pyParaOcean，海洋数据可视化分析系统：海洋数据

经过 Oceanography: Everything You Need to Study the Ocean3m2024/05/30

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：海洋数据

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

2. 海洋数据

海洋学家通常处理大型多元时空数据集——三维区域上随时间变化的标量或矢量场。数据是使用模拟、卫星图像、浮标上的传感器或现场物理观测生成的。随着高性能计算、更高分辨率采样和可观测数据数量的不断增加，此类数据集的大小正在迅速增加。再分析数据集将数值模拟模型与观测输入相结合，以提供时空一致的数据。海洋数据包含强大的时间和空间过程，涉及多尺度实体之间的复杂相互作用 [XLWD19]。它在各种尺度上进行分析，从小尺度特征（如涡流和锋面）到大尺度特征（如海洋盆地和环流模式）。

本文中的所有可视化效果均使用红海和孟加拉湾两个数据集生成。

红海：该数据集 [TZG∗ 17] 是作为 IEEE SciVis 2020 竞赛的一部分提供的。它是一个由 50 个成员组成的三维标量和速度场集合。数据在 500 × 500 × 50 的网格上定期采样，采样时间超过 60 个时间步长，涵盖整个月的模拟时间。集合是具有不同参数和初始条件的模拟模型的输出，即使参数值的微小变化也可能会有很大差异。成员是针对整个红海的 30°E - 50°E 和 10°N - 30°N 域配置的 MITgcm 设置的预测。它们以笛卡尔坐标系实现，水平分辨率为 0.04° × 0.04°（4 公里），垂直层数为 50，表面间距为 4 米，底部间距为 300 米。该数据集以 NetCDF 格式提供。

孟加拉湾：该数据集由再分析产品生成，可从欧洲海洋建模核心 (NEMO) 存储库 [Mad08] 获得，分辨率为每日，涵盖 2020 年 7 月至 8 月，共计 62 个时间步长。数据以 NetCDF 格式提供，经纬度分辨率为 1/12°。盐度测量可在 50 个垂直层面进行，范围从近海面的 1 米分辨率到海底的 450 米分辨率，包括上层 100 米的 22 个样本。孟加拉湾是经度 75°E 和 96°E 以及纬度 5°S 至 30°N 之间的地理区域，深度可达 200 米，是从这些数据中提取的。