集合模拟可视化进展-舒清雅 , 刘日晨 , 洪帆 , 张江 , 袁晓如.pdf

上善若水

163

18页

0次

2022-05-19

免费下载

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn

Journal of Software,2018,29(2):506−523 [doi: 10.13328/j.cnki.jos.005393] http://www.jos.org.cn

集合模拟可视化进展

∗

舒清雅

1,2

刘日晨

1,2

洪

帆

1,2

张

江

1,2

袁晓如

1,2,3

(机器感知与智能教育部重点实验室(北京大学),北京 100871)

(北京大学信息科学技术学院,北京 100871)

(北京市虚拟仿真与可视化工程技术研究中心(北京大学),北京 100871)

通讯作者: 袁晓如, E-mail: xiaoru.yuan@pku.edu.cn

摘要: 近年来,集合模拟被频繁地运用于气候、数学、物理等领域.集合模拟数据通常具有多值、多变量、时变

的属性,再加上其庞大的数据量,对这类数据的分析充满着挑战.集合模拟数据可视化是通过视觉和人机交互的手

段,向领域专家揭示集合模拟数据中的成员差异和整体概况,从而帮助专家探索、总结和验证科学发现.从比较个体

成员和概括整体成员这两个不同的分析任务,以及基于位置和基于特征这两种分析策略的角度,系统地分析了具有

代表性的集合模拟可视化工作,收集并整理了各类方法的可视化形式、交互技术、应用案例.通过总结近几年的集

合模拟可视化方法来讨论现有研究的趋势,并对未来研究做进一步的展望.

关键词: 可视化;可视分析;集合模拟可视化;大规模流场

中图法分类号: TP391

中文引用格式: 舒清雅,刘日晨,洪帆,张江,袁晓如.集合模拟可视化进展.软件学报,2018,29(2):506−523. http://www.jos.org.cn/

1000-9825/5393.ht m

英文引用格式: Shu QY, Liu RC, Hong F, Zhang J, Yuan XR. State-of-the-Art of ensemble visualization. Ruan Jian Xue Bao/

Journal of Software, 2018,29(2):506−523 (in Chinese). http://www.jos.org.cn/1000 -9825/5393.h tm

State-of-the-Art of Ensemble Visualization

SHU Qing- Ya

1,2

, LIU Ri-Chen

1,2

, HONG Fan

1,2

, ZHANG Jiang

1,2

, YUAN Xiao-Ru

1,2,3

(Key Laboratory of Machine Perception (P eking University), Ministry of Education, Beijing 100871, Ch ina)

(School of Electronics Engineering and Computer Science, Peking University, Beijing 100871, China)

(Beijing Engineering Technology Research Center of Vir tual Simulation and Visu alization (P eking Universit y), Beijing 100871, China)

Abstra ct : Ensemble simulation is increasingly popular in scientific domain such as climate research, weather report, mathematics and

physics. Ensemble simulation data sets are usually multi-valued, multi-variate, time-variant and large in scale. Thus, analyzing such data

sets is challenging. Ensemble visualization helps scientists to compare ensemble members and give overall summary to the whole data

sets by utilizing visual encoding and human interaction. It thus helps scientists to explore, conclude and validate their findings. This

arti cle descr ibes analyti cal task s and strateg ies for organizin g exist ing wor ks on v isuali zation and visu al an alysis o n ense mble simulation

data sets. The analytical tasks for ensemble simulation d ata sets include comparing individu al members and summari zing whole ensemble,

whereas the analytical strategies consist of location-based method and feature-based method. This article reviews major works in

ensemble visualization. It gives explanation to their visual design, interaction approaches and application scenarios, along with a

discussion of recent trends and future research directions .

∗ 基金项目: 国家自然科学基金(61672055, 61702271); 国家重点基础研究发展计划(973)(2015CB352503); 国家重点研发计划

(2016QY02D0304)

Foundation item: National Natural Science Foundation of China (61672055, 61702271); National Program on Key Basic Research

Project of China (973) (2015CB35250 3); National Key Research and Develop ment Program of China (2016QY02D0304)

收稿时间: 2016-1 0-15; 修改时间: 2017-01-22, 2017-05-11, 2017-07-14; 采用时间: 2017-07-18; jos 在线出版时间: 2017-10-0 9

CNKI 网络优先出版: 2017-10-09 16:20:57, http://kns.cnki.net/kcms/d etail/11.2560.TP.20171009.1620.008.html

舒清雅等:集合模拟可视化进展

507

Key words: visualization; visual analysis; ensemble vi sualization; l arge-s cale flow fi eld

近年来,随着计算能力和存储技术的提高,集合模拟方法在气象、海洋、环境、物理等科学领域中的应用

越来越普遍.集合模拟是指通过多种不同的参数和输入来重复模拟

[1]

,主要是针对具体的物理过程或自然现象

进行模拟.其目的包括评估和改善模型稳定性(例如气候模型、气象模型的不确定性

[2,3]

)、研究模型参数影响(例

如研究污染排放对全球气候影响

[4]

、环境参数对洪水灾难模拟的影响

[5]

)等.一个典型的例子是气候领域科学家

用集合模拟来研究臭氧浓度的来源

[6]

.全球不同区域的人为污染排放不同程度地影响了全球臭氧浓度,科学家

通过多组对照模拟实验来比较影响的相互大小,实验过程中,每组模拟关闭了某个地域的人为污染排放.对比每

组模拟结果生成的臭氧浓度的差异,就可以帮助科学家总结地域污染对全球臭氧分布的影响.在这个例子中,模

拟过程在不同参数和初始条件下重复多次(N 次),每次的模拟结果输出都是一个时序、三维、多变量的大规模

气候数据(大多情况下,包括温度、压力、风向等变量),称为一个模拟成员.因此,整个集合模拟数据集包含了 N

个模拟成员,同一个时空点(x,t)会包含同一种变量在不同模拟下的数值(N 个模拟成员对应 N 个数值).总结来说,

集合模拟数据同时具有多值、多变量、时变的特征且体量庞大.而这种复杂的特征和庞大的数据量为科学家的

分析带来前所未有的挑战.

1 集合模拟数据分析与可视化

科学家主要从两种不同角度分析集合模拟数据:单个模拟成员的角度和整体模拟数据的角度.首先第一种,

从单个模拟成员出发的角度,目的是比较模拟成员之间的相似与差异,由此挖掘出模拟结果与参数之间的潜在

关系.针对这类分析目的的比较手段包括:比较不同成员在相同时刻的空间分布差异、比较不同成员在相同空

间内的时序变化差异、比较在相同的时空范围内各成员的数值差异.在可视化上,常用的对比方法包括:将各模

拟成员的可视化结果并列在一起比较、将它们重叠在一起比较等.从单个模拟成员出发的角度对数据做分析,

其特点在于分析的对象明确,即集合模拟中单个或者多个模拟成员.然而,这个方法也存在局限.人的注意力和

理解能力有限,并且屏幕空间不能同时容纳过多信息.因此,就成员数目而言,针对单个成员出发的分析方法不

能同时支持超大数量的对比.针对超大规模集合模拟数据的分析,往往需要丰富的可视化交互手段作为辅助.

对集合模拟数据的第 2 种分析角度是从整体模拟出发,通过概括式地描述整个集合模拟数据来评估模型

的稳定性.从整体模拟出发,会忽略具体单个模拟成员的个体差异,而重点关注整个模拟结果数据.在该模拟数

据中,每个空间点上包含多个输出值.科学家分析多个数值的分布,描述模拟数据的不确定性信息,可以得出感

兴趣的结论,诸如集合模拟中哪些地点、时间上模型输出表现得更稳定等.不确定性信息的描述方法可以是使

用统计量,也可以是面向特定应用的定义方法,如基于拉格朗日方法描述流场的不确定性、用几何形状来描述

模拟成员总体特征信息等.这些从整体的角度衡量集合模拟的稳定性,更贴合科学家的特定分析任务.从整体模

拟出发的概括式分析,优点是能够面向成百上千的超大规模集合模拟数据:用统计、概括等方法解决了数据规

模带来的难题,同时也保留了重要的信息.然而,这类方法的

缺点是牺牲了单个成员的信息,科学家只能分析参

数对集合模拟整体分布的影响,却不能进一步探索具体模拟成员的特征.

以上两种集合模拟数据的分析角度成为集合模拟数据可视化的动力.科学可视化用视觉和交互的手段,使

科学领域研究的成果更直观地展现给领域专家,帮助专家探索、验证、总结重要发现.最初在集合模拟可视化

概念未出现时,为了分析气候领域、流体力学领域中的观测数据和模拟数据,科学家们用地图、体渲染、折线

图的方法探究空间、时间的分布特征

[1]

,而自从集合模拟愈发成为重要的实验手段后,学者们发现已有的可视化

方法已逐渐无法满足这种特殊数据类型的需求

[7]

,它在同一空间点上有多组输出,科学家们有时对模拟输出的

整体分布感兴趣,有时需要比较单个模拟结果之间的具体差别,有时又要分析模拟参数对结果的影响.于是,这

种独特的数据类型和多样的分析需求推动了集合模拟可视化的诞生与发展.

集合模拟可视化研究可以追溯至上世纪 90 年代,最初脱胎于不确定性可视化

[8]

,之后又逐渐融入比较可视

化、高维空间可视化等技术,再加上丰富的交互手段等.如今,随着计算机存储与运算能力的飞速发展,集合模拟

of 18

免费下载

软件学报计算机技术

关注

评论