大气探测可视化

作者: 榴莲气象 | 来源:发表于2019-06-23 20:50 被阅读0次

大气探测可视化

https://www.cs.ubc.ca/~tmm/courses/old533/projects/sancho/proposal/

https://www.sciencedirect.com/topics/earth-and-planetary-sciences/atmospheric-sounding

1.简介

气象学家使用多种图表来显示整个大气垂直范围内大气性质的变化。报告环境失效率与露点相比的图表被一些非专家认为是最难阅读的大气图表。该项目的目标是开发对当前可视化技术的改进，供非专家，特别是学生使用。

我之所以选择这个领域是因为我个人以前对这些数据的经验（虽然不是这种形式）以及显然需要对当前的演示形式进行改进（它们被称为“最熟悉但最复杂的声音图表” “）。我对这些数据的个人经验来自我作为飞行员和飞行教练的背景。

首先，我将提供数据的基本介绍，当前的演示形式及其解释。其次，我将介绍此领域的前期工作。最后，我将介绍我提出的解决方案。

2.预赛

本节将介绍数据，其当前的演示形式以及此数据的使用和解释。

2.1背景资料

2.1.1相对湿度和露点

为了理解该项目涉及的数据，我将提出相对湿度的错误定义。但是，它与实际定义足够接近，可以对该项目中的数据进行实际解释。相对湿度可以描述为空气的水蒸气含量与其水蒸气含量之比（如果它是饱和的）。在水蒸气和空气的混合物中，只有一定量的水可以以蒸气形式存在而混合物不会被水蒸气饱和。如果混合物中水蒸气的量达到该极限，则相对湿度为100％。如果混合物中水蒸气的量是该极限的一半，则相对湿度为50％。饱和度随着温度的升高而增加。因此，如果温度升高，没有额外的水分添加到空气中，相对湿度将降低。如果空气被冷却，水分含量没有变化，则相对湿度会增加。如果这种冷却持续到饱和发生，空气中的水蒸气就会凝结成露水，雾气，或云。这将发生的温度称为露点。

2.1.2环境失效率

在整个较低的大气层（大约12公里的高度），温度随着海拔的升高而降低。平均而言，温度下降的速度为每公里6°C。这被称为环境失效率。这是一个平均而非常数。在较高水平之前，白天加热和夜间冷却会影响大气层的最低层。因此，在炎热的夏天，表面附近的温度可能已经加热到标准温度以上20°C，而上面的层不会受到太大的影响。受地面加热影响的区域的环境失效率将大于每公里6°。在寒冷晴朗的夜晚，可能会看到相反的效果：大气层的最低层将比覆盖层更快地冷却。极端情况下，最低层冷却得如此之快，以至于它变得比上面的空气更冷，这是可能的，也是常见的。这被称为温度反转。这些例子只是环境失效率可能与平均值不同的两个原因。他们还表明，在整个大气垂直范围内，环境失效率并不是一成不变的。

2.1.3绝热失效率

随着海拔的升高，大气压力会降低。当一块空气上升时，它进入压力减小的区域，并且空气包裹膨胀。由于这种膨胀，其温度降低。由于压力降低而导致的这种冷却称为绝热冷却。每提升1000米的非饱和空气，它就会冷却10°C。这称为 干绝热失效率。每提升饱和空气1000米，根据水分含量，它会在5°C至9°C之间冷却。这称为湿绝热失效率。

2.1.4数据收集

用于分析上述因素之间关系的数据是通过发射带有附加传感器的气球和称为无线电探空仪的传输设备来收集的。来自一次气球发射的数据集称为探测。

怀俄明大学工程学院大气科学系提供文本和绘图形式的探测数据。以下内容摘自网站提供的一组数据：

72694 SLE Salem观察2006年10月8日12Z

PRES HGHT TEMP DWPT RELH MIXR DRCT SKNT THTA THTE THPa hPa m CC ％g / kg deg knot KKK

1020.0 61 6.0 3.8 86 4.95 0 0 277.6 291.2 278.4 1000.0 224 10.0 6.9 81 6.28 15 4 283.1 300.7 284.2 997.0 249 10.2 7.1 81 6.38 17 5 283.6 301.5 284.7 990.3 305 10.0 6.8 80 6.30 20 6 284.0 301.6 285.0 954.6 610 9.0 5.2 77 5.83 25 9 286.0 302.6 287.0 925.0 871 8.2 3.8 74 5.46 5 12 287.7 303.4 288.6 920.2 914 8.1 4.0 75 5.56 5 12 288.0 304.0 289.0 909.0 1015 7.8 4.4 79 5.80 2 14 288.7 305.4 289.7 902.0 1079 8.8 -11.2 23 1.81 360 15 290.4 296.0 290.7

完整的探测示例

请注意，尽管每个“原始数据”点有11个变量，但实际上只对压力（PRES），高度（HGHT），温度（TEMP）和露点（DWPT）进行采样。相对湿度（RELH），混合比（MIXR）和三个温度指数（THTA，THTE，THTV）来自采样变量。风向（DRCT）和速度（SKNT）被采样，但与作为该项目焦点的任务无关。

我将仅从前四个（PRES，HGHT，TEMP，DWPT）开始工作，得到后七个的相关子集，以避免依赖于提供这些变量的数据源。例如，http：//slash.dotat.org/cgi-bin/atmos/ 是一个仅提供前四个变量的站点。

以下部分将这四个变量与当前图表相关联，并使用图表上的网格线解释其他变量的可视化推导。

2.2当前的演示方法

绘制此数据有四种图表。图表的选择因国家和组织而异，但是，从每个图表中，可以得出相同的结论。我将使用Skew-T Log-P图来解释这些图表的使用。

Emagram	温熵图	Stuve Diagram	Skew-T图
电子邮件（1880年代）	Tephigram（1915）	Stuve Diagram（1927）	Skew-T Log-p图（1947）

2.3使用Skew-T图解释数据

本节介绍了使用足以理解该项目目标的当前表示方法。为了更深入的理解，我发现以下参考资料非常有用。

来自宾夕法尼亚州立大学的一组气象学生创建了一个网站，该网站很好地解释了Skew-T Log-P图和可以从图上数据图中读取的信息：

Skew-T Log-P图 - Scott Dimmich，Adam Marcal，Beth Russell，Lindsay Schwarzwaelder，Nicholas Sette和Shepard Stuck

我还发现了一张未被记入的Skew-T手册。似乎PSU网站主要基于本手册中的信息：Skew-T Manual

对于非常感兴趣的，美国空气气象服务公司已经发布了一份164页的关于这个主题的手册：

斜交T，Log P图在分析和预测中的应用 - 伊利诺伊州斯科特空军基地空气气象服务总部

Skew-T with Plot

我将简要介绍此处的内容，但如需更深入的介绍，请访问PSU网站或阅读Skew-T手册。

左侧的对数刻度轴显示以毫巴为单位测量的大气压。压力水平可以大致与海拔高度相关联; 确切的关系随时间而变化。

底部的数字是偏斜温度轴上的指数。恒温线（等温线）是从左下方向右上方以45°角延伸的暗线。单位是摄氏度。

这些图表上绘制了两条数据线：露点和温度。露点始终位于温度线的左侧。通常，露点和温度线的颜色会有所不同，但似乎没有标准的着色方案。

到目前为止描述的线条只是显示采样数据所需的全部线条。对于视觉推导和解释，图表中包含以下附加行。

紫色线是混合比例线。这些线用于确定给定水平的水分含量和相对湿度。混合比的单位是每千克干燥空气的水蒸气克数。按照混合比例线到图表的底部，您可以看到这些用紫色写的行的索引。

绿线是干燥的绝热线。随着海拔升高，不断上升的非饱和空气的温度将跟踪与这些干燥绝热平行的线。

蓝线是湿绝热线。随着高度上升，饱和空气上升的温度将跟踪与这些湿绝热平行的线。

为了进一步帮助理解，这些例子利用上面的Skew-T图来推导出几个变量。

实施例1：700mb的混合比

要确定700mb压力水平下的混合比，首先找到700mb线和露点线（最左边绘制的数据线）的交点p。在最近的混合比线之间插值以确定混合比。在这种情况下，交点p位于1.0g / kg混合比线上，不需要插值，并且可以直接读取混合比。

实施例2：700mb的相对湿度

为了确定700mb压力水平下的相对湿度，需要找到混合比（如实施例1），以及饱和混合比。饱和混合比的确定与混合比类似，但不是使用700mb线和露点线的交点，而是使用700mb线和温度线的交点。在这种情况下，700mb水平的饱和混合比约为2.5g / kg（通过插值）。混合比和饱和混合比的比率是相对湿度：1.0 / 2.5 = 0.40 = 40％

例3：700mb的等效温度

计算绝热等效温度（来自怀俄明大学数据的THTE）非常复杂，但说明了绝热线的目的。

找到露点图和700mb线的交点，然后沿着混合比率线向上一条线。此外，找到温度曲线和700mb线的交点，然后从该点开始，沿着干燥的绝热层向上，直到它与先前跟随的混合比率线相交。
从这个新的交叉路口，沿着湿绝热线向上，直到它与0g / kg混合比线相交。
从这个交叉口，沿着干燥的绝热线向下到达原来的700mb压力水平。该最终交叉点处的等温线值是等效温度。

2.4实际用途和缺点

以下是可以通过基于Skew-T图上显示的信息的不同程度的手动处理来完成的任务列表。

确定任何压力水平下的相对湿度。
预测对流云的基数和顶部。
判断不同压力水平下大气的稳定性或不稳定性。
预测雷暴天气的严重程度。
预测可能下降的降水类型。

这些是探测数据的任何可视化必须允许的任务。虽然这些都是可能的，只需要几个小时的训练即可使用Skew-T图（如果还需要对结果有更深入的了解，可以进行几天的训练），开发新的可视化工具会有一些优势。对于这些数据，如果不作为替代，那么肯定作为替代。

在教育领域，需要一些努力才能将热力学图表上呈现的这些重要关系暴露给学生。数据的可视化使得更容易辨别初次关系将有利于教育。在传统的Skew-T图中，大量的认知努力仅用于提取相关数据，几乎没有形成数据与预期天气之间的关系。同时比较多个Skew-T图也很困难。通常做的是从每个Skew-T图中提取几个指数，然后比较这些指数。

似乎随着计算能力的提高和图形显示的进步，已经有很多工作要改进这些图表，但我相信有理由不改进这些图表。首先，计算能力的提高已被用于气象界，不是为了改善探测数据的可视化，而是用来自大气探测的数据作为输入来运行大气模型的复杂模拟。也就是说，计算机已被用于卸载人类预测和模式发现的任务。其次，使用这些图表的训练有素的专家并不要求对图表进行改进，就像那些没有找到灰度2D切片替代品的放射科医师一样有用。

我应该提一下，Skew-T图的复杂性实际上可能存在潜在价值。在我对它们的使用中，我发现理解一个术语的定义有助于人们记住从Skew-T图中导出它的过程，并且知道如何从Skew-T图中导出一个术语强化了定义。看到消除这种复杂性的影响将会很有趣。

Skew-T图和许多当前气象产品的另一个优点是不需要颜色。从黑白打印输出，通常可以获得与彩色打印输出相同的信息。

3.以前的工作

在20世纪80年代，摩根产生了Skew-T图的替代方案，称为THETAPLOT图。然而，它只涉及Skew-T图的转换，允许湿的绝热线画成直线。好处是允许更容易地显示关系的子集。

除了针对特定任务优化图表之外，几乎没有做过任何工作。由于缺乏此领域以前的工作来指导未来的工作，我转向海洋可视化方法以获得动力。Haeger研究了温度和盐度的垂直海洋剖面的可视化。事实证明，在这种环境中，就像在大气层中一样，它不是绝对值，而是记录变量之间的关系，它们提供了适用的见解。例如，对于某项任务，温度梯度很重要。最有利于此任务的可视化是梯度的直接绘图。绘制的其他导出值包括电导率，盐度梯度和密度。

4.提议的解决方案

4.1抽象

在抽象层次上，可视化的数据是一组多变量数据，沿线采样。这就是它与垂直海洋剖面的可视化有关，以及我提出的解决方案的动机。

包括诸如混合比，相对湿度，湿绝热衰减率和对流电势的导出值，探测数据是8维向量，沿着大气线的线采样。从以前的工作中可以清楚地看出，所需的尺寸取决于任务。我的解决方案将显示数据的维度限制为实际上对于完成上面列出的任务有用的派生值。

4.2模拟

下图显示了我对可视化效果的初步认识。纵轴表示高度。条的长度表示温度和露点之间的差异。预测云的区域将具有不同的纹理。清除图层将没有纹理。颜色表示导出值，对流电位（空气继续上升的趋势）或对流抑制。

我将不得不尝试调色板和纹理组合，以找到防止变量之间干扰并确保色盲可用性的方法。我很可能会使用黄色 - 蓝色调色板，其饱和度也会不同。

我还将尝试在条形图旁边显示类似于原始数据的方法。这样做的原因是我无法想到在这个新的表示中显示温度线斜率的任何其他方式。（这种斜率和不稳定性之间的关系对于学生来说非常重要。）

可视化模型

此外，为了允许位置之间的比较，或者可视化改变环境中某些变量的结果，我将提供小多重比较：

小海报

从这个观点可以明显看出，在小倍数中，我使用纹理来表示云的存在是没有价值的。另一种演示方法是使用垂直条和预测云的高度：

小海报

更新：2006年11月13日

以下是实际可视化应用程序的初稿。现在可以解释一些设计决策和进一步的描述。

原始露点和温度数据与我的条形显示一起显示。它没有倾斜，因此比Skew-T更容易看到温度线的斜率。
我选择支持两种数据显示模式，Convective Lift和Forced Lift。显示的显示是对流模式的草稿。这两种模式具有一些信息，如果同时显示则会在视觉上发生冲突。
在对流模式中，现在通过水平线显示对流冷凝水平。如果由于从下方加热的空气上升而导致云形成的水平。通过放置在X轴上的红色垂直条表示将引起该对流开始的表面温度升高。强制升力模式将类似，但提升对流水平的不同推导并且它不会显示对流温度。
在对流冷凝水平之上，通过改变条的颜色来显示对流电位。截至目前，零或更小的对流电位以蓝色显示。随着对流电位的增加，这会变为黄色。显示的调色板可与deuteranopes，protanopes和tritanopes区分开来。
从第一个例子可以看出，开始对流云开发不需要额外的加热。云底可能低至300米。大气不稳定将使云增长到10000米以下。
在第二个例子中，几乎没有对流潜力; 不断上升的气流不会占主导地位。然而，在Y轴旁边的垂直条表示可能的层云（平面，水平，层云）。温度不随高度快速下降的事实解释了缺乏对流潜力。温度和露点的接近程度解释了可能的层云。
最终版本将允许与探测数据面板交互，允许用户修改所获取的数据，或绘制他们自己的探测。这将为学生提供更紧密的反馈循环，以学习温度/露点线与大气动力学之间的关系。它将允许缩放/平移以仔细检查部分数据。此外，很难注意到温度线斜率的差异，因此显示该值的工具提示将在鼠标悬停时显示。

4.3使用场景

我将重点放在教育的好处作为目标。我目前正在教一组14-17岁的学生介绍气象部门。我会请志愿者参加一个额外的课程，在那里我将教他们基本使用Skew-T和我的图表。然后，我将通过使用任何一种类型的图表向他们提供可以回答的问题。会议结束后，我将要求对图表发表评论。我会尝试通过不告诉学生我创建图表来防止任何观察者的影响。我还将首先教授我的图表，以便任何练习效果都会对我的解决方案产生偏差。希望学生能够更容易地注意到温度和露点的模式，这将导致不同类型的天气。

下表比较了使用Skew-T和我的条形图来完成某些任务。

Task	SKEW-T	Bar Plot
查找采样温度或露点	直接从倾斜的等温轴读取	直接读取非倾斜的垂直轴
计算给定水平的相对湿度	1. 从给定水平的露点图中，读出混合比率线之间插入的混合比 2. 从给定水平的温度图中，读出在混合比率线之间插入的饱和混合比 3. 将混合比除以饱和混合比	条的长度与相对湿度成反比
查找潜在层云（非上升，层类型）云层	寻找温度和露点线接触的地方	由垂直轴旁边的明显垂直条显示
确定对流冷凝水平（这是由于从下方加热而上升的空气将凝结并形成云的水平	从表面露点图向上遵循混合比例线，直到它与温度图相交。该交叉点的水平是对流冷凝水平	如果显示器处于对流模式，则直接通过条形图上的水平线显示
确定提升的冷凝水平（这是由于前部，低压会聚或上坡流动而被迫上升的空气将凝结并形成云的水平	从表面露点图向上遵循混合比例线，直到从表面温度图向上干燥绝热线。该交叉点的高度是提升的冷凝水平。	如果显示器处于强制提升模式，则直接通过条形图上的水平线显示
确定对流潜力/抑制区域和可能的雷暴天气的严重程度	从LCL或CCL，向上追踪湿绝热线。该跟踪线位于温度图右侧的水平是对流潜力区域。该跟踪线位于温度图左侧的水平是对流抑制区域。	在有对流潜力的地方发现黄条; 在有对流抑制的地方发现蓝条。计算从LCL或CCL开始，具体取决于显示器是处于强制升程模式还是处于对流模式。
预测将下降的降水类型	如上所述确定云的基础并检查云内部和下方的空气温度。	如上所述确定云的基础并检查云内部和下方的空气温度。

4.4实施方法

我为该项目选择的数据源是http://weather.uwyo.edu/upperair/sounding.html。该网站提供数百个地点的探测数据，每天多次采样，每天两次，一些地点的数据可追溯到1973年。

该应用程序将使用Java编程，以便最广泛地分发项目。我正在使用Eclipse IDE开发，使用Swing组件进行GUI实现。

5.时间线

10月22日 - 从网站上获取探测数据：http：//weather.uwyo.edu/upperair/sounding.html
10月29日 - 计算派生值
11月5日 - 创建了初始直方图小部件
11月12日 - 小型多层布局完成
11月19日 - 细化直方图，小型多重布局和导航的细节
11月26日 - 进一步完善
12月3日 - 项目和报告完成

参考

DND Canada. TP 9352E Air Command Weather Manual. Transport Canada Aviation Publication Division, 1993.
S.D. Haeger. Vertical representation of ocean temperature profiles with a gradient feature model. In Proceedings of OCEANS '95. MTS/IEEE 'Challenges of Our Changing Global Environment'. San Diego, CA, 1995
G. Morgan. THETAPLOT, an Equivalent Potential Temperature Diagram. In Journal of Meteorology and Atmospheric Physics. Springer-Verlag, 1992.
Walter Saucier. Principles of Meteorological Analysis. Dover Publications, 1983.
Edward Tarbuck and Frederick Lutgens. Earth Science (Ninth Edition). Prentice Hall, 2000.

大气探测可视化