CN106875458B - 并行化二维流场多元数据动态可视化系统 - Google Patents

并行化二维流场多元数据动态可视化系统 Download PDF

Info

Publication number
CN106875458B
CN106875458B CN201710118116.9A CN201710118116A CN106875458B CN 106875458 B CN106875458 B CN 106875458B CN 201710118116 A CN201710118116 A CN 201710118116A CN 106875458 B CN106875458 B CN 106875458B
Authority
CN
China
Prior art keywords
flow field
path
particle
netcdf
variable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710118116.9A
Other languages
English (en)
Other versions
CN106875458A (zh
Inventor
李明悝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ocean University of China
Original Assignee
Ocean University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ocean University of China filed Critical Ocean University of China
Priority to CN201710118116.9A priority Critical patent/CN106875458B/zh
Publication of CN106875458A publication Critical patent/CN106875458A/zh
Application granted granted Critical
Publication of CN106875458B publication Critical patent/CN106875458B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/20Drawing from basic elements, e.g. lines or circles
    • G06T11/206Drawing of charts or graphs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/20Processor architectures; Processor configuration, e.g. pipelining
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/001Texturing; Colouring; Generation of texture or colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00Indexing scheme for image generation or computer graphics
    • G06T2210/52Parallel processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00Indexing scheme for image generation or computer graphics
    • G06T2210/56Particle system, point based geometry or rendering

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种并行化二维流场多元数据动态可视化系统,操作步骤如下:(1)、流场数据准备;(2)、计算粒子路径;(3)、绘制流场图;所述流场数据准备包括时间变量、经纬度坐标变量、速度分量变量和温度变量等格点化数组,计算粒子路径是通过Fortran程序来实现,最后再利用Python语言及相应的程序包来绘制流场图;本发明基于地球科学领域常用的工具,利用粒子追踪方法构建曲线型流线向量场来更直观地描述海洋二维流场,并利用并行技术来计算粒子追踪和绘图,大大提高了处理能力和计算速度。

Description

并行化二维流场多元数据动态可视化系统
技术领域
本发明涉及的是软件技术领域,具体的说是一种并行化二维流场多元数据动态可视化系统。
背景技术
在地球科学领域,将海洋流场做为一种向量场来表示,是描述海洋特征的常用手段之一。目前对流场可视化的方法主要有纹理法、几何线形法和特征法等,不同的方法对流场的刻画都有其观注的重点,而在地球科学领域,人们更倾向于使用几何线形来表达真实观测或数值模拟的流场数据。随着观测技术与计算机的发展,海洋流场数据产品的时空分辨率越来越高,人们对流场可视化的要求也越来越高。首先是静态图片对流场的描述已不能满足一些特定场合的需求,尤其对于非静态流场,简单的几张图片已无法对流场的变化进行精细刻画;其次,目前在地球科学领域使用的流场表示方法多数是基于格点数据进行直线型矢量群的绘制,这种方法对流场精细结构的描述非常有限。另外,目前虽然有不少文献介绍了多种方法来进行流场的可视化,但多数是从计算机信息工程与技术角度出发,与地球科学领域的直接应用还有一定的距离。
发明内容
本发明的目的在于针对现有技术的缺陷和不足,提供了一种并行化二维流场多元数据动态可视化系统,基于地球科学领域常用的工具,利用粒子追踪方法构建曲线型流线向量场来更直观地描述海洋二维流场,利用并行技术来计算粒子追踪和绘图,大大提高了处理能力和计算速度。
为实现上述目的,本发明采用的技术方案是:
并行化二维流场多元数据动态可视化系统,具体操作步骤如下:
1、流场数据准备;
2、计算粒子路径;
3、绘制流场图。
进一步,所述流场数据准备包括时间变量、经纬度坐标变量、速度分量变量和温度变量等格点化数组。
进一步,所述步骤中第(2)、(3)步的实现均通过多CPU并行的计算方式来提高处理能力和计算速度。
进一步,所述绘制的流场图是利用粒子路径形成的曲线矢量场来描述二维流场的形态,通过透明度渐变的方式表示流线方向,并利用线条颜色来叠加更多的流场信息。
本发明的有益效果为:
1、对定常流场进行粒子追踪计算,利用粒子路径形成曲线矢量场系列图片对定常流场进行动态描述;
2、对非静态流场进行粒子追踪计算,利用粒子路径形成曲线矢量场系列图片对时变的流场进行动态描述;
3、对曲线矢量流场系列图片进行染色,使得曲线矢量流场图不仅可以对流场的运动进行描述,还可以叠加水温等多元信息。
4、根据计算条件可设置多个CPU进行并行计算,极大提高粒子追踪计算和绘图的速度。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施方式,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅用以解释本发明,并不用于限定本发明。
并行化二维流场多元数据动态可视化系统,具体操作步骤如下
1、流场数据准备
流场数据文件为NetCDF格式,文件中应包含以下几个变量:
a)时间变量time,一维数组,记录流场数据切片的时间,具有相等的时间间隔。
b)经纬度坐标变量lon、lat,均为一维数组,记录流场数据的格点坐标,也可以用迪卡尔坐标。
c)速度分量变量u、v,均为三维数组,每个维度分别对应时间、纬度和经度,u和v分别记录流场速度的东西分量和南北分量在各格点上的数值。
d)温度变量temp,三维数组,每个维度分别对应时间、纬度和经度,记录流场格点数据对应的水温值。
其中温度变量可以和流场数据保存在同一文件中,也可以单独保存在不同的文件中,且温度变量可换为其它相关标量数组。
2、计算粒子路径
a)编译perpetual.f90
在命令行输入如下编译命令:
mpif90-o perpm perpetual_mpi.f90$optional_parameter–I/Path/To/NetCDF/Include–L/Path/To/NetCDF/lib-lnetcdf
其中$optional_parameter为编译时根据操作系统及软件平台等环境可选的Fortran编译选项,比如二进数据大小端存储方式、数据记录标记Maker的具体格式等;/Path/To/NetCDF/Include需替换为编译环境中NetCDF函数库中Include路径的具体位置;/Path/To/NetCDF/lib需替换为NetCDF函数库中Lib路径的具体位置。
b)通过Fortran的namelist机制设置与流场数据及绘图相关的参数,关键参数如下:
ncfn-流场数据文件路径
M、N-流场数据格点数
Pfnb-粒子路径计算结果文件路径
xl、yl-绘图区域的经纬度范围
fps-流场数据相邻记录间粒子追踪次数
Ns-粒子路径对应的流线长度控制参数
ds-粒子分布密度控制参数
dt-粒子追踪积分时间参数
spn-定常流场与非静态流场绘制切换开关,值为真时对定常流场进行粒子追踪计算,值为假时是对非静态流场进行粒子追踪计算。对非静态流场需要先设置其值为假对第一条记录进行粒子追踪计算并使之达到粒子分布密度动态平衡状态,然后再设置为真进行时变流场下的粒子追踪计算。
nspin-粒子追踪计算总次数
c)启动粒子追踪计算
具体命令形式如下:
mpirun–np$Nprocess perpm
其中$Nprocess为参与并行计算的CPU总个数。
3、绘制流场图
需要将perpetual.py和mplotting.py放在同一路径下,然后设置关键参数:
gfn-第2步生成的粒子格点数据文件路径
dfn-第2步生成的粒子路径文件的路径
ffn-欲保存的图片文件名
nrow、ncol-分区式并行绘图的分区参数
nt-分层式并行绘图的层数参数
nfms-第2步生成的粒子路径文件总数
fid-温度变量所在NetCDF文件路径
然后运行绘图程序mplotting.py:
命令格式具体如下:
python mplotting.py
运行完成后会产生一系列按时间序列排列的图片,利用合成软件(如imagemagick等)可以很方便地制作出动态视频。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。

Claims (1)

1.并行化二维流场多元数据动态可视化系统,其特征在于:操作步骤如下:
(1)、流场数据准备;所述流场数据准备包括时间变量、经纬度坐标变量、速度分量变量和温度变量格点化数组;
流场数据文件为NetCDF格式,文件中包含以下几个变量:
a)时间变量time,一维数组,记录流场数据切片的时间,具有相等的时间间隔;
b)经纬度坐标变量lon、lat,均为一维数组,记录流场数据的格点坐标,也可以用迪卡尔坐标;
c)速度分量变量u、v,均为三维数组,每个维度分别对应时间、纬度和经度,u和v分别记录流场速度的东西分量和南北分量在各格点上的数值;
d)温度变量temp,三维数组,每个维度分别对应时间、纬度和经度,记录流场格点数据对应的水温值;
(2)、计算粒子路径;
a)编译perpetual.f90
在命令行输入如下编译命令:
mpif90-o perpm perpetual_mpi.f90$optional_parameter–I/Path/To/NetCDF/Include–L/Path/To/NetCDF/lib-lnetcdf
其中$optional_parameter为编译时根据操作系统及软件平台环境可选的Fortran编译选项,比如二进数据大小端存储方式、数据记录标记Maker的具体格式;/Path/To/NetCDF/Include需替换为编译环境中NetCDF函数库中Include路径的具体位置;/Path/To/NetCDF/lib需替换为NetCDF函数库中Lib路径的具体位置;
b)通过Fortran的namelist机制设置与流场数据及绘图相关的参数,关键参数如下:
ncfn-流场数据文件路径
M、N-流场数据格点数
Pfnb-粒子路径计算结果文件路径
xl、yl-绘图区域的经纬度范围
fps-流场数据相邻记录间粒子追踪次数
Ns-粒子路径对应的流线长度控制参数
ds-粒子分布密度控制参数
dt-粒子追踪积分时间参数
spn-定常流场与非静态流场绘制切换开关,值为真时对定常流场进行粒子追踪计算,值为假时是对非静态流场进行粒子追踪计算,对非静态流场需要先设置其值为假对第一条记录进行粒子追踪计算并使之达到粒子分布密度动态平衡状态,然后再设置为真进行时变流场下的粒子追踪计算;
nspin-粒子追踪计算总次数
c)启动粒子追踪计算
具体命令形式如下:
mpirun–np$Nprocess perpm
其中$Nprocess为参与并行计算的CPU总个数;
(3)、绘制流场图,利用粒子路径形成的曲线矢量场来描述二维流场的形态,通过透明度渐变的方式表示流线方向,并利用线条颜色来叠加更多的流场信息;
将perpetual.py和mplotting.py放在同一路径下,然后设置关键参数:
gfn-第2步生成的粒子格点数据文件路径
dfn-第2步生成的粒子路径文件的路径
ffn-欲保存的图片文件名
nrow、ncol-分区式并行绘图的分区参数
nt-分层式并行绘图的层数参数
nfms-第2步生成的粒子路径文件总数
fid-温度变量所在NetCDF文件路径
然后运行绘图程序mplotting.py:
命令格式具体如下:
python mplotting.py
运行完成后会产生一系列按时间序列排列的图片,利用合成软件imagemagick制作出动态视频。
CN201710118116.9A 2017-03-01 2017-03-01 并行化二维流场多元数据动态可视化系统 Active CN106875458B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710118116.9A CN106875458B (zh) 2017-03-01 2017-03-01 并行化二维流场多元数据动态可视化系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710118116.9A CN106875458B (zh) 2017-03-01 2017-03-01 并行化二维流场多元数据动态可视化系统

Publications (2)

Publication Number Publication Date
CN106875458A CN106875458A (zh) 2017-06-20
CN106875458B true CN106875458B (zh) 2020-03-20

Family

ID=59169275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710118116.9A Active CN106875458B (zh) 2017-03-01 2017-03-01 并行化二维流场多元数据动态可视化系统

Country Status (1)

Country Link
CN (1) CN106875458B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875275B (zh) * 2018-07-18 2023-02-17 成都信息工程大学 一种基于大规模流线的矢量场实时仿真方法及系统
CN109902120B (zh) * 2019-01-16 2023-06-02 中山大学 一种面向栅格文本降水数据的可视化分析方法
CN110825803B (zh) * 2019-10-10 2021-11-09 哈尔滨工程大学 一种基于并查集和并行计算的海流可视化方法
CN118280229B (zh) * 2024-06-03 2024-08-23 中国海洋大学 一种自适应led球形显示设备的二维流场可视化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657333A (zh) * 2015-02-11 2015-05-27 中国海洋大学 基于gpu的动态二维矢量场流线可视化算法
CN104915974A (zh) * 2015-04-29 2015-09-16 中国海洋大学 基于gpu的二维多分辨率流线可视化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657333A (zh) * 2015-02-11 2015-05-27 中国海洋大学 基于gpu的动态二维矢量场流线可视化算法
CN104915974A (zh) * 2015-04-29 2015-09-16 中国海洋大学 基于gpu的二维多分辨率流线可视化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于实时几何流线生成的二维海流数据交互可视化方法";何珏 等;《海洋技术学报》;20160630;第34卷(第3期);第2-5节 *
"海洋水文数据可视化关键技术研究";陈丁;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160715(第07期);第11-23页,第40-48页 *

Also Published As

Publication number Publication date
CN106875458A (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
CN106875458B (zh) 并行化二维流场多元数据动态可视化系统
US10719549B2 (en) Querying a database based on a parametric view function
Yu et al. Parallel hierarchical visualization of large time-varying 3D vector fields
Nouanesengsy et al. Adr visualization: A generalized framework for ranking large-scale scientific data using analysis-driven refinement
CN102999592A (zh) B/S架构下的全球Argo多源海洋数据管理与可视化系统及方法
CN104182571B (zh) 基于Delaunay和GPU的Kriging插值方法
EP3975065A1 (en) Deep-learning generative model
CN107016732B (zh) 用于使用描述符的3d对象定位的方法、装置、介质和系统
US20190286758A1 (en) Three-dimensional tree diagrams
CN107066926B (zh) 使用描述符的3d对象定位
US9495776B2 (en) Computing method and computing apparatus
Rapp et al. Uncertain transport in unsteady flows
Khamayseh et al. Use of the spatial kD-tree in computational physics applications
Schön et al. Storage, manipulation, and visualization of LiDAR data
KR20120050642A (ko) 초기 클러스터링을 사용한 병합식 계층적 클러스터링 방법 및 장치
Ma et al. 3D Deep Learning with Python: Design and develop your computer vision model with 3D data using PyTorch3D and more
Aremu et al. 3D Object Reconstruction with Deep Learning
Lu et al. Multivariate visualization for atmospheric pollution
Ding et al. Automated synthetic datasets construction for part semantic segmentation of non-cooperative satellites
Teng et al. Design and Implementation of Flow Visualization Software based on MATLAB
CN114741880B (zh) 一种计算群目标电磁特性的方法及装置
CN110033520B (zh) 三维场景的可见性函数
Chen et al. Hierarchical denoising method of crop 3D point cloud based on multi-view image reconstruction
Xu et al. Precise Localization with Depth Camera in Industrial Intelligent Logistics
Alfarrarjeh et al. 3D spatial coverage measurement of aerial images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant