المحاکاة البصرية للظواهر المناخية من خلال البيانات متعددة الأبعاد باستخدام برنامج Panoply

المجلي, فيصل بن سليمان

doi:10.21608/jasg.2021.198570

المحاکاة البصرية للظواهر المناخية من خلال البيانات متعددة الأبعاد باستخدام برنامج Panoply

نوع المستند : المقالة الأصلية

المؤلف

فيصل بن سليمان المجلي

قسم الجغرافيا - جامعة الملک سعود

10.21608/jasg.2021.198570

المستخلص

يمکن تعريف المحاکاة البصرية في إطار الدراسات المناخية بأنها قدرة الباحث التقنية على تصوير التغيرات التي تطرأ على ظواهر المناخ مع مرور الوقت، وهي واحدة من أحدث الممارسات البحثية المرتبطة بأبحاث المناخ، حيث توفر المحاکاة البصرية والتصوير الرقمي معاً الفرصة لکشف التغيرات والأنماط والسلوک الذي يطرأ على عناصر الغلاف الجوي مع مرور الوقت، وذلک بهدف فهم طبيعة وتوزيع ونهج هذه النظم الطبيعية بالغة التعقيد من جهة، والمساهمة من جهة أخرى في توفير مادة سهلة الإستيعاب يمکن الإعتماد عليها عند تقديم التوصيات والسياسات المرتبطة بالمناخ. ترکز هذه الورقة على الإشارة لمدى أهمية تطويع البيانات المناخية المکانية وتحقيق أقصى استفادة ممکنه منها من خلال عمليات المحاکاة البصرية والتصوير الرقمي، وذلک من خلال تقديم دليل عملي مختصر يساعد الباحثين في الجغرافيا والمناخ على محاکاة وتصوير نتائجهم البحثية استناداً على البيانات متعددة الأبعاد باستخدام برنامج بانوبلي (Panoply). يعد بانوبلي منصة مجانية علمية متعددة التخصصات من إنتاج إدارة (NASA) مخصصة لعمليات محاکاة وتصوير البيانات متعددة الأبعاد، حيث يستخدم البرنامج واجهة عرض رسومية سهلة الإستخدام تتيح عدداً من الخيارات المتعلقة بالتصوير والمحاکاة دون الحاجة لخبرات تقنية متقدمة، حيث يمکن إنتاج الخرائط المتحرکة (Animation Maps) والمخططات العرضية (Zonal Averages) ومخططات هوفمولر (Hovmöller diagrams) وغيرها من المنتجات، کما يتيح البرنامج بعضاً من الخصائص الجيومکانية والکارتوغرافية مثل التطابق وإشتقاق البيانات والترميز الخطي لبيانات الرياح مع إضافة خطوط التساوي وتعديل المساقط والترميز اللوني والعنونه وتعديل المقاييس وغيرها، وذلک بهدف تقديم منتج علمي صحيح من الجهة المناخية والکارتوغرافية معاً.

الكلمات الرئيسية

المراجع

Alpers, Werner. (2014). Ocean Internal Waves. Encyclopedia of Remote Sensing. Springer,

https://link.springer.com/referenceworkentry/10.1007%2F978-0-387-36699-9_118

Atmospheric Science Data Center. (n.d.). Hierarchical Data Format. https://asdc.larc.nasa.gov/documents/ceres/readme/hdf.pdf

Bureau of Meteorology. (n.d.) What are El Niño and La Niña events?. http://www.bom.gov.au/climate/enso/history/ln-2010-12/ENSO-what.shtml

Carn, Simon. (2019). Tutorial on Satellite Data Access, Visualization and Analysis.

https://seismo.berkeley.edu/wiki_cider/images/6/68/Carn_cider_2019_tutorial.pdf

Data One. (n.d.). Panoply Data Viewer.

https://old.dataone.org/software-tools/panoply-data- viewer

Fouilloux, Anne. (2021). Visualize Climate data with Panoply netCDF viewer. https://training.galaxyproject.org/training- material/topics/climate/tutorials/panoply/tutorial.html

Goddard Institute for Space Studies. (n.d.). Panoply History. https://www.giss.nasa.gov/tools/panoply/version1.html

Hawkins, Ed. (2017). Zonal mean temperature change in observations & models. https://www.climate-lab-book.ac.uk/2017/zonal-mean-temperature-change/

Hovmöller, E. (1949). The Trough-and-Ridge diagram. Tellus A: Dynamic Meteorology and Oceanography, 1: 62–66. Retrieved Jun 29, 2021, from

http://hannahlab.org/papers/Hovmoller_1949.pdf

Kuljis, Jasna., Paul, Ray J. (2001). Visualization and Simulation: Two Sides of the Same Coin? SIMULATION, vol 77, pp. 141-152, https://journals.sagepub.com/doi/pdf/10.1177/003754970107700306

Levy, Steven. (2018). Graphical user interface. Encyclopedia Britannica. https://www.britannica.com/technology/graphical-user-interface. Accessed 29 June 2021.

Liberto, Tom. (n.d.). Hovmöller Diagram: A climate scientist’s best friend. NOAA, https://www.climate.gov/news-features/understanding-climate/hovm%C3%B6ller- diagram-climate-scientist%E2%80%99s-best-friend

Martius, Olivia., Schwierz, Cornelia., Davies, Huw. (2006). A Refined Hovmöller Diagram. Tellus A: Dynamic Meteorology and Oceanography,https://www.tandfonline.com/doi/abs/10.1111/j.1600-0870.2006.00172.x

NASA. (2021). Panoply netCDF, HDF and GRIB Data Viewer. Goddard Institute for Space Studies, https://www.giss.nasa.gov/tools/panoply/

NOAA. (2014). Climate Models. https://www.climate.gov/maps-data/primer/climate-models

NOAA. (n.d.). What is Rossby Wave?

https://oceanservice.noaa.gov/facts/rossby-wave.html

Oxford Dictionary. (n.d.). Panoply. Retrieved June 28, 2021 fromhttps://www.oxfordlearnersdictionaries.com/definition/english/panoply?q=panoply

Persson, A. (2017). The Story of the Hovmöller Diagram: An (Almost) Eyewitness Account, Bulletin of the American Meteorological Society, 98(5), 949-957. Retrieved Jun 29, 2021, from https://journals.ametsoc.org/view/journals/bams/98/5/bams-d-15-00234.1.xml

Physical Sciences Laboratory. (n.d.). GPCC Global Precipitation Climatology Centre https://psl.noaa.gov/data/gridded/data.gpcc.html#detail

Rhyne, Theresa-Marie. (2003). Does the difference between information and scientific visualization really matter?" IEEE Computer Graphics and Applications, vol. 23, no. 3, pp. 6-8, https://ieeexplore.ieee.org/document/1198256

Sanga, Camilius., Sumari, Neema., Tumbo, Siza. (2013). On the development of climate data visualization tool for interpretation of empirical results from climate model: Does it add value to different stakeholders?. The 6th UbuntuNet Alliance annual conference ISSN 2223-7062, https://www.researchgate.net/publication/258441922

Schmunk, Robert. (2009). Panoply v.1.5. NASA Goddard Institute for Space Studies, https://meteor.geol.iastate.edu/classes/mt452/EdGCM/Documentation/EdGCM_Panoply. pdf

Singh, Niraj. (1970). Mechanism of Indian Monsoon. Magadh University, https://www.magadhuniversity.ac.in/download/econtent/pdf/Mechanism%20of%20India n%20Monsoon.pdf

The Weather Window. (n.d.). Understanding, Getting and Using GRIB Weather Files. https://weather.mailasail.com/Franks-Weather/Grib-Files-Getting-And-Using

Unidata. (n.d.). What is NetCDF?.

https://www.unidata.ucar.edu/software/netcdf/docs/

Visual Components. (2017). How data visualization helps us “see” better?. https://www.visualcomponents.com/resources/articles/how-data-visualization-helps-us- see-better/

Wang, Chaoli., Yu, Hongfeng., Ma, Kwan-Liu. (2008). Importance-Driven Time-Varying Data Visualization. IEEE Transactions on Visualization and Computer Graphics, vol. 14, no. 6, pp. 1547-1554, https://ieeexplore.ieee.org/document/4658174/authors#authors

Wang, Y.Q. (2014). MeteoInfo: GIS software for meteorological data visualization and analysis. Royal Meteorological Society, vol 21, pp. 360-368,

https://rmets.onlinelibrary.wiley.com/doi/epdf/10.1002/met.1345

Wang, Y.Q. (2019). An Open-Source Software Suite for Multi-Dimensional Meteorological Data Computation and Visualization. Journal of Open Research Software, vol 7, p.21,

http://doi.org/10.5334/jors.267