Separando Flujos de Mesoscala y Submesoscala a partir de Trayectorias de Derivadores Agrupados
Autores: Oscroft, Sarah; Sykulski, Adam M.; Early, Jeffrey J.
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Separando Flujos de Mesoscala y Submesoscala a partir de Trayectorias de Derivadores Agrupados
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Mecánica
Palabras clave
Derivadores
Conjunto de datos observacionales
Mesoscala
Flujos submesoscalares
Incertidumbre estadística
Descomposición lagrangiana
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 2
Citaciones: Sin citaciones
Los drifters desplegados en estrecha proximidad proporcionan colectivamente un conjunto de datos observacionales único con el que separar los flujos de mesoscala y submesoscala. En este artículo, ofrecemos un enfoque fundamentado para hacerlo ajustando las velocidades observadas a una expansión de Taylor local del campo de flujo de velocidad. Demostramos cómo estimar las cantidades de mesoscala y submesoscala que evolucionan lentamente con el tiempo, así como su incertidumbre estadística asociada. Mostramos que, en la práctica, el componente de mesoscala de nuestro modelo puede explicar gran parte de la variabilidad de primer y segundo momento en las velocidades de los drifters, especialmente a bajas frecuencias. Esto resulta en medidas de difusividad de submesoscala mucho más bajas y significativas, que de otro modo estarían contaminadas por el flujo de mesoscala no resuelto. Cuantificamos estos efectos teóricamente mediante el cálculo de espectros de frecuencia lagrangianos y demostramos la utilidad de nuestra metodología a través de simulaciones, así como con observaciones reales del despliegue de drifters LatMix. El resultado de este método es una descomposición lagrangiana completa de cada trayectoria de drifter en tres componentes que representan el flujo de fondo, mesoscala y submesoscala.
Descripción
Los drifters desplegados en estrecha proximidad proporcionan colectivamente un conjunto de datos observacionales único con el que separar los flujos de mesoscala y submesoscala. En este artículo, ofrecemos un enfoque fundamentado para hacerlo ajustando las velocidades observadas a una expansión de Taylor local del campo de flujo de velocidad. Demostramos cómo estimar las cantidades de mesoscala y submesoscala que evolucionan lentamente con el tiempo, así como su incertidumbre estadística asociada. Mostramos que, en la práctica, el componente de mesoscala de nuestro modelo puede explicar gran parte de la variabilidad de primer y segundo momento en las velocidades de los drifters, especialmente a bajas frecuencias. Esto resulta en medidas de difusividad de submesoscala mucho más bajas y significativas, que de otro modo estarían contaminadas por el flujo de mesoscala no resuelto. Cuantificamos estos efectos teóricamente mediante el cálculo de espectros de frecuencia lagrangianos y demostramos la utilidad de nuestra metodología a través de simulaciones, así como con observaciones reales del despliegue de drifters LatMix. El resultado de este método es una descomposición lagrangiana completa de cada trayectoria de drifter en tres componentes que representan el flujo de fondo, mesoscala y submesoscala.