基于图的时序集合模拟可视分析

在此工作中我们提出了一个基于图的时序集合模拟可视分析方法。我们的方法按照成员之间相似程度为出发点，从集合模拟数据中捕捉具有高相似度的时空地点，并用图的形式来展示：节点代表时空中具有高相似度的区域，节点之间的连边表示相邻时刻区域发生重叠。结合多视图交互的界面，用户可以直接对集合模拟数据进行快速浏览，并选择区域来比较其内集合模拟成员的分布情况。我们把该工具应用在一组臭氧与污染排放模拟数据和一组流体力学实验集合模拟数据上，结果说明该工具能帮助用户直观地观察并分析在时空中集合模拟成员相似度的分布与具体演化。

集合模拟数据的可视化很有挑战，因为它具备多变量(multi-variate)，多值(multivalue)，随时间变化(time-variant)的特征，其数据量也往往很大。调查模拟成员之间的相似之处是集合模拟数据分析的一项重要任务，因为它可以帮助科学家们比较和概括成员运行之间的特性，并进一步了解模拟结果和参数之间的关系。通过我们的观察，科学家们的常规分析过程是对复杂集合数据先做时间和空间维度上的聚集，再比较和分析感兴趣区域(Region of Interests, ROI)。然而，这类分析流程虽然降低了数据复杂度，但导致一定程度的信息损失；另一方面，用户需要耗费很多试错(trial-and-error)来得到有意义的ROI。

基于以上的观察，我们提出了一个可视分析工具EnsembleGraph，以支持集合模拟数据中成员的时空相似性分析。其核心思想是对数据进行区域划分，使得每个区域内部的时空格点上各个模拟成员之间的分布具有一定的相似性。然后我们跟踪相邻时间片之间每一个区域在空间上的连续性，把这些区域连续在一起的信息抽象成图的形式，图中节点代表区域，节点之间链接代表相邻时间片上的区域出现连续，这个抽象出来的有向图提供全部时间序列上整个集合模拟数据的概览。用户可以选择图中的节点，然后查看其详细信息，并在在选定的分区域比较集合成员，或比较多个区域之间的关系。通过这种方法，用户可以快速找到出现相似成员分布的时间和空间区域，而不用再靠手动地选取来分析。

我们在预处理步骤中包含三个部分：相似性定义、区域划分、以及区域的连接。首先，我们按照相同位置上所有模拟成员的取值构建高维向量作为成员在这个位置的特征，两个位置之间的集合模拟相似程度按照两个高维向量之间的距离来计算得出。其次，我们按照模拟成员相似性做区域划分，从而把复杂的数据总结成抽象小区域。具体的做法是用一组向量表示所有成员在同一空间点上的取值，然后用聚类方法侦测出所有相似且连续的区域。最后，我们构造一张图结构以概括模拟数据：我们把所有时间相邻且空间重叠的区域项链，把整个集合模拟数据抽象成图结构的可视化。

第一个应用数据是一组气候集合模拟数据，科学家想要研究不同区域的人为排放对大气中臭氧浓度的影响。区图在空间视图显示中国上方主要由覆盖三大块区域：中国东部地区、中国西南部、中国西北地区。中国东部几乎只有东亚（第一排）的影响。在中国西北（第二行），欧洲和东亚是在春季和夏季的主要排放源区。在中国西南（第三行）的排放影响完全不同：它在全年都受到印度很大程度的影响，偶尔在春季受中东影响我们和科学家讨论了发现的成果。科学家对于方法表现出很大的兴趣，亦即根据集合模拟成员相似性做空间分割。相比起以前的研究方法，他们表示这样能更好地从相似性角度出发，而不是手动选择区域来分析。

第二个数据是一个流体力学集合模拟实验数据，科学家要研究两种不同密度液体的混合过程。如图的可视化结果中，我们可以看到在整个混合的前期和中期有较为长时间的节点，说明是较为稳定的大块区域，而混合的后期开始出现更多的小节点，选取小块的节点如图中右部分所示，可以从节点观察到几个部分的融合和分离结构。

视频

文章

引用

Qingya Shu, Hanqi Guo, Jie Liang, Limei Che, Junfeng Liu, and Xiaoru Yuan. EnsembleGraph: Interactive Visual Analysis of Spatiotemporal Behaviors in Ensemble Simulation Data. In Proceedings of IEEE Pacific Visualization Symposium (PacificVis 2016), pages 56-63, Taipei, Apr. 19-22, 2016.