcelas de água que transportam massa ou calor. Estes são volumes móveis de água com características distintas de temperatura ou salinidade. O filtro de rastreamento de frente de superfície calcula componentes conectados do limite de um isovolume de campo escalar (chamado de frente de superfície), rastreia-os ao longo do tempo e gera um gráfico de trilha que resume o movimento de todas as frentes de superfície. Um subconjunto de trilhas extraídas deste gráfico é renderizado para análise visual. As frentes superficiais demonstraram ser boas representativas de massas de água de alta salinidade [SDVN22]. Ele tem sido usado para traçar o caminho do núcleo de alta salinidade (HSC) que entra na Baía de Bengala vindo do Mar da Arábia (Figura 2 (J)).   Este artigo está   sob licença CC 4.0. disponível no arxiv

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

Oceanography.Tech

Este áudio é produzido no idioma original da história!

Muito longo; Para ler

Boost your HackerNoon story @ $159.99! 🚀

pyParaOcean, um sistema para análise visual de dados oceânicos: pyParaOcean: Funcionalidades

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

As camadas invisíveis: por que as entrevistas com usuários são um ativo insubstituível

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Crescimento de Criptomoedas: Criando Personas de Usuários Eficazes

Guia do arquiteto para construir arquitetura de referência para um Datalake de IA/ML

As camadas invisíveis: por que as entrevistas com usuários são um ativo insubstituível

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Crescimento de Criptomoedas: Criando Personas de Usuários Eficazes

Guia do arquiteto para construir arquitetura de referência para um Datalake de IA/ML

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps