海洋环境信息可视化研究进展

2014-04-06刘健姜晓轶范湘涛

海洋通报 2014年2期

刘健，姜晓轶，范湘涛

（1.中国科学院遥感与数字地球研究所数字地球重点实验室，北京 100094；2.国家海洋局数字海洋科学技术重点实验室，天津 300171；3.国家海洋信息中心，天津 300171）

海洋是地球系统的重要组成部分（冯士筰，2000），在调节全球气候变化、维持生态平衡中起着十分重要的作用。海洋环境信息由海上大气（云、雨、雾、气压、气温、风等）、海表（浪、流、潮汐、风暴潮等）、海洋水体（温度、盐度、密度、内波、环流、跃层等）和海底（地质、地貌等）等不同环境要素组成。研究海洋环境信息对于分析海洋现象的时空规律和影响机制具有重要意义。人类获得的外在世界信息的80%以上是通过视觉，人类视觉信息处理具有高速、大容量、并行工作的特点。传统意义上，可视化按照不同的应用领域可分为：针对空间上二维和三维数据场的科学计算可视化和针对抽象数据库、数据仓库的信息可视化。科学计算可视化是对数据的可视化，信息可视化不仅包括数据可视化，如线状图，柱状图，表格等，还包括OLAP可视挖掘，如平行坐标、散点图等。海洋GIS领域，对海洋环境数据的可视化表达逐渐呈现出具有科学计算可视化和信息可视化的双重特点，其研究趋势可概括为“从2维到n维，从数据可视化到面向知识发现的可视化”，即：①可视化方法最初应用于海洋环境要素数值解的图形展示，从二维、2.5维扩展到三维场景；②针对单一环境要素的时空过程可视化以海洋时空数据模型为核心，是“三维空间+时间维+一维海洋环境要素”的动态呈现，是海洋环境要素的时空分析、深层知识获取的基础；③海洋环境要素多维可视化以多维时空数据模型为核心，是“三维空间+时间维+多维海洋环境要素”的动态呈现，通过同一场景中的多要素集成表达，研究海洋现象中涉及到的多维要素之间的影响关系；④面向知识发现的多维海洋环境可视化，通过将信息可视化领域的可视化挖掘方法引入三维场景中，不仅能对多维要素进行直观展现，还能表达多维要素之间的关系模式。前三个阶段是科学计算可视化在时间维和要素维上的扩展，其本质仍是对数据的可视化，而面向知识发现的海洋环境可视化，是通过将科学计算可视化和信息可视化方法相结合，应用于海洋环境数据可视化表达和分析，解决三维场景难以表现多维数据，信息可视化方法难以表现空间位置概念的问题，使二者优势互补。

本文第一部分总结了近10年来海洋环境数据模型和数据可视化的研究进展，第二部分论述了海洋环境可视化的发展方向，即通过数据可视化和信息可视化结合，实现海洋环境知识的可视化表达和发现。最后对本文进行了总结和展望，以期为海洋GIS研究提供借鉴。

1 海洋环境可视化表达研究现状

1.1 海洋环境要素数值解的图形展示

科学计算可视化为海洋环境数据表达提供了基本的理论和方法。在GIS中，通常用“对象”来表示现实世界的离散特征，用“场”表示连续现象（Kjenstad，2006）。海洋环境要素的数值模式数据为典型的海洋场数据（邵全琴，2001；苏奋振，2003）。运用科学计算可视化将各类海洋环境场数据转换为直观的图形图像呈现在研究者面前，易于观察、分析和理解。针对不同空间维度海洋环境数据的可视化表达可以采用不同的方法：一维数据主要是通过图形、符号，在空间场景上标识出该位置的数值信息；二维标量场数据的可视化方法有等值线图、区域填充图、基于网格的数据填图方法，二维矢量场数据的可视化方法有基于几何形状、基于颜色、光学特性和基于纹理的表达方法；三维数据场的可视化是科学计算可视化研究的核心，常用三维标量场数据的表达形式有直接体绘制法、三维等值面法和剖面重构法；三维矢量场（三维流场、风场数据）常见的是基于几何形状的剖面重构法、流线法。基于科学计算可视化的数据呈现方法给多维要素的集成表达提供了研究基础。

1.2 针对单一环境要素的时空过程可视化

在时空数据模型的基础上对特定环境要素进行时空过程模拟，是目前海洋数据可视化研究的主流。时空数据模型是时空过程表达的核心。基于特征的时空数据建模方面：ArcMarine定义了点、线、面、栅格/格网/体、多媒体数据五种通用模型，其目的是为了建立一个统一的数据框架，使用户能够在这个框架基础上，对数据模型作适当修改，以适应特定的数据和应用（Wrightetal，2007）；刘金（2009；2011）对ArcMarine模型进行了扩展，构建了海洋水体要素信息库，实现了对海温、海流要素的时空动态可视化。过程时空数据模型以过程（地理实体演变）为核心，通过面向过程的数据组织和存储来实现对过程对象的连续渐变表达，已成为时空表达与建模理论的热点问题。苏奋振（2006）剖析了过程地理信息系统过程所在的时空范畴，探讨了海洋过程地理信息系统的基本空间框架、体系结构和过程仓库的理论基础，其过程数据仓库中时空立方体的概念体现了多维数据组织的研究思路；Reitsma（2005）从过程模拟的角度出发，设计了基于过程的时空数据模型；薛存金（2012）以连续渐变地理实体的表达、组织和存储为研究对象，提出面向过程的时空数据模型，以海洋涡旋为例，实现连续渐变地理实体的过程化组织、动态分析与可视化表达。

在具体的应用领域，马劲松等（2002）设计了由三维空间和一维时间组成的四维时空数据模型，在此基础上实现了对潮流场和流速场的动态过程模拟；高锡章（2011）以海岸带及海洋多源多维的、动态的海量数据为研究对象，设计了面向海洋数据的GIS空间数据模型，实现多源多维海量数据的统一管理及表达，特别是三维动态表达。文献（Morris et al，2000； Liu etal，2009；Kulawiak et al，2010；Lietal，2011；李昭等，2011）将三维空间加上一维时间，分别设计了针对海面高程、潮汐、温度场、风暴潮、二氧化碳通量的四维时空数据模型，并在此基础上实现了研究对象的动态可视化表达；文献（黄杰，2008；刘文亮等，2009；郭圣威等，2010）研究了海洋环境数据的综合组织方法，并针对不同要素分别实现了时空过程可视化。针对单一环境要素时空过程可视化是对某一个要素过程变化结果的展示，而海洋现象是多要素共同作用的系统过程，因此难以进行过程变化原因的模拟和解释。

1.3 海洋环境要素多维可视化

任何一种海洋现象都不是孤立存在的。中时空尺度的风暴潮、赤潮、海冰等灾害，大时空尺度上的海洋大气二氧化碳通量、ENSO循环是当前海洋研究的热点、难点问题。这些海洋现象的产生与哪些环境要素相关，相关要素之间的变化强度如何，在已知的影响关系外是否还存在其他隐含的关系和模式，这些问题的研究需要多维海洋环境信息的支撑。

多维可视化需要多维时空数据模型为支撑。Dittert（2002）等将PANGAEA数据模型看作“多维数据模型（MultidimensionalDataModel）”用于支持SINOPS数据挖掘，维度包括：地理维、样本位置、时间维、变量和单位等，其数据模型反映了自然科学中数据的标准处理步骤或地球科学中数据收集的标准活动。Su等（2004）和季民（2006）在海洋渔业数据仓库模型设计中采用基于星型模型和雪花模型的混合模式，将渔业生产事实和海洋环境观测事实划分为不同的事实表，将作业时间、渔获种类、作业方式、渔船所属公司等作为事实的维度，维之间的层次关系主要分为特化/泛化关系、聚集关系以及成员关系。McGuire（2008）从用户需求角度出发设计了多维数据模型来观察海洋生物的分布模式。刘健（2010）针对海洋环境数据多时空尺度、多维动态的特点，提出“元数据驱动共享元数据维”的建模方法，集成时间维、空间维和要素属性维，设计了海洋环境多维时空数据模型。在大气、环境领域，研究人员根据数据的特点，通过维度分解、细节层次划分分别设计了多维数据模型，使研究人员能够在多维度、多尺度分析评估环境数据（Fitzpatrick et al，2006； Ho et al，2010；Walkowiak et al， 2011）。文献（Oosterom et al，2010；Stoter etal，2010）提出了空间三维模型加上时间维和尺度维的五维数据模型，来确保空间、时间和尺度上的一致性表达，通过统一建模语言UML和对象约束语言实现了对不同尺度数据的集成和语义转换。

国内学者很早就重视地学多维信息可视化的研究。陈述彭（1990）先生在20世纪90年代即提出了地学多维图解模式，以获取存在于复杂地学数据中的新的空间关系、地学规律。陈军、林晖等学者论述了多维动态数据模型、多维可视化在地学研究中的重要意义，提出了虚拟地理环境中地学可视化框架（陈军等，2004；郭履灿，2005；龚建华等，2010；Lin etal，2010；Lü，2011）。关于海洋环境多维可视化表达的研究仍处于探索阶段。覃如府（2009）采用Geodatabase地理数据模型管理多维海洋环境数据，在一个视图窗体中分别从海洋表面、海洋内部、海底表面和海底深部四个空间层次来可视化显示2D、2.5D和3D矢量、栅格海洋数据。文献（徐敏等，2009；冯杭建等，2010；高锡章等，2011）从可视化表现的技术层面上，分别探索了台风过程中三维风场数据的剖面、等值面、矢量线的一体化动态表达，海洋环境要素场数据与观测数据的一体化显示。以上对海洋环境多维可视化的探索取得了一定进展，但仍面临三维空间难以表现高维数据、难以发现数据之间的关联性和趋势特征的问题。

国外关于空间数据多维可视化研究起步较早，并取得了一系列的研究成果。在海洋相关研究中，文献（Kreuseler，2000；Halverson et al，2007；Bertolotto et al， 2007； Watanabe et al， 2008；Sanyaletal，2008；Dransch etal，2010；Turk etal，2011）实现了渔业和水文数据、飓风（包括风场、气压场、轨迹数据）、大气环境、风暴潮的多维可视化表达。文献（Lietal，2011；He etal，2011）采用以八叉树为基础的数据检索和LOD策略，来提高渲染的帧速率；文献（Atanasov et al，2011）针对可视化显示所需的粗糙度（细节程度）不同，通过非重叠的自适应网格来达到提高渲染效率的目的，其方法的本质也是基于LOD策略。

在可视化软件工具方面，国内外已有VisAD、McIDAS、IDV、VTK、MatLab、IDL等开源或商业软件，用于解决多维环境数据的可视化应用问题，但这些软件在数据管理和分析方面明显不足。

上述文献表明，现有的海洋环境多维数据可视化均为三维场景中对数据的可视化，在实现方法上包括针对不同数据采用不同渲染方法，达到在三维空间中多维显示的目的，将不同属性维度数据分窗口表达，以及上述方法的结合。基于三维场景表现多维数据，形象直观，便于理解，但存在的问题是：①现有研究多是以数据显示为目的，针对特定应用，缺少关于多维可视化表现方式的系统研究；②三维场景中所能表达的要素维数非常有限，并且难以表现随机的、时空分异的多维属性数据及其相互关系；③上述研究的本质仍是对数据的可视化，难以进行多维可视化分析，难以发现多维要素隐含的关系和模式。

2 面向知识发现的海洋环境数据可视化研究

数据挖掘技术对于海洋数据管理、信息综合分析及主题应用服务提供了高效的技术手段（魏红宇，2008）。在非空间信息多维可视化中，平行坐标、自组织映射（SOM）、散点图、雷达图、脸谱图、调和曲线图、星座图等是常用的可视化挖掘方法，用来解决数据的多维显示和分析。在多维信息的可视化中，SOM的作用主要体现在两个方面，即在聚类分析和多变量可视化中，SOM的原型矢量可以看成样本数据的代表，原始的样本数据可被替换成维数较低的数据集；在其它的技术中，将SOM看成是数据的模型，可以将数据与这个模型进行比较，也可以根据模型反演各种样本数据集。芮小平等（2011）采用SOM方法对与世界各国贫富水平有关的非空间要素多维数据进行了可视化分析，Jiménez等（2012）采用 SOM方法和K-means算法对河口进行可视化的聚类分析。平行坐标表示法由文献（Inselberg，1990）提出，其原理是将高维数据的各个变量用一系列相互平行的坐标轴表示，变量值对应轴上位置，即将n维欧式空间的一个点Xi（Xi1，Xi2，…，Xim）映射到2维平面上的一条曲线。平行坐标可以表示超高维数据，并且常用来判断多维信息的相关性。目前，因其强大的多维展示和分析能力，平行坐标已被用于热带气旋气候、交通、地震多维数据表达和分析中（Steed et al，2009； Yuan et al，2010；Guo et al，2011），为海洋环境多维可视化研究提供了新思路。

基于三维场景可视化形象直观，但难以表现多维数据；平行坐标、SOM等可视化挖掘方法可表现多维数据，并进行可视化分析，但难以表现数据的空间位置概念。将二者结合应用于海洋环境数据可视化表达和分析，不仅可以通过可视化表达方式的组合实现对海洋环境数据多维综合表达、时间序列表达和区域分布表达，还可通过逐步回归的关联规则提取和可视化的聚类分析实现对数据分布特征、关联特征和聚类特征的表达，实现数据分析过程的可视化，使二者优势互补。

目前，在海洋环境数据可视化研究中，采用三维场景与平行坐标相结合的方法非常少见，需重点开展以下几方面工作：

（1）研究三维场景和平行坐标的建模方法，具体包括研究基于空间网格模型的三维场景建模方法和多维数据集成可视化方法；对传统的平行坐标表示法进行扩展，研究适合海洋环境数据特点和分析需求的平行坐标表示法；研究在三维场景和平行坐标中，多维数据传递和调度的逻辑流程。

（2）研究基于三维场景和平行坐标的多维数据一体化绘制和交互式提取算法，具体包括研究维度数据的属性值、梯度值到颜色、透明度之间的一体化映射机制，实现多维数据集在三维场景和平行坐标中的一致表达；研究三维场景和平行坐标中针对点、线数据提取方法，针对二维、三维网格场数据局部感兴趣区域的交互式提取算法。

（3）研究基于三维场景和平行坐标的多维数据可视化表达方式，具体包括研究平行坐标中多维数据综合表达、时间序列表达、区域分布表达方式；研究基于三维场景和平行坐标的多维数据关联规则提取和可视化分类方法，进一步实现多维数据关联特征、分布特征、聚类特征的可视化表达。

3 结论与展望

海洋环境数据可视化表达研究趋势可概括为：①海洋环境要素数值解的图形展示，为海洋环境数据的多维表达提供了基础方法，使可视化表达从二维、2.5维发展到三维空间；②以海洋时空数据模型为核心的海洋环境时空过程可视化，通过动态表达实现了对海洋环境要素或现象的时空过程分析；③三维场景中对多维要素的动态过程模拟，基于多维时空数据模型实现海洋环境数据的一体化组织和存储，通过同一场景中的多要素集成表达，研究海洋环境要素之间的相互作用关系。

目前，国内对海洋环境可视化的研究集中在针对单一要素“三维空间+时间”的四维时空过程表达，对多维要素表达的研究处于探索发展阶段。现有研究多是针对特定应用需求，缺少系统化的研究；基于三维场景难以表达多维要素，其本质仍是对数据的可视化。

传统的三维场景中的数据可视化方法与信息领域可视化挖掘方法的结合，为海洋环境数据多维表达和分析提供新的理论和方法依据。海洋环境数据在空间上包括点、线、二维网格场、三维网格场数据，需要针对海洋环境数据特点和分析需求展开研究：探索多尺度多维数据降维算法和评估方法，提取最相关维度；研究多维数据真实场可视化与几何映射表达的一致绘制和交互式提取算法，实现多维数据的交互式提取；对基于传统数据可视化方法和可视化挖掘方法相结合的多维要素的表达方式展开系统研究，建立对时空一致、时空分异的多维环境要素的综合表达、时间序列表达和区域分布表达方式；通过可视化的关联规则提取和数据分类，实现对多维数据分布特征、关联特征和聚类特征的表达。集成的交互式多维表达与分析环境可用于风暴潮、赤潮、ENSO循环等海洋现象的知识发现，为理解、重建、认知海洋现象提供新思路。

Atanasov A,Weinzierl T,2011.Query-driven multiscale data postprocessing in computational fluid dynamics.International Conference on Computational Science,ICCS 4:332-341.

Bertolotto M,Martino S D,Ferrucci F,et al,2007.Towards a framework for mining and analysing spatio-temporal datasets.International JournalofGeographicalInformation Science,21(8):895-906.

Dittert N,Corrina L,Diepenbroek M,etal,2002.Managementof(pale-）oceanographic data sets using the PANGAEA information system：the SINOPS example.Computers&Geosciences,28(7):789-798.

Dransch D,Köthur P,Schulte S,etal,2010.Assessing the quality ofgeoscientific simulation models with visualanalytics methods-a design study.International Journalof Geographical Information Science,24(10):1459-1479.

Fitzpatrick K,Carvalho A,Hudson R,2006.Building a coastal GIS atthe county levelusing the marine data model：the martin county,florida case study.Internal Project Report.Stuart,Fla：Martin County Engineering Department.

Guo H Q,Wang Z C,Yu B W,etal,2011.Tripvista：triple perspective visual trajectory analytics and its application on microscopic traffic data at a road intersection.In Proceedings of IEEE Pacific Visualization Symposium,1(4):163-170.

Halverson J,Black M,Braun S,et al,2007.NASA′s tropical cloud systems and processes(TCSP）experiment：investigating tropicalcyclogenesis and hurricane intensity change.Bulletin of the American MeteorologicalSociety,88(10):867-882.

He Z,Su K,2011.Research on real-time multi-dimensional rendering method of fluid phenomenon in large-scale virtual scene.Applied Informatics and Communication,225(2):271-279.

Ho S,Tang W,Liu W T,etal,2010.A framework for moving sensor data query and retrievalofdynamic atmospheric events.Lecture Notes in Computer Science 6187：96-113.

Inselberg A,Dimsdale,1990.Parallel Coordinates：A tool for visualizing multi-dimensional geometry.Proceedings of the 1st Conference on Visualization,43(4):361-378.

Kjenstad K,2006.On the integration of object-based models and fieldbased models in GIS.InternationalJournalofGeographical Information Science,20(5):491-509.

Kreuseler M,2000.Visualization of geographically related multidimensional data in virtual 3D scenes.Computers&Geosciences,26(1):101-108.

Kulawiak M,Prospathopoulos A,Perivoliotis L,etal,2010.Interactive visualization ofmarine pollution monitoring and forecasting data via a web-based GIS.Computers&Geosciences,36(11):1069-1080.

Li J,Wu H Y,Yang C W,et al,2011.Visualizing dynamic geosciences phenomena using an octree-based view-dependent LOD strategy within virtualglobes.Computers&Geosciences,37(9):1295-1302.

Li W Q,Chen G,Kong Q Q,etal,2011.A VR-ocean system for interactive geospatialanalysis and 4D visualization ofthe marine environmentaround Antarctica.Computers&Geosciences,37(11):1743-1751.

Lin H,Huang F R,Lu X J,etal,2010.Preliminary study on virtualgeographic environment cognition and representation.Journal of Re-mote Sensing,14(4):822-838.

Liu J,Zhang X,Jiang X Y,etal,2010.Research on dynamicalvisualization of the spatio-temporal process of seawater temperature and salinity.IGARSS 2010,1167-1170.

Lü G N,2011.Geographic analysis-oriented virtual geographic environment：framework,structure and functions.SCI China Earth SCI,54(5):733-743.

M Jiménez,S Castanedo,R Medina,et al,2012.A methodology for the classification ofestuary restoration areas：a managementtool.Ocean&CoastalManagement,69：231-242.

Mcguire M,Gangopadhyay A,Komlodi A,et al,2008.A user-centered design for a spatial data warehouse for data exploration in environmentalresearch.EcologicalInformatics,3(4):273-285.

Morris K,Hill D,Moore A,2000.Mapping the environment through three-dimensionalspace and time.Computers Environmentand Urban Systems,24(5):435-450.

Oosterom P V,Stoter J,2010.5D Data Modeling：Full integration of 2D/3D space,time and scale dimensions.Lecture Notes in Computer Science,6292：310-324.

Reitsma F,AlbrechtJ,2005.Implementing a new data modelfor simulating processes.International JournalofGeographical Information Science,19(10):1073-1090.

Sanyal J,Amburn P,Zhang S,et al,2008.User experience of hurricane visualization in an immersive 3d environment.Lecture Notes in Computer Science,5358：867-878.

Steed C A,Fitzpatrick P J,Jankun-Kelly T J,etal,2009.An interactive parallelcoordinates technique applied to a tropical cyclone climate analysis.Computers&Geosciences,35(7):1529-1539.

Stoter J,Visser T,Oosterom P V,etal,2011.A semantic-rich multi-scale information model for topography.International Journal of GeographicalInformation Science,25(5):739-763.

Su F Z,Zhou C H,Lyne V,etal,2004.A data-mining approach to determine the spatio-temporal relationship between environmental factors and fish distribution.Ecological Modeling,174(4):421-431.

Turk F J,Hawkins J,Richardson K,etal,2011.A tropicalcyclone application forvirtualglobes.Computers&Geosciences,37(1):13-24.

Walkowiak S,Ligowski L,Wawruch K,etal,2011.Design ofthe efficient archival warehouse for weather forecast system.Environmental Science and Engineering,3(8):749-762.

Watanabe C,Touma E,Yamauchi K,et al,2008.Development of an interactive visualdata mining system for atmospheric science.Lecture Notes in Computer Science,4759：279-286.

Wright D J,Blongewicz M J,Halpin P N,etal,2007.Arc marine：GIS for a blue planet.Esri Press.

Yuan X R,Xiao H,Guo H Q,etal,2010.Scalable multi-variate analytics of seismic and satellite-based observational data.IEEE Transactions on Visualization and Computer Graphics (Vis′10）,16(3):1413-1420.

陈军,李志林,蒋捷,等,2004.多维动态GIS空间数据模型与方法的研究.武汉大学学报(信息科学版）,29(10):858-862.

陈述彭,1990.桂林七星岩喀斯特洞穴地貌图.地学的探索(第一卷):地理学.北京：科学出版社,159-177.

冯杭建,高锡章,2010.中国海岸带及近海观测数据多维动态表达.浙江大学学报(理学版）,37(4):482-488.

冯士莋,李凤岐,李少箐,2000.海洋科学导论.北京：高等教育出版社.

高锡章,冯杭建,李伟,2011.基于GIS的海洋观测数据三维可视化仿真研究.系统仿真学报,23(6):1186-1190.

龚建华,周洁萍,张利辉,2010.虚拟地理环境研究进展与理论框架.地球科学进展,25(9):915-926.

郭履灿,2005.多维体视方法论及其在地球科学研究中的意义.CT理论与应用研究,14(4):45-49.

郭圣威,王江云,高栋栋,等,2010.海洋大气环境数据表示和存储模型.系统仿真学报,22(11):2764-2767.

黄杰,2008.海洋环境综合数据时空建模与可视化研究.浙江：浙江大学.

季民,靳奉祥,李婷,等,2006.海洋多维数据仓库构建研究.海洋学报,31(6):48-53.

李昭,黄克玲,刘仁义,等,2011.海洋大气二氧化碳通量三维时空可视化研究.浙江大学学报(理学版）,38(2):229-233.

刘健,2010.海洋环境数据仓库多维数据建模与可视化研究.中国科学院遥感应用研究所.