pyParaOcean, Система визуального анализа океанических данных: благодарности и ссылки

Таблица ссылок

• Аннотация и введение
• Данные об океане
• pyParaOcean: Архитектура
• pyParaOcean: функциональные возможности
• Практический пример: Бенгальский залив
• Заключение
• Благодарности и ссылки

Благодарности

Это исследование финансировалось за счет гранта правительства SERB. Индии (CRG/2021/005278), частичная поддержка со стороны Национальной суперкомпьютерной миссии, DST, стипендии JC Bose, присуждаемой SERB, DST, Govt. Индии, звание почетного приглашенного профессора IISc доктора Рама Кумара в EECS и стипендию Министерства образования и правительства Индии. Индии. Часть этой работы была выполнена для частичного выполнения требования к дипломной работе в BITS Pilani.

Рекомендации

[AGL05] АРЕНС Дж., ГЕВЕЦИ Б., ЛАВ К.: Paraview: инструмент для конечного пользователя для визуализации больших данных. Руководство по визуализации 717 (2005 г.). 2 [AGT∗19] АФЗАЛ С., ГАНИ С., ТИССИНГТОН Г., ЛАНГОДАН С.,

[AGT∗19] АФЗАЛ С., ГАНИ С., ТИССИНГТОН Г., ЛАНГОДАН С., ДАСАРИ Х.П., РАЙТСОС ДЕ, ГИТТИНГС Д.А., ДЖАМИЛ Т., СРИНИВАСАН М., ХОТЕЙТ И.: RedSeaAtlas: инструмент визуального анализа пространственно-временных данных многомерные данные Красного моря. В EnvirVis: Семинар по визуализации в науках об окружающей среде (EnvirVis2019) (2019), стр. 25–32. 1

[AHG*19] АФЗАЛ С., ХИТТАВЕ М., ГАНИ С., ДЖАМИЛ Т., КНИО О., ХАДВИГЕР М., ХОТЕЙТ И.: Современное состояние подходов к визуальному анализу наборов данных об океане и атмосфере. Форум компьютерной графики 38, 3 (2019), 881–907. 1, 4

[AMM17] АМОРЕС А., МЕЛЬНИЧЕНКО О., МАКСИМЕНКО Н.: Когерентные мезомасштабные вихри в субтропическом круговороте Северной Атлантики: трехмерная структура и перенос с применением к максимуму солености. Журнал геофизических исследований: Oceans 122, 1 (2017), 23–41. 5

[BNBD∗07] БЕНИТЕС-НЕЛЬСОН Ч.Р., БИДИГЭР Р.Р., ДИККИ Т.Д., ЛЭНДРИ М.Р., ЛЕОНАРД К.Л., БРАУН С.Л., НЕНСИОЛИ Ф., РИИ Ю.М., МАИТИ К., БЕККЕР Дж.В., И др.: Мезомасштабные вихри способствуют увеличению экспорта кремнезема в субтропический Тихий океан. Наука 316, 5827 (2007), 1017–1021. 1

[DAN12] ДИНЕША В., АДАБАЛА Н., НАТАРАДЖАН В.: Визуализация неопределенности с использованием объемного рендеринга HDR. Визуальный компьютер 28 (2012), 265–278. 1

[FD06] ФРЕЙЗЕР С., ДИКСОН Б.: Интеллектуальный анализ наборов геонаучных данных с использованием самоорганизующихся карт. Освоение стремительного роста данных в науках о Земле и окружающей среде, Extended Abstracts (2006), 5–7. 1

[Fer23] Хорек. https://ferret.pmel.noaa.gov/Ferret/, 2023. [Онлайн; по состоянию на 28 апреля 2023 г.]. 1

[FFH21] ФРИДЕРИЧИ А., ФАЛЬК М., ХОТЦ И.: Схема угла извилистости для отслеживания и изучения вихревого переноса в моделировании океанических ансамблей. В EnvirVis: Мастерская

[GEP04] ГУО Д., ЕВАНГЕЛИНОС К., ПАТРИКАЛАКИС Н.: Извлечение характеристик потока в океанографической визуализации. В материалах Международной конференции по компьютерной графике (7 2004 г.), стр. 162–173. дои: 10. 1109/CGI.2004.1309207. 5

[GSK∗08] ГРОЧОУ К., СТОРМЕР М., КЕЛЛИ Д., ДЕЛЕЙНИ Дж., ЛАЗОВСКА Э.: БУХТА: Визуальная среда для проектирования океанских обсерваторий. Физический журнал: серия конференций 125, 1 (2008), 012092. 1

[KNR∗07] КУМАР С.П., НУНЦИО М., РАМАИЯ Н., САРДЕСАИ С., НАРВЕКАР Дж., ФЕРНАНДЕС В., ПОЛ Дж.Т.: Биологическая продуктивность, опосредованная вихрями, в Бенгальском заливе во время осенних и весенних межмуссонов. Глубоководные исследования, часть I: Статьи океанографических исследований 54, 9 (2007), 1619–1640. 4

[LJP∗19] LI S., JAROSZYNSKI S., PEARSE S., ORF L., CLYNE J.: Vapor: пакет визуализации, предназначенный для анализа данных моделирования в науке о системах Земли. Атмосфера 10, 9 (2019), 488. 1

[Mad08] MADEC G.: Океанский двигатель NEMO. Note du Pôle de modelisation, Институт Пьера-Симона Лапласа (IPSL), Франция, № 27, ISSN № 1288-1619, 2008 г. 2

[MAIS16] МАЦУОКА Д., АРАКИ Ф., ИНОУЭ Ю., САСАКИ Х.: Новый подход к обнаружению, отслеживанию и визуализации океанских вихрей – применение к северо-западной части Тихого океана. Procedia Computer Science 80 (2016), 1601–1611. 5

[McW90] МАКВИЛЬЯМС Д.К.: Вихри двумерной турбулентности. Журнал механики жидкости 219 (1990), 361–385. 4

[McW08] МАКВИЛЬЯМС Д.К.: Природа и последствия океанических водоворотов. Моделирование океана в вихревом режиме 177 (2008), 5–15. 1

[MJD*99] МАКНИЛ Дж., ДЖАННАШ Х., ДИККИ Т., МАКГИЛЛИКАДДИ Д., БЖЕЗИНСКИЙ М., САКАМОТО К.: Новые химические, биооптические и физические наблюдения реакции верхних слоев океана на прохождение мезомасштабного вихря Бермуды. Журнал геофизических исследований: Oceans 104, C7 (1999), 15537–15548. 1

[myO23] Коперник myOcean. https://marine.copernicus. eu/access-data/ocean-visualisation-tools, 2023. [Онлайн; по состоянию на 28 апреля 2023 г.]. 1

[NL15] NOBRE C., LEX A.: OceanPaths: Визуализация многомерных океанографических данных. В материалах конференции Eurographics по визуализации (EuroVis 2015) - Короткие статьи (2015), Ассоциация Eurographics. doi:10.2312/eurovisshort.20151124. 1

[Oku70] ОКУБО А.: Горизонтальная дисперсия плавающих частиц вблизи сингулярностей скорости, таких как схождения. Глубоководные исследования и океанографические обзоры 17, 3 (1970), 445–454. 4

[PBI04] ПАРК С., БАДЖАДЖ К., IHM I.: Визуализация очень больших океанографических наборов объемных данных, изменяющихся во времени. In Computational Science-ICCS 2004: 4-я Международная конференция, Краков, Польша, 6–9 июня 2004 г., Труды, Часть II 4 (2004), Springer, стр. 419–426. 1

[pyF23] пиферрет. https://ferret.pmel.noaa.gov/Ferret/, 2023. [Онлайн; по состоянию на 28 апреля 2023 г.]. 1

[Ros89] РОЗЕНБЛЮМ ЖЖ: Визуализация океанографических данных. Компьютерная графика и приложения IEEE 9, 3 (1989), 14–19. 1

[RR10] РОБИНСОН ЕСТЬ, РОБИНСОН ЕСТЬ: Мезомасштабные особенности океана: Водовороты. Открытие океана из космоса: уникальные применения спутниковой океанографии (2010), 69–114. 1

[Sar13] САРМИЕНТО ХЛ: Биогеохимическая динамика океана. В биогеохимической динамике океана. Издательство Принстонского университета, 2013. 4.

[SDVN22] СИНГХ У., ДИПУ ТМ, ВИНАЯЧАНДРАН П.Н., НАТАРАДЖАН В.: Методы, основанные на особенностях фронта и скелета, для отслеживания распространения солености в океане. Computers & Geosciences 159 (2022), 104993. doi: https://doi.org/10.1016/j.cageo. 2021.104993. 5

[TFL∗17] ТИРНИ Ж., ФАВЕЛЬЕ Ж., ЛЕВИН Ж.А., ГЕНЕ К., МИШО М.: Набор инструментов для топологии. Транзакции IEEE по визуализации и компьютерной графике 24, 1 (2017), 832–842. 5

[TZG*17] ТОЙ Х., ЖАН П., ГОПАЛАКРИШНАН Г., КАРТАДИКАРИА А.Р., ХУАНГ Х., КНИО О., ХОТЕЙТ И.: Усвоение ансамблевых данных в Красном море: чувствительность к выбору ансамбля и атмосферным воздействиям. Динамика океана 67, 7 (июль 2017 г.), 915–933. doi:10.1007/s10236-017-1064-1. 2

[VCMN04] ВИНАЯЧАНДРАН П.Н., ЧАУХАН П., МОХАН М., НАЯК С.: Биологическая реакция моря вокруг Шри-Ланки на летние муссоны. Письма о геофизических исследованиях 31, 1 (2004). 6

[VY98] ВИНАЯЧАНДРАН П.Н., ЯМАГАТА Т.: Муссонная реакция моря вокруг Шри-Ланки: образование термических куполов и антициклонических вихрей. Журнал физической океанографии 28, 10 (1998), 1946–1960. 5, 6.

[WHP*11] УИЛЬЯМС С., ХЕХТ М., ПЕТЕРСЕН М., СТРЕЛИЦ Р., МАЛЬТРУД М., АРЕНС Дж., ХЛАВИЧКА М., ХАМАНН Б.: Визуализация и анализ водоворотов в моделировании глобального океана. Форум компьютерной графики 30, 3 (2011), 991–1000. 5

[XLWD19] СЕ К., ЛИ М., ВАН Х., ДОНГ Дж.: Обзор визуального анализа данных об океане. Визуальная информатика 3, 3 (2019), 113–128. 1, 2