paint-brush
pyParaOcean,海洋数据可视化分析系统:摘要和简介经过@oceanography
131 讀數

pyParaOcean,海洋数据可视化分析系统:摘要和简介

太長; 讀書

在本文中,研究人员介绍了 pyParaOcean,增强了 Paraview 中的海洋数据可视化,以实现动态过程跟踪和事件检测。
featured image - pyParaOcean,海洋数据可视化分析系统:摘要和简介
Oceanography: Everything You Need to Study the Ocean HackerNoon profile picture
0-item

作者:

(1) Toshit Jain,印度班加罗尔科学研究所,印度

(2) Varun Singh,印度班加罗尔科学研究所,印度

(3) Vijay Kumar Boda,印度班加罗尔印度科学研究所,印度

(4) Upkar Singh,印度班加罗尔科学研究所,印度

(5) 英格丽德·霍兹(Ingrid Hotz),印度班加罗尔印度科学研究所和瑞典诺尔雪平林雪平大学科技系(ITN);

(6) PN Vinayachandran,印度班加罗尔科学研究所,印度

(7)维贾伊·纳塔拉詹(Vijay Natarajan),印度班加罗尔印度科学研究所

链接表

抽象的

可视化分析在海洋学领域得到广泛应用,可用于分析模型模拟、检测不同现象和事件以及跟踪动态过程。随着数据量不断增加和多变量动态数据的可用性不断提高,对可扩展和可扩展的可视化和交互式探索工具的需求也日益增长。我们介绍了 pyParaOcean,这是一个可视化系统,支持海洋数据可视化分析中常用的几项任务。该系统可作为 Paraview 的插件使用,因此能够利用其分布式计算能力及其丰富的通用分析和可视化功能。pyParaOcean 提供模块来支持特定于海洋数据的不同可视化分析任务,例如涡流识别和盐度运动跟踪。这些模块可用作 Paraview 过滤器,这种无缝集成使系统易于安装和使用。孟加拉湾的案例研究说明了该系统在研究海洋现象和过程方面的实用性。

1. 简介

了解海洋数据对于预测飓风和海啸等极端天气事件、更好地了解全球变暖等行星尺度过程以及可持续地管理和保护海洋资源及其海洋生物至关重要。由于存在随时间变化的多个字段和参数,因此可视化海洋数据具有挑战性。洋流无疑是维持海洋-大气系统热平衡和影响矿物质和盐分运动的最大因素。中尺度涡流直径从几十公里到几百公里不等,寿命从几天到几个月不等 [RR10],在海洋中无处不在。它们在海洋内传输热量和质量方面发挥着重要作用 [McW08]。它们还对海洋生态和生物地球化学过程产生重大影响 [MJD∗ 99,BNBD∗ 07]。


随着海洋数据收集和生成的进步 [FD06、Ros89],需要支持有效数据可视化的工具,并具有可扩展性,以跟上不断扩大的海洋数据集的分辨率和大小。

1.1 相关工作

由于数据量迅速增加、数据异质性和多变量性质以及海洋现象固有的复杂性,海洋学可视化是一个具有挑战性的研究领域。社区普遍使用 Matlab、Tecplot、AVS 和 Paraview 等通用分析和可视化软件。然而,海洋学家经常使用专门为海洋数据开发的工具,例如 Ferret [Fer23]、pyFerret [pyF23] 和 Copernicus MyOcean [myO23]。这些专用工具提供多种功能并生成数据的 2D 视图。


可视化社区开发的一些软件框架提供了 2D 和 3D 数据可视化功能。COVE [GSK∗ 08] 是一个协作式海洋可视化环境,支持通过网络对海洋模型进行交互式分析。RedSeaAtlas [AGT∗ 19] 支持在 2D 地图中选择区域,并提供红海上风、浪、潮汐、叶绿素等的探索性视图。OceanPaths [NL15] 是一个多变量数据可视化工具,可计算追踪洋流的路径,并支持沿路径绘制不同的高维数据。这使得研究不同海洋特征之间的相关性成为可能。


海洋学家的分析工作流程包括一些常见任务 [GSK∗ 08],例如检查温度和盐度分布和垂直横截面、将最近测量的盐度数据与模型数据进行比较、根据流量数据检查和分析当前涡度和环流以及分析极端事件。等值面和体积渲染是可视化 3D 温度和盐度分布的自然选择 [DAN12、PBI04]。然而,动态变化的分布的可视化是一项挑战。VAPOR [LJP∗ 19] 是为海洋学和大气科学应用提供高效 3D 可视化的少数工具之一。VAPOR 数据收集 (VDC) 数据模型支持在现代 GPU 和商用硬件上对大数据进行交互式可视化分析。


Xie 等人 [XLWD19] 和 Afzal 等人 [AHG∗ 19] 介绍了针对海洋数据开发的可视化分析方法和工具。Xie 等人将可视化分析任务分为四类,即研究不同的环境变量、识别和跟踪海洋现象、发现模式和相关性以及可视化集合和不确定性。此外,他们还确定了未来工作的不同机会和未开发的领域,包括高效且可扩展的数据处理和管理方法、多尺度特征识别和沉浸式平台。虽然我们认识到有几种可用于海洋学可视化的方法,但我们注意到它们通常是独立的解决方案。我们旨在利用 Paraview 中实现的可视化技术的广泛进步,同时提供特定于海洋数据的功能和视图。

1.2. 贡献

我们推出了 pyParaOcean,这是一个用于交互式探索和可视化分析海洋数据的系统。该系统利用 Paraview [AGL05] 的强大功能,实现海洋模型数据的可扩展可视化,同时支持专门用于海洋学的多种任务和功能。pyParaOcean 的可视化功能可通过使用插件无缝集成到 Paraview 中来实现。该系统的主要功能包括


• 3D 场可视化用于研究盐度和温度分布,并支持显示和探索动态演变的等容线。


• 洋流可视化,支持流线和路径的不同播种策略。


• 支持交互式选择和切片数据的垂直剖面视图和平行坐标图。


• 通过提取表面锋面来识别和跟踪盐度运动。 • 涡流特征的可视化和跟踪。


• 可扩展的设计,支持在 Paraview 中合并新功能作为过滤器。


我们展示了与海洋学家合作进行的孟加拉湾探索的结果,作为案例研究,以证明该系统的实用性。