涡旋特征和轨迹演化的可视化研究.doc

涡旋特征和轨迹演化的可视化研究
摘 要: 海洋动态过程本身固有的复杂性使得自动的特征挖掘或传统的依赖人工的分析方法变得特别困难,因此改进了涡旋轨迹跟踪算法。据此实现的涡旋可视分析系统提供了多元海洋数据探索、涡旋时空特征和演化了基于涡度的涡旋检测方法(Doglioli et al. 2007;Mc Williams 1990)[1],Okubo-Weiss涡旋检测方法(Okubo 1970;Weiss 1991)[2]等等。
基于涡旋流场的几何特征以及地转流流线与海面等高线重合的特征,发展出了利用海表面高度异常等值线或流场流线定义涡旋边界的涡旋检测方法(Nencioli et al. 2010)[3]。同时也有结合涡旋旋转特征以及几何特征的涡旋检测方法,比如Chaigneau,Gizolme and Grados(2008)[4]就曾将缠绕角度涡旋检测方法与海表面高度异常结合起来检测涡旋。此外,Franz K[5]通过Okubo-Weiss参数阈值法识别涡旋并将其作为训练集,然后通过CNN进行特征学习,实现了基于深度学习的涡旋检测。
在检测到涡旋之后,就需要对涡旋进行跟踪。Matsuoka D[6]等人采用重叠方法来跟踪涡旋,通过涡旋形状以及外部快速流动区域的变化来跟踪涡旋。Corinne B. Trott[7]使用涡旋的半径、振幅和动能的差异来判断涡旋的延续,基于相邻时刻两个涡旋的特征差异来判断,差异最小的两个涡旋就是连续的。Penven[8]表明涡核距离D越小,则说明两个涡旋的关联性越大。 多元海洋时空数据可视分析
多元时空数据的可视分析,通常研究多个不同的数据值在空间和时间的变化并找出其时空模式(如特殊事件或重复的行为[9])。常见的用于时空数据可视化的技术是small multiples和地图动画[10]。代表性多元时空数据可视化例子有:流式地图Flow map[11]、时空轨迹堆积图[12]等。
对海洋数据分析推理过程提供交互支持的技术,不得不考虑更符合领域专家的分析过程和认知理论的自然、高效的人机交互,这些问题都迫切需要研究有针对性的可视分析方法。
2 系统简介
需求分析
本文所设计的系统主要目的是帮助海洋学专家们分析海洋涡旋的时空活动规律。为此,通过与相关海洋学专家进行交流沟通,最终将其归纳为以下三个分析任务。
⑴ 研究多元海洋要素的时空特征:研究人员首先关注的是海域中多元海洋要素的时空特征,这是研究海洋涡旋的前提。
⑵ 研究东南海区域涡旋各项属性(直径、动能、涡度和动能强度)的时空特征: 检测到涡旋之后,对涡旋的各项属性做了时空分布的可视分析,以查看涡旋特征的时空分布。
⑶ 研究东南海区域涡旋轨迹线的演化规律:应用我们的涡旋轨迹跟踪算法,对涡旋轨迹的演化做了详细的可视分析,用于分析涡旋状态的变化。
数据来源及处理
数据来源
本文使用的数据源于全球海洋环流模式HYCOM(Hybrid Coordinate Ocean Model),°、经度纬度范围为(°E-°E,°N-°N)的海平面高度(sea surface height,SSH)、海水温度(SST)、海水盐度、海水流速(u,v)數据,共计1188天的时间粒度为24小时的netcdf格式数据。
数据处理
⑴ 将原始nc数据文件转换成csv和支持前后端数据传输的JSON格式。
⑵ 统一数据变换为float类型、距离单位由经纬度转换为米(m)。
⑶ 扩展数据的属性,可视化速度矢量箭头,需要数据的归一化后构造新的属性记录箭头的终点经纬度。
系统架构及实现
VortexVis是基于服务器-客户端的架构开发的。后端的服务器用python开发,前后端通信使用flask框架。前端界面是完全基于web的,,,。图1显示了VortexVis的系统架构。
3 涡旋检测和跟踪算法
涡旋检测算法
涡旋检测的方法已有很多的研究,本文采用基于阈值和几何的混合检测方法[6],其基本思想是:首先将整个研究区域划分成m*n的网格(网格尺寸取决于目标涡旋尺寸),结合临界点理论、Okubo-Weiss参数和海表面高度阈值法来遍历这些网格区域检测涡旋,包括检测涡旋的中心和边界。
涡旋跟踪算法
涡旋跟踪算法的原理
涡旋