优化的地表气流及气象数据可视化方法.pdf 6页

'中国科技论文在线http://www.paper.edu.cn优化的地表气流及气象数据可视化方法*何晓曦，王亚东，孙吉刚（成都信息工程大学软件工程学院）5摘要：风云四号新一代静止轨道气象卫星已经成功获取首批图像和数据,本文主要针对其影像数据的应用,研究地表气流的可视化方法。本文从视觉科学中的大脑初级视觉皮层对图案的感知特性展开理论研究，总结流向感知的理论原则，提出一种非对称的动态流线方法，用以表现气流的模式特征。文中比较了传统的箭头和风羽网格对可视化感知的误导性影响，论10述了该流线方法在处理流线间距、地图缩放，以及与颜色通道、纹理通道共同作用下可能存在的问题和解决方案。关键词：计算机图形学；气象数据可视化；可视化感知；气流；流线中图分类号：TP391.915ImprovedMethodofSurfaceAirflowandMeteorologicalDataVisualizationHeXiaoxi,WangYadong,SunJigang(InstituteofSoftwareEngineering,ChengduUniversityofInformationTechnology,Chengdu610225)20Abstract:FY4-A,thenewgenerationofgeostationaryorbitmeteorologicalsatellite,hassuccessfullyobtainedthefirstimagesanddata.Thispaperfocusesontheapplicationofitsimagedata,researchesvisualizationmethodsofsurfaceairflow.Inthispaper,westudytheperceptionofpatternsoftheprimaryvisualcortexinvisionscience,summarizingthetheoreticalprinciplesofflowperception,presentanasymmetricdynamicstreamlinemethodtorepresentpatternsofairflow.Themisleading25influenceofthetraditionalgridsofarrowandwindbarbsonthevisualperceptioniscompared.Potentialproblemsandsolutionsarediscussed,whenusingstreamlinemethodindealingwithstreamlinespacing,mapscaleandcombinedwithcolorchannelandtexturechannel.Keywords:Computergraphics;meteorologicaldatavisualization;visualperception;airflow;streamline300引言在气象行业过去的50年里已经投入了大量的努力建立数值天气预报模型，但是这些预测模型的可视化研究投入较少，并且所使用的许多技术效果不佳。特别是，向量场的表示（气流，水汽输送）几乎都是采用网格形式的箭头或风羽。其他方法，如流线已经使用了几十年，35但很少在气象行业使用。然而，可视化是气象预报中至关重要的方法，用于解释复杂的气流和水汽模式，以及标量场（如压力和温度）。随着数值天气预报模型的空间分辨率和数据密度的不断增加，可视化方法亟待改进。作者简介：何晓曦（1978），男，副教授、硕导，混合现实与虚拟仿真.E-mail:microwest@cuit.edu.cn-1- 中国科技论文在线http://www.paper.edu.cn图1典型的流模式可视化方法（a）箭头网格地表气流（b）风羽网格地表气流40现有大多数的气流可视化研究都集中在模型输出阶段应用新的可视化技术。如创建等距[1][2][3]流线的方法，利用线积分卷积技术和数字噪声模式表现的流动方向，应用体绘制方法[4][5][6]表现三维流模型。其他方法主要基于嵌套网格，如常用的流模型或时变网格数据。[7]Laidlaw等人研究了同一个流型的六种不同表示方法，发现等距流线比箭头网格更加有效。[8]Martin等人的另一项研究表明，当使用风羽网格来显示飓风中心的螺旋模式时，存在对风45向感知的系统偏差。数据显示的有效性取决于观察者能否更好地感知到数据中的关键模式，视觉科学正好可以提供这方面的评估。在本文中，我们概述了感知的原则，并说明如何将这些原则用于设计矢量场的显示方法。1矢量场的感知原理50人之所以能够有效地理解流的可视化视图中包含的信息，大脑中的初级视觉皮层起到了最重要的作用，50多年的神经科学研究揭示了大脑这个区域的运作机制和功能。在初级视觉皮层区域，两只眼睛的视神经输入信号由数十亿个神经元并行处理（每个视神经只有一百[9]万个纤维，图2a）。图2b显示初级视觉皮层的切片的功能结构。Livingstone等人通过几百个实验的综合推理，揭示了大脑用三种区域和方式处理不同信号。第一种区域将输入的信55息分解成局部色差信息，第二种区域包含优先响应运动模式的神经元，第三种区域将信息分解为局部方向和尺寸信息，作为形状感知和纹理感知的基本要素。这些区域提供不同的视觉通道。处理过程是并行的，视网膜上的图像各部分被同时分解；图像分解为颜色差异、运动要素、基本形状（局部方向和尺寸）的感知。目前学者普遍认为，大脑初级视觉皮层中的形状检测区域的轮廓检测机制，对检测对象60的边界至关重要。平滑排列的神经元相互加强信号，而非对齐的神经元相互抑制信号。结果是一种赢者通吃的效果：对齐的轮廓线感知加强，而非对齐的轮廓线感知减弱。这种机制既加强了平滑变化的连续轮廓的感知，也提高了方向变化的感知，如图2c所示。-2- 中国科技论文在线http://www.paper.edu.cn图2(a)视网膜的信息向后移动，到达大脑皮层的第一个视觉加工区；(b)初级视觉皮层加工区；(c)反馈机制65导致神经元响应平滑曲线轮廓的信号相互加强我们的理论核心原则是：为了清楚地显示流动方向，所有的感知流动信号方向应该切向于流动方向，大脑对非切向的流动响应将导致错误的流向感知。如果我们考虑使用短线段来表示一个向量场，那么这个理论表明对齐的线段布局方式将会比其他的更有效。现有的许多流可视化方法使用一个简单的线段网格或风羽矢量场，图3表明，这种方法70不会有效地刺激大脑的切向反应。同时，线段网格会导致神经元响应网格本身，导致关注力分散；将线段对齐排列的感知效果更好，但最好的方法是构造连续的流线。这一理论命题得[10]到人类感知实验和人类视觉皮层的轮廓处理仿真结果的支持。直观的角度来讲，从图3a)到c)，我们对矢量场方向性的感知是逐渐增强的，并且图3c)的连续性是最好的。75图3(a)当用网格元素表示流时，很少有相互增强；(b)元素对齐后，方向性感知增强；(c)连续轮廓产生最强的响应。2矢量符号显示通常矢量可以分解为方向和大小(速度)。在讨论矢量场的可视化时，有必要进一步把方向分解为朝向和标志，如图4所示。连续的轮廓，比如流线，与流动方向切向一致能够提供80最好的流动显示效果，但它的方向仍然是不确定的，解决方法可以是沿着轮廓线实现某种形式的不对称。初级视觉皮层中有一种能够对方向性进行编码的神经元，称为末端终止细胞，这种细胞对线的响应最好。传统的箭头将提供一些非对称的反应，因为箭头会比箭尾激起更-3- 中国科技论文在线http://www.paper.edu.cn[11]强的响应。而图5b中给出的符号提供了更强的不对称反应，Tufte用拉长的泪滴来表现箭头和箭尾，再现了由Halley在1686画的北大西洋洋流地图。85图4一个矢量可以分解为三个分量，可视化可以有效地显示其中一些分量图5(a)泪滴设计的细流提供更强的头与尾不对称性，椭圆的发红程度表示非对称响应的强度。(b)细流的头尾不对称可以以多种方式实现，并沿着流线布局提供方向和趋势信号。903多元气象数据可视化3.1基于细流的气象数据矢量场显示我们的理论分析表明，为了显示一个矢量场图，最好的方案是使用密集的流线图案，并且沿着每条流线排列细流；同时，每个细流的头部比尾部形状更大。为了将这一理论付诸实[2]践，我们实现了Jobard等人的算法创建等距的流线。沿流线放置的细流，其头部比尾部更95突出。我们通过一系列实验调试，确定自由参数的值，比如如何表示水流速度、如何给流线留空，头部和尾部的大小，以及细流的头部和尾部的透明度。我们的程序接口提供22个参数的控制，参数修改会作用到显示结果上，初始值随机。结果如图6所示，该实验基于FY3卫星数据，经过某数值预报模型计算输出后进行可视化显示。100图6细流的地表气流可视化。用细流组成的密集流线网格表示气流，流线的间隔距离随地图的缩放进行变化，配色方案从暗到明，越明亮的色彩流速越快，反之流速越慢。-4- 中国科技论文在线http://www.paper.edu.cn3.2多元气象显示在气象显示中，一个主要的难题是同时显示标量和矢量，如大气压力和表面空气温度，加上气流图案。为了迎接这一挑战，我们利用感知通道理论。核心思想是使用不同的视觉通105道显示不同类型的信息，从而减少层之间的视觉干扰。定义映射关系如下：温度颜色通道气压纹理通道风速和方向运动通道气流图案是使用10000个运动细流的模型。为了表示气压，我们使用了一系列的渐变纹110理和轮廓。为了表示地表气温，我们使用传统的颜色序列与间隔5度的不同色带，结果如图7所示。结果显示我们的动画设计感知比其他方法更准确表示风的方向和速度，更方便于观测特定气流的模式，如天气方面和低气压周围的气流。图7结合标量场与矢量场的多元气象数据显示1153.3关于风羽风羽的设计目的是用来在观测平台上表示风速和风向，熟悉站模型符号的专业人员可以直接读取地面天气图。但是，风羽不能很好的表现由气象模型或分析系统产生的风的模式。其感知上的缺点是：只有风羽的顶端与气流切向一致，而风羽轮廓的其他部分与气流切向都不一致。1204结论我们的经验表明，基本的感知过程的理解可以帮助设计清晰和有效的气象数据可视化方法和预测模型指导，但它不能用来设计详细的解决方案。需要对感知任务做分解分析，包括-5- 中国科技论文在线http://www.paper.edu.cn确定可视化数据表现的目标，什么模式可能对用户最重要，权衡可视化内容要素。如果只有气流的图案是最重要的，那么图7就可以使用一个更密集的粒子群动画；如果只需要看到大125气压，而不需要显示温度，那么颜色可以用来代表气压；在设计过程中必须仔细调整不同特征的相对显著性，以满足设计目标。我们的大部分研究最基本的任务是判断气流的方向和速度。后续的研究侧重于如何使可视化过程更容易发现气象预报中诸如锋风切变、急流分支等这样的模式，只要问题可以分解分析到任务，感知理论就可以应用到其中解决可视化问题。在设计气流可视化表达时，难点130问题之一是处理地图的缩放。如果对风速和地表气温进行颜色值编码，就能够更方便地进行颜色缩放。这是因为，定制的配色方案，即使某些细节被忽略掉了，其颜色也会融入到近似色当中；这不属于矢量场表示的情况，传统的箭头表示法在某些情况下也适用。在流线和细流间距的选择上，通过实验能测试出能够显示最多细节的最佳间距。如果间距太小，图案就会显得不清晰，如果太大，细节就会丢失。因此显示方法必须随着缩放尺寸改变。135气象预报模型系统的开发、维护、操作和基本的数字三维建模是一个非常耗财的任务，一些专业的输出结果只有专家看到，而有兴趣的大众可以看到其中的一些输出结果。不管哪种情况，这些气象模型可视化方法都值得进一步研究，因为这是理解气象模型输出结果的唯一途径。不太直观形象的可视化结果，会导致大量信息的丢失和大量建模工作、成本的浪费。[参考文献](References)140[1]TurkG,DavidB.Image-guidedstreamlineplacement[A].Proc.SIGGRAPH"96[C].NewOrleans,LA:ACM,1996.453-460.[2]BrunoJ,WilfridL.Creatingevenly-spacedstreamlinesofarbitrarydensity[A].VisualizationinScientificComputing"97[C].Boulogne-sur-MerFrance:EurographicsWorkshop.1997.45-55[3]BrunoJ,GordonE.Lagrangian-EulerianAdvectionofNoiseandDyeTexturesforUnsteadyFlow145Visualization[J].IEEETransactionsonVisualizationandComputerGraphics,2002,8(3):211-222.[4]MaxN,BeckerB,CrawfisR.Flowvolumesforinteractivevectorfieldvisualization[A].IEEEConferenceonVisualization[C].SanJose,CA,USA:IEEE,1993.19-24.[5]Treinish.Multi-resolutionvisualizationtechniquesfornestedweathermodels[A].Visualization2000[C].SaltLakeCity,UT,USA:IEEE,2000.513-516.150[6]DoleischH,MayerM,GasserM,PrieschingP,HauserH.Interactivefeaturespecificationforsimulationdataontime-varyinggrids[A].SimulationandVisualization2005[C].Magdeburg,2005.291-304[7]DHLaidlaw,RMKirby,CDJackson,JSDavidson,TSMiller.Comparing2Dvectorfieldvisualizationmethods:auserstudy[A].IEEETransactionsonVisualizationandComputerGraphics[C].IEEE,2005.11(1):59-70.155[8]JPMartin,JESwan,RJMoorhead,ZLiu,SCai.Resultsofauserstudyon2Dhurricanevisualization[A].Chichester,UK:TheEurographsAssociation&JohnWiley&Sons,2008.27(3):991-998.[9]MLivingstone,DHubel.Segregationofform,color,movement,anddepth:anatomy,physiology,andperception[J].Science,1988,240(4853):740-9.[10]DPineo,CWare.Neuralmodelingofflowrenderingeffectiveness[J].ACMTransactionsonApplied160Perception,2010,7(3):171-178.[11]EdwardTufte.TheVisualDisplayofQuantitativeInformation[M].Nuneaton,UK:GraphicsPress,1983.-6-'