Analyser les courants océaniques avec des techniques innovantes
De nouvelles méthodes améliorent la compréhension des courants océaniques à partir des données satellites.
― 7 min lire
Table des matières
Les satellites observent maintenant régulièrement la surface de l'océan mondial. Une mesure cruciale de ces satellites est la Hauteur de la surface de la mer (SSH), qui montre à quel point la surface de l'océan est haute ou basse à différents endroits. Pour ceux qui aiment les sports nautiques, c'est clair que les océans sont pleins de vagues et de courants. Sous la surface, il y a aussi des vagues causées par des différences de densité de l'eau. Tous ces signaux de vagues affectent les mesures de la SSH.
Pour obtenir des informations précises sur les courants océaniques-comme leur direction et leur vitesse-il est essentiel de retirer les signaux des vagues de surface et des Vagues internes. C'est parce que les vagues et les courants fonctionnent sur des échelles de temps et d'espace différentes. Les vagues se déplacent généralement plus vite et couvrent des zones plus petites que les courants. Cette étude vise à utiliser une technique mathématique pour extraire les signaux qui changent lentement des vagues.
Avec le lancement du satellite Surface Water and Ocean Topography (SWOT), les chercheurs sont impatients d'analyser les données de vitesse de surface provenant de ses observations haute résolution. Cependant, le défi réside dans le fait que les observations de SSH contiennent des signaux qui se chevauchent issus de mouvements équilibrés (Géostrophiques) et de vagues. L'équilibre géostrophique relie les différences de SSH à la vitesse, mais les données de SSH non filtrées sont affectées par des mouvements déséquilibrés, comme les vagues internes.
Une approche pour aborder ce problème consiste à filtrer les données de SSH en fonction de l'échelle et du temps des mouvements. Cependant, les méthodes de filtrage traditionnelles peuvent être limitées car elles supposent que les données sont périodiques et nécessitent une haute résolution dans l'espace et le temps pour éviter les erreurs. Une autre technique populaire, appelée fonction orthogonale empirique (EOF), peut extraire des modes spatiaux mais perd certaines informations temporelles utiles dans le processus.
Dans ce travail, une nouvelle méthode appelée Décomposition en Mode Dynamique (DMD) est utilisée pour la première fois sur des données SSH. Cette méthode sépare les données en différents modes tout en gardant les informations temporelles liées à chaque mode. C'est un peu comme appliquer un filtre passe-bande directement sur les données originales au lieu de passer par la méthode de transformation de Fourier.
L'approche DMD est bien connue dans divers domaines comme la mécanique des fluides et les neurosciences. Dans cette étude, le but est de décomposer les données SSH en deux types de mouvements : ceux en équilibre avec la rotation de la Terre et ceux liés aux vagues de gravité. L'idée est que la DMD peut efficacement séparer les composants à déplacement lent de ceux qui changent rapidement, permettant aux chercheurs d'identifier l'équilibre géostrophique dans les champs de SSH.
La technique DMD implique des calculs complexes mais peut être résumée comme la recherche de motifs dans les données qui suivent des règles linéaires. Elle crée un modèle mathématique qui aide à prédire les comportements futurs basés sur les données observées. DMD se concentre sur l'identification de certains modes qui évoluent au fil du temps, ce qui permet de séparer les différents types de mouvements océaniques.
En utilisant une variation spécifique de DMD, connue sous le nom de séparation de scale spatiotemporelle cohérente à multi-résolution (mrCOSTS), les chercheurs capturent des données qui combinent différentes échelles et dynamiques. Cette méthode implique d'analyser les données en segments dans le temps et d'appliquer le modèle DMD à chaque segment. Elle identifie des composants à basse et haute fréquence, permettant aux chercheurs de recueillir des informations sur les mouvements lents et rapides dans l'océan.
Les chercheurs ont appliqué cette méthode pour simuler les conditions océaniques dans l'Atlantique Nord, en se concentrant particulièrement sur le Gulf Stream-un courant océanique majeur. En décomposant les données SSH sur divers intervalles de temps, ils ont pu étudier de plus près les mouvements qui affectent le Gulf Stream. Les données ont été lissées pour éliminer les fluctuations à petite échelle qui ne sont pas pertinentes pour comprendre les caractéristiques géostrophiques plus larges.
Les résultats de l'application de mrCOSTS ont montré qu'il pouvait efficacement reconstruire les données SSH, révélant des motifs significatifs dans les courants océaniques. Les composants à déplacement lent capturaient des caractéristiques clés du Gulf Stream et son interaction avec les eaux environnantes. La technique a permis aux chercheurs de mieux comprendre comment les vagues internes et d'autres facteurs peuvent masquer ou interférer avec le mouvement géostrophique.
En termes d'implications pratiques, comprendre ces mouvements océaniques est crucial pour diverses applications, y compris la navigation, les études climatiques et la prévision des conditions météorologiques. En utilisant des données satellites en combinaison avec des techniques mathématiques avancées, les scientifiques peuvent obtenir une image plus claire de la dynamique océaniques, ce qui informe finalement notre compréhension des systèmes climatiques mondiaux.
À mesure que la recherche avançait, les chercheurs ont également exploré comment la méthode mrCOSTS pourrait être utilisée avec de vraies données satellites de la mission SWOT. Cette partie de l'étude s'est concentrée sur l'extraction des composants géostrophiques à déplacement lent de la SSH, qui sont essentiels pour modéliser avec précision les courants océaniques.
Dans les régions candidates étudiées, les résultats ont montré que la méthode mrCOSTS pouvait lisser les fluctuations des vagues internes et mieux isoler les signaux géostrophiques. Cela a abouti à des estimations améliorées de la vorticité relative et des taux de déformation, des métriques clés pour analyser le mouvement océanique. Les résultats suggèrent qu'avec des observations quotidiennes, les chercheurs pourraient efficacement utiliser cette méthode pour obtenir des informations importantes sur le mouvement équilibré de l'océan.
Dans l'ensemble, l'introduction de mrCOSTS comme outil fiable pour analyser les données SSH représente un progrès dans la recherche océanographique. La capacité de la méthode à séparer et analyser différents types de mouvements océaniques fournit une ressource essentielle pour les scientifiques étudiant les complexités de la dynamique océaniques.
À l'avenir, les chercheurs espèrent appliquer cette méthode dans diverses régions géographiques et explorer des équilibres plus complexes au-delà de la géostrophie. Le développement continu de la technologie satellitaire et des techniques analytiques promet beaucoup pour améliorer notre compréhension du rôle de l'océan dans le système climatique.
En résumé, cette recherche fait avancer le domaine de l'océanographie en introduisant une technique puissante pour analyser les données de hauteur de surface de la mer provenant des satellites. Cette méthode aide à décomposer des signaux océaniques complexes en composants gérables, permettant aux scientifiques de comprendre comment les courants océaniques interagissent avec les vagues et contribuent à des modèles climatiques plus larges. En exploitant le pouvoir de la technologie moderne et des mathématiques, les chercheurs sont mieux équipés pour étudier et faire face aux défis posés par nos océans en constante évolution.
Titre: Dynamic-Mode Decomposition of Geostrophically Balanced Motions from SWOT Altimetry
Résumé: The decomposition of oceanic flow into its balanced and unbalanced motions carries theoretical and practical significance for the oceanographic community. These two motions have distinct dynamical characteristics and affect the transport of tracers differently from one another. The launch of Surface Water and Ocean Topography (SWOT) satellite provides a prime opportunity to diagnose the surface balanced and unbalanced motions on a global scale at an unprecedented spatial resolution. Here, we apply dynamic-mode decomposition (DMD), a linear-algebraic data-driven method, to a tidally-forced numerical simulation and one-day-repeat SWOT observations of sea-surface height (SSH) in the Gulf Stream extension. DMD is able to separate out the spatial modes associated with sub-inertial periods from super-inertial periods. The sub-inertial modes of DMD can be used to extract geostrophically balanced motions from SSH fields, which have an imprint of internal tides and gravity waves. We utilize the statistical relation between relative vorticity and strain rate as the metric to gauge the extraction of geostrophy.
Auteurs: Takaya Uchida, Yadidya Badarvada, Karl E. Lapo, Xiaobiao Xu, Jeffrey J. Early, Brian K. Arbic, Dimitris Menemenlis, Luna Hiron, Eric P. Chassignet, Jay F. Shriver, Maarten C. Buijsman
Dernière mise à jour: 2024-11-07 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2407.09309
Source PDF: https://arxiv.org/pdf/2407.09309
Licence: https://creativecommons.org/licenses/by-nc-sa/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.
Liens de référence
- https://trackchanges.sourceforge.net/
- https://sharingscience.agu.org/creating-plain-language-summary/
- https://github.com/PyDMD/PyDMD/tree/master/tutorials/tutorial20
- https://scikit-learn.org/stable/modules/generated/sklearn.cluster.MiniBatchKMeans.html
- https://www.openstoragenetwork.org/
- https://github.com/pangeo-data/swot_adac_ogcms
- https://www.aviso.altimetry.fr/en/data/products/sea-surface-height-products/global/swot-l3-ocean-products.html
- https://www.agu.org/Publish-with-AGU/Publish/Author-Resources/Data-and-Software-for-Authors#availability
- https://doi.org/10.7283/633e-1497
- https://www.unavco.org/data/doi/10.7283/633E-1497
- https://www.agu.org/Publish-with-AGU/Publish/Author-Resources/Data-and-Software-for-Authors#IGSN
- https://github.com/PyDMD/PyDMD
- https://www.aviso.altimetry.fr
- https://www.agu.org/Publish-with-AGU/Publish/Author-Resources/Data-and-Software-for-Authors#citation