La variabilidad multiescalar de la circulación oceánica debido a su dinámica no lineal sigue siendo un gran desafío para la comprensión teórica y la modelización práctica del océano. Este artículo demuestra cómo las técnicas de descomposición armónica adaptativa a los datos (DAH) y modelización estocástica inversa introducidas en (Chekroun y Kondrashov, (2017), Chaos, 27), permiten reproducir con alta fidelidad las principales propiedades estadísticas de la variabilidad multiescalar en un flujo oceánico de resolución de remolinos a grano grueso. Este enfoque completamente basado en datos se basa en la extracción de coeficientes dependientes del tiempo clasificados por frecuencia que describen la evolución de los modos DAH espaciotemporales (DAHMs) en los datos de flujo oceánico. A su vez, las series temporales de estos coeficientes se modelan de manera eficiente mediante una familia de ecuaciones diferenciales estocásticas (SDEs) de bajo orden apiladas por frecuencia, que involucran un conjunto fijo de funciones predictoras y un pequeño número de coeficientes del modelo. Estas SDEs toman la forma de osciladores estocásticos, identificados como modelos de Stuart-Landau multicapa (MSLMs), y su uso se justifica al basarse en la teoría de las resonancias de Ruelle-Pollicott. Las buenas habilidades de modelización mostradas por los emuladores DAH-MSLM resultantes demuestran la viabilidad de utilizar una red de osciladores estocásticos para la modelización de la turbulencia geofísica. En cierto sentido, la visión original cuasiperiódica de Landau sobre la turbulencia, con la enmienda de la inclusión de la estocasticidad, puede ser muy adecuada para describir la turbulencia.