天文大数据可视化的关键技术研究

发布时间：2021-06-21 07:33

　　天文大数据可视化,是大型天文观测设备数据从文本化向可视化转换的过程,是理解宇宙大尺度结构中的天体及其发展的重要方法。本文以LAMOST观测数据为样本,针对其百万级星点数据在宇宙空间和时间中的视觉表现渲染效果,提出了一套可视化技术的研究。通过遵循宇宙度量单位（kpc）,将每个独立的自带建模坐标系的天体转移到一个统一的世界（宇宙）坐标系中,将绘制后数据进行分割并分配到每个计算节点,呈现较高分辨率的体积和边缘表现,进行图形汇总后体现出矢量场的方向信息,根据星体的轨迹参数进行星点粒子的单独跟踪,完成基于点云对象的分级渲染。实验效果和分析说明:能保持较高的科学正确性,同时能直观且有效地体现更适合人的主观感知的视觉效果。 

【文章来源】：电子制作. 2020,(Z2)

【文章页数】：6 页

【部分图文】：

LAMOST天区观测覆盖图

现代天文大数据,是由超级计算机“算”出的结果,而非以往只是单通道“看”到的结果,按照每秒千万亿次的单位速度,经过长时间的运算时间而输出大级别体量的数据。这里提出两级缓存的数据读取解决方式。一级缓存:对天文大数据进行直接识别,承接LAMOST观测结果产生的关键信息,与此同时快速地对关联数据进行检测。服务器上的缓存管理系统异步将一级缓存的数据写入二级缓存中。二级缓存:使用分布式技术共享内存,将观测数据存入不同的物理文件位置,为大数据的实时查询提供有效的便利。使用“基于点云对象的天文数据处理方法”,利用数据索引,把三维空间中临近的天体数据统筹为一个层级,当数据在继续执行时,将已经执行过的读取数据进行释放,缓解CPU压力,能够最大限度的满足用户对于系统性能的表现和操作要求。3.2 大数据的可视化呈现

第一步是数据格式转换,使用主动编码识别,按照字段、记录和文件的要求经过转换公式,将原始格式数据按数组、记录、集合和文件类型转化为固定格式数据,筛选并锁定天文目标特征,将噪音Noise数据清除后,形成系统可自动解析的数据目标。第二步是可视化数据呈现框架的搭建,形成图像建立的基础,将数据转化成具有空间特征的一个框架结构。


本文编号：3240268