paint-brush
pyParaOcean,海洋数据可视化分析系统:pyParaOcean:功能经过@oceanography

pyParaOcean,海洋数据可视化分析系统:pyParaOcean:功能

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:pyParaOcean:功能
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

4. pyParaOcean:功能

我们现在列出并描述 pyParaOcean 插件中实现并作为 Paraview 过滤器提供的各种功能。图 2 和补充材料中的视频展示了 pyParaOcean 中的不同过滤器和用户界面。

4.1. 等体积可视化

体积渲染是可视化海洋数据中 3D 标量场的自然选择,因为它可以快速概览分布情况(图 2(D))。具有固定传递函数的动画可以随时间可视化标量场。可以通过选择标量场范围内的间隔来调整 Paraview 中的体积渲染过滤器以可视化感兴趣的子体积。具体而言,包含感兴趣的空间区域内平均盐度/温度值的等体积或捕获高盐度水的等体积可以提供 3D 场的良好概览。

4.2. 种子放置和田间行

场线(包括流线和路径线)提供了 3D 矢量场的良好概览。pyParaOcean 提供了一个过滤器,该过滤器实现了多种用于启动流线和路径线计算的播种策略,并允许用户选择其中一种。使用此过滤器生成的种子作为输入提供给 Paraview 中的自定义源流线积分器或粒子示踪器(图 2(G,H))。


流线是一组与空间中每个点的速度相切的积分曲线。它们描绘了瞬时流线,这些流线表征了重要的海洋现象,例如涡流、洋流和细丝。路径线与速度相切,速度随时间变化。路径线描述了无质量虚拟粒子从特定时间步长定位的种子开始所走的路径。路径线对于理解传输很有用,例如盐度平流和碎片收集。它们比流线更需要计算。


种子过滤器控制种子的数量以及如何对域进行采样以放置种子,见图 2 (C))。采样可以是 (a) 均匀的,(b) 按流速、旋度、涡度或 Okubo-Weiss 标准 [Oku70] 加权的,或 (c) 按用户定义的标量场加权的,这些标量场在管道中较早计算。用户可以调整线积分参数和采样选项以减少视觉混乱,将计算集中在感兴趣的区域,最大限度地覆盖域,并突出显示有趣的流动特征。例如,在高涡度区域渲染细长的流线会在涡流周围产生闭合环,并在帧间具有一定的时间连贯性(图 7)。


此外,应用种子过滤器的矢量场的每个分量都可以指定为单独的标量场。这使得执行其他下游操作(如忽略垂直速度分量或调整沿每个轴的比例)变得更加容易。


图 3:用于涡流中心检测的方法的有效性。 (a) 速度大小的局部最小值(白色球体)是潜在的涡流中心。 (b) 拓扑简化消除了噪声和不显著的最小值,并识别了红海和亚丁湾中尺度涡流的涡核。

4.3. 交互式粒子路径

该过滤器通过 Paraview 粒子示踪器的交互式播种扩展,方便查询海洋数据的热量和质量传输。它显示一个链接的平行坐标图,用户可以在其中刷选温度和盐度等标量的范围,从而将播种限制在等体积内。从这些子体积中采样的点可用作路径线计算的种子(图 2(H))。

4.4 深度剖面图

此过滤器使用户能够检查由经度和纬度对指定的海洋垂直柱。它将一根“针”放入海洋中,并沿着这条线在不同深度值处采样点(图 2(D))。它显示一个链接的平行坐标图,该图给出了沿垂直柱采样的所有标量的深度剖面。显示所选标量与深度的线图视图(图 2(E))。可选地,在体积渲染窗口中显示映射到所选经度的垂直切片的标量场。用户可以从平行坐标图(图 2(F))中选择并突出显示垂直柱中点的子集,并在所有视图中随时间跟踪它们。这对于研究垂直质量输送非常有用,尤其是通过埃克曼输送 [Sar13] 在涡流中心上升或下降,以及研究指示热量重新分布的等温线下降 [KNR∗ 07]。研究这些变化对于了解海洋生物很重要,因为它们会推动浮游植物的繁殖和营养物质的输送

4.5 涡流识别与可视化

已经设计出多种算法来可靠且自动地识别涡流 [AHG∗ 19]。McWilliam [McW90] 开发了一种使用涡量 ω 作为物理参数的 2D 方法,其局部最小值和最大值定位潜在涡流的中心,而相对于中心的邻域内涡量值有助于确定涡流边界。Okubo [Oku70] 使用基于剪切和应变变形以及涡量的垂直分量的特殊 Okubo-Weiss 参数来测量旋转,从而识别潜在涡流。可以在 Okubo-Weiss 标准之后应用圆度标准来改进结果 [WHP∗ 11]。海面高度和速度剖面也已用于涡流检测 [MAIS16]。缠绕角标准与流线聚类相结合,有助于识别 3D 中的涡流 [FFH21]。


图 4:通过计算和跟踪高盐度等容面锋面,可视化高盐度水的运动。(左)按一个时间步长计算的锋面。(中、右)锋面的其中一个组成部分向印度东海岸维沙卡帕特南附近移动。计算并可视化此锋面组成部分的演变,将其作为一条轨迹。


pyParaOcean 中的涡流识别过滤器专注于中尺度涡流 [AMM17]。它仅使用单个时间步长中的速度场,而不计算任何派生场。由于不使用垂直速度,因此此 3D 检测方案可以跨时间步长和跨深度切片并行应用。


旋转流体的流速向内径向减小,朝向旋转中心。过滤器检查流速的局部最小值以识别潜在的涡流中心。忽略垂直速度以忽略涡流核心中上升或下降的运动,从而增强相应的流量最小值。通过应用持久性概念 [TFL∗ 17] 指导的拓扑简化,消除噪声和不太重要的最小值。接下来,该方法采用缠绕角标准的近似值 [FFH21],检查流线是否穿过以最小值为中心的 XY 平面的所有四个象限 [GEP04]。这种方法在红海和亚丁湾等涡流中心相对静止的地区更为有效。图 3 显示了使用此过滤器在红海中识别的潜在涡流中心集。


靠近涡流核心的流线形成螺旋或闭合环。使用沿径向轴的二分搜索来确定涡流的边界。搜索有助于找到距离涡流中心最远的种子,但会产生螺旋或几乎闭合环的流线。过滤器显示所有起源于检测到的涡流核心附近的流线,从而呈现涡流的 3D 轮廓(图 2(I))。它可以扩展以支持可通过界面选择的其他涡流检测方法 [MAIS16、FFH21]。

4.6 表面锋面追踪和盐度可视化

海洋学家通常对传输质量或热量的水团感兴趣。这些是具有独特温度或盐度特征的移动水体。表面锋跟踪滤波器计算标量场等体积边界的连通分量(称为表面锋),随时间跟踪它们,并生成一个轨迹图,该轨迹图总结了所有表面锋的运动。从该图中提取的轨迹子集被呈现以供视觉分析。表面锋已被证明是高盐度水团的良好代表 [SDVN22]。它已被用来追踪从阿拉伯海进入孟加拉湾的高盐度核心 (HSC) 的路径(图 2(J))。


图 5:季风季节孟加拉湾的洋流和涡旋,包括夏季季风洋流 (SMC)、斯里兰卡穹顶 (SLD) 和反气旋涡旋 (AE)。