EN中文

地球信息科学学报 >

2015 , Vol. 17 >Issue 2: 206 - 214

DOI: https://doi.org/10.3724/SP.J.1047.2015.00206

CALPUFF模型模拟结果的时空多维可视化表达

  • 邬群勇 , 1, * ,
  • 黄君毅 1 ,
  • 盛玲 1 ,
  • 唐曙光 1 ,
  • 王勤耕 2 ,
  • 孙振海 3
展开
  • 1. 福州大学 福建省空间信息工程研究中心空间数据挖掘与信息共享教育部重点实验室,福州 350002
  • 2. 南京大学环境学院,南京 210046
  • 3. 军事医学科学院科技部,北京 100071

作者简介：邬群勇(1973-),男,博士,副研究员,研究方向为GIS与计算机应用。E-mail:

收稿日期: 2014-04-24

  要求修回日期: 2014-06-17

  网络出版日期: 2015-02-10

基金资助

国家“863“项目(2012AA022007)

收起

Spatio-temporal and Multi-dimensional Visualizations for the Simulation Result of CALPUFF Model

  • WU Qunyong , 1, * ,
  • HUANG Junyi 1 ,
  • SHENG Ling 1 ,
  • TANG Shuguang 1 ,
  • WANG Qingeng 2 ,
  • SUN Zhenhai 3
Expand
  • 1. Spatial Information Research Center of Fujian Province, Key lab of Spatial Data Mining and Information Sharing of MOE, Fuzhou University, Fuzhou 350002, China
  • 2. School of Environment, Nanjing University, Nanjing 210046, China
  • 3. Ministry of Science and Technology, Academy of Military Medical Science, Beijing 100071, China
*Corresponding author: WU Qunyong, E-mail:

Received date: 2014-04-24

  Request revised date: 2014-06-17

  Online published: 2015-02-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

大气污染扩散模型数值模拟结果的时空多维可视化表达,能有效展示大气污染扩散空间分布,为快速高效辅助后期污染分析与应急决策提供重要的参考。CALPUFF模型能高效模拟污染物在大气环境中时空变化的扩散过程,而现有大气污染扩散模型模拟结果可视化表达普遍存在不能有效集成地理信息、缺失部分重要维度特征等问题。论文首先分析了CALPUFF模型,及其与组件式GIS紧密集成的技术方案,为模型模拟结果与地理信息集成提供了技术支持。然后,基于CALPUFF模型的数值计算模拟结果,详细研究了风场数据预处理及其矢量绘制方法,浓度场的数据预处理及其栅格渲染方法。在三维地形场景下,探究了大气污染物的时空扩散模拟可视化表达方法,给出了CALPUFF模型模拟结果与三维地形场景的集成表达策略。最后,通过组件式GIS,构建了福州市三维地形场景,以大气污染CALPUFF扩散模拟结果为例,在WPF系统框架下,实现了风场和浓度场的时空动态模拟和空间层级多维可视化表达。实验结果表明,本文所采用的时空可视化技术方案能将CALPUFF模型模拟结果,有效集成三维地形场景,实现模型模拟结果在时间维度上动态扩散和在空间维度上的层级分布,可为大气污染模拟结果的时空多维可视化提供参考。

关键词： CALPUFF模型; 时空多维可视化; 大气污染; 三维地形场景

本文引用格式

邬群勇 , 黄君毅 , 盛玲 , 唐曙光 , 王勤耕 , 孙振海 . CALPUFF模型模拟结果的时空多维可视化表达[J]. 地球信息科学学报, 2015 , 17(2) : 206 -214 . DOI: 10.3724/SP.J.1047.2015.00206

Abstract

The spatio-temporal and multi-dimensional visualization of atmospheric pollution dispersion simulation result can effectively demonstrate the spatial distribution of air pollution dispersion, which could provide an important reference to the quick analysis and effective emergency decision-making.The CALPUFF model can effectively simulate the diffusion process of pollution with respect to changes of time and space.The existing visual expression methods for atmospheric pollution simulations havesome common deficiencies, such as the ineffective integration of geographic information, the missing of important dimension features, etc. In this paper, the authors firstly analyzed both the CALPUFF model and its integration with component GIS, which provides a technical support for the integration of simulation results and geographical information. Secondly, with the support of GIS visualization technology, the preprocessing and vector plotting method for the simulated wind field results from CALPUFF model was given, and the preprocessing and raster rendering method for the simulated density field results from CALPUFF model was also provided. Thirdly, based on the three-dimensional terrain scene, the visualization method for atmospheric pollution dispersion was discussed. The integrated visual expression strategy of the CALPUFF model simulation results and the three-dimensional terrain scenes was then obtained. Finally, we took the Fuzhou City as a study area, and the three-dimensional terrain scenes of Fuzhou was constructed using the component GIS. According to the framework of WPF(Windows Presentation Foundation), the spatial and temporal multi-dimensional visualization simulation of wind fields and density fields was implemented. The experiment result shows that the spatial and temporal multi-dimensional visualization method given in the paper can be effectively integrated with the three-dimensional terrain scenes, and can also simultaneously achieve the processes of dynamic diffusion within the temporal dimension and multi-level distribution within the spatial dimension for the simulation results. The spatial and temporal multi-dimensional visualizations method can provide a good reference to other studies and applications.

Key words： CALPUFF model; spatio-temporal and multi-dimensional visualization; air pollution; three-dimensional terrain scene

1 引言

快速有效地应对突发性大气污染事故,并及时地对污染物扩散进行数学建模、模拟结果可视化表达对环境整治等具有重要作用。目前,广泛应用于区域复杂地形的大气污染扩散模型有ADMS模型[1]、AERMOD模型[2-3]和CALPUFF模型[4]。其中,ADMS模型适用于三维高斯模式,AERMOD模型适用于定场的高斯烟羽模式,CALPUFF模型适用于多层、多种非定场高斯烟团扩散模式[5-6]。相较于成熟发展的大气污染扩散模型,现阶段模型模拟结果的可视化表达在功能、性能上还存在较大不足。
现有大气污染扩散模型模拟结果可视化,根据划分的维度不同,可按照是否考虑时间维度或者是否考虑垂直空间维度进行区分[7-9]。按照是否考虑时间维可分为不考虑时间维的静态分布,以及考虑时间维的动态扩散。大气污染扩散是一个持续性衰变过程,简单分析某一时刻的指定研究区域的污染浓度静态分布,很难辅助救援人员提出正确决策,只有考虑了事故发生污染物浓度在时间维度上的动态变化,才能准确把握污染物扩散的整体流向。按照是否考虑垂直空间维度可分为,只考虑二维的平面分布[10-12],以及考虑三维的垂直空间分布[13-15]。大气污染扩散是个空间层级分布过程,二维可视化表达突发性大气污染事故的扩散情况相较于模型计算结果已经形象很多,但其与真实大气污染情况相比还存在很大差距。同时,二维可视化表达,存在信息维度的缺失,无法模拟真实大气环境污染的空间层级结构,对垂直高度上的大气污染扩散情况进行分析时会遇到很大的困难。
针对大气污染扩散模型模拟结果可视化表达过程中,存在时间维度或者三维空间维度缺失的不足,本文基于CALPUFF模型模拟计算结果,结合三维地形场景,研究大气污染扩散的时空多维可视化表达,旨在为大气污染后续事故应急分析和决策提供有力的支持。本文主要分析了CALPUFF模型模拟的风场和浓度场的表达,给出了风场的数据预处理及其矢量标绘方法、浓度场的数据预处理及其栅格渲染,风场、浓度场与三维地形场景的集成表达,以及Windows呈现技术（Windows Presentation Foundation,WPF）框架下的风场、浓度场时空多维可视化。

2 CALPUFF模型及其与GIS的集成

2.1 CALPUFF模型分析

CALPUFF模型适用于模拟大气污染物受到地形影响的时空扩散过程,其模型工作流程分解,如图1所示,主要包括：将CALPUFF模型划分为处理污染物所在研究区域内原始气象数据和地理数据的数据预处理模块,生成研究区域内格网化风场数据的CALMET气象模块,生成研究区域内污染物模拟扩散浓度场的CALPUFF污染扩散模块,以及显示分析结果文件的CALPOST后处理模块。本文实验中,模型模拟的是大范围区域,模型输入数据中的地形数据采用的是90 m空间分辨率的DEM数据,较大范围的研究区域,较低的分辨率可节省存储空间及运算时间,从而提高模型应用效率。
Fig. 1 The workflow of CALLPUFF model

图1 CALPUFF模型工作流程图

2.2 CALPUFF模型与GIS的集成

在早期大气污染扩散研究中,大气模型模拟结果的可视化常常是通过Surfer软件实现。由于Surfer自身缺乏地理空间参照,输出的可视化结果脱离地理环境孤立显示,给后期大气污染扩散态势分析及应急决策带来困难[16]。CALPUFF的计算结果所模拟的污染扩散过程具有明显的时空分布特征。对比,本文将CALPUFF模型的计算结果与地理信息进行了集成,其具体过程可参考文献[16]。
根据CALPUFF模型的数据输入要求,收集大气污染事故研究区域内包括有数字高程模型（DEM）数据、土地利用类型数据,以及大气污染事故源附近的气象台站信息,并依据CALPUFF模型的数据输入接口标准,构建模型计算所需的原始数据集。原始数据集导入CALPUFF模型工作流后,本文采用的CALPUFF模型计算得到的模拟结果为适用于Surfer软件的文本格式数据,模型计算得到的风场数据,由风速文件（*.wsp）以及风向文件（*.wdr）构成;模型计算得到的浓度场数据,由浓度场文件（*.grd）表示[17]。
由于模型生成的风场、浓度场数据缺乏空间参照,很难将风场与浓度场正确地显示在地图上,需要将GIS与CALPUFF模型进行紧密集成,如图2所示。由原始数据输入模块、模型计算模块和模型计算结果后处理模块3部分,对模型结果进行后处理,包括提取模型计算结果,解析结果数据格式,构造目标数据集（即对具有方向向量的风场数据构造矢量数据集,对单一像元值分布的浓度场数据构造栅格数据集）。为方便可视化表达,将风场数据集合进行矢量标绘,浓度场数据集合进行栅格渲染。最后,将矢量风场数据与栅格浓度场数据定义统一的投影坐标,并结合三维地形场景,将带有投影信息的风场文件（*.shp）和浓度场文件（*.tif）进行集成表达。
Fig. 2 The integrated framework of CALLPUFF model and GIS

图2 CALPUFF模型与GIS紧密集成的流程

3 风场、浓度场的数据预处理及其可视化

3.1 风场数据预处理及其矢量标绘

模型生成的风场文件分为*.wdr风向数据与*.wsp风速数据,每个数据都由相应的头文件及存储值组成。*.wdr风向数据与*.wsp风速数据的头文件相同,*.wdr文件储存研究区域每个网格单元的风场方向,单位为度;*.wsp文件为研究区域每个网格单元的风场速度,单位为m/s。通过风场文件的数据格式解析,得到风向与风速数据,建立相应的矢量数据集,保存由多个时刻风向、风速数据计算生成的线状风场要素。
风场的线要素绘制是一个文本数值类型数据向线状矢量类型数据的转换过程。通过对风场数据的头文件进行解析,根据研究区域的坐标值,以及内部数据的行列值和格网间距大小,可得到每个格网单元的中心点坐标Pmid（Xmid,Ymid）。新建的矢量风场要素图层的线要素是通过每个格网的中心点Pmid,*.wdr文件中存储的每个格网的风向值（ θ ）以及*.wsp文件中存储的每个格网的风速值（v）,借助数学公式,得到每个格网单元的风场线的起始点Ps（Xs,Ys）与终止点Pe（Xe,Ye）,并将三点进行连接的过程。
终止点Pe的计算如下：
X e = X mid + 1 2 × v × C × V Max × cos π × θ 180 Y e = Y mid + 1 2 × v × C × V Max × sin π × θ 180 ， 0 ° ≤ θ ≤ 360 ° （1）
式（1）中,C为格网间距大小;VMax为所在区域内风速最大值。
起始点Ps的计算如下：
X s = 2 × X mid - X e Y s = 2 × Y mid - Y e （2）
通过计算每个格网单元内的起始点Ps、中间点Pmid、终止点Pe三点连接得到的风场线要素,并在终止点Pe位置上以箭头形式标注向量 P s P e ⇀ 方向表示风场方向,| P s P e ⇀ |表示具体格网内风场速度的大小。最终,遍历整个风场文件,将得到研究区域内*.shp格式的矢量风场数据（图3）。
Fig. 3 The wind direction and velocity expressions and the wind field plotings in a grid unit

图3 网格单元内的风向、风速表达及风场绘制

3.2 浓度场数据预处理及其栅格渲染

模型生成的浓度场文件为*.grd文本文件数据,存储的是污染物浓度空间分布每个网格单元的计算点值。通过浓度场文件的数据格式解析,得到浓度场数据,建立相应栅格数据集,将多个时刻浓度场数据内的网格单元浓度值保存到新建的临时栅格对象中。栅格对象中的像元值就是所对应时刻的浓度场文件的浓度值,所以,大气污染扩散模拟的精细程度与栅格对象的格网间距大小有着直接的关系,即栅格对象的格网间距越大,大气污染扩散模拟精度就越差,反之亦然。由于格网间距受到原始数据采集的精度、模型模拟的效率等限制,难以实现研究区域小格网间距的大气扩散模拟。为了消除因为格网间距较大,而造成的浓度场栅格可视化表达出现的马赛克现象,使用栅格重采样技术提高网格间的平滑程度,使浓度场变化的可视化表现得更为连续（图4）。常用的栅格重采样方法有3种,最邻近分配重采样法、双线性内插法以及三次卷积插值法。考虑到最邻近分配重采样法容易产生锯齿效应,造成图像不连续,三次卷积插值法需要很大的计算量,不适合用于大气污染的快速可视化,本文采用计算比三次卷积插值法简单的双线性内插法,克服了最邻近分配重采样法得到图像不连续的缺点。
Fig. 4 Comparison of the before-and-after raster data of density field using bilinear interpolation method

图4 浓度场栅格数据双线性内插法前后对比

针对浓度场栅格数据双线性插值后,图像存在灰度表达不利于准确区分浓度等级问题,本文采用不同颜色区分浓度值等级,并使用了分段函数进行颜色线性插值。
假设较小的浓度值等级为DMin,对应的颜色值为ColorMin（RMin,GMin,BMin）,其中,RMin、GMin、BMin分别表示ColorMin的红、绿、蓝3个子分量,（下同）;较大浓度值等级为DMax,对应的颜色值为ColorMax（RMax,GMax,BMax）。当浓度值等级DX满足DMin≤DX≤DMax,对应的颜色值为ColorX（RX,GX,BX）,具体计算公式如下：
C = D x - D Min D Max - D Min R x = R Min + C × R Max - R Min + M G x = G Min + C × G Max - G Min + M B x = B Min + C × B Max - B Min + M , 0 ≤ R x ≤ 255 0 ≤ G x ≤ 255 0 ≤ B x ≤ 255 （3）
式（3）中,M为不定常数。当ColorMin与ColorMax有一个原色同时为零时,M根据分级数进行递增与递减,其余情况M=0。
M值增减变化的计算公式如下：
M = 255 × 2 × C ， 0 ≤ x ≤ L 2 255 × 2 × ( 1 - C ) ， L 2 ≤ x ≤ L （4）
式（4）中,L为分级个数。本文采用DMin对应的ColorMin为（0,0,255）,即蓝色;DMax对应的ColorMax为（255,0,0）,即红色。对重采样后的浓度栅格数据,按照上述公式对其进行分级渲染,如图5所示。
Fig. 5 The multi-level rendering according to the density of raster data

图5 栅格数据浓度值分级渲染效果

4 风场、浓度场与三维地形场景的集成

浓度场的扩散分布形态与地形起伏密切相关,地形起伏会在地表上层形成特殊的风温场和湍流场,影响大气污染扩散分布。CALPUFF模型模拟中考虑了地形起伏对大气污染浓度的影响,但现有污染模拟可视化结果大多不能直观地与研究区域所在地形有机结合,会给大气污染扩散分布态势的理解与研究带来困难[18-19]。为快速了解大气污染扩散模拟结果所在的三维地形环境,需将经预处理的大气污染扩散模拟结果结合三维地形场景进行集成显示。
根据不同层级大气污染扩散模拟结果的所在层高,以空间分层的方式对多层风场、浓度场结合三维地形场景进行展示,图6展示了多层风场、浓度场与三维地形数据的层级分布,从图中可看出,低层大气中的污染物扩散由于容易受到山地与高层建筑物的阻隔,在空间上形成了离散分布,中层、高层大气中的污染物扩散一般只会受到高山的影响,污染态势主要还是受到风场的作用与污染物自身属性主导,整体变化相对低层大气污染物扩散保持连续分布。
Fig. 6 The sketch map for spatial distribution of wind fields, density fields and 3D terrain

图6 多层风场、浓度场与三维地形场景的空间分布集成示意图

5 结合三维地形场景的风场、浓度场时空多维表达

利用Visual Studio 2013.NET开发平台和ArcEngine 10.1组件工具,进行了大气污染扩散模型模拟结果的可视化表达实验。实验区域为福州市及其部分周边县域,基础地理数据有DEM数据、遥感卫星影像Landsat-8数据、福建省土地利用数据,以及福建省行政区划矢量数据;基础气象数据有福建省8个地面观测气象站数据（福州、宁德、南平、邵武、永安、厦门、龙岩、漳州）与3个高空台站数据（福州、厦门、邵武）。根据气象数据,CALPUFF模型模拟计算时间与气象数据一致,每5 min作为一个时刻,共计48个时刻,模拟生成的大气污染分布。

5.1 三维地形场景的构建

本文主要针对大范围区域的大气污染扩散进行模拟,对三维场景的精细程度要求不高。因此,研究区域地形三维表达,采用与CALPUFF大气模型计算时所使用的90 m空间分辨率的DEM数据,15 m空间分辨率的Landsat-8数据作为三维地形场景构建的原始数据,就可以满足显示要求,同时也可节省空间、提高显示效率。通过ArcEngine10.1的IGlobeViewer接口,加载DEM数据、影像数据,将影像数据做为纹理贴在DEM数据插值后的地形表面,建立纹理映射,通过DEM数据插值地形并叠加Landsat-8数据的4、3、2真彩色合成波段与高分辨率第8波段融合后的纹理影像,使影像数据具有地形起伏的三维效果,为大气污染扩散模拟结果提供了虚拟仿真的地理场景表达。

5.2 WPF框架下的风场、浓度场时空多维可视化

本文所使用的CALPUFF模型,根据气象场数据通过CALMET模块可以生成10层风场,分别为20、40、80、160、300、600、1000、1500、2200和3000 m。根据不同层级的风场计算出所在层级的污染物浓度扩散范围。针对不同层级,作者计算了每层研究区域内4个时刻的风场数据（间隔1 h）,以及48个时刻的浓度场数据（间隔5 min）,随着时间的变化,对标绘好的矢量风场及分级渲染后的浓度场数据进行动画演示。WPF框架支持硬件加速,相较于GDI+的WinForm开发框架,在显示二、三维动画方面具有更好的性能[20-22]。作者借助WPF框架,加强时空多维可视化效果。
（1）基于图片属性的风场、浓度场动态模拟
结合三维地形场景,通过时间的变化展示大气污染扩散的态势。使用WPF框架进行风场、浓度场的动态扩散时调用Storyboard类库,进行了属性的动画展示。根据研究区域的长宽,确定做为Storyboard对象载体的Canvs对象的大小,并按比例缩放至适用全屏。针对属于模拟结果的相同类型、相同层级的数据集（即导出为*.png格式的图片集）,实例化一个Storyboard对象,并对Storyboard对象设置相应的BeginTime属性表示时间线开始时间（初始时间线为00:00:00）、Duration属性表示时间线播放时间长度（Duration值设置为00:00:01）,完成属性设置后通过Begin方法触发故事板动画当一个Storyboard结束后,与该Storyboard相关联的属性都将回到初始位置。最后,将Canvs对象在系统窗口居中,通过移动三维地形场景底图与图片位置进行校准,完成图片动画与三维地形场景的集成表达（图7）。
Fig. 7 The picture-based animation of wind field and density field

图7 基于图片的风场与浓度场动画模拟

（2）基于图层加载的风场、浓度场多层可视化
基于图片属性的动画模拟,不能体现低层大气污染物扩散随着地形起伏的空气分布,所以,需在同一时刻展示多层大气污染物扩散的空间分布时,系统采用以图层加载的方式实现大气污染扩散的动态可视化。该图层可视化方式不仅可展示多层污染扩散的空间分布,同时,由于图层携带了属性信息,还可实现模拟结果的量化查询。文中通过实例化IGlobe对象,控制图层的加载、移除、高程赋值,以及帧的漫游动画。IGlobe对象关联的图层对象包括有高程图层、随高程图层变化起伏的叠加图层,以及水平形态的浮动图层,本文实验将DEM数据设置为高程图层;低层大气风场、浓度场数据、等高线数据与遥感影像受到下垫面影响较大,将其设置为叠加图层;中层、高层大气风场、浓度场数据受到地形影响不太明显,在空间上呈现水平分布,设置为浮动图层。通过AddLayer、DeleteLayer、Next方法对以上图层进行加载、移除与遍历,并对加载的图层设置Height属性,实现从低层大气到高层大气风场、浓度场图层的空间分布。最后通过IAnimationTrack接口对不同层级浓度场进行动态扩散推演,完成帧动画的视角变换。本次实验展示了浓度场第1层、第6层与第10层的模拟结果,风场的最高层结果（图8）。
Fig. 8 Interface of the spatial multilayer distribution of wind fields and density fields

图8 风场与浓度场空间层级分布的系统显示界面

本文模拟实现了以图层加载和以图片播放2种形式的动态可视化。（1）以图片播放的方式进行动态模拟需要按照研究区域大小对所有图层预先以*.png图片格式导出,通过图片定位,将图片浮于三维地形场景中,修改WPF中的图片动画属性,设置故事板实现图片属性的动画模拟,使得图片能支持更为流畅,满足用户自定义需求的动画播放,缺点是风场、浓度场以图片格式表达,其缺乏空间参照,且丢失属性信息,不利于后期应急分析。（2）以图层加载的方式进行动态模拟,图层可直接通过坐标定位在三维地形场景中,低层大气的污染物扩散形态能随着地形起伏变化,方便用户对指定的图层进行操作,并能实现帧的动画漫游效果,其缺点是以图层形式表现模拟结果需要借助第三方控件支持,且有时会因图层的频繁加载出现播放的不连续性,主要存在于同时对多层模拟结果动态播放的情况下,后期可以使用并行技术,将不同层次的模拟结果播放任务平均分配给多个CPU并发处理。

6 结语

本文针对CALLPUFF模型模拟计算结果,结合三维地形场景模拟了大气污染的动态扩散及其空间分布。重点讲述了大气污染扩散模拟结果中风场、浓度场的数据预处理及其与三维地形场景的集成表达,并基于WPF框架开发了大气污染扩散模型模拟可视化原型系统。其克服了现有大气污染可视化模拟中的诸多不足,能提供直观、逼真的大气污染扩散模拟表达。同时,集成了三维地形场景,弥补了以往大气污染扩散表达缺乏三维地理信息参照的不足,通过污染扩散模拟结果与真实地理环境的集成,有利于后期应急分析作出准确决策。本文研究的CALPUFF模型与GIS的集成策略、风场矢量标绘技术、浓度场栅格的插值技术,以及模型结果与三维地形场景的集成技术,模拟结果的时空多维可视化表达。对具有多层模拟输出的大气污染扩散模型有一定的普适性,可通过模型与GIS的集成,实现模型模拟结果的时空多维可视化。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Carruthers D J, Seaton M D, McHugh C A, et al. Comparison of the complex terrain algorithms incorporated into two commonly used local-scale Air Pollution Dispersion Models (ADMS and AERMOD) using a hybrid model[J]. Journal of the Air & Waste Management Association, 2011,61(11):1227-1235.

[2]
Vieira de Melo A M, Santos J M, Mavroidis I, et al. Modelling of odour dispersion around a pig farm building complex using AERMOD and CALPUFF. Comparison with wind tunnel results[J]. Building and Environment, 2012,56:8-20.

[3]
Tartakovsky D, Broday D M, Stern E.Evaluation of AERMOD and CALPUFF for predicting ambient concentrations of total suspended particulate matter (TSP) emissions from a quarry in complex terrain[J]. Environmental Pollution, 2013,179:138-145.

[4]
MacIntosh D L, Stewart J H, Myatt T A, et al. Use of CALPUFF for exposure assessment in a near-field, complex terrain setting[J]. Atmospheric Environment, 2010,44(2):262-270.

[5]
刘丽,王体健,王勤耕.区域复杂地形大气污染扩散的模拟研究[J].高原气象,2008,27(5):1075-1081.

[6]
Syrakov D, Veleva B, Prodanova M, et al. The Bulgarian Emergency Response System for dose assessment in the early stage of accidental releases to the atmosphere[J].Journal of Environmental Radioactivity, 2009,100:151-156.

[7]
胡亚,朱军,林晖,等.基于大气污染扩散模型的空气污染多维动态可视化表达研究[J].高技术通讯,2013,23(7):728-734.

[8]
朱军,林珲,林文实,等. 用于大气污染扩散模拟的虚拟地理环境构建研究[J].系统仿真学报,2008(20):176-179.

[9]
Xu B L, Lin H, Long S C, et al.VGE-CU Grid: An integrated platform for efficient configuration, computation, and visualization of MM5[J]. Environmental Modelling & Software, 2010,25:1894-1896.

[10]
韩素芹,蔡旭晖,李培彦,等.天津市突发事故条件下大气污染的应急模拟[J].中国环境科学,2009,29(9):919-923.

[11]
陈文君,陈锁忠,都娥娥,等.突发性大气污染事故应急监测系统的设计与开发[J].地球信息科学学报,2011,13(1):65-72.

[12]
陈红梅,汪小钦,陈崇成,等.城市大气污染扩散的GIS模拟分析——以福州市为例[J].地球信息科学,2005,7(4):101-106.

[13]
James D M, Phil A G.A GIS based borehole data management and 3Dvisualization system[J]. Computers & Geosciences, 2006,32(10):1699-1708.

[14]
高锡章,冯杭建,李伟.基于GIS的海洋观测数据三维可视化仿真研究[J].系统仿真学报,2011,23(6):1186-1190.

[15]
Xu Z, Coors V. Combining system dynamics model, GIS and 3D visualization in sustainability assessment of urban residential development[J]. Building and Environment, 2012(47):272-287.

[16]
张攀攀,王义祥,邬群勇,等.GIS与大气环境模型的集成及其应用[J].环境科学研究,2010,23(5):575-580.

[17]
王义祥,孙振海,张攀攀,等.基于GIS空气质量模拟结果的表达方法研究[J].地理与地理信息科学,2011,27(2):46-50.

[18]
Wang Y, Huynh G, Williamson C.Integration of Google Maps/Earth with microscale meteorology models and data visualization[J]. Computers & Geosciences, 2013,61:23-31.

[19]
Sui Z, Wu L, Ji X, et al.A visualization framework for cloud rendering in global 3D GIS[C]. 2011 19th International Conference on Geoinformatics, IEEE, 2011:1-4.

[20]
Liu Y, Zhou J Z, Song L X, et al.Efficient GIS-based model-driven method for flood risk management and its application in central China[J]. Natural Hazards and Earth System Sciences Discussions, 2013,1:1535-1577.

[21]
Li Y, Pan L, Liu T, et al.Three-dimensional GIS based dynamic visualization simulation system for flood routing[C]. 2012 2nd International Conference on Computer Science and Network Technology (ICCSNT), IEEE, 2012:1409-1412.

[22]
She J, Jiang H, Xu W, et al.Urban construction archive submission system with WPF technology[C]. 2010 18th International Conference on Geoinformatics, IEEE, 2010:1-5.

Options
文章导航

/

〈 〉