Chapter 124: Visualization Fundamentals

科学可视化要把数据变成可判断的图形结果。读完本章后，读者应能定位一份科学数据从读取、清洗、映射、几何生成、渲染到交互反馈的完整路径，并能判断一个可视化画面是否支持当前分析任务。

本章的贯穿材料是一帧城市热岛与污染扩散监控画面：底图提供地理坐标，温度网格提供标量场，风速风向提供向量场，传感器站点提供离散时间序列，告警阈值提供任务目标。用户希望在这帧画面中回答三个问题：高温区域在哪里，污染是否沿风场扩散，哪些传感器读数触发告警。

这类画面看起来属于图形渲染，实际工程主线先从数据任务开始。数据字段、单位、坐标系、采样时间、缺失值和阈值会决定 shader 输入、buffer 布局、legend 文案、LOD 策略和交互延迟预算。图形质量在这里服务分析质量：颜色、线条、体积、箭头、点选和缩放都要把数据关系稳定暴露出来。

本章把科学可视化拆成五个层次：任务目标、数据驱动流程、数据到管线的衔接、交互实时性、评价标准。它们共同回答一个主问题：如何把一份带领域含义的数据集组织成可靠、可交互、可评估的渲染管线。

124.1 科学可视化的目标与典型场景

科学可视化的目标是让数据中的空间结构、时间变化、数量关系和异常区域可观察、可比较、可追踪。这里的“科学”并不限于实验室数据，它覆盖医学、地理、工程仿真、流体、金融和监控系统中带有度量单位、采样过程和业务任务的数据。可视化输出可以是一张图、一帧 3D 画面、一段交互式动画，也可以是一组随用户筛选实时更新的视图。

把城市热岛画面作为例子，原始数据包含温度、风、污染物、站点位置和时间戳。画面目标是让调度人员定位高风险区域、比较区域之间的温差、追踪污染扩散方向、判断告警是否可信；字段展示数量服务这些判断。数据字段进入图形管线前已经带有任务语义：温度用于 color mapping，风场用于 glyph 或 streamline，站点用于 point sprite 或 instanced marker，时间戳用于动画或时间滑条。

医学场景常见输入是 CT、MRI、超声或病理切片。核心任务是定位病灶、比较组织边界、复查体积变化和辅助手术规划。渲染管线常把体素数据映射为切片、等值面或 volume rendering，并通过 transfer function 控制不同密度范围的颜色和透明度。这里的视觉误差会影响诊断判断，因此坐标、采样、插值和颜色阈值需要带上医学语境中的单位和边界。

地理场景常见输入是遥感栅格、DEM 高程、道路网络、行政边界、气象网格和移动轨迹。核心任务是观察空间分布、区域对比、路径关联和灾害影响范围。渲染管线需要处理投影坐标、瓦片层级、海拔单位、地物分类和地图底图对齐。城市热岛画面中的底图和温度格网就属于这类问题：同一片区域同时存在经纬度坐标、屏幕坐标、网格索引和 GPU clip space。

工程仿真场景常见输入是有限元网格、应力场、位移场、温度场、流固耦合结果和多步时间数据。核心任务是找到结构薄弱区域、观察载荷传播、比较不同设计方案并验证仿真收敛性。渲染管线会把单元、节点、标量场和向量场组织成 mesh buffer，再用颜色、变形放大、等值线和切面展示内部状态。

流体场景常见输入是速度场、压力场、涡量、密度、粒子轨迹和边界条件。核心任务是追踪流向、涡结构、分离区、回流区和能量耗散位置。图形表达通常使用箭头、流线、粒子、LIC、切片、体渲染和时间动画。后续 Chapter 会进一步展开 flow 和 streamline，本章只建立基础判断：流体可视化的输入带有方向、大小、时间和空间采样间隔，这些字段会直接改变 glyph 朝向、积分步长、采样密度和 shader 编码方式。

金融与监控场景也属于可视化工程，只是空间维度经常由时间、账户、资产、设备或拓扑关系替代。金融数据常回答趋势、相关性、异常波动和风险聚集问题；监控数据常回答状态分布、告警传播、容量瓶颈和故障根因问题。它们更依赖二维图表、时间轴、拓扑图和 dashboard，但管线仍然遵循同一条路径：字段定义任务，映射生成视觉编码，交互缩小问题范围，评价指标检查用户是否能完成判断。

这些场景可以归纳为同一张任务到视觉编码的映射表。

场景	常见数据对象	主要分析任务	常见视觉编码	管线关注点
医学	体素、切片、分割 mask	定位、分割、体积比较	切片、等值面、transfer function	采样精度、透明度累计、单位一致
地理	栅格、矢量、瓦片、轨迹	区域对比、路径追踪、灾害范围	底图叠加、热力图、等值线、轨迹	投影、坐标转换、LOD、瓦片缓存
工程仿真	节点、单元、标量场、向量场	应力集中、变形趋势、方案对比	mesh coloring、warping、切面	网格拓扑、单位、时间步、buffer 布局
流体	速度场、压力场、粒子、边界	流向、涡结构、扩散路径	glyph、streamline、粒子、体渲染	积分步长、采样密度、时间插值
金融	时间序列、资产、交易、风险因子	趋势、相关性、异常波动	折线、K 线、散点、矩阵	时间对齐、聚合窗口、异常阈值
监控	指标、日志、拓扑、告警	状态定位、容量判断、故障传播	dashboard、拓扑、热力格、告警标记	实时刷新、降采样、延迟、筛选反馈

这张表的作用是建立入口判断：先确认任务，再确认数据对象，再选择视觉编码，最后落到管线约束。把顺序反过来会让图形效果抢占判断目标，例如先决定用 3D 粒子，再回头寻找数据含义，常会得到漂亮但难以复查的画面。

124.2 数据驱动渲染模型与流程

数据驱动渲染模型把渲染管线前移到数据入口。传统渲染常从 mesh、material、light 和 camera 组织一帧；科学可视化从 dataset、field、unit、mapping 和 analysis task 组织一帧。两者最终都进入 GPU，但科学可视化需要在 draw call 之前回答数据是否合法、字段如何解释、映射是否保真、交互是否能把分析问题缩小。

城市热岛画面的流程可以拆成六段：data ingest、cleaning、mapping、geometry generation、render pass、interaction feedback。每一段都有明确输入和输出。输入输出稳定后，渲染实现才具备可复查性。

这张图表示一帧科学可视化的主循环。交互反馈回到 mapping 和 geometry generation，因为用户调整阈值、选择区域或改变时间步时，通常会改变颜色映射、筛选集合、采样密度或生成几何，而不一定重新读取全部数据。

Data ingest 负责把外部数据读入统一内存表示。医学可能读取 DICOM，地理可能读取 GeoTIFF、Shapefile、GeoJSON 或瓦片，工程仿真可能读取 VTK、Exodus、CGNS、CSV 或专有二进制。读取阶段需要记录数据来源、字段名、数据类型、维度、时间范围、坐标参考和单位。城市热岛画面中，温度格网读入后应保留摄氏度单位、采样分辨率、缺失值编码和网格到经纬度的变换关系。

Cleaning 负责把数据修正到可解释状态。它处理缺失值、异常值、重复记录、时间对齐、单位转换和空间重采样。清洗结果需要保留数据质量标记，因为画面中的空洞、插值区域和低置信度读数应被明确编码。对监控站点而言，某个传感器离线时，画面应显示状态缺失，而非把缺失值当成 0 摄氏度或 0 微克每立方米。

Mapping 负责把数据字段转换成视觉变量。标量可以映射到颜色、透明度、高度、点大小或等值线；向量可以映射到箭头方向、流线方向、粒子速度或纹理扰动；分类字段可以映射到离散颜色、符号形状或图层开关；置信度可以映射到边框、透明度或 hatch pattern。这里的关键是保留任务含义：温度阈值用于告警判断时，颜色表应让阈值附近的差异可读，legend 应标出阈值位置。

Geometry generation 负责把数据转成 GPU 可以绘制的几何或采样资源。点数据可以生成 instanced quads，线数据可以生成 polyline 或 tube mesh，网格数据可以生成 surface mesh、contour line 或 texture，体数据可以生成 3D texture 与 proxy box。城市热岛画面中，温度格网可以上传为 2D texture，风场可以生成箭头实例 buffer，传感器站点可以生成 point sprite，污染扩散可以用半透明 overlay 表示。

Render pass 负责组织实际绘制顺序和状态。底图 pass 先绘制瓦片或地理 mesh；温度 overlay pass 采样标量 texture 并应用 color ramp；风场 pass 绘制 glyph 或 streamline；站点 pass 绘制可点选 marker；UI pass 绘制 legend、时间轴、阈值线和 tooltip。每个 pass 都要声明依赖的 buffer、texture、uniform 和 blending 状态。半透明污染层与风场箭头叠加时，深度测试、混合顺序和颜色空间会直接影响可读性。

Interaction feedback 负责把用户动作转成数据和渲染管线的更新。缩放改变瓦片 LOD 与采样密度；选择区域改变查询范围；刷选时间范围改变时间窗口；调整阈值改变颜色映射和告警集合；拖动探针改变局部采样位置。反馈链应区分轻量更新和重计算：改变 color ramp 通常只更新 uniform 或 1D texture；改变空间筛选可能重建实例 buffer；改变仿真时间步可能触发数据流式加载。

下面的伪代码展示数据驱动渲染循环的最小结构。它省略具体 API 细节，只表达对象之间的依赖关系。

struct FieldMeta {
    std::string name;
    std::string unit;
    int componentCount;
    double missingValue;
};

struct VisualizationFrame {
    Dataset dataset;
    CleanedFields fields;
    MappingState mapping;
    GpuResources resources;
    InteractionState interaction;
};

void updateVisualization(VisualizationFrame& frame) {
    frame.fields = cleanAndAlign(frame.dataset, frame.interaction.timeRange);
    frame.mapping = buildMapping(frame.fields, frame.interaction.thresholds);
    frame.resources = buildGpuResources(frame.fields, frame.mapping, frame.interaction.lod);
    renderPasses(frame.resources, frame.mapping, frame.interaction.camera);
}

这段代码的重点是依赖方向。dataset 提供事实，fields 表示清洗后的字段，mapping 表示视觉编码，resources 表示 GPU 资源，interaction 控制时间范围、阈值、LOD 和 camera。真实工程会用缓存和增量更新压缩开销，但判断顺序保持一致：先确认数据状态，再确认映射，再确认 GPU 资源，再确认 pass 输出。

成熟工具也遵循类似思想。VTK 文档把数据处理、映射和渲染对象组织成可组合组件；ParaView 用户文档中的 source、filter、view 和 interaction 也体现了数据集经过一系列变换再进入显示视图的管线结构。这些工具的价值不在于替代工程判断，而在于给出可观察的 pipeline、filter、array、selection 和 view 状态。

124.3 从数据集到渲染管线的衔接

从数据集到渲染管线的衔接是科学可视化最容易出错的层。数据集关心字段、单位、采样和语义，GPU 管线关心 buffer、texture、shader、pass 和状态绑定。两者之间需要一层明确的转换协议，把数据含义写进资源布局和 shader 编码，而不把领域语义散落在各个绘制函数里。

第一类衔接是数据格式。格式决定读取方式，也决定数据能否保留拓扑、时间和元数据。CSV 适合简单表格和传感器记录，但表达网格拓扑和多分量场会变得松散；GeoTIFF 适合地理栅格并携带地理变换；NetCDF、HDF5、CGNS、Exodus 和 VTK 系列格式更适合多维科学数据、仿真结果和网格字段。格式选择应服务字段关系：如果后续需要绘制单元上的应力场，读取阶段就要保留 cell、point、connectivity 和 field array 的关系。

第二类衔接是坐标系。科学数据经常同时存在数据坐标、世界坐标、地理坐标、模型坐标、view space 和 clip space。城市热岛画面中，站点位置来自经纬度，温度格网来自投影坐标，屏幕拾取来自像素坐标，GPU 顶点着色器输出 clip space。每次转换都应记录输入空间、输出空间和单位，否则点选一个站点后很难解释它对应哪一个网格 cell。

坐标衔接可以使用一组显式变换表达。

struct CoordinateTransformSet {
    Mat3 gridToProjected;
    Mat3 projectedToLonLat;
    Mat4 projectedToWorld;
    Mat4 worldToClip;
};

vec2 gridToScreen(vec2 gridIndex, CoordinateTransformSet t, Mat4 viewProjection) {
    vec3 projected = t.gridToProjected * vec3(gridIndex, 1.0);
    vec4 world = t.projectedToWorld * vec4(projected.xy, 0.0, 1.0);
    vec4 clip = viewProjection * world;
    vec3 ndc = clip.xyz / clip.w;
    return ndc.xy;
}

这个简化代码说明一个原则：坐标转换应集中管理，并且每个矩阵的语义要清楚。实际工程中，地理投影通常由专门库处理，GPU 侧常接收已经转换到局部世界坐标的数据。这样做可以减小浮点精度压力，也让 shader 专注于渲染阶段的变换。

第三类衔接是单位。温度、压力、风速、流量、距离、货币、百分比和告警级别都带有单位或量纲。单位转换应在 mapping 之前完成，并记录转换来源。用米每秒的风速驱动箭头长度时，箭头长度还需要一个屏幕尺度因子；这个因子属于视觉映射参数，需要和物理单位分开管理。读者看到更长的箭头，应知道它表示更大的风速，排除 camera 距离或实例 scale 错误带来的比例变化。

第四类衔接是 LOD。科学可视化的 LOD 既关心性能，也关心分析保真。地图瓦片可以按缩放级别加载；点云可以按屏幕密度聚合；体数据可以按分辨率逐步加载；流线可以按 seed 密度递增；时间序列可以按时间窗口聚合。LOD 策略要给出误差边界：降采样后的温度热力图适合观察大范围趋势，但局部极值需要回到原始分辨率或局部采样结果。

第五类衔接是 GPU buffer。结构化网格、非结构化网格、点云、流线和实例标记进入 GPU 时有不同布局。结构化网格常用 texture 或规则顶点网格表达；非结构化网格需要 index buffer 和 field buffer；点云适合结构化或紧凑结构体数组；流线可以生成 polyline vertex buffer。资源布局应紧贴访问模式：shader 连续采样标量场时，texture 往往比随机 buffer 访问更直接；实例化绘制大量站点时，instance buffer 可以减少 draw call 数量。

第六类衔接是 shader encoding。Shader 看到的是数值、向量、采样器和 uniform；领域含义需要通过命名、范围和注释进入编码。标量归一化通常写成 (value - minValue) / (maxValue - minValue)，但科学可视化中 minValue 和 maxValue 的来源会改变结论。它们可以来自全局范围、当前视口范围、当前时间窗口或领域阈值。用局部范围会提升局部对比度，用全局范围会保证时间比较稳定。选择哪一种，应由分析任务决定。

float normalizeTemperature(float celsius, float minCelsius, float maxCelsius) {
    float t = (celsius - minCelsius) / (maxCelsius - minCelsius);
    return clamp(t, 0.0, 1.0);
}

vec4 encodeTemperature(float celsius, sampler2D colorRamp, vec2 range) {
    float t = normalizeTemperature(celsius, range.x, range.y);
    return texture(colorRamp, vec2(t, 0.5));
}

这段 shader 片段的判断点在 range。当 range 固定为城市全年温度范围时，不同日期的画面可比较；当 range 来自当前视口时，局部差异更明显。科学可视化需要把这种选择暴露到 legend 和 UI 中，否则用户会把颜色变化误读为数据变化。

第七类衔接是 legend。Legend 是数据语义进入画面的契约。它要说明颜色对应的字段、单位、范围、阈值、缺失值编码和数据质量标记。风场箭头需要说明长度或颜色代表速度，方向代表风向，采样间隔代表显示密度。传感器 marker 需要说明颜色、形状或边框的含义。Legend 缺失时，画面会变成无法复查的视觉效果。

把这些衔接关系放到一条检查顺序中，工程实现会更稳定。先检查格式是否保留字段关系；再检查坐标和单位是否一致；再检查 LOD 是否声明误差边界；再检查 buffer 和 texture 布局是否匹配访问模式；再检查 shader 编码是否保留任务范围；最后检查 legend 是否把映射规则暴露给用户。这个顺序可以迁移到医学、地理、工程仿真和监控系统。

124.4 交互性与实时可视化需求

交互性让科学可视化从静态展示变成分析工具。用户通过 filter、zoom、selection、brushing、progressive refinement 和时间控制逐步缩小问题范围。实时性在这里表示用户操作到有效视觉反馈之间的延迟受控，并且反馈结果能维持分析含义。

Filter 负责缩小数据集合。城市热岛画面中，用户可以过滤温度高于阈值的网格、只显示某类传感器、只看某个行政区或只显示污染物超过标准的区域。Filter 的实现位置取决于数据规模和交互频率：小数据可以在 CPU 侧筛选后重建实例 buffer；大数据可以使用 GPU compute、纹理 mask 或分层索引；远程数据可以先请求服务端返回聚合结果。

Zoom 改变可见范围和屏幕密度。地理可视化中，zoom 会触发瓦片 LOD、网格采样密度、标注层级和线宽策略变化。工程仿真中，zoom 可能要求局部网格细节和 probe 采样。良好的 zoom 策略会让用户在全局趋势和局部细节之间切换，并保持单位、颜色范围和 legend 一致。

Selection 负责把屏幕上的图形对象反查到数据对象。点选传感器 marker 时，系统应返回站点 ID、字段值、时间戳、质量标记和来源；框选高温区域时，系统应返回覆盖的网格 cell、平均值、最大值和告警数量。实现上可以使用 CPU 空间索引、GPU picking buffer、ray casting 或 ID render pass。选择结果的可信度取决于前一节的坐标衔接：如果 grid、world 和 screen 的转换混乱，selection 就会把用户带到错误数据。

Brushing 负责在多个视图之间同步选择。用户在时间序列图上刷选 14:00 到 16:00，地图上的温度层、风场箭头和传感器读数应进入相同时间窗口；用户在地图上圈出工业区，右侧图表应只显示该区域站点。Brushing 的核心是共享 selection state，让每个视图读取同一套筛选条件。共享状态可以包含空间范围、时间范围、字段范围、对象 ID 集合和阈值。

Progressive refinement 负责在有限延迟内先给出可用结果，再逐步提高精度。大规模体数据、点云、流线和远程瓦片都适合这种方式。第一帧可以显示低分辨率 heatmap、粗略箭头和聚合 marker；随后加载更高分辨率格网、更多 stream seeds 和原始传感器数据。渐进式更新需要明确视觉状态，例如显示加载进度、数据分辨率或采样级别，让用户知道当前画面对应哪一级数据。

Latency budget 是交互工程的硬约束。不同操作需要不同反馈目标：鼠标 hover 和拖动通常需要几十毫秒级响应；缩放和平移需要稳定帧率；时间范围切换可以接受短暂重算；远程大数据查询可以用分阶段反馈。预算要拆到 CPU 数据处理、GPU 上传、shader 执行、网络请求和 UI 合成上。只给出总帧率很难定位瓶颈。

交互动作	常见管线更新	主要资源变化	可接受反馈形态	主要风险
Filter	重新计算可见集合	instance buffer、mask texture	立即更新计数与粗略画面，再补细节	筛选条件与 legend 脱节
Zoom	更新 LOD 与 camera	瓦片、采样层级、uniform	平滑平移缩放，细节逐步补齐	LOD 切换导致趋势误读
Selection	屏幕对象反查数据	picking buffer、空间索引	tooltip 与高亮同步出现	坐标转换误差
Brushing	同步多视图状态	selection state、query result	各视图使用同一时间或空间范围	视图状态互相漂移
Progressive refinement	分阶段加载和绘制	低高分辨率资源	先显示低精度，后替换为高精度	用户混淆当前精度

交互设计还要处理失败情况。数据正在加载时，画面应显示当前可用层级；筛选结果为空时，UI 应说明是条件过窄还是数据缺失；远程查询超时时，系统应保留上一帧并标记数据时间；GPU 资源重建失败时，画面应回退到低成本表达，例如点、线或低分辨率纹理。失败反馈也属于可视化的一部分，因为它影响用户是否信任当前画面。

一个可复用的交互检查顺序是：先定义用户动作对应的数据查询；再定义它改变哪些 mapping、geometry 或 resource；再把更新拆成立即反馈和精细反馈；再分配 CPU、GPU、网络和 UI 的延迟预算；最后验证 selection、legend 和多视图状态是否同步。这个顺序能防止交互功能变成孤立按钮。

124.5 可视化评价标准与可读性指标

科学可视化的评价标准应回到分析任务。画面是否漂亮只能作为局部感受，正式评价要检查准确性、可读性、响应速度、误导风险和任务完成时间。它们分别回答五个问题：数据是否被正确表达，用户是否能读懂，交互是否足够快，画面是否引导错误结论，用户完成任务要付出多少操作和时间。

准确性评价检查数据到画面的映射是否保真。温度颜色要对应正确范围，风向箭头要对应正确方向，传感器 marker 要对应正确站点，插值区域要有质量标记，缺失数据要被单独表达。准确性可以通过数值抽样、probe 工具、已知样本、单元测试和人工复核完成。对城市热岛画面而言，可以随机选取几个网格 cell，把原始温度值、清洗后温度值、shader 输入值和 tooltip 显示值逐一对齐。

可读性评价检查用户能否理解视觉编码。颜色表是否能区分阈值附近差异，legend 是否说明单位和范围，文字是否遮挡数据，箭头密度是否造成拥挤，透明层是否遮盖底图，多个视图是否使用一致语义。近年的 PREVis 研究把可视化可读性拆为 understandability、layout clarity、readability of data values 和 readability of data patterns 等维度，可作为主观评价问卷设计的参考材料：PREVis: Perceived Readability Evaluation for Visualizations。工程落地时，可以把这些维度转换成更具体的问题：用户是否能说出颜色范围、是否能找到极值区域、是否能读出某个站点数值、是否能描述整体趋势。

响应速度评价检查交互链是否满足任务节奏。用户拖动时间滑条时，画面延迟太高会破坏时间变化感；用户框选区域时，统计结果延迟太高会破坏探索节奏；用户缩放地图时，瓦片和 overlay 更新过慢会让空间关系断裂。响应速度要分层测量：输入事件到 UI 状态更新、数据查询、CPU 处理、GPU 上传、draw call 执行、屏幕呈现。工具可以使用浏览器 performance panel、RenderDoc、Nsight、Xcode GPU tools 或应用内计时器，但工具输出只回答某一层问题，最终结论仍需回到用户动作。

误导风险评价检查画面是否可能让用户得出错误结论。常见风险包括局部归一化造成时间对比失真、非线性颜色表夸大中间差异、插值填补造成虚假连续区域、箭头过密造成方向偏见、透明层叠加造成颜色混合误读、地图投影造成面积比较失真。误导风险的处理方法是把映射规则显式暴露出来，并为高风险编码提供校验入口，例如显示原始值 tooltip、提供固定范围模式、标注插值区域和缺失区域。

任务完成时间评价检查用户完成指定分析任务所需步骤和耗时。一个任务可以写成“在 30 秒内找到 14:00 后污染物超过阈值且位于下风向的三个站点”。评价时记录用户是否完成、完成用时、点击次数、回退次数、错误选择次数和主观信心。任务完成时间比单纯帧率更贴近可视化价值，因为它同时受到数据映射、交互设计、legend、响应速度和布局影响。

这些指标可以组织成一张工程验收表。

指标	评价对象	证据来源	通过判断
准确性	数据值、坐标、单位、映射	抽样对比、probe、单元测试	屏幕值能追溯到数据源和映射规则
可读性	颜色、符号、legend、布局	用户任务、问卷、走查	用户能读出字段、范围、趋势和异常
响应速度	输入到反馈的延迟	计时器、GPU capture、性能面板	操作反馈满足当前任务节奏
误导风险	归一化、插值、透明、投影	对照图、边界样本、专家复核	高风险编码被说明并可复查
任务完成时间	用户完成分析任务的效率	任务记录、点击路径、完成率	用户能在限定步骤和时间内得出正确判断

把评价标准应用回贯穿材料，可以得到一个完整验收路径。先选取原始温度、风场和站点样本，验证画面值可追溯；再让用户解释 legend、读出高温区域和下风向传播趋势；再测量拖动时间滑条、框选区域和点选站点的反馈延迟；再检查固定色标和局部色标是否让用户得出相同趋势判断；最后用任务完成时间验证整个界面是否支持分析目标。

本章建立的核心理解是：科学可视化把数据任务、字段语义、资源布局、shader 编码、交互反馈和评价指标连接成一条可复查管线。可复用判断顺序是先定任务，再定数据对象，再定映射，再定管线资源，再定交互预算，最后用准确性、可读性、响应速度、误导风险和任务完成时间验收。

最小自检任务

给定一份空气质量监控数据：每条记录包含站点经纬度、时间戳、PM2.5 数值、温度、风速风向和数据质量标记。你要设计一帧交互式地图，用颜色显示 PM2.5，用箭头显示风场，用 marker 显示站点状态，并支持时间滑条、区域框选和站点点选。请说明从数据到渲染的最小管线、需要暴露给用户的 legend 信息、交互更新路径，以及评价这帧画面的指标。

答案要点

最小管线应从 data ingest 开始，读取站点表、风场和时间戳，并记录字段单位、坐标系和缺失值编码。Cleaning 阶段对齐时间窗口、转换单位、保留质量标记，并把无效读数从正常数值中分离。Mapping 阶段把 PM2.5 映射到颜色，把风速风向映射到箭头长度与方向，把站点质量映射到 marker 边框或透明度。Geometry generation 阶段生成站点 instance buffer、风场箭头 buffer 或纹理采样资源。Render pass 阶段按底图、污染 overlay、风场箭头、站点 marker、UI legend 的顺序绘制。

Legend 至少说明 PM2.5 的单位、颜色范围、阈值线、缺失值编码、质量标记含义、风向箭头方向和风速尺度。交互更新中，时间滑条改变时间窗口并刷新字段与 buffer；区域框选改变 selection state 并更新统计结果；站点点选通过 picking 或空间索引返回站点 ID、数值、时间戳和质量标记。评价指标应覆盖准确性、可读性、响应速度、误导风险和任务完成时间：抽样验证屏幕值与源数据一致，让用户读出高污染区域和下风向传播，测量滑条与框选延迟，检查颜色范围和插值是否造成误读，并记录用户完成指定分析任务的用时和错误选择次数。

本章知识点总结

• 任务优先：科学可视化先确定分析任务，再选择数据对象、视觉编码和渲染资源。
• 场景映射：医学、地理、工程仿真、流体、金融和监控都可以映射到字段、任务、视觉编码和管线约束。
• 数据入口：Data ingest 需要记录字段名、类型、时间、坐标、单位和数据来源。
• 清洗边界：Cleaning 负责缺失值、异常值、时间对齐、单位转换和质量标记。
• 视觉映射：Mapping 把标量、向量、分类和置信度转换成颜色、透明度、形状、方向和大小。
• 几何生成：Geometry generation 把数据转为 mesh、texture、instance buffer、point sprite 或 volume resource。
• Pass 组织：Render pass 应声明资源依赖、绘制顺序、混合状态和 UI overlay 的含义。
• 坐标契约：数据坐标、地理坐标、世界坐标和屏幕坐标需要集中转换并保留单位语义。
• 单位分离：物理单位和视觉尺度因子应分开管理，防止画面比例改变数据含义。
• LOD 保真：LOD 策略既要控制性能，也要说明降采样后的误差边界。
• Shader 范围：Shader 中的归一化范围会改变跨时间、跨区域和局部对比的结论。
• Legend 契约：Legend 要暴露字段、单位、范围、阈值、缺失值和质量标记。
• 交互反馈：Filter、zoom、selection、brushing 和 progressive refinement 都要回到数据查询和资源更新。
• 延迟预算：Latency budget 应拆分到 CPU、GPU、网络和 UI 层，服务具体交互动作。
• 评价闭环：准确性、可读性、响应速度、误导风险和任务完成时间共同验收可视化质量。