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 điển hình: Vịnh Bengal   Phần kết luận   Lời cảm ơn và tài liệu tham khảo  trừu tượng   Phân tích trực quan được áp dụng tốt trong lĩnh vực hải dương học để phân tích mô phỏng mô hình, phát hiện các hiện tượng và sự kiện khác nhau cũng như theo dõi các quá trình động. Với kích thước dữ liệu ngày càng tăng và tính sẵn có của dữ liệu động đa biến, nhu cầu về các công cụ có thể mở rộng và có thể mở rộng để trực quan hóa và khám phá tương tác ngày càng tăng. Chúng tôi mô tả pyParaOcean, một hệ thống trực quan hỗ trợ một số tác vụ được sử dụng thường xuyên trong phân tích trực quan dữ liệu đại dương. Hệ thống này có sẵn dưới dạng plugin cho Paraview và do đó có thể tận dụng khả năng tính toán phân tán cũng như bộ chức năng phân tích và trực quan hóa chung phong phú của nó. pyParaOcean cung cấp các mô-đun để hỗ trợ các nhiệm vụ phân tích trực quan khác nhau dành riêng cho dữ liệu đại dương, chẳng hạn như nhận dạng dòng xoáy và theo dõi chuyển động của độ mặn. Các mô-đun này có sẵn dưới dạng bộ lọc Paraview và sự tích hợp liền mạch này mang lại một hệ thống dễ cài đặt và sử dụng. Một nghiên cứu điển hình về Vịnh Bengal minh họa tính hữu dụng của hệ thống trong việc nghiên cứu các hiện tượng và quá trình của đại dương.  1. Giới thiệu  Hiểu dữ liệu về đại dương là điều tối quan trọng để dự đoán các sự kiện thời tiết cực đoan như bão và sóng thần, hiểu rõ hơn về các quá trình ở quy mô hành tinh như sự nóng lên toàn cầu cũng như quản lý và bảo tồn bền vững tài nguyên đại dương và sinh vật biển. Trực quan hóa dữ liệu đại dương là một thách thức do có nhiều trường và thông số thay đổi theo thời gian. Không thể phủ nhận các dòng hải lưu là yếu tố lớn nhất duy trì sự cân bằng nhiệt của hệ thống khí quyển-đại dương và ảnh hưởng đến sự chuyển động của khoáng chất và muối. Các xoáy nước quy mô trung bình, có đường kính từ hàng chục đến hàng trăm km và có tuổi thọ từ vài ngày đến vài tháng [RR10], có mặt khắp nơi trong các đại dương. Chúng đóng vai trò lớn trong việc vận chuyển nhiệt và khối lượng trong đại dương [McW08]. Chúng cũng có tác động lớn đến hệ sinh thái đại dương và các quá trình sinh địa hóa [MJD∗ 99,BNBD∗ 07].  Với những bước tiến trong việc thu thập và tạo dữ liệu đại dương [FD06, Ros89], cần có các công cụ hỗ trợ trực quan hóa dữ liệu một cách hiệu quả và có thể mở rộng để theo kịp độ phân giải và kích thước ngày càng mở rộng của bộ dữ liệu đại dương.  1.1. Công việc có liên quan  Hình dung trong hải dương học là một lĩnh vực nghiên cứu đầy thách thức do kích thước dữ liệu ngày càng tăng nhanh, tính không đồng nhất và đa biến của dữ liệu cũng như tính phức tạp vốn có của các hiện tượng đại dương. Việc sử dụng phần mềm phân tích và trực quan hóa cho mục đích chung như Matlab, Tecplot, AVS và Paraview rất phổ biến trong cộng đồng. Tuy nhiên, các nhà hải dương học thường sử dụng các công cụ được phát triển riêng cho dữ liệu đại dương, chẳng hạn như Ferret [Fer23], pyFerret [pyF23] và Copernicus MyOcean [myO23]. Những công cụ chuyên dụng này cung cấp nhiều chức năng và tạo ra chế độ xem dữ liệu 2D.  Một số khung phần mềm được phát triển trong cộng đồng trực quan hóa cung cấp khả năng trực quan hóa dữ liệu 2D và 3D. COVE [GSK∗ 08] là môi trường trực quan hóa đại dương hợp tác hỗ trợ phân tích tương tác các mô hình đại dương qua web. RedSeaAtlas [AGT∗ 19] hỗ trợ lựa chọn các vùng trong bản đồ 2D và cung cấp các chế độ xem khám phá về gió, sóng, thủy triều, diệp lục, v.v. trên Biển Đỏ. OceanPaths [NL15] là một công cụ trực quan hóa dữ liệu đa biến giúp tính toán các đường dẫn theo dòng hải lưu và hỗ trợ lập biểu đồ dữ liệu nhiều chiều khác nhau dọc theo các đường dẫn. Điều này cho phép nghiên cứu mối tương quan giữa các đặc điểm hải dương học khác nhau.  Quy trình phân tích của nhà hải dương học bao gồm một số nhiệm vụ phổ biến [GSK∗ 08] như kiểm tra sự phân bổ nhiệt độ và độ mặn cũng như mặt cắt dọc, so sánh dữ liệu độ mặn đo được gần đây với dữ liệu mô hình, kiểm tra và phân tích dòng xoáy và dòng chảy dựa trên dữ liệu dòng chảy, đồng thời phân tích những sự kiện cực đoan. Kết xuất bề mặt và thể tích là những lựa chọn tự nhiên để trực quan hóa sự phân bổ nhiệt độ và độ mặn 3D [DAN12, PBI04]. Tuy nhiên, việc hình dung các phân bố thay đổi linh hoạt là một thách thức. VAPOR [LJP∗ 19] là một trong số ít công cụ cung cấp khả năng hiển thị 3D hiệu quả cho các ứng dụng khoa học khí quyển và hải dương học. Mô hình dữ liệu thu thập dữ liệu VAPOR (VDC) hỗ trợ phân tích trực quan tương tác về kích thước dữ liệu lớn trên GPU hiện đại và phần cứng phổ thông.  Xie và cộng sự. [XLWD19] và Afzal et al. [AHG∗ 19] trình bày các khảo sát về các phương pháp và công cụ phân tích trực quan được phát triển cho dữ liệu đại dương. Xie và cộng sự. phân loại các nhiệm vụ phân tích trực quan thành bốn loại, cụ thể là nghiên cứu các biến số môi trường khác nhau, xác định và theo dõi các hiện tượng đại dương, khám phá các mô hình và mối tương quan cũng như trực quan hóa các tập hợp và sự không chắc chắn. Hơn nữa, họ xác định các cơ hội khác nhau và các lĩnh vực chưa được khám phá cho công việc trong tương lai, bao gồm các phương pháp hiệu quả và có thể mở rộng để xử lý và quản lý dữ liệu, xác định các tính năng ở nhiều quy mô và nền tảng nhập vai. Mặc dù chúng tôi nhận thấy sự sẵn có của một số phương pháp để trực quan hóa hải dương học nhưng chúng tôi lưu ý rằng chúng thường là các giải pháp độc lập. Chúng tôi mong muốn tận dụng sự tiến bộ sâu rộng trong công nghệ trực quan như được triển khai trong Paraview, đồng thời cung cấp các chức năng và chế độ xem dành riêng cho dữ liệu đại dương.  1.2. Đóng góp  Chúng tôi giới thiệu pyParaOcean, một hệ thống khám phá tương tác và phân tích trực quan dữ liệu đại dương. Hệ thống tận dụng sức mạnh của Paraview [AGL05] để cho phép trực quan hóa dữ liệu có sẵn từ các mô hình đại dương có thể mở rộng, đồng thời hỗ trợ vô số nhiệm vụ và chức năng chuyên dụng cho hải dương học. Khả năng trực quan hóa của pyParaOcean có sẵn thông qua việc tích hợp liền mạch vào Paraview bằng cách sử dụng các plugin. Các tính năng chính của hệ thống bao gồm  • Trực quan hóa trường 3D để nghiên cứu sự phân bố độ mặn và nhiệt độ với sự hỗ trợ để hiển thị và khám phá các thể tích đồng phân đang phát triển linh hoạt.  • Trực quan hóa dòng chảy đại dương với sự hỗ trợ cho các chiến lược gieo hạt khác nhau để tạo dòng và đường đi hợp lý.  • Chế độ xem mặt cắt dọc và biểu đồ tọa độ song song hỗ trợ lựa chọn và cắt lát dữ liệu một cách tương tác.  • Xác định và theo dõi sự chuyển động của độ mặn thông qua việc khai thác bề mặt. • Trực quan hóa và theo dõi các đặc điểm xoáy.  • Một thiết kế có thể mở rộng hỗ trợ tích hợp các chức năng mới làm bộ lọc trong Paraview.  Chúng tôi trình bày kết quả thăm dò Vịnh Bengal, được thực hiện với sự cộng tác của một nhà hải dương học, như một nghiên cứu điển hình để chứng minh tính hữu ích của hệ thống.  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: Tóm tắt và giới thiệu

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

184 Stories To Learn About Psychology

223 Stories To Learn About Science

189 Stories To Learn About Reading Books

85 Stories To Learn About Travel

184 Stories To Learn About Psychology

223 Stories To Learn About Science

189 Stories To Learn About Reading Books

85 Stories To Learn About Travel

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps