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   Kết luận, Lời cảm ơn và Tài liệu tham khảo  5. Nghiên cứu điển hình: Vịnh Bengal  Dòng gió mùa mùa hè (SMC) là đặc điểm nổi bật của hoàn lưu đại dương Ấn Độ Dương và dòng SMC chảy quanh Sri Lanka để đổ vào Vịnh Bengal. Chúng tôi sử dụng pyParaOcean để nghiên cứu các hiện tượng khác nhau ở Vịnh Bengal, đặc biệt là trong mùa gió mùa.    . Hình 5 là sơ đồ sơ bộ về các dòng chảy và dòng xoáy chính trong Vịnh trong mùa gió mùa. Một xoáy nghịch lớn (AE) nằm ở bên phải SMC và một xoáy xoáy được gọi là Mái vòm Sri Lanka (SLD) ở bên trái [VY98] là những đặc điểm thường xuyên xuất hiện ở khu vực này trong mùa hè. AE có đường kính khoảng 500 km, nằm ở phía đông nam ngoài khơi bờ biển Sri Lanka và có đặc điểm là nước chìm mạnh bên trong do hoàn lưu nghịch bão của nó. [VY98] đề xuất rằng AE được hình thành do sự tương tác của SMC và sóng Rossby đến từ Sumatra. Dòng thời gian xuất hiện và biến mất của AE đã được ghi lại trong tác phẩm sau này [VCMN04]. AE bắt đầu hình thành vào tháng 6, phát triển thành hình tròn vào tháng 7 và suy yếu vào tháng 8, như trong Hình 6 và video đi kèm.  Eddie    pyParaOcean đóng vai trò là công cụ hiệu quả để phân tích tác động của AE đối với Vịnh Bengal. Các đường thẳng và đường dẫn cung cấp hình ảnh trực quan về sự lưu thông liên quan đến AE và chuyển động của nó trong đại dương. Các đường trường có thể được phủ lên trên một khối thể hiện vô hướng để trực quan hóa sự vận chuyển do dòng xoáy gây ra. Hình 7 và video đi kèm hiển thị các đường đơn giản được phủ lên trên biểu đồ thể tích độ mặn ở các bước thời gian khác nhau để thể hiện vai trò của AE trong việc vận chuyển muối. Sự di chuyển của nước có độ mặn cao từ biển Ả Rập bởi SMC vào Vịnh Bengal và sự tuần hoàn của nó bởi AE được thể hiện rõ ràng trong phần trình bày này. Việc theo dõi các mặt trước của vùng nước có độ mặn cao và làm nổi bật các dấu vết tồn tại lâu dài giúp nắm bắt được cái nhìn tổng quan về sự di chuyển độ mặn đáng kể trong khu vực. Chúng tôi quan sát một con đường di chuyển về phía bờ biển Ấn Độ, xem Hình 4. Vận chuyển độ mặn.    . Hình 8 và video đi kèm cho thấy cách sử dụng bộ lọc biên dạng độ sâu để trực quan hóa sự suy giảm đường đẳng nhiệt 27◦ của AE. Bản chất nghịch xoáy của dòng xoáy gây ra hiện tượng nước chảy xuống bên trong dòng xoáy và đẩy nước tương đối ấm hơn xuống dưới. Chế độ xem tọa độ song song cho thấy những thay đổi về nhiệt độ, độ mặn và tốc độ trong cột nước do dòng xoáy xuất hiện tại điểm quan tâm. Xuống dốc    Nghiên cứu điển hình này được thực hiện với sự cộng tác của một đồng tác giả là nhà hải dương học. Một số quan sát về các hiện tượng như SLD và sự chuyển động của nước có độ mặn cao có thể được thực hiện bằng pyParaOcean. Mặc dù các cộng tác viên hải dương học của chúng tôi thường sử dụng các công cụ như pyFerret để phân tích 2D, nhưng họ nhận thấy khả năng của pyParaOcean rất hữu ích. Sau trải nghiệm hài lòng ban đầu này, chúng tôi dự định hợp tác nghiên cứu đầu ra mô hình có độ phân giải cao hơn bằng cách sử dụng pyParaOcean. Các bộ lọc theo dõi bề mặt và phát hiện dòng xoáy mất vài phút, trong khi tất cả các bộ lọc khác mất 1-2 giây hoặc ít hơn. Tất cả các thử nghiệm đều được chạy trên máy trạm có CPU AMDEPYC 7262 @ 3,2 GHz 8 nhân với bộ nhớ chính 512 GB và GPU NVIDIA RTX A4000 (16 GB). Tính toán mặt trước bề mặt được song song hóa bằng cách sử dụng thư viện đa xử lý python nhưng vẫn có phạm vi để cải thiện hơn nữa về thời gian chạy. Bộ lọc phát hiện và hiển thị dòng xoáy cũng có thể được tối ưu hóa bằng cách thực hiện song song một số tính toán. Chúng tôi dự định sẽ thực hiện việc này trong tương lai.  Kinh nghiệm và hiệu suất.  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: Nghiên cứu điển hình: Vịnh Bengal

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

223 Stories To Learn About Science

145 Stories To Learn About Book

178 Stories To Learn About Essay

179 Stories To Learn About Reading

223 Stories To Learn About Science

145 Stories To Learn About Book

178 Stories To Learn About Essay

179 Stories To Learn About Reading

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps