基于自适应网格结构的气象云数据三维可视化

第36卷第7期计算机仿真2019年7月文章编号：1006-9348(2019)07-0203-05
基于自适应网格结构的气象云数据三维可视化
谢永华，朱超凡，郑义，姬瑜
(南京信息工程大学计算机与软件学院，江苏南京210044)
摘要:针对现有的真实气象云数据可视化方法普遍存在的建模复杂度高，渲染效率低等问题，提出了一种基于感兴趣区域自适应远场网格结构的气象云数据三维可视化方法。

方法首先提取云的消光系数作为云模拟因子，然后提取感兴趣区域以生成自适应的远场网格结构并应用于云粒子的建模，在保持感兴趣区域精细分辨率的同时优化其它区域的粒子数量,最后完成三维云图的渲染绘制。

基于WRF模式气象云数据的仿真结果表明，上述网格结构在保证绘制质量的基础上.能加快绘制和渲染速度，并能更好地展示真实云的形态和结构特性。

关键词：气象数据;三维可视化；自适应网格结构;感兴趣区域
中图分类号:TP391.9文献标识码：B
Three-D imensional Visualization of Weather Forecast Cloud
Data Based on Adaptive Grid Structure
XIE Yong-hua,ZHU Chao-fan,ZHENG Yi,JI Yu
(School of Computer and Software,Nanjing University of Information Science and Technology,
Nanjingjiangsu210044,China)
ABSTRACT：In order to solve the problems of high modeling complexity and low rendering efficiency for the existing real weather forecast cloud data simulation methods,The paper proposed a three-dimensional visualization method of weather forecast cloud data based on the adaptive far-field grid structure for region of interest.First,the extinction coefficient of the cloud was extracted as a cloud simulation factor,then the region of interest was extracted to generate an adaptive far-field grid structure and be applied in the modeling of cloud particles,which optimized the number of particles of other regions while maintaining the fine resolution of the region of interest.Finally,the3D cloud image was rendered.The simulation results show that the grid structure can speed up the rendering speed based on the guar­anteed rendering quality and display the shape and structural characteristics of the real cloud better.
KEYWORDS:Weather forecast data；3D visualization；Adaptive grid structure;Region of Interest(ROI)
1引言
云是自然景观的重要组成部分，是天空中不可或缺的元素。

云是由大量粒子组成的，具有不规则的形状、边缘以及复杂的光学特性。

云的形成过程复杂，云粒子的运动导致云的形状不断变化;在不同的天气状况和时间段下，云的颜色也会有不同呈现。

云的这些特点使得云的三维模拟成为计算机图形学和气象学领域的研究热点和难点。

云模拟的真实感一直是云模拟研究中的重要因素，它不仅包括模拟结果的视觉可信度,还包括所构建出的云是否具有气象学意义，能否反映出真实的天气数据，为气象研究人员提供帮助，为军事仿真提供可靠性支持⑴。

为了提高云的真实感，基于真实气象数据的模拟方法研究受到了越来越多的关注，通过这些方法绘制出的云包含与大气相关的实际属性，生成的图像逼真，具有较强的气象学意义。

真实气象数据主要来自卫星云图⑵和以WRF模式为代表的气象预报数据⑶。

天气研究与预报(Weather Research and Forecasting Mod­el,WRF)模式是一种中尺度天气系统预报模式,WRF数据中蕴含了丰富的物理参量。

Riley⑷首次将WRF数据中的多场时变气象数据进行分类,提取出相关的大气数据进行云的绘制。

但这种方法的空间复杂度较高，计算量大。

Nes[5]对WRF数据进行可视化表现，对规则的体元数据进行直接体绘制，并考虑前向多重散射。

该方法对台风等中尺度场景有很好的表现，但由于数据量太大，即使利用了GPU的并行能力,绘制效率依然较低。

Dobashi⑹提出了一种不同尺度下的
基金项目：国家自然科学基金项目(41675155)收稿日期:2018-10-29修回日期：2018-12-16
云建模方案，结合“稀疏八叉树”来组织数值模拟数据。

李晓望⑺基于卫星气象数据,将整个空间视为由不同密度粒子构成的区域，通过粒子的分布函数进行粒子模型构建，并计算粒子的光学参数,通过求解光在云粒子中的传播方程来得到云的三维可视化效果，绘制速度较快，但由于数据分辨率低，云图特征不明显。

Xu⑻提出了一种新的云光学模型COM,使用切片来代替粒子以优化云的渲染过程，取得了交互式的帧率。

但由于光照模型的简化，使得云图细节缺失严重。

针对上述研究现状,本文提出了一种基于感兴趣区域自适应远场网格结构的WRF气象云数据三维可视化方法。

该网格结构在保持感兴趣区域精细分辨率的同时,动态拓展精细均匀网格周围的网格大小，使网格边界长度随着与感兴趣区域的垂直距离而线性变化。

通过在每个时序下动态更新远场网格结构，有效降低离散云区域和无云区域的粒子浓度,优化粒子数量，提升渲染效率。

实验结果表明，本文方法在保证云图绘制质量的同时，有效提高了绘制效率和真实感。

2云模拟因子及感兴趣区域提取
云粒子的消光系数是云粒子的重要属性,描述了人射光射入该粒子后光线的衰减比率。

消光系数越大，粒子吸收的光强越大，出射光的强度越小，散射光强度也越小。

云粒子的消光系数反映了该点云的浓度。

本文将云粒子的消光系数作为建模和绘制所需的云模拟因子。

2.1云模拟因子提取
每个网格点处粒子的消光系数0E是每种特定的云粒子（例如，云滴、冰晶）的消光系数0“的加权和。

这些云粒子的含量在WRF数据中以混合质量比的形式给出，分别是QVAPOR（水汽混合比）、QCLOUD（云水混合比）、QICE（冰水混合比）、QRAIN（雨水混合比）和QGRAUP（云霰混合比）。

以这些质量比作为参数,使用以下公式计算出网格点处粒子的浓度v RM
volum噹短％⑷
其中化”表示空气的密度,％m表示粒子的密度,血胡表示单个粒子的质量比，即上述的WRF参数。

volume^”表示单个粒子的体积,粒子默认为球形粒子，可以通过球形体积公式进行计算。

消光系数可以通过以下公式获得
瞪=垮严（2）其中疋“为粒子的消光截面。

粒子的消光截面等于吸收截面与散射截面之和。

根据粒子反照率的求解公式
aext
其中Albedo表示粒子的反照率,babs表示吸收截面,ere竝表示散射截面，由于云的单散射反照率约等于1,因此公式右边的第二项约等于0,即aabs相对于aext可以忽略不计，因此云的消光截面由散射截面决定。

由于云中各种粒子的半径远大于光的波长，因此散射截面约为平均几何截面的两倍,且由于云粒子接近于球形，消光截面约为半径等于粒子半径的圆的面积的两倍。

根据以上推导得出各粒子的消光系数的计算公式
/jfield_3Pair"fiekl（4）
2卩圖A field
其中，血詡为各粒子半径。

并最终获得该网格点粒子的消光系数
0“=乞0讐⑸
field
将WRF模式原始数据转换成可以表达云粒子浓度的消光系数，简化数据的维度，以用于后续的感兴趣区域提取和渲染过程。

2.2感兴趣区域的提取
消光系数直接体现为云粒子的浓度。

在云图中，感兴趣区域总是位于云系集中的部分,即云粒子消光系数较高的区域。

为了找到这一区域,需要进行以下操作：
使用水平和垂直两种分块方法，在两个方向上提取消光系数特征,得到两种分块模型中分割区域的消光系数平均分布，如图1所示。

以WRF数据的网格规模x*y*z为大小建立建模空间,将建模空间按水平和垂直平均分为Z个区域，每个区域的网格点数Np如为巳乜。

设0皿表示分割区域的消光系数平均值，则
N应
0曲=£匹/匚（6）
i=l
分别计算出厶个区域的％后，比较各区域％与整体消光系数均值的差值。

皿
L
DM）=-“3L i=1,-,1（7）云系集中的区域，消光篁数平均值一定大于整体消光系数平均值，且消光系数越大，代表该区域云系越集中。

找出大于零的分块进行标记，取所有标记分块的最大相交区域作为感兴趣区域，如图2所示。

3基于自适应远场网格的云建模
合理的数据结构可以有效加速流体模拟。

徐华勋⑼运用细节层次厶OD技术，通过设定阈值来取消有序队列中一部分粒子的绘制过程，有效减少了渲染所需的时间。

Suziki w
图2感兴趣区域的提取
将自适应网格结构应用于求解流体力学方程的云模拟方法，极大地缩短的模拟所花费的时间。

范晓磊也将多尺度活动网格应用于云场景的仿真，通过更新全局网格和局部网格的分辨率,实现了仿真的提速。

本文将一种自适应远场网格结构应用到云建模方法当中。

3.1基于感兴趣区域的自适应远场网格结构
远场网格结构如图3所示，加粗区域为感兴趣区域。

网格结构在感兴趣区域使用精细的均匀网格，对于感兴趣区域周围的单元格，使用以下方式进行拓展
2'-'8h(i=1,2--,M)(8)其中i表示单元格的拓展次数,肌表示感兴趣区域内精细单元格的边界长度，在本文中即叨莎数据的水平分辨率。

M为用户设定的拓展到最粗糙网格时i的值。

对于最精细网格和最粗糙网格之间的区域,网格边界长度随着与感兴趣区域的垂直距离而线性变化。

远场网格结构根据数据的感兴趣区域自动生成。

每次更新WRF数据后，重新提取感兴趣区域并更新远场网格结构以适用于当前的感兴趣区域。

这种自适应的特性使得WRF数据不会因为固定的网格结构而丢失重要的云图信息。

43h26h6h6h26h46h8dh
4§h
2Sh
dh
Sh
2dh
4<5力
图3自适应远场网格结构
3.2云粒子建模与渲染
将自适应远场网格应用到WRF云数据建模的流程如下：
1)对需要模拟的WRF原始数据进行数据预处理，获得云粒子的消光系数作为云模拟因子；
2)以消光系数为特征提取建模空间的感兴趣区域；
3)根据感兴趣区域的位置及大小，生成对应的远场网格结构，为位于网格线上的网格点分配云粒子。

4)若进行了WRF数据的更新，重复步骤1)~3)。

建模完成后需要对云粒子进行绘制，以展现云的真实三维形态。

渲染过程主要求解粒子和光线的相互作用以及粒子之间的相互作用，并确定粒子的入射光强及出射光强，根据这些数值进行纹理的映射。

本文将由粒子表征的三维云看作体，运用体绘制方法中的Splatting算法⑴!进行绘制，离线计算粒子的入射光强并实时计算粒子的出射光强。

首先需要计算视线方向上每个粒子的入射强度。

粒子的入射光强分为四个部分，单散射入射光强即太阳的入射光强，多重散射入射光强，天空光入射光强和地面反射光强o其中地面反射光强相对于太阳光强和天空光强小很多，且计算过程复杂，因此本文忽略这一部分。

入射光强的计算公式如下：
L°(q,A)=+厶”(g,A)+ (9)从左往右分别表示点q的入射光强、单散射入射光照强度、多重散射入射光照强度以及天空光照强度。

其中单散射和多重散射的计算都与点g的消光系数有关。

然后根据散射角即太阳的入射角度和视线角度的夹角，将入射光强带入相位方程，即可求得粒子的岀射光强。

最后沿视线方向按由远及近的顺序依次遍历数据场中的采样粒子进行融合,得到该视线上的最终出射光强。

建立完光照模型后,最后使用纹理贴图技术生成云图。

本文对粒子定义了8种纹理，绘图时采用纹理对粒子进行渲染,用光照模型求解得到粒子的出射入射光强来决定纹理颜色的强度，最终生成云图。

4实验及结果分析
本实验所用的硬件配置是Intel15-6500,3.20GHz CPU, &00G内存,NVidia GTX1060显卡，操作系统为Windows7O 使用的语言为C++,可视化部分使用OpengGL和Vapor辅助完成。

本文使用两组中尺度模式WRFv3.3.1台风预报数据作为实验数据。

实验数据集A为台风“Nakri”预报数据，网格规模为360*390*27,大约有379万个网格数据，水平分辨率约为12km o实验数据集B为台风“Jangmi”预报数据，网格规模为202*202*35,大约有142万个网格数据，水平分辨率为4km。

首先对比文献［4］使用的均匀网格结构直接体绘制方法与本文使用的利用感兴趣区域远场网格结构优化粒子数量再进行体绘制的方法，实验对比数据如表1。

表1均匀网格与远场网格实验对比
实验数据算法
保留粒子
数/个预处理
时间/S
渲染帧
率/fps
Narki文献［4］方法60967014.215.2
本文方法41492311.718.0 Jangmi文献［4］方法286073 5.425.8
本文方法143434 4.532.2
图4分别展示了使用两种方法生成台风“Nakri”的云图整体效果。

通过对比可以发现,本文方法渲染的云图虽然边
界部分分辨率相较于均匀网格较低，但并未影响生成图像的整体效果;提取的感兴趣区域(台风眼部分)特征明显，且渲染效率提升了约21%。

(a)远场网格
(a)远场网格
(b)均匀网格
图5台风Jangmi俯视效果
(b)均匀网格象云数据模拟方法进行实验结果的对比，表2给出了三种方法在实验数据集B下的云图渲染帧率。

可以看出，采用本文方法生成的云图渲染帧率相较于另外两种方法都有一定的速度提升。

表2渲染速度对比表
算法处理后粒子数渲染帧率本文方法14343432.2
文献［7］方法17314828.7
文献［8］方法22395925.7
图4台风Nakri整体效果
图5分别展示了使用两种方法生成台风“Jangmi”的云图的俯视效果。

通过对比可以发现，这组数据规模相较于上一组更小,且提取出的感兴趣更小,粒子优化力度更加明显,但依然保证了生成图像的整体效果，渲染效率提升了约25%。

因此,相较于经典的均匀网格结构，使用远场网格结构为模拟效率带来了20-25%的效率提升。

最后本文选取了文献［7］和文献［8］两种近期提出的气6结语
本文提出了一种使用感兴趣区域自适应网格结构加速真实气象云数据可视化的方法,这种方法提取气象数据中的重要因子,用于提取感兴趣区域的大小和位置，并根据感兴趣区域自动生成合适的远场网格结构,最终应用于云的建模和渲染工作。

实验结果表明，本文提出的方法具有以下优势:使用真实气象数据，生成的云图具有气象学意义；网格结构的自适应性使数据不会因为固定的网格结构而丢失重要信息;网格逐渐由精细变得粗糙，不会出现明显的分辨率跳
变现象;在保持感兴趣区域精细分辨率的同时，有效提升了渲染效率。

参考文献：
[1]徐江斌.基于气象数据的云景真实感模拟技术研究[D].国防
科学技术大学，2010.
[2]申闫春，肖鹏，张兴义.基于卫星云图的三维立体云仿真[J].
计算机仿真，2010,27(12)：289-292.
[3]王晓君，马浩.新一代中尺度预报模式(WRF)国内应用进展
[J]・地球科学进展，2011,26(11):1191-1199.
[4]K Riley,et al.Visually Accurate Multi-Field Weather Visualiza­
tion[C].IEEE Visualization.IEEE Computer Society,2003:37.
[5]G Nes.Physically plausible weather visualization[D].Bergen:De­
partment of Informatics,University of Bergenjune,2008.
[6]Y Dobashi,T Yamamoto,T Nishita.An interactive rendering sys­
tem using hierarchical data structure for earth一scale clouds[J].
Science China(Information Sciences),2010,53(5)：920-931. [7]李晓望，王文珂，李思昆.基于气象卫星数据的三维云景可视
化方法[J].系统仿真学报，2013,25(9):2055-2059.
[8]X Xu,et al.Rendering and Modeling of Stratus Cloud Using
Weather Forecast Data[C].International Conference on Virtual
Reality and Visualization IEEE,2016:246-252.[9]徐华勋，赵龙，肖全初.云的动态实时仿真技术研究与实现
[J].计算机仿真,2006,23(7)：207-211.
[10]K Suzuki,Y Dobashi,T Yamamoto.An Efficient Cloud Simula­
tion with Adaptive Grid Structure[C].Mathematical Progress in
Expressive Image Synthesis,2016：52-59.
[11]范晓磊，张立民，张建延.多尺度活动网格在云场景仿真中的
应用[J].中国图象图形学报，2015,20(2):202-210.
[12J L Westover.Footprint evaluation for volume rendering[J].Acm Siggraph Computer Graphics,1990,24(4)：367-376.
[13]M J Harris,A Lastra.Real-Time Cloud Rendering[C].Com­
puter Graphics Forum.Blackwell Publisher Ltd,2001；76-84.
[作者简介]
谢永华（1976-）,男（汉族），江苏省靖江市人，教
授，博士生导师，主要研究领域为模式识别、基于内
容的图像检索技术、气象数据三维可视化技术；
朱超凡（1994-）,男（汉族），江苏省盐城市人，硕士
研究生，主要研究领域为气象数据三维可视化技术;郑义（1993-）,男（汉族），江苏省盐城市人，硕士研究生，主要研究领域为图形建模与仿真；
姬瑜（1993-）,女（汉族），江苏省徐州市人，硕士研究生，主要研究领域为气象数据三维可视化技术。

（上接第168页）
表2三种不同算法平均每次的运算时间
板料形状模板套料眼子料模拟重力算法
圆弧三角0.024秒0.036秒0.061秒
直角三角0.025秒0.049秒0.131秒
矩形0.028秒0.041秒0.088秒
锐角三角0.026秒0.039秒0.071秒
因此,这种算法适用于对套料效果要求高、对计算时间要求不高的场合。

如何能够降低这种算法的计算复杂度，需要进行进一步的研究。

参考文献:
[1]S Martello,D Pisinger,D Vigo.The three-dimensional bin pack­
ing problem[J].Operations Research,2000,48(2)：256-267. [2]W Cisco Terry,M D Amico,M Iori.Bin Packing Problem With
General Precedence Constraints[J].IFAC-P apersOnLine,2015, 48(3):2027-2029.
[3]E Hopper,B Turton.A genetic algorithm for a2D industrial pack­
ing problem[J].Computers&Industrial Engineering,1999,37
(I)：375-378.
[4]唐敏,刘冠蓉，邓国强.用动态规划法和贪心法解决背包问题
[J].软件导刊，2007-5：49.
[5]刘朝霞，刘景发.一种求解圆形Packing问题的模拟退火算法
[J].计算机工程，2011,19：141-144.
[6]江娜，等.集装箱装载问题的模拟退火遗传算法[J].电子技
术应用，2005,31（10）:14-16.
[7]E Burke,R Hellier,G Kendall,G plete and Ro­
bust No-Fit Polygon Generation for the Irregular Stock Cutting Problem[J].European Journal of Operational Research,2007, 179（1）：27-49.
[8]杨卫波，王万良.改进临界多边形生成算法[J].计算机工程
与应用，2013-1：32-35.
[9]康雁，黄文奇.基于禁忌搜索的启发式算法求解圆形packing
问题[J].计算机研究与发展，2004-9:1554-1558.
[10]张跃辉.矩阵理论与应用[M]：北京:科学岀版社,2011.
[作者简介]
陈博（1994-）,男（汉族），辽宁省大连市人，硕士
研究生，主要研究领域为机器视觉与自动化系统控
制；
唐厚君（1957-）,男（汉族），山东省淄博市人，教
授,博士研究生导师,主要研究领域为模型跟踪控制及机电一体化控制;
王埜（1991-），男（汉族），山东省临沂市人，硕士研究生，主要研究领域为机器视觉与自动化系统控制；
韩斐（1980-）,男（汉族），山西省繁峙市人，公司总经理，技术总工程师,主要研究领域为机器视觉与运动控制。