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  Abstrato   A análise visual é bem adotada no campo da oceanografia para a análise de simulações de modelos, detecção de diferentes fenômenos e eventos e rastreamento de processos dinâmicos. Com o aumento do tamanho dos dados e a disponibilidade de dados dinâmicos multivariados, há uma necessidade crescente de ferramentas escaláveis e extensíveis para visualização e exploração interativa. Descrevemos o pyParaOcean, um sistema de visualização que suporta diversas tarefas usadas rotineiramente na análise visual de dados oceânicos. O sistema está disponível como um plugin para o Paraview e, portanto, é capaz de aproveitar seus recursos de computação distribuída e seu rico conjunto de funcionalidades genéricas de análise e visualização. pyParaOcean fornece módulos para suportar diferentes tarefas de análise visual específicas de dados oceânicos, como identificação de redemoinhos e rastreamento de movimento de salinidade. Esses módulos estão disponíveis como filtros Paraview e essa integração perfeita resulta em um sistema fácil de instalar e usar. Um estudo de caso na Baía de Bengala ilustra a utilidade do sistema para o estudo de fenómenos e processos oceânicos.  1. Introdução  Compreender os dados oceânicos é fundamental para prever eventos climáticos extremos, como furacões e tsunamis, para uma melhor compreensão dos processos à escala planetária, como o aquecimento global, e para gerir e preservar de forma sustentável os recursos oceânicos e a sua vida marinha. A visualização de dados oceânicos é um desafio devido à presença de vários campos e parâmetros que mudam com o tempo. As correntes oceânicas são inegavelmente o maior fator que mantém o equilíbrio térmico do sistema oceano-atmosfera e afetam o movimento de minerais e sal. Redemoinhos de mesoescala, que abrangem dezenas a centenas de quilômetros de diâmetro e têm uma vida útil que pode variar de dias a meses [RR10], são onipresentes nos oceanos. Eles desempenham um grande papel no transporte de calor e massa dentro dos oceanos [McW08]. Eles também têm um grande impacto na ecologia do oceano e nos processos biogeoquímicos [MJD∗ 99,BNBD∗ 07].  Com os avanços na recolha e geração de dados oceânicos [FD06, Ros89], há necessidade de ferramentas que apoiem a visualização eficaz dos dados e que sejam escaláveis para acompanhar as resoluções e tamanhos cada vez maiores dos conjuntos de dados oceânicos.  1.1. Trabalho relatado  A visualização em oceanografia é uma área de pesquisa desafiadora devido ao tamanho cada vez maior dos dados, à heterogeneidade e natureza multivariada dos dados e à complexidade inerente dos fenômenos oceânicos. O uso de softwares de análise e visualização de uso geral, como Matlab, Tecplot, AVS e Paraview, é predominante na comunidade. No entanto, os oceanógrafos costumam usar ferramentas desenvolvidas especificamente para dados oceânicos, como Ferret [Fer23], pyFerret [pyF23] e Copernicus MyOcean [myO23]. Essas ferramentas especializadas fornecem múltiplas funcionalidades e produzem visualizações 2D dos dados.  Algumas estruturas de software desenvolvidas na comunidade de visualização fornecem recursos de visualização de dados 2D e 3D. COVE [GSK∗ 08] é um ambiente colaborativo de visualização oceânica que suporta análise interativa de modelos oceânicos na web. RedSeaAtlas [AGT∗ 19] suporta a seleção de regiões em um mapa 2D e fornece visualizações exploratórias de ventos, ondas, marés, clorofila, etc. sobre o Mar Vermelho. OceanPaths [NL15] é uma ferramenta de visualização de dados multivariada que calcula caminhos que traçam correntes oceânicas e suporta a plotagem de diferentes dados de alta dimensão ao longo dos caminhos. Isso permite o estudo de correlações entre diferentes características oceanográficas.  O fluxo de trabalho de análise de um oceanógrafo inclui algumas tarefas comuns [GSK∗ 08], como inspeção de distribuições de temperatura e salinidade e seções transversais verticais, comparação de dados de salinidade medidos recentemente com dados de modelo, inspeção e análise de vorticidades e circulação atuais com base em dados de fluxo e análise eventos extremos. Isosuperfícies e renderização de volume são escolhas naturais para visualização de distribuições 3D de temperatura e salinidade [DAN12, PBI04]. No entanto, a visualização das distribuições que mudam dinamicamente é um desafio. VAPOR [LJP∗ 19] é uma das poucas ferramentas que fornece visualização 3D eficiente para aplicações em oceanografia e ciências atmosféricas. O modelo de dados de coleta de dados VAPOR (VDC) oferece suporte à análise visual interativa de grandes tamanhos de dados em GPUs modernas e hardware comum.  Xie et al. [XLWD19] e Afzal et al. [AHG∗ 19] apresentam levantamentos de métodos e ferramentas de análise visual desenvolvidos para dados oceânicos. Xie et al. classificar as tarefas de análise visual em quatro categorias, nomeadamente estudo de diferentes variáveis ambientais, identificação e seguimento de fenómenos oceânicos, descoberta de padrões e correlações e visualização de conjuntos e incertezas. Além disso, identificam diferentes oportunidades e áreas inexploradas para trabalhos futuros, incluindo métodos eficientes e escaláveis para processamento e gestão de dados, identificação de características em múltiplas escalas e plataformas imersivas. Embora reconheçamos a disponibilidade de vários métodos para visualização oceanográfica, notamos que muitas vezes são soluções independentes. Nosso objetivo é aproveitar o amplo avanço na tecnologia de visualização implementada no Paraview, ao mesmo tempo que fornecemos funcionalidades e visualizações específicas para dados oceânicos.  1.2. Contribuições  Apresentamos o pyParaOcean, um sistema para exploração interativa e análise visual de dados oceânicos. O sistema aproveita o poder do Paraview [AGL05] para permitir visualizações escalonáveis de dados disponíveis em modelos oceânicos, ao mesmo tempo que suporta uma infinidade de tarefas e funcionalidades especializadas em oceanografia. Os recursos de visualização do pyParaOcean estão disponíveis por meio de uma integração perfeita ao Paraview usando plug-ins. Os principais recursos do sistema incluem  • Visualização de campo 3D para estudar a distribuição de salinidade e temperatura com suporte para exibir e explorar isovolumes em evolução dinâmica.  • Visualização de correntes oceânicas com suporte para diferentes estratégias de propagação de linhas de corrente e trajetórias.  • Vistas de seção vertical e plotagem de coordenadas paralelas que suportam seleção interativa e fatiamento dos dados.  • Identificação e rastreamento do movimento da salinidade através da extração de frentes superficiais. • Visualização e rastreamento de feições de redemoinhos.  • Um design extensível que suporta a incorporação de novas funcionalidades como filtros no Paraview.  Apresentamos os resultados de uma exploração da Baía de Bengala, realizada em colaboração com um oceanógrafo, como um estudo de caso para demonstrar a utilidade do sistema.  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: resumo e introdução

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Liberando o poder da IA. Uma revisão sistemática de técnicas de ponta: resumo e introdução

Vazamento do prompt do sistema Claude Sonnet 3.5: uma análise forense

De fóruns a feeds: como os algoritmos de mídia social moldam a interação digital

Aumente sua produtividade com estas 18 ferramentas para desenvolvedores 🚀🔥

Liberando o poder da IA. Uma revisão sistemática de técnicas de ponta: resumo e introdução

Vazamento do prompt do sistema Claude Sonnet 3.5: uma análise forense

De fóruns a feeds: como os algoritmos de mídia social moldam a interação digital

Aumente sua produtividade com estas 18 ferramentas para desenvolvedores 🚀🔥

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps