Analisando Correntes Oceânicas com Técnicas Inovadoras
Novos métodos melhoram a compreensão das correntes oceânicas a partir de dados de satélite.
― 6 min ler
Os satélites agora observam rotineiramente a superfície do oceano global. Uma medição crucial desses satélites é a Altura da Superfície do Mar (SSH), que mostra quão alta ou baixa está a superfície do oceano em diferentes locais. Para quem curte esportes na água, é claro que os oceanos estão cheios de ondas e correntes. Abaixo da superfície, também existem ondas causadas por diferenças na densidade da água. Todos esses sinais de onda afetam as leituras de SSH.
Para obter informações precisas sobre as correntes oceânicas-como direção e velocidade-é vital remover os sinais das ondas de superfície e das Ondas Internas. Isso porque ondas e correntes operam em diferentes escalas de espaço e tempo. As ondas normalmente se movem mais rápido e cobrem áreas menores do que as correntes. Este estudo tem o objetivo de usar uma técnica matemática para escolher sinais que mudam lentamente a partir das ondas.
Com o lançamento do satélite Surface Water and Ocean Topography (SWOT), os pesquisadores estão empolgados para analisar dados de velocidade da superfície a partir de suas observações de alta resolução. No entanto, o desafio está no fato de que as observações de SSH contêm sinais sobrepostos de movimentos equilibrados (Geostróficos) e ondas. O equilíbrio geostrófico relaciona as diferenças de SSH à velocidade, mas os dados de SSH não filtrados são afetados por movimentos não equilibrados, como ondas internas.
Uma abordagem para lidar com esse problema é filtrar os dados de SSH com base na escala e no tempo dos movimentos. No entanto, os métodos de filtragem tradicionais podem ser limitados porque assumem que os dados são periódicos e exigem alta resolução em espaço e tempo para evitar erros. Outra técnica popular, chamada de função ortogonal empírica (EOF), pode extrair modos espaciais, mas perde algumas informações temporais úteis no processo.
Neste trabalho, uma nova metodologia chamada decomposição de modos dinâmicos (DMD) é usada pela primeira vez em dados de SSH. Este método separa os dados em diferentes modos enquanto mantém as informações temporais relacionadas a cada modo. Isso é parecido com aplicar um filtro passa-banda diretamente nos dados originais, em vez de trabalhar com o método de transformada de Fourier.
A abordagem DMD é bem conhecida em várias áreas, como mecânica dos fluidos e neurociência. Neste estudo, o objetivo é decompor os dados de SSH em dois tipos de movimentos: aqueles em equilíbrio com a rotação da Terra e aqueles relacionados a ondas gravitacionais. A ideia é que a DMD pode separar efetivamente os componentes que se movem lentamente dos que mudam rapidamente, permitindo que os pesquisadores identifiquem o equilíbrio geostrófico dentro dos campos de SSH.
A técnica DMD envolve cálculos complexos, mas pode ser resumida como um trabalho para encontrar padrões dentro dos dados que seguem regras lineares. Ela cria um modelo matemático que ajuda a prever comportamentos futuros com base em dados observados. A DMD foca em identificar certos modos que evoluem ao longo do tempo, o que ajuda a separar os diferentes tipos de movimentos oceânicos.
Usando uma variação específica da DMD, conhecida como separação coesa de escala espaço-temporal de múltiplas resoluções (mrCOSTS), os pesquisadores capturam dados que combinam diferentes escalas e dinâmicas. Este método envolve analisar os dados em segmentos ao longo do tempo e aplicar o modelo DMD a cada segmento. Ele identifica componentes de baixa e alta frequência, permitindo que os pesquisadores obtenham insights sobre movimentos lentos e rápidos no oceano.
Os pesquisadores aplicaram esse método para simular as condições oceânicas no Atlântico Norte, especialmente observando a Corrente do Golfo-uma grande corrente oceânica. Ao decompor os dados de SSH de vários intervalos de tempo, conseguiram estudar mais de perto os movimentos que afetam a Corrente do Golfo. Os dados foram suavizados para eliminar flutuações de pequena escala que não são relevantes para entender características geostróficas maiores.
Os resultados da aplicação do mrCOSTS mostraram que ele poderia reconstruir efetivamente os dados de SSH, revelando padrões significativos nas correntes oceânicas. Os componentes de movimento lento capturaram características-chave da Corrente do Golfo e sua interação com as águas ao redor. A técnica permitiu que os pesquisadores entendessem melhor como ondas internas e outros fatores podem mascarar ou interferir no movimento geostrófico.
Em termos de implicações práticas, entender esses movimentos oceânicos é crucial para várias aplicações, incluindo navegação, estudos climáticos e previsão de padrões climáticos. Ao utilizar dados de satélite em combinação com técnicas matemáticas avançadas, os cientistas podem obter uma visão mais clara da dinâmica dos oceanos, o que, em última análise, informa nossa compreensão dos sistemas climáticos globais.
Conforme a pesquisa avançava, os pesquisadores também exploraram como o método mrCOSTS poderia ser utilizado com dados reais de satélite da missão SWOT. Esta parte do estudo focou em extrair os componentes geostróficos de movimento lento de SSH, que são essenciais para modelar com precisão as correntes oceânicas.
Nas regiões candidatas estudadas, os resultados mostraram que o método mrCOSTS poderia suavizar flutuações de ondas internas e isolar melhor os sinais geostróficos. Isso resultou em estimativas melhoradas de vorticidade relativa e taxas de deformação, métricas chave para analisar o movimento oceânico. Os achados sugerem que mesmo com observações diárias, os pesquisadores poderiam usar esse método efetivamente para obter insights importantes sobre o movimento equilibrado do oceano.
No geral, a introdução do mrCOSTS como uma ferramenta confiável para analisar dados de SSH representa um avanço na pesquisa oceanográfica. A capacidade do método de separar e analisar diferentes tipos de movimento oceânico fornece um recurso essencial para cientistas que estudam as complexidades da dinâmica do oceano.
À medida que o trabalho futuro continua, os pesquisadores esperam aplicar esse método em diversas localizações geográficas e explorar equilíbrios mais complexos além do geostrofismo. O desenvolvimento contínuo da tecnologia de satélites e das técnicas analíticas promete muito para aumentar nossa compreensão do papel do oceano no sistema climático.
Em resumo, essa pesquisa avança o campo da oceanografia ao introduzir uma técnica poderosa para analisar dados de altura da superfície do mar de satélites. Esse método ajuda a decompor sinais complexos do oceano em componentes gerenciáveis, permitindo que os cientistas entendam como as correntes oceânicas interagem com as ondas e contribuem para padrões climáticos mais amplos. Aproveitando o poder da tecnologia moderna e da matemática, os pesquisadores estão mais bem equipados para estudar e responder aos desafios impostos pelos nossos oceanos em constante mudança.
Título: Dynamic-Mode Decomposition of Geostrophically Balanced Motions from SWOT Altimetry
Resumo: 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.
Autores: 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
Última atualização: 2024-11-07 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2407.09309
Fonte PDF: https://arxiv.org/pdf/2407.09309
Licença: https://creativecommons.org/licenses/by-nc-sa/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.
Ligações de referência
- 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