随着信息技术迅速发展, 人类对地球的探索也在不断推进. 更多地质相关的数据不断被挖掘和扩增, 从海量和复杂的地质数据中获取信息和知识, 已成为当今社会技术发展与研究的热点. 人类社会不断朝着信息化的方向发展, 与传统意义上数据相比, “容量大”, “结构复杂”的特点的大数据, 隐藏着知识与智慧, 并为人类理解世界和社会提供了新的契机^[1]. 不断积累形成大规模的数据真实反映了现实世界和社会空间的运行演化过程, 有效的处理和洞悉数据背后隐藏信息, 并将其转化为知识充满了巨大的挑战^[2].

地质数据具有多元异构、多模态、高度时空性、大容量高相关、低价值密度、复杂性与不确定性的特点, 具有大数据的共有特征, 又有其自身特点^[3]. 其复杂与不确定性的特点为地质从业者分析数据带来了困难. 以一种更加有效的数据可视化方法, 直观的展示地质数据, 作为决策分析的辅助手段并挖掘地质数据真正的价值, 也是数据可视化研究发展的热点.

地质数据种类多, 涵盖范围广, 通过雷达采集的地表形变数据反映地表形变情况与沉降情况, 其中包含众多地质要素信息, 与地质数据密不可分. 针对雷达数据的可视分析也是地质领域对灾害预警分析与数据可视化领域研究发展的热点. 利用干涉合成孔径雷达(Interferometric Synthetic Aperture Rader, InSAR)获取地表形变信息. 通过有效的可视化手段, 对地形变化、灾害监测、灾害预警, 地面沉降分析提供可靠的辅助和决策作用. 形变监测可视化在相关领域进行应用并研究取得了一系列成果. 于军等^[4]针对苏锡常地区地面沉降结构三维可视化模型进行了虚拟现实系统研究. 汪宝存等^[5]进行了郑州市地面沉降监测的调查研究. 张学东等^[6]提取了京沪公路(北京—河北)沿线的沉降速率图和沉降剖面图. 针对InSAR形变监测的可视化展示, 传统方式是通过专业软件ENVI/SARscape进行处理生成相应的分析图表, 同时通过导入Google Earth的集成方式在地理位置呈现形变监测图, 但操作过程复杂繁琐. 同时由于Google Earth在数据渲染的过程中经常会出现卡顿甚至卡死的现象, 在交互方面很不友好.

本文针对上述通过二维图表以及Google Earth集成数据呈现展示效果并不直观的问题, 采用了江苏省地市区域InSAR形变监测数据提出了一种基于Cesium与Geoserver融合的地质数据形变监测可视化方法. Cesium是一个开源的三维场景渲染引擎, 通过Cesium与Geoserver结合构建Web三维场景, 直观反映地表形变信息与沉降情况. 同时在此基础之上, 设计了一种动态改变形变监测点云数据过渡颜色方式, 优化形变监测可视化展示. 与集成于Google Earth来呈现形变情况相比, 该方法更加方便快捷. 在数据加载渲染速度上比Google Earth更加迅速, 在人机交互方面拥有更多丰富的交互方式.

1 相关工作

数据可视化是利用人眼感知能力和人脑智能, 对数据进行交互的可视表达^[7]. 利用已经日益成熟和完备的图形学以及计算机视觉等手段, 结合数据的自身特点, 以一种通俗易懂的方式呈现出来, 传递有用的信息是国内外数据可视化领域研究学者的重点方向之一. Murthy等^[8]分析了社交媒体数据的特征并进行了可视化分析, 陈佳舟等^[9]提出一种基于照片的社交关系可视化方法, 李伟等^[10]针对交通网络客流大数据进行了可视分析. 杨卫宁等^[11]对出租车轨迹数据进行分析研究, 并在测基础之上设计了可视化平台, 对其数据进行可视化分析. 王全民等^[12]基于Netflow针对网络安全大数据进行可视化分析. 地质数据的表达也与可视化分析密不可分, 针对地质数据以更加高效的可视化手段从根本上突破其复杂结构而又不确定性的特点. 近些年来, 国内外学者针对地质数据可视化方法及技术进行研究并取得了相应的研究成果. 2015年Byers等^[13]针对大数据对实现地质介绍的优势从可视化的角度进行了研究. 2016年Mueller等^[14]对地质数据的可视化进行了研究, 并利用Cesium实现了3DWeb可视化交互系统. 2018年Wang等^[15]基于地质本体完成从地质大数据中提取北美区域地质年代和生物信息, 并实现信息集成与可视化. 2016年陈为等^[16]提出基于贝叶斯网络的地理空间数据可视分析.

针对InSAR数据形变监测可视化分析, 传统方式通过ENVI/SARscape进行处理, 利用Google公司研发的Google Earth, 将相关数据导入Google Earth并在相应的地理空间位置上加载可视化成果进行分析. Google Earth是一款强大的三维地图软件, 地质领域与可视化相关学者利用Google Earth取得了一定的研究成果. 王利峰等^[17]基于Google Earth实现实时动态的管理和利用控制点信息. 孙晓鹏等^[18]提出一种利用Google Earth的PS-InSAR地表形变监测可视化展示方法. 黄亚峰等^[19]实现了几种地质资料信息在Google Earth平台上的融合显示. 虽然Google Earth功能强大, 但在加载大量数据集时, 出现加载缓慢、卡死、软件崩溃的情况. Google Earth对大数据集的优化并不好, 同时Google Earth在可视化交互方面上比较单一, 无法满足更多可视化交互与展示.

由于上述工作中存在的不足, 本文基于B/S (浏览器/服务器, Browser/Server)架构模式通过Cesium和Geoserver相融合构建三维Web应用场景. 设计便捷的可视化手段, 利用可视化方式分析地域形变监测情况. B/S架构模式是一种随网络技术逐渐兴起的一种架构模式, 将系统功能实现的核心部分集中到服务器上, 简化了系统的开发、维护与使用. 通常用户只需要一个浏览器就可实现与数据库进行数据交互. Cesium是一个用来构建三维场景和地图的开源三维渲染引擎. 基于JavaScript编写, 采用B/S架构且遵循WebGL三维绘图标准^[20]. Geoserver 是OpenGIS Web服务器规范的J2EE实现, 利用Geoserver可以方便的发布地图数据, 允许用户对特征数据进行更新、删除、插入操作, 通过Geoserver可以比较容易地在用户之间迅速共享空间地理信息^[21].

2 技术架构设计

本文提出地质数据形变监测可视化方法主要由数据预处理、Web三维场景构建、数据解析并加载、可视化实现4个部分组成. 如图1所示, 为本文提出的可视化方法的技术架构图.

在数据预处理阶段首先需要将通InSAR测量的数据进行筛选处理, 提取到需要展示的信息如经纬度坐标、高程值、形变速率、累计形变量、监测时段等.

在Web三维场景构建阶段, 整体前端Web架构以Vue.js框架为基本, 引入Cesium.js构建初始场景, 并加载在线的天地图影像服务、天地图矢量底图服务以及谷歌地图影像服务作为基本的地图组件.

在数据解析并加载阶段, 构建Geoserver服务, 创建工作区, 导入已经构建好的shp文件并解析发布成在线图层服务. 通过Ajax技术实现浏览器端与服务器通信, 将数据参数以JSON格式传递, 并调用Cesium.js将数据图层渲染出来.

在可视化实现阶段, 通过拆分拼接RGB三原色数值的方式设计出形变监测图层颜色动态渐变方法. 并实现框选拾取数据等诸多交互方式, 利用Echarts绘制出高程三维散点图, 三维曲面沉降图, 并进行可视化分析.

3 形变监测可视化 3.1 数据预处理

本文使用江苏省南京市市区和南京市地铁二号线InSAR形变监测数据作为实验数据集. 该项目数据容量庞大, 约有60多万条点云数据. 且维度复杂多样, 每条点云数据包含诸多属性维度. 所以针对上述数据集需要提取可以用来可视化展示的信息. 使用相位处理来提取到高程值与形变速率等数据. 差分干涉相位表达式为:

$\begin{split} \phi _{\rm{diff}} = \phi _{\rm{flat\_error}} + \phi _{\rm{topo\_error}} + \phi _{\rm{def}} + \phi _{\rm{atm}} + \phi _{\rm{noi}} \end{split} $

(1)

${\phi _{\rm{topo\_error}}} = - \frac{{4\pi {B_ \bot }}}{{\lambda R \sin\theta }}\Delta {h_{\rm{error}}}$

(2)

$ {\phi }_{\rm{def}}=-\frac{4\pi {B}_{\perp }}{\lambda }\delta d $

(3)

$ {\phi }_{\rm{diff}}=-\frac{4\pi {B}_{\perp }}{{\lambda }{R}\sin\theta } \Delta {h}_{\rm{error}}+\frac{4\pi }{\lambda }\delta d+{\phi }_{\rm{res}} $

(4)

$ {\phi }_{\rm{res}}={\phi }_{\rm{flat\_error}}+{\phi }_{\rm{atm}}+{\phi }_{\rm{noi}} $

(5)

$ {\phi }_{\rm{diff}}={k}_{1}{B}_{\perp } \Delta {h}_{\rm{error}}+{k}_{2}vT+{\phi }_{\rm{res}} $

(6)

$ {k}_{1}=\frac{4\pi }{{\lambda }{R}\sin\theta },\;{k}_{2}=-\frac{4\pi }{\lambda } $

(7)

$ {\phi }_{\rm{diff}}^{i-ref}= \Delta {k}_{1}^{i-ref}{B}_{\perp }\delta \Delta {h}_{\rm{error}}^{i-ref}+ \Delta {k}_{2}^{i-ref}\delta \Delta {v}_{\rm{error}}^{i-ref}T+{\phi }_{\rm{pres}}^{i-ref} $

(8)

其中, ϕ_diff为差分干涉相位; ϕ_{flat_error}为平地相位; ϕ_{topo_error}为地形相位误差; ϕ_def为地表形变相位; ϕ_atm为大气延迟相位; ϕ_noi为噪声引起的相位.

通过回归分析可得到形变速率和高程改正值. 高程信息与平面坐标信息以及其他信息构成了三维空间信息, 提取需要展示的数据如表1所示.

3.2 Web三维场景构建

本文Web页面整体架构是基于Vue.js构成的, 在Vue.js作为整体骨架之上, 引入Cesium.js来创建三维场景. 三维场景的创建主要由创建容器、加载三维控件、添加地图地形服务、加载三维模型或在线数据图层服务4个部分组成. 如图2所示, 为三维场景构建流程图.

在构建三维场景过程中首先需要在Web页面中创建容器, 主要是用来存放三维场景, 通常该容器布局的长度和宽度的参数值设置为100%这样会充满整个浏览器屏幕, 也可以根据可视化需求不同创建多个容器布局样式, 从而创建多个三维场景.

在页面容器创建之后, 通过调用Cesium的Viewer函数初始化三维场景控件, Viewer中有众多有关的属性, 是一个需要进行可视化的数据源的集合. 用来丰富三维场景的可视化展示, 其相关参数如表2所示.

添加地图地形服务, Cesium提供了多种可支持的地图服务的方法, 如表3所示.

本文使用WebMapTileServiceImageryProvider来加载在线地图服务, 使用WebMapServiceImageryProvider加载数据图层. 其三维场景效果图, 如图3所示.

3.3 数据解析并加载

本文采用构建之后的shp格式数据文件, 搭建Geoserver服务, 将数据通过Geoserver进行解析并发布成在线图层服务. 其Geoserver发布数据图层流程如图4所示.

3.4 可视化实现

在通过Geoserver发布数据图层之后, 将图层链接进行解析, 得到链接关键参数键值对. 以发布成功的南京市InSAR形变监测数据图层为例, 解析之后的参数键值对如表4所示.

将解析之后的键值对封装在一个JSON数组中通过Ajax通信将JSON数组从服务器端传入前端可视化层. 然后通过调用Cesium的WebMapServiceImageryProvider拼接JSON数组中的参数. 其加载成功之后的效果图如图5所示.

图5呈现了南京市地域形变监测的效果图, 但图5展示的颜色单一, 无法明确直观表达出该地域地表形变情况. 于是本文针对这一问题进行进一步优化改进, 通过设置形变速率阈值方式, 动态生成颜色过渡效果. 根据区域图层过渡颜色, 呈现沉降形变情况.

为实现动态颜色渐变过渡效果, 首先需要根据形变速率这个参数设置一个阈值区间, 根据颜色的RGB值来进行颜色切割, 蓝色RGB值为(0, 0, 255), 绿色RGB值为(0, 255, 0), 红色RGB值为(255, 0, 0). 蓝色到绿色的渐变过程以RGB值第2个参数为分界点, 蓝色到浅蓝色的过程为从(0, 0, 255)到(0, 255, 255)即保持第1个参数与第3个参数不变, 将第2个参数从0递增为255, 而从浅蓝色的到绿色的过程为从(0, 255, 255)到(0, 255, 0)即保持第1个与第2个参数不变将第3个参数从255递减为0. 绿色到黄色, 黄色到红色以同样的方式进行参数的递增与递减. 然后根据这个的阈值区间, 将上述4段颜色渐变过程平均分成这个区间总长的份数并尽量保持每一种颜色唯一同时又要保证每一段颜色分布均匀. 将分割好的颜色值转换成16进制, 同时以一个数组进行维护. 其颜色分割的计算公式如下:

$p = \sum\limits_{k = 0}^{n/4} \left({255 - \frac{{255 \times 8 \times k}}{n}} \right) $

(9)

其中, p为计算生成的RGB三色中一种值, n为阈值区间的长度.

在生成颜色数组之后, 需要将这些颜色按照所在阈值区间范围内重新写入Geoserver发布图层的样式文件, 生成新的样式文件并覆盖旧的样式文件. 每一个数据图层的样式文件是以XML语法格式书写的, 以<StyledLayerDescriptor>标签包裹. 所以在重写样式文件之前要解析<StyledLayerDescriptor>标签下的内容. <sld:Rule>标签用来设定样式规则; <sld:Name>标签给次规则取别名; <ogc:Filter>过滤器, 用于满足与不同条件, 显示不同的样式; <ogc:And>判断符合此条件是否同时满足; <ogc:PropertylsGreaterThanOrEqualTo>用于标注此属性值大于或等于某个值; <ogc:PropertyName>表明使用哪个字段属性, 如本文中使用提取的数据中Veloctiy (形变速率)来控制整体颜色的设置; <ogc:Literal>用于填充数值, 用来对比属性值和此数值的关系, 从而填充颜色值; <sld:WellKnownName>用表示图层形状的呈现状态, 如“circle”, 用圆圈来呈现; <sld:Fill>用于填充样式的标签属性; <sld:CssParamerter name=“fill”>用于指定填充具体十六进制颜色. 通过遍历颜色数组, 根据颜色在阈值区间内都对应一个值, 将这个值写入<ogc:Literal>标签内并与<ogc:PropertyName>进行对比, 然后将对应的颜色数值写入<sld:CssParamerter name=“fill”>标签内. 其效果展示如图6所示.

从图6改进后的效果图可以清晰地看出, 不同颜色效果代表不同的地质情况, 颜色越接近蓝色表示该地下沉越严重, 越接近绿色表示该地域趋于平缓, 越接近红色表示该地域上升情况越严重. 同时可以手动设置形变速率阈值区间, 通过不同维度分析该地域形变沉降情况.

4 实验对比分析

本文提出的可视化方法宗旨在形变监测方面为地质专业人士提供方便快捷的辅助与决策. 在地表形变监测方面, 已经有一些比较成熟的专业软件与工具, 如ENVI/SARscape. ENVI是一个成熟的遥感图像处理平台, 其技术覆盖了图像数据的输入/输出图像增强、图像解释、图像分类等, 供了专业可靠的波谱分析工具和高光谱分析工具, 可以快速、便捷、准确地从遥感影像中获得所需的信息. SARscapes是架构于ENVI之上, 拥有丰富强大的雷达数据处理功能, 可以将提取的雷达信息与光学遥感数据、地理信息集成在一起, 广泛应用于地形数据提取、地表沉降监测、火灾和灾害评估等地质研究领域. SARscapes更加注重于SAR数据的处理, 同时提供可视化分析工具, 还可以通过导入第三方GIS软件如Google Earth与地理位置结合进行可视化展示与分析.

与SAPscape相比较本文的工作内容, 重点是针对城市地表形变监测可视化, 本文实现从数据解析到构建GIS服务最后叠加地图图层等一系列集成方式, 不需要借助Google Earth等第三方软件来根据地理位置分析地表沉降形变情况. 在加载形变监测图层时会自动叠加到相应的地理位置, 与地理位置结合能够更加清晰地表达该地域沉降形变情况.

与专业的GIS软件Google Earth在形变图层可视化渲染效果和可视化分析交互上进行对比分析. 在运行环境和网络环境一致的条件下, 以南京市地铁二号线形变监测数据为实验数据, 分别通过使用本文可视化方法和Google Earth 导入数据加载的方式, 进行对比, 其可视化对比效果图如图7所示.

左侧图片为通过本文可视化方法实现的效果图, 右侧图为通过Google Earth加载数据生成的效果图. 可以清晰地对比出, Google Earth在加载南京市地铁二号线形变监测shp数据文件时, 呈现的可视化展示效果比较单一, 并不能直观的展现出地域形变与沉降情况. 本文可视化方法, 在颜色呈现上比较丰富, 不同颜色过渡程度表示不同程度的形变情况, 可视化展示效果相对较好.

在可视化分析交互方面, 与SAPscape相对比. 同样以南京地铁二号线形变监测数据为实验数据, 以形变速率Velocity字段属性绘制时序分析折线图, 其对比图如图8、图9所示.

通过图8、图9对比图展示可以看出, 本文展示的形变速率变化情况比较清晰明确. SAPscape有专业的可视化分析工具与算法, 能够针对不同复杂场景进行可视化专业分析. 与SAPscape相比较, 在可视化分析上的专业化与标准化略显不及, 但本文是基于B/S架构设计的Web端地表形变监测可视化方法, 其最大的特点是简洁、快捷. 不仅能够提供相应的个性化与定制化的可视化展示, 如能够自定义阈值区间重新渲染覆盖图层呈现的颜色、捡取数据点要素信息, 并通过Echarts.js绘制形变速率变化图、三维散点图、三维曲面图等分析图表. 而且还提供便捷、简洁的数据交互功能, 方便用户操作与使用. 如图10所示.

5 总结与展望

本文提出了一种针对地质数据形变监测的可视化方法, 并通过Cesium与Geoserver相融合的方式, 设计并实现. Geoserver主要是用来数据处理并发布图层, 在Cesium可视化层渲染数据图层. 然后解析数据文件中XML标签格式, 优化数据图层可视化呈现效果. 最后与ENVI/SARscape和Google Earth等专业级软件在可视化渲染效果上与可视化分析交互上进行对比分析, 本文提出的方法拥有更加直观的可视化呈现与更丰富的交互分析方式. 本文提出的可视化方法旨在解决由于形变监测数据的复杂与不确定性带来问题, 以直观易懂的手段挖掘其背后的价值, 为相关专业工作者提供方便快捷的辅助功能以及针对地质灾害预警提供决策分析.

针对地质数据形变监测可视化分析, 相对于ENVI/SARscape等专业软件, 在专业的可视化分析与处理复杂场景的可视化算法还有很大的差距, 同时在呈现形变监测情况如果能够构建三维模型, 就能更加真实的场景反映地表形变和沉降情况. 由于一次性加载大量数据, 对浏览器造成负担, 导致数据加载缓慢. 这些都将是本文进一步优化工作重点. 地质数据维度多, 错综复杂, 如何以更加智能的可视化交互手段, 分析数据也是一个巨大的挑战.