密西西比州立大学张嵩副教授访问北京大学可视化实验室

2015年12月5日,密西西比州立大学(Mississippi State University)的张嵩副教授访问北京大学,并作了题为《Visualizing Ensemble Uncertainty in Numerical Weather Simulations》的学术报告。张嵩副教授博士毕业于布朗大学,本科毕业于南开大学。目前是密西西比州立大学计算机科学与工程系的副教授,目前主要研究方向是科学可视化,数据分析,医学图像处理,和计算机图形学。

SongZhang01

报告会由实验室袁晓如研究员主持。在报告中,张嵩副教授首先对集合模拟不确定性可视化(ensemble uncertainty visualization)进行了介绍。在当前很多气象研究领域,常常使用集合模拟对一具体物理现象进行模拟,而这些模拟之间存在非常大的不确定性,因为模拟结果往往对输入参数比较敏感,而领域科学家对这些不确定性非常感兴趣。传统的集合模拟数据可视化一般是使用一些统计量进行刻画,例如,均值,标准差,四分位线以及置信区间等。

其次,张教授对他们最近几年完成的几个工作进行了报告,并着重介绍了一个叫作Noodles [1] 的工作,该工作将气象学领域中的标量场(温度、压强、水蒸汽含量等)的分布以及不确定性信息可视化出来,他们设计了三种glyph(意大利面,同心圆,条带)用于可视化这些集合模拟标量场中的不确定性信息。这三种glyph可以很好地可视化集合模拟成员之间的均值、标准差、四分位线等统计值,以及一些基于成员的分布信息。因为标准差是基于正态分布的假设,即集合模拟成员之间的分布比较接近正态分布。如果集合模拟成员之间的分布是非正态分布时(往往是数据量比较少造成的),可以使用bootstrap对这些现有的数据进行自举,使之更趋向于正态分布,再进行统计值计算。

SongZhang02

因为现有很多降维该方法对集合模拟数据效果并不好,因为这些这些降维方法往往很依赖于均值,而均值相同的数据,分布可能差异很大。因此需要引入新的距离度量 [2] 来综合考虑集合模拟标量场数据中均值和分布。他们的该方法是将这两项距离赋予不同的因子,得到一个新的距离度量,最终用这个新的度量应用于降维与分类。此外,张教授还介绍了医学数据可视化方面的工作,他们将病人的心率、呼吸率以及血压等时变数据综合分析,设计相应的可视化来揭示数据内部的规律。

最后,张教授还简要地介绍了他们关于ensemble flood simulation、DIT fiber ensembles、tensor imaging、large graph sampling等方面的工作。报告会后张教授与北京大学师生进行了深入的交流,共同讨论不确定性可视化领域的前沿问题,以及集合模拟数据可视化研究与领域科学家合作等问题。

参考文献:
[1] Jibonananda Sanyal, Song Zhang, Jamie Dyer, Andrew Mercer, Philip Amburn, and Robert J. Moorhead, Noodles: A Tool for Visualization of Numerical Weather Model Ensemble Uncertainty. IEEE Transactions on Visualization and Computer Graphics, 16(6):1421-1430, 2010.
[2] Haidong Chen, Song Zhang, Wei Chen, Honghui Mei, Jiawe Zhang, Andrew Mercer, Ronghua Liang, and Huamin Qu. Uncertainty-aware Multidimensional Ensemble Data Visualization and Exploration. IEEE Transactions on Visualization and Computer Graphics, 21(9):1072-1086, 2015.

评论关闭。