tác giả:  (1) Toshit Jain, Viện Khoa học Ấn Độ Bangalore, Ấn Độ;  (2) Varun Singh, Viện Khoa học Ấn Độ Bangalore, Ấn Độ;  (3) Vijay Kumar Boda, Viện Khoa học Ấn Độ Bangalore, Ấn Độ;  (4) Upkar Singh, Viện Khoa học Ấn Độ Bangalore, Ấn Độ;  (5) Ingrid Hotz, Viện Khoa học Ấn Độ Bangalore, Ấn Độ và Khoa Khoa học và Công nghệ (ITN), Đại học Linköping, Norrköping, Thụy Điển;  (6) PN Vinayachandran, Viện Khoa học Ấn Độ Bangalore, Ấn Độ;  (7) Vijay Natarajan, Viện Khoa học Ấn Độ Bangalore, Ấn Độ.  Bảng liên kết   Tóm tắt và giới thiệu   Dữ liệu đại dương   pyParaOcean: Kiến trúc   pyParaOcean: Chức năng   Nghiên cứu trường hợp: Vịnh Bengal   Phần kết luận   Lời cảm ơn và tài liệu tham khảo  4. pyParaOcean: Chức năng  Bây giờ chúng tôi liệt kê và mô tả các chức năng khác nhau được triển khai trong plugin pyParaOcean và được cung cấp dưới dạng bộ lọc Paraview. Hình 2 và video trong tài liệu bổ sung hiển thị các bộ lọc khác nhau trong pyParaOcean và giao diện người dùng.  4.1. Trực quan hóa Isovolume  Kết xuất khối là một lựa chọn tự nhiên để trực quan hóa các trường vô hướng 3D trong dữ liệu đại dương vì nó cung cấp cái nhìn tổng quan nhanh về phân bố (Hình 2(D)). Hoạt ảnh với chức năng truyền cố định cho phép hiển thị trực quan trường vô hướng theo thời gian. Bộ lọc kết xuất khối trong Paraview có thể được điều chỉnh để trực quan hóa các khối con quan tâm bằng cách chọn một khoảng trong phạm vi của trường vô hướng. Cụ thể, một isovolume chứa giá trị độ mặn/nhiệt độ trung bình trong vùng không gian quan tâm hoặc một isovolume thu được nước có độ mặn cao cung cấp cái nhìn tổng quan tốt về trường 3D.  4.2. Vị trí đặt hạt giống và dòng ruộng  Các đường trường, bao gồm các đường thẳng và đường dẫn, cung cấp một cái nhìn tổng quan tốt về trường vectơ 3D. pyParaOcean cung cấp một bộ lọc triển khai nhiều chiến lược gieo mầm để bắt đầu tính toán các đường đơn giản và đường dẫn, đồng thời cho phép người dùng chọn một chiến lược. Các hạt giống được tạo bằng bộ lọc này được cung cấp dưới dạng đầu vào cho bộ tích hợp hợp lý hóa nguồn tùy chỉnh hoặc bộ theo dõi hạt trong Paraview (Hình 2(G,H)).  Đường dòng là tập hợp các đường cong tích phân tiếp xúc với vận tốc tại mọi điểm trong không gian. Chúng mô tả các dòng chảy tức thời đặc trưng cho các hiện tượng hải dương học quan trọng như dòng xoáy, dòng chảy và dây tóc. Các đường dẫn tiếp tuyến với vận tốc khi nó tiến triển theo thời gian. Một đường dẫn mô tả đường đi mà một hạt ảo không có khối lượng sẽ bắt đầu từ hạt được định vị ở một dấu thời gian cụ thể. Các đường dẫn rất hữu ích để hiểu được sự vận chuyển, chẳng hạn như sự tiến lên của độ mặn và sự thu gom các mảnh vụn. Chúng đòi hỏi nhiều tính toán hơn là hợp lý hóa.  Bộ lọc gieo hạt kiểm soát số lượng hạt giống và cách lấy mẫu miền để đặt hạt giống, xem Hình 2 (C)). Việc lấy mẫu có thể (a) đồng đều, (b) được tính theo tốc độ dòng chảy, độ cong, độ xoáy hoặc tiêu chí Okubo-Weiss [Oku70] hoặc (c) được tính theo các trường vô hướng do người dùng xác định được tính toán trước đó trong đường ống. Người dùng có thể điều chỉnh các tham số tích hợp dòng và các tùy chọn lấy mẫu để giảm sự lộn xộn về mặt hình ảnh, tập trung tính toán vào các vùng quan tâm, tối đa hóa phạm vi bao phủ của miền và làm nổi bật các tính năng luồng thú vị. Ví dụ: việc hiển thị các đường hợp lý mỏng manh ở các vùng có độ xoáy cao tạo ra các vòng khép kín xung quanh các dòng xoáy với một số sự gắn kết tạm thời giữa các khung (Hình 7).  Ngoài ra, mỗi thành phần của trường vectơ mà bộ lọc gieo mầm được áp dụng có thể được chỉ định dưới dạng trường vô hướng riêng biệt. Điều này giúp thực hiện các hoạt động xuôi dòng khác dễ dàng hơn như bỏ qua thành phần vận tốc thẳng đứng hoặc điều chỉnh tỷ lệ dọc theo từng trục.   4.3. Đường dẫn hạt tương tác  Bộ lọc này tạo điều kiện thuận lợi cho các truy vấn về nhiệt và vận chuyển khối lượng trên dữ liệu đại dương bằng tiện ích mở rộng gieo mầm tương tác cho công cụ theo dõi hạt từ Paraview. Nó hiển thị một biểu đồ tọa độ song song được liên kết, trong đó người dùng có thể chải để chọn các phạm vi vô hướng như nhiệt độ và độ mặn và do đó hạn chế gieo hạt ở mức isovolume. Các điểm được lấy mẫu từ các khối con này đóng vai trò là hạt giống cho tính toán đường dẫn (Hình 2(H)).  4.4. Chế độ xem hồ sơ chiều sâu  Bộ lọc này cho phép người dùng kiểm tra một cột thẳng đứng của đại dương, được chỉ định bởi cặp kinh độ và vĩ độ. Nó thả một “chiếc kim” xuống đại dương và lấy mẫu dọc theo đường này ở các giá trị độ sâu khác nhau (Hình 2(D)). Nó hiển thị một biểu đồ tọa độ song song được liên kết cung cấp cấu hình độ sâu của tất cả các đại lượng vô hướng được lấy mẫu dọc theo cột dọc. Một khung nhìn biểu đồ đường của đại lượng vô hướng đã chọn theo độ sâu (Hình 2(E)) được hiển thị. Theo tùy chọn, trường vô hướng được ánh xạ tới một lát cắt dọc ở kinh độ đã chọn sẽ được hiển thị trong cửa sổ kết xuất khối. Người dùng có thể chọn và đánh dấu một tập hợp con các điểm trong cột dọc từ biểu đồ tọa độ song song (Hình 2(F)) và theo dõi chúng theo thời gian trong tất cả các chế độ xem. Điều này rất hữu ích cho việc nghiên cứu sự vận chuyển khối lượng theo phương thẳng đứng, đặc biệt là nước dâng lên hoặc nước chìm thông qua vận chuyển Ekman [Sar13] ở các trung tâm xoáy và để nghiên cứu sự suy giảm của các đường đẳng nhiệt cho thấy sự phân phối lại nhiệt [KNR∗ 07]. Nghiên cứu những thay đổi này là rất quan trọng để hiểu được sinh vật biển khi chúng thúc đẩy sự nở hoa của thực vật phù du và vận chuyển chất dinh dưỡng  4.5. Nhận dạng và hình dung xoáy  Một số thuật toán đã được phát minh để nhận dạng các dòng xoáy một cách đáng tin cậy và tự động [AHG∗ 19]. McWilliam [McW90] đã phát triển một phương pháp 2D sử dụng độ xoáy ω làm tham số vật lý, có cực tiểu và cực đại cục bộ xác định tâm của các dòng xoáy tiềm năng và các giá trị của độ xoáy trong vùng lân cận so với tâm giúp xác định ranh giới xoáy. Okubo [Oku70] sử dụng tham số Okubo-Weiss đặc biệt dựa trên biến dạng cắt và biến dạng cũng như thành phần thẳng đứng của độ xoáy để đo độ quay và từ đó xác định các dòng xoáy tiềm năng. Tiêu chí tuần hoàn có thể được áp dụng sau tiêu chí Okubo-Weiss để cải thiện kết quả [WHP∗ 11]. Hồ sơ chiều cao và vận tốc mặt nước biển cũng đã được sử dụng để phát hiện dòng xoáy [MAIS16]. Tiêu chí góc cuộn dây, cùng với việc phân cụm hợp lý, giúp xác định các dòng xoáy trong không gian 3D [FFH21].   Bộ lọc nhận dạng xoáy trong pyParaOcean tập trung vào các xoáy nước quy mô trung bình [AMM17] . Nó chỉ sử dụng trường vận tốc trong các bước thời gian riêng lẻ và không tính toán bất kỳ trường dẫn xuất nào. Sơ đồ phát hiện 3D này có thể được áp dụng song song trên các dấu thời gian và trên các lát cắt độ sâu do vận tốc dọc không được sử dụng.  Tốc độ dòng chảy của chất lỏng xoáy giảm dần hướng vào tâm quay. Bộ lọc kiểm tra tốc độ dòng chảy ở mức tối thiểu cục bộ để xác định các tâm xoáy tiềm ẩn. Vận tốc thẳng đứng được bỏ qua để giảm bớt chuyển động dâng lên hoặc chìm xuống trong lõi xoáy, do đó nâng cao lưu lượng cực tiểu tương ứng. Tiếng ồn và các cực tiểu ít quan trọng hơn được loại bỏ bằng cách áp dụng đơn giản hóa cấu trúc liên kết được định hướng bởi khái niệm độ bền [TFL∗ 17]. Tiếp theo, phương pháp này sử dụng tiêu chí gần đúng của góc cuộn dây [FFH21] bằng cách kiểm tra xem đường dòng có đi qua tất cả bốn góc phần tư của mặt phẳng XY có tâm ở mức tối thiểu [GEP04] hay không. Phương pháp này hiệu quả hơn ở những vùng có tâm xoáy tương đối tĩnh như Biển Đỏ và Vịnh Aden. Hình 3 cho thấy tập hợp các tâm xoáy tiềm năng được xác định ở Biển Đỏ bằng bộ lọc này.  Sắp xếp hợp lý các hạt gần lõi của một dạng xoắn ốc dạng xoáy hoặc vòng khép kín. Ranh giới của một dòng xoáy được xác định bằng cách sử dụng tìm kiếm nhị phân dọc theo trục hướng tâm. Việc tìm kiếm giúp xác định vị trí hạt giống ở xa tâm xoáy nhất nhưng dẫn đến một đường xoắn ốc hoặc vòng gần như khép kín. Bộ lọc hiển thị tất cả các dòng tinh giản bắt nguồn gần lõi xoáy được phát hiện và do đó hiển thị cấu hình 3D của dòng xoáy (Hình 2(I)). Nó có thể được mở rộng để hỗ trợ các phương pháp phát hiện dòng xoáy khác [MAIS16, FFH21] có thể được chọn thông qua giao diện.  4.6. Theo dõi bề mặt phía trước và hiển thị độ mặn  Các nhà hải dương học thường quan tâm đến các khối nước vận chuyển khối lượng hoặc nhiệt. Đây là những khối nước chuyển động với đặc tính nhiệt độ hoặc độ mặn đặc biệt. Bộ lọc theo dõi mặt trước bề mặt tính toán các thành phần được kết nối của ranh giới của một trường vô hướng isovolume (được gọi là mặt trước bề mặt), theo dõi chúng theo thời gian và tạo ra một biểu đồ theo dõi tóm tắt chuyển động của tất cả các mặt trước bề mặt. Một tập hợp con các bản nhạc được trích xuất từ biểu đồ này được hiển thị để phân tích trực quan. Mặt trước bề mặt đã được chứng minh là đại diện tốt cho khối nước có độ mặn cao [SDVN22]. Nó đã được sử dụng để theo dõi đường đi của lõi có độ mặn cao (HSC) đi vào Vịnh Bengal từ Biển Ả Rập (Hình 2(J)).   Bài viết này   theo giấy phép CC 4.0. có sẵn trên arxiv

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

Oceanography.Tech

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

dài quá đọc không nổi

Boost your HackerNoon story @ $159.99! 🚀

pyParaOcean, Hệ thống phân tích trực quan dữ liệu đại dương: pyParaOcean: Chức năng

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

85 Stories To Learn About Productivity Hacks

147 Stories To Learn About Reading Books Online

287 Stories To Learn About Blockchain Development

128 Stories To Learn About Charles Dickens

85 Stories To Learn About Productivity Hacks

147 Stories To Learn About Reading Books Online

287 Stories To Learn About Blockchain Development

128 Stories To Learn About Charles Dickens

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps