CN109410313A - 一种气象三维信息3d模拟反演方法 - Google Patents

Abstract

本发明公开了一种气象三维信息3D模拟反演方法，包括以下内容气象数据资料、气象数据预处理、三维面绘制、三维体绘制、更高级的交互功能，本发明基于三维体重建和三维面绘制技术，针对不同的气象数据，进行数据预处理，实现三维气象数据的模拟反演。同时，基于机器学习，对气象体数据继续训练分类和体重建，实现良性的交互。通过在全三维空间解释数据，更加直观和全面地展示气象数据的空间分布状况，深入挖掘气象信息和天气的精细化结构。本方法从气象角度分析，考虑预报员关注的天气活动生消过程的时间段，并从气象角度对数据处理，使得气象三维场以更合理的结构形式展现，满足更专业化的气象分析需求。

Description

一种气象三维信息3D模拟反演方法

技术领域

本发明涉及一种气象三维信息模拟反演方法,尤其涉及一种气象三维信息3D模拟反演方法。

背景技术

气象预报业务具有及时性，要求气象工作者在短时间内从海量探测数据中获取有价值的信息，可视化是一种通过借助图表、地图、视频、动画等各类表现手法，海将量难读取的、晦涩难理解的气象数据信息用更直观的方式表达的方法。将可视化技术应用于气象领域，实现对抽象数据的表达，帮助气象工作者分析数据，在短时间内作出准确的判断，非常有必要。

目前在对气象数据信息进行可视化表达时，饼状图、柱状图、表格图等最原始的统计类图形图表的使用率是较高。但是图形图表类的表达一方面已经跟不上受众多样化的信息获取脚步；另一方面，相对单一的可视化表达方式也无法满足气象信息挖掘过程中越来越深入化、专业化的解读需要。

对气象数据信息的可视化，如果在数据信息挖掘层面就不够深入、思路不够清晰，那么可视化手段也就显得苍白无力，气象服务效果必然会大打折扣。在目前气象服务可视化表达中，很多分析类、科普类内容很难做到清晰明确的传播、或者可视化处理后并没有得到应有的关注，因为在气象信息选取环节没有考虑到受众的实际需求，缺乏对有价值的信息源的选取，不能实现以点连线、以线带面，进行多维空间的信息补充和挖掘，无法完整地表达精细化的气象结构信息。

现阶段，在气象信息的表达和显示上，缺乏良性的用户交互操作功能，特别是预报员或用户的主观需求无法实时表达，不能进行更加合理的气象结构构建，因为这种良性交互循环还没有建立完善。此外，很多时候由于气象数据仅仅通过图形，图像呈现的方式展现，不能让预报员自主选择对某些特殊气象变量的值进行更直观地显示，被动接受现有的图像数据，缺乏人机交互功能。之前的气象数据表达多以二维形式展现，不能呈现完整的气象三维场结构，同时一些三维气象模型不能实时地切换三维气象数据，缺乏二三维交互和切换功能。

基于以上现状，虽然通过卫星，雷达等观测手段，能够获取天气的三维结构，但由于现有的二维显示表达形式单一，对气象信息的挖掘深度不够，无法满足精细化预报的要求，同时不能实现实时交互，对气象服务的效果有很大影响。

发明的内容

现有的气象数据具有显示形式的不足和缺点，本发明基于三维体重建和三维面绘制技术，针对不同的气象数据，进行数据预处理，实现三维气象数据的模拟反演。同时，基于机器学习，对气象体数据继续训练分类和体重建，实现良性的交互。

现有的气象数据可视化表达方式单一，无法满足气象信息深入专业挖掘的要求。本方法通过3D反演，运用三维面绘制和体重建的技术，在空间内呈现气象数据的立体结构。通过在全三维空间解释数据，更加直观和全面地展示气象数据的空间分布状况，深入挖掘气象信息和天气的精细化结构。

针对现有的气象数据信息显示缺乏对预报员需求的了解以及对多维空间的信息补充和挖掘的缺点。本方法从气象角度分析，考虑预报员关注的天气活动生消过程的时间段，并从气象角度对数据处理，使得气象三维场以更合理的结构形式展现，满足更专业化的气象分析需求。

针对目前的气象数据模拟显示交互性不强，无法实现双向互动的不足。本方法通过三维可视化技术设计，将气象三维数据呈现的同时，还具备实时交互功能，实现实时切割，实时剖面，二三维交互等功能，提供更好地人机交互，使得气象数据的展现形式多样化和人性化。

此外，本方法还使用机器学习为气象体数据进行分类，根据用户的选取操作，形成训练样本，通过SVM分类器分类，设置不同的透明度，对气象数据进行三维体绘制，达到更好的人机交互效果。

这样，通过输入数值模式或者卫星雷达的观测数据，针对气象数据进行相关处理，运用三维重建技术，即可实现气象数据的三维模拟反演。

为了解决以上问题，本发明采用了如下技术方案：

不同于现有的气象数据模拟显示，本发明选用气象预报中关键的气象变量，运用统计学方法进行气象数据处理，使用三维体重建和三维面绘制技术，构建三维气象场，合理再现气象数据的三维精细化结构，同时，将机器学习运用到可视化领域，实现三维实时交互的功能。

一种气象三维信息3D模拟反演方法，其特征在于，包括以下内容：

步骤1、气象数据资料包括气象数据、WRF气象预报数据资料、融合数据。

步骤2、气象数据预处理包括数据规整、异常值处理。

步骤3、三维面绘制：面绘制中使用的算法是移动立方体(Marching Cubes，MC)算法，主要是提取三维等值面，遍历所有立方体的顶点，将顶点的物理量与等值面相比较，从而确定顶点与等值面的位置关系，通过线性插值得到等值面与立方体的交点，依次遍历所有的立方体，得到给定阈值的等值面。

步骤4、三维体绘制

体绘制是以图像处理、计算机视觉和计算机图形学等学科为基础，借助三维体素用二维图像将三维数据场的离散数据显示在屏幕上。体绘制方法免去了面绘制构造几何多边形等表面的中间过程，采用直接对所有的体数据进行明暗处理的方法合成为具有三维效果的图像。

体绘制主要采用光线投射算法，该算法适用于规则数据场。首先对数据进行预处理，然后进行数据分类，目的是根据数据值的不同，正确的将不同组织赋予不同的颜色值和不透明度值。然后是重新采样，即从屏幕上的每一个像素点根据设定的观察方向发出一条射线，这条射线穿过三维数据场，沿射线选择N个等距离采样点。最后一步是图像合成，即将每条射线上的各采样点的颜色值及不透明度由后向前或由前向后加以合成，可得到发出该射线的像素点处的颜色值。重新采样和图像合成是按屏幕上每条扫描线的每个像素逐个进行的，因而这一算法又称为图像空间扫描的体绘制算法。

步骤5、更高级的交互功能

基于Observer和Command模式，借助机器学习，对气象数据进行分类，实现三维人机交互。Observer模式定义对象之间的一对多的依赖关系，对象的状态改变，其依赖对象会自动更新。Commond模式将交互过程中不同的请求对客户参数化，支持可撤销操作，顺利实现界面操作命令。通过两种模式协同，实现三维气象数据的动态显示，可以进行平移，旋转，缩放等交互操作。此外，二维气象数据可以通过实时选取数据区域切换为三维气象数据，实现高级交互功能。

通过用户在气象三维场的切片上进行交互，标记出感兴趣的区域和不感兴趣的区域，对于这些区域的每一个点，有一组值与之对应，这组值由各数据场对应点的数据值或位置等相关信息组成，但是由于气象体数据是由与云长类似的大规模团状物构成的，各相邻切片接近的情况很多，选取了上下各两个标量值，而前后左右各一个，以及同时导入的数据场的同样数据值，即构成了一个(4+1+4)*n的机器学习的样本(使用神经网络，KNN或SVM方法进行训练)，然后由所产生的模型对整个三维体数据进行分类而得到最后的结果。根据分类中不同的体素与感兴趣区域的相似度，设置透明度，重新进行步骤4或步骤3中的三维体重建，实现良好的人机交互机制。

步骤1中所述的气象数据包括卫星监测数据：大气的云，雾，水汽总量，降水，气溶胶，大气温度，湿度，臭氧垂直分布，总含量；陆地的土地覆盖，地表温度，植被，火情，水情监测及土壤湿度；海洋的海温，水色等数据；监测冰冻圈的海冰，雪等数据。雷达监测数据：雷达回波，雷达反射率，谱宽，径向速度。

步骤1中所述的WRF气象预报数据资料：实时WRF模式气象预报数据，包括10米风场UV分量、2米温度、2米相对湿度、降水量、海平面气压、边界层高度、地面向下太阳辐射，以及各高度层的风场UV分量、垂直速度、气温、气压、高度和相对湿度等变量的逐小时数据。

步骤1中所述的融合数据：融合雷达和地面观测站以及数值模式的气象数据，包括雷达回波，大气的云，雾特性，水汽总量，降水，气溶胶，大气温度，湿度。

步骤2中所述的数据规整是指将收集到的数据进行整理，以缺省值补全缺测时次；异常值处理指去除数据中的各类异常值，如负值、异常大值等，以缺省值代替；在进行体绘制过程中，需要进行尺度转换，将气象变量的数值转化为0～255之间。此外，根据不同的气象变量的特性，在三维重建过程中，部分变量需要进行归一化处理。

步骤3中所述的三维面绘制具体包括以下内容：

1)建立立方体8个顶点的状态与其构型的对应表，用一个字节的8位分别表示8个顶点的状态，1表示密度值大于等于阈值，0表示密度值小于阈值。

2)建立立方体构型与等值面延伸方向的k-相邻的对应表，用一个字节的低6位分别表示6个面是否有等值面穿过的情况，1表示有等值面穿过，0表示没有等值面穿过。

3)根据三维数据，相邻8个顶点构成六面体体素。对三维数据场的六面体体素进行分组，根据8个顶点的情况将其分为0～255的组。如果六面体体素的分组为0或255，访问标志都设为1，这样可以减少在下面步骤中的计算；其余六面体体素的访问标记均设置为0。

4)取三维数据场中一个组号不为0或255的体素作为种子，并将其压入栈中，同时将其访问标记设置为1。

5)若栈中为非空，则弹出栈顶元素，根据其分组情况，绘制等值面。为了计算简便，取体素边的中点为等值面与体素的交点。对于较大规模的三维数据场来说可以与最终等值面近似，以中点来代替插值点可以提高运算和绘制的速度。同时计算交点处的法向量，将该点以及法向量的信息传递给相邻的体素。

6)根据体素分组情况，判断k-相邻，将其有等值面相邻的且未被访问的体素压入栈中，并将压入栈中的体素的访问标志设置为1。

7)重复步骤5)～6)，直至栈为空。

步骤4中所述的图像空间扫描的体绘制算法具体包括以下内容：

1)三维数据场的分类

为了在最终的可视化图像中以不同颜色正确地表示出共存的多种物质的分布，就需要对数据进行分类，找出数据与不同物质之间的对应关系；为了在最终图像中以不同颜色表示单一物质的不同属性，如温度、密度等，也需要对数据进行分类。如果用集合D表示数据场的取值范围，数据场分类就是将集合D划分为若干个互不重叠的子集D₀,D₁….D_n,满足:\

2)颜色设置

在体绘制的结果图像中，需要显示三维数据场的内部结构，因而需要生成具有透明效果的图像。因此，对每一个体素不仅要根据分类赋予不同的颜色值(R，G，B)，而且还要赋予不同的不透明度α。α＝1表示该体素完全不透明；α＝0则表示完全透明。由于各体素的颜色是人为赋予的，因此最终图像中的颜色是伪彩色。

当一个体素中包含多种物质时，设p_i为第i种物质所占的百分比，

C_i＝(α_iR_i,α_iG_i,α_iB_i,α_i)为第i种物质的颜色值，则该体素的颜色值为

3)光照效应

在计算机图形学中，明暗计算一般是在面绘制中为了增加图像的真实感而进行的，在体绘制中，也可利用明暗计算的效果更加突出地显示出不同物质之间的边界面。面绘制中的明暗计算是基于面的法向信息的，而在体绘制中，由于没有面的信息，因而必须求出等价的法向，才能进行明暗计算。在体绘制中用各数据点的梯度值来代替法向量。

设三维数据场中某数据点的函数值以f(x_i,y_j,z_k)表示，则采用中心差分方法可求出该点数据点处的梯度值，即

Grand_x＝(f(x_i+1,y_j,z_k)-f(x_i-1,y_j,z_k))/2Δx

Grand_x＝(f(x_i,y_j+1,z_k)-f(x_i,y_j-1,z_k))/2Δx

Grand_x＝(f(x_i,y_j,z_k+1)-f(x_i,y_j,z_k-1))/2Δx

得到各点的梯度值后，即可用光照模型计算出各数据点处的漫反射分量，更加突出的显示出体数据中的边界面。

4)重采样处理

由屏幕上发出的射线上选择了采样点后，需要找出距采样点最近的8个数据点。采样点在图像空间内使用图像空间坐标进行定位，而待寻找的数据点是在物体空间，即在原始数据场空间内，采用的是物体空间坐标。所以必须完成这种转换，将采样点转换到物体空间坐标系下，才可以进行确定相邻数据点的处理。

5)图像合成

其目的是沿着某一像素点所发出的射线，计算该射线上各采样点的颜色值及不透明度。并按照一定的规则合成，以形成该像素点的最终颜色值。将屏幕上各像素点的颜色值都计算出来后，就形成了一幅图像。

这种合成算法是沿射线由前向后将各种采样点的颜色值及不透明度合成在一起，以得到最终图像。设第i个体素的颜色值为C_now。，不透明度值为α_now,进入第i个体素的颜色值为C_in，不透明度值为α_in，经过第i个体素后的颜色值为C_out,不透明度为α_out,则有

C_outα_out＝C_inα_in+C_nowα_now(1-α_in)

α_out＝α_in+α_now(1-α_in)

本发明相对于最接近的现有技术而言，有以下有益效果：

本发明提供了一套完整的三维气象数据模拟反演思路。基于三维体重建和三维面绘制技术，针对不同的气象数据，进行合适的预处理，实现三维模拟反演。实现在全三维空间解释数据，更加直观和全面地展示气象数据的空间分布状况，深入挖掘气象信息和天气的精细化结构。从气象角度对数据处理，使得气象三维场以更合理的结构形式展现，满足更专业化的气象分析需求。将气象三维数据呈现的同时，还具备实时交互功能，实现实时切割，实时剖面，二三维交互等功能。将机器学习引入可视化，针对用户的操作，实时分类，对用户感兴趣的气象信息进行重点展示，提供更好地人机交互，使得气象数据的展现形式多样化和人性化，更满足预报员的需求。

附图说明

图1为本发明气象三维信息3D模拟反演方法的流程图。

具体实施方式

如图1所示：

1.数据输入

获取雷达观测的雷达回波，雷达反射率等数据，WRF数值模式的风速，云水，云冰，温度等数据以及融合处理后的各种气象数据

2.数据处理

根据不同的气象变量的范围，将气象数值进行尺度转化至0～255，便于体绘制；针对部分以气象变量，进行统计学计算处理

3.三维面绘制

运用MC算法进行三维面绘制，可根据不同的气象变量，设定关注数值段，进行等值面绘制提取三维等值面，通过线性插值得到等值面与立方体的交点，依次遍历所有的立方体，得到给定阈值的等值面。

4.三维体绘制

对三维气象场数据进行三维体重建，包括三维体数据分类，颜色设置，光照效应处理，三维重采样，以及图像合成的过程。

5.机器学习

根据用户标记出的感兴趣的区域和不感兴趣的区域，寻找这些区域的每一个点的值或位置等相关信息，构建训练模型，使用机器学习进行分类

6.调整透明度

针对分类的结果，重新设置气象体数据的透明度，进行三维体重建

7.三维气象信息模拟反演

最终可以实现，直接三维体绘制，三维面绘制，以及用户交互后产生的三维体重建结果。均具

备实时旋转，平移，切割，以及与二维图像的操作功能

下面结合附图对本发明作具体说明。

不同于目前大部分气象产品的二维的形式，本发明通过雷达卫星等对天气进行实时监测，以及数值模式的模拟结果，获得强对流天气的内部三维结构，通过全三维空间解释数据，更加直观和全面地展示回波的空间分布状况，弥补二维显示的不足。这里以该实例进行详细描述。

步骤1、气象数据资料

●雷达监测数据：雷达回波，雷达反射率，谱宽，径向速度

●WRF气象预报数据资料：实时WRF模式气象预报数据，包括10米风场UV分量、2米温度、2米相对湿度、降水量、海平面气压、边界层高度、地面向下太阳辐射，以及各高度层的风场UV分量、垂直速度、气温、气压、高度和相对湿度等变量的逐小时数据

●融合数据：融合雷达和地面观测站以及数值模式的气象数据，包括大气的云水，云雪，云冰，水汽总量，降水，气溶胶，大气温度，湿度

步骤2、气象数据预处理

数据预处理包括数据规整、异常值处理等。数据规整是指将收集到的数据进行整理，以缺省值补全缺测时次；异常值处理指去除数据中的各类异常值，如负值、异常大值等，以缺省值代替；在进行体绘制过程中，需要进行尺度转换，将雷达回波，温度，云水，云雪等的数值转化为0～255之间。此外，根据不同的气象变量的特性，在三维重建过程中，部分变量譬如温度场等需要进行归一化处理。这里以龙卷过程中的雷达回波为例进行详述。

步骤3、面绘制技术

面绘制可以根据某一感兴趣的气象变量数据范围，譬如大于35dbz的雷达回波值等，直观地展现该范围内回波的区域范围。面绘制中使用的算法是移动立方体(MarchingCubes，MC)算法，主要是提取三维等值面，遍历所有立方体的顶点，将顶点的物理量与等值面相比较，从而确定顶点与等值面的位置关系，通过线性插值得到等值面与立方体的交点，依次遍历所有的立方体，得到给定阈值的等值面。

1)建立立方体8个顶点的状态与其构型的对应表，用一个字节的8位分别表示8个顶点的状态，1表示密度值大于等于阈值，0表示密度值小于阈值。

2)建立立方体构型与等值面延伸方向的k-相邻的对应表，用一个字节的低6位分别表示6个面是否有等值面穿过的情况，1表示有等值面穿过，0表示没有等值面穿过。

3)根据三维数据，相邻8个顶点构成六面体体素。对三维数据场的六面体体素进行分组，根据8个顶点的情况将其分为0～255的组。如果六面体体素的分组为0或255，访问标志都设为1，这样可以减少在下面步骤中的计算；其余六面体体素的访问标记均设置为0。

4)取三维数据场中一个组号不为0或255的体素作为种子，并将其压入栈中，同时将其访问标记设置为1。

5)若栈中为非空，则弹出栈顶元素，根据其分组情况，绘制等值面。为了计算简便，取体素边的中点为等值面与体素的交点。对于较大规模的三维数据场来说可以与最终等值面近似，以中点来代替插值点可以提高运算和绘制的速度。同时计算交点处的法向量，将该点以及法向量的信息传递给相邻的体素。

6)根据体素分组情况，判断k-相邻，将其有等值面相邻的且未被访问的体素压入栈中，并将压入栈中的体素的访问标志设置为1。

7)重复步骤5)～6)，直至栈为空。

步骤4、绘制技术

体绘制借助三维体素用二维图像将三维数据场的离散数据显示在屏幕上。体绘制方法免去了面绘制构造几何多边形等表面的中间过程，采用直接对所有的体数据进行明暗处理的方法合成为具有三维效果的图像。体绘制主要采用光线投射算法，该算法适用于规则数据场。首先对数据进行预处理，然后进行数据分类，目的是根据数据值的不同，正确的将不同组织赋予不同的颜色值和不透明度值。然后是重新采样，即从屏幕上的每一个像素点根据设定的观察方向发出一条射线，这条射线穿过三维数据场，沿射线选择N个等距离采样点。最后一步是图像合成，即将每条射线上的各采样点的颜色值及不透明度由后向前或由前向后加以合成，可得到发出该射线的像素点处的颜色值。重新采样和图像合成是按屏幕上每条扫描线的每个像素逐个进行的，因而这一算法又称为图像空间扫描的体绘制算法。

1)三维数据场的分类

为了在最终的可视化图像中以不同颜色正确地表示出共存的多种物质的分布，就需要对数据进行分类，找出数据与不同物质之间的对应关系；为了在最终图像中以不同颜色表示单一物质的不同属性，如温度、密度等，也需要对数据进行分类。如果用集合D表示数据场的取值范围，数据场分类就是将集合D划分为若干个互不重叠的子集D₀,D₁….D_n,满足:

2)颜色设置

在体绘制的结果图像中，需要显示三维数据场的内部结构，因而需要生成具有透明效果的图像。因此，对每一个体素不仅要根据分类赋予不同的颜色值(R，G，B)，而且还要赋予不同的不透明度α。α＝1表示该体素完全不透明；α＝0则表示完全透明。由于各体素的颜色是人为赋予的，因此最终图像中的颜色是伪彩色。

当一个体素中包含多种物质时，设p_i为第i种物质所占的百分比，C_i＝(α_iR_i,α_iG_i,α_iB_i,α_i)为第i种物质的颜色值，则该体素的颜色值为

3)光照效应

在体绘制中，利用明暗计算的效果更加突出地显示出不同物质之间的边界面。面绘制中的明暗计算是基于面的法向信息的，而在体绘制中，由于没有面的信息，因而必须求出等价的法向，才能进行明暗计算。在体绘制中用各数据点的梯度值来代替法向量。

设龙卷过程中雷达回波三维数据场中某数据点的回波值以f(x_i,y_j,z_k)表示，则采用中心差分方法可求出该点数据点处的梯度值，即

Grand_x＝(f(x_i+1,y_j,z_k)-f(x_i-1,y_j,z_k))/2Δx

Grand_x＝(f(x_i,y_j+1,z_k)-f(x_i,y_j-1,z_k))/2Δx

Grand_x＝(f(x_i,y_j,z_k+1)-f(x_i,y_j,z_k-1))/2Δx

得到各点的梯度值后，即可用光照模型计算出各数据点处的漫反射分量，更加突出的显示出体数据中的边界面。

4)重采样处理

由屏幕上发出的射线上选择了采样点后，需要找出距采样点最近的8个数据点。采样点在图像空间内使用图像空间坐标进行定位，而待寻找的数据点是在物体空间，即在原始数据场空间内，采用的是物体空间坐标。所以必须完成这种转换，将采样点转换到物体空间坐标系下，才可以进行确定相邻数据点的处理。

5)图像合成

其目的是沿着某一像素点所发出的射线，计算该射线上各采样点的颜色值及不透明度。

并按照一定的规则合成，以形成该像素点的最终颜色值。将屏幕上各像素点的颜色值都计算出来后，就形成了一幅图像。

这种合成算法是沿射线由前向后将各种采样点的颜色值及不透明度合成在一起，以得到最终图像。设第i个体素的颜色值为C_now。，不透明度值为α_now,进入第i个体素的颜色值为C_in，不透明度值为α_in，经过第i个体素后的颜色值为C_out,不透明度为α_out,则有

C_outα_out＝C_inα_in+C_nowα_now(1-α_in)

α_out＝α_in+α_now(1-α_in)

步骤5、更高级的交互功能

基于Observer和Command模式，借助机器学习，对龙卷过程中的雷达回波进行分类，实现三维人机交互。Observer模式定义对象之间的一对多的依赖关系，对象的状态改变，其依赖对象会自动更新。Commond模式将交互过程中不同的请求对客户参数化，支持可撤销操作，顺利实现界面操作命令。通过两种模式协同，实现三维气象数据的动态显示，可以进行平移，旋转，缩放等交互操作。此外，二维气象数据可以通过实时选取数据区域切换为三维气象数据，实现高级交互功能。

通过用户在雷达回波三维场的切片上进行交互，标记出感兴趣的区域和不感兴趣的区域，对于这些区域的每一个点，有一组值与之对应，这组值由各数据场对应点的数据值或位置等相关信息组成，但是由于气象体数据是由与云长类似的大规模团状物构成的，各相邻切片接近的情况很多，选取了上下各两个标量值，而前后左右各一个，以及同时导入的数据场的同样数据值，即构成了一个(4+1+4)*n的机器学习的样本(使用SVM方法进行训练)，然后由所产生的模型对整个三维体数据进行分类而得到最后的结果。根据分类中不同的体素与感兴趣区域的相似度，设置透明度，重新进行步骤4或步骤3中的三维体重建，实现良好的人机交互机制。

以上所述仅为本发明的优选实施例而已，并不限制于本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (5)

1.一种气象三维信息3D模拟反演方法，其特征在于，包括以下内容：

步骤1、气象数据资料包括气象数据、WRF气象预报数据资料、融合数据；

步骤2、气象数据预处理包括数据规整、异常值处理；

步骤3、三维面绘制：面绘制中使用的算法是移动立方体“Marching Cubes，MC”算法，提取三维等值面，遍历所有立方体的顶点，将顶点的物理量与等值面相比较，从而确定顶点与等值面的位置关系，通过线性插值得到等值面与立方体的交点，依次遍历所有的立方体，得到给定阈值的等值面；

步骤4、三维体绘制：

体绘制是以图像处理、计算机视觉和计算机图形学的学科为基础，借助三维体素用二维图像将三维数据场的离散数据显示在屏幕上；体绘制方法免去了面绘制构造几何多边形的表面的中间过程，采用直接对所有的体数据进行明暗处理的方法合成为具有三维效果的图像；

体绘制采用光线投射算法，该算法适用于规则数据场；首先对数据进行预处理，然后进行数据分类，目的是根据数据值的不同，正确的将不同组织赋予不同的颜色值和不透明度值；然后是重新采样，即从屏幕上的每一个像素点根据设定的观察方向发出一条射线，这条射线穿过三维数据场，沿射线选择N个等距离采样点；最后一步是图像合成，即将每条射线上的各采样点的颜色值及不透明度由后向前或由前向后加以合成，得到发出该射线的像素点处的颜色值；重新采样和图像合成是按屏幕上每条扫描线的每个像素逐个进行的，因而这一算法又称为图像空间扫描的体绘制算法；

步骤5、更高级的交互功能

基于Observer和Command模式，借助机器学习，对气象数据进行分类，实现三维人机交互；Observer模式定义对象之间的一对多的依赖关系，对象的状态改变，其依赖对象会自动更新；Commond模式将交互过程中不同的请求对客户参数化，支持可撤销操作，顺利实现界面操作命令；通过两种模式协同，实现三维气象数据的动态显示，可以进行平移，旋转，缩放等的交互操作；此外，二维气象数据可以通过实时选取数据区域切换为三维气象数据，实现高级交互功能；

通过用户在气象三维场的切片上进行交互，标记出感兴趣的区域和不感兴趣的区域，对于这些区域的每一个点，有一组值与之对应，这组值由各数据场对应点的数据值或位置的相关信息组成，但是由于气象体数据是由与云长类似的大规模团状物构成的，各相邻切片接近的情况很多，选取了上下各两个标量值，而前后左右各一个，以及同时导入的数据场的同样数据值，即构成了一个(4+1+4)*n的机器学习的样本，使用神经网络，KNN或SVM方法进行训练，然后由所产生的模型对整个三维体数据进行分类而得到最后的结果；根据分类中不同的体素与感兴趣区域的相似度，设置透明度，重新进行步骤4或步骤3中的三维体重建，实现良好的人机交互机制。

2.根据权利要求1所述的一种气象三维信息3D模拟反演方法，其特征在于，步骤1中

所述的气象数据包括卫星监测数据：大气的云，雾，水汽总量，降水，气溶胶，大气温度，湿度，臭氧垂直分布，总含量；陆地的土地覆盖，地表温度，植被，火情，水情监测及土壤湿度；海洋的海温，水色数据；监测冰冻圈的海冰，雪数据；雷达监测数据：雷达回波，雷达反射率，谱宽，径向速度；

所述的WRF气象预报数据资料：实时WRF模式气象预报数据，包括10米风场UV分量、2米温度、2米相对湿度、降水量、海平面气压、边界层高度、地面向下太阳辐射，以及各高度层的风场UV分量、垂直速度、气温、气压、高度和相对湿度的变量的逐小时数据；

所述的融合数据：融合雷达和地面观测站以及数值模式的气象数据，包括雷达回波，大气的云，雾特性，水汽总量，降水，气溶胶，大气温度，湿度。

3.根据权利要求1所述的一种气象三维信息3D模拟反演方法，其特征在于，步骤2中

所述的数据规整是指将收集到的数据进行整理，以缺省值补全缺测时次；

所述的异常值处理指去除数据中的各类异常值，以缺省值代替；在进行体绘制过程中，需要进行尺度转换，将气象变量的数值转化为0～255之间；此外，根据不同的气象变量的特性，在三维重建过程中，部分变量需要进行归一化处理。

4.根据权利要求1所述的一种气象三维信息3D模拟反演方法，其特征在于，步骤3所述的三维面绘制具体包括以下内容：

1)建立立方体8个顶点的状态与其构型的对应表，用一个字节的8位分别表示8个顶点的状态，1表示密度值大于等于阈值，0表示密度值小于阈值；

2)建立立方体构型与等值面延伸方向的k-相邻的对应表，用一个字节的低6位分别表示6个面是否有等值面穿过的情况，1表示有等值面穿过，0表示没有等值面穿过；

3)根据三维数据，相邻8个顶点构成六面体体素；对三维数据场的六面体体素进行分组，根据8个顶点的情况将其分为0～255的组；当六面体体素的分组为0或255，访问标志都设为1，这样可以减少在下面步骤中的计算；其余六面体体素的访问标记均设置为0；

4)取三维数据场中一个组号不为0或255的体素作为种子，并将其压入栈中，同时将其访问标记设置为1；

5)若栈中为非空，则弹出栈顶元素，根据其分组情况，绘制等值面；为了计算简便，取体素边的中点为等值面与体素的交点；对于较大规模的三维数据场来说可以与最终等值面近似，以中点来代替插值点以提高运算和绘制的速度；同时计算交点处的法向量，将该点以及法向量的信息传递给相邻的体素；

6)根据体素分组情况，判断k-相邻，将其有等值面相邻的且未被访问的体素压入栈中，并将压入栈中的体素的访问标志设置为1；

7)重复步骤5)～6)，直至栈为空。

5.根据权利要求1所述的一种气象三维信息3D模拟反演方法，其特征在于，步骤4所述的图像空间扫描的体绘制算法具体包括以下内容：

1)三维数据场的分类

为了在最终的可视化图像中以不同颜色正确地表示出共存的多种物质的分布，就需要对数据进行分类，找出数据与不同物质之间的对应关系；为了在最终图像中以不同颜色表示单一物质的不同属性，也需要对数据进行分类；设用集合D表示数据场的取值范围，数据场分类就是将集合D划分为若干个互不重叠的子集D₀,D₁….D_n,满足:

2)颜色设置

在体绘制的结果图像中，需要显示三维数据场的内部结构，因而需要生成具有透明效果的图像；因此，对每一个体素不仅要根据分类赋予不同的颜色值“R，G，B”，而且还要赋予不同的不透明度α；α＝1表示该体素完全不透明；α＝0则表示完全透明；由于各体素的颜色是人为赋予的，因此最终图像中的颜色是伪彩色；

当一个体素中包含多种物质时，设p_i为第i种物质所占的百分比，C_i＝(α_iR_i,α_iG_i,α_iB_i,α_i)为第i种物质的颜色值，则该体素的颜色值为

3)光照效应

在计算机图形学中，明暗计算是在面绘制中为了增加图像的真实感而进行的，在体绘制中，也可利用明暗计算的效果更加突出地显示出不同物质之间的边界面；面绘制中的明暗计算是基于面的法向信息的，而在体绘制中，由于没有面的信息，因而必须求出等价的法向，才能进行明暗计算；在体绘制中用各数据点的梯度值来代替法向量；

设三维数据场中某数据点的函数值以f(x_i,y_j,z_k)表示，则采用中心差分方法可求出该点数据点处的梯度值，即

Grand_x＝(f(x_i+1,y_j,z_k)-f(x_i-1,y_j,z_k))/2Δx

Grand_x＝(f(x_i,y_j+1,z_k)-f(x_i,y_j-1,z_k))/2Δx

Grand_x＝(f(x_i,y_j,z_k+1)-f(x_i,y_j,z_k-1))/2Δx

得到各点的梯度值后，即可用光照模型计算出各数据点处的漫反射分量，更加突出的显示出体数据中的边界面；

4)重采样处理

由屏幕上发出的射线上选择了采样点后，需要找出距采样点最近的8个数据点；采样点在图像空间内使用图像空间坐标进行定位，而待寻找的数据点是在物体空间，即在原始数据场空间内，采用的是物体空间坐标；所以必须完成这种转换，将采样点转换到物体空间坐标系下，才可以进行确定相邻数据点的处理；

5)图像合成

其目的是沿着某一像素点所发出的射线，计算该射线上各采样点的颜色值及不透明度；并按照一定的规则合成，以形成该像素点的最终颜色值；将屏幕上各像素点的颜色值都计算出来后，就形成了一幅图像；

这种合成算法是沿射线由前向后将各种采样点的颜色值及不透明度合成在一起，以得到最终图像；设第i个体素的颜色值为C_now，不透明度值为α_now，进入第i个体素的颜色值为C_in，不透明度值为α_in，经过第i个体素后的颜色值为C_out，不透明度为α_out，则有C_outα_out＝C_inα_in+C_nowα_now(1-α_in)

α_out＝α_in+α_now(1-α_in)。