1. 项目缘起:当离散点遇上三维地球
几年前,我接手了一个气象数据可视化的项目,客户手里有一堆气象站的经纬度和降雨量数据,他们想看到的不是枯燥的表格,而是一张能覆盖整个区域、色彩斑斓的“降雨量地图”,并且要能放在三维地球上旋转、缩放,直观感受雨量的空间分布。这听起来就像是要把一堆散落的珍珠(离散点)串成一件华丽的衣裳(连续面),再披在地球模型上。
我当时的第一反应也是:这得用专业的地理信息系统(GIS)软件处理完,再导入吧?但客户要求是Web端、实时、可交互。一番摸索后,我发现了 Cesium 和 Turf.js 这个黄金组合。Cesium负责在浏览器里打造一个逼真的三维数字地球,而Turf.js则是一个轻量却强大的地理空间分析库,能在浏览器里直接进行复杂的空间运算,比如我们需要的空间插值和等值面生成。
简单来说,我们的目标就是:给你一堆像 {lon: 120.5, lat: 36.2, value: 50} 这样的点,通过Turf.js的魔法,计算出整个区域每个“虚拟位置”的降雨量,然后按照雨量大小分成不同等级,用不同颜色填充成一片片连续的色块(等值面),最后把这些色块精准地“贴”到Cesium的三维地球上。整个过程完全在浏览器中完成,数据一变,图面实时更新,非常酷炫。
下面,我就把自己踩过坑、优化过的完整实战流程分享给你。即使你之前没怎么接触过WebGIS,跟着步骤走,也能一步步实现这个效果。我们会从一个模拟的真实气象数据集开始,手把手走到最终的三维动态渲染。
2. 环境搭建与数据准备
万事开头难,但把环境搭好、数据理清,后面就顺了。这里我们不搞复杂的工程化配置,就用最直接的方式让你快速跑起来。
2.1 引入核心库:Cesium与Turf.js
首先,你需要一个HTML页面作为舞台。Cesium的引入方式很多,这里我们用最简单直接的CDN方式。Turf.js同样如此。
<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<title>降雨量等值面三维可视化</title>
<!-- 引入Cesium的CSS和JS -->
<link href="https://cesium.com/downloads/cesiumjs/releases/1.107/Build/Cesium/Widgets/widgets.css" rel="stylesheet">
<script src="https://cesium.com/downloads/cesiumjs/releases/1.107/Build/Cesium/Cesium.js"></script>
<!-- 引入Turf.js -->
<script src="https://unpkg.com/@turf/turf@6/turf.min.js"></script>
<style>
html, body, #cesiumContainer {
width: 100%;
height: 100%;
margin: 0;
padding: 0;
overflow: hidden;
}
</style>
</head>
<body>
<div id="cesiumContainer"></div>
<script>
// 我们的主要代码将写在这里
</script>
</body>
</html>
注意:你需要去Cesium官网注册一个账号,获取一个免费的accessToken,用于加载Cesium Ion提供的基础底图。把下面代码中的‘你的Cesium Ion Access Token’替换成你自己的。
Cesium.Ion.defaultAccessToken = ‘你的Cesium Ion Access Token’;
2.2 理解我们的数据:离散点与区域边界
数据是核心。我们有两类关键数据:
- 离散点数据 (rainData): 就是各个气象站的位置和观测值。格式上,我们用一个数组来存,每个点是一个对象。这里我模拟了一组华东地区某市的降雨数据,更贴近真实项目场景。你完全可以用自己的数据替换。
var rainData = [
{ name: '城阳国家站', lon: 120.396, lat: 36.307, value: 35.2 },
{ name: '崂山巨峰站', lon: 120.623, lat: 36.208, value: 89.7 },
{ name: '黄岛薛家岛站', lon: 120.187, lat: 35.938, value: 12.4 },
{ name: '即墨龙山站', lon: 120.465, lat: 36.389, value: 41.5 },
{ name: '胶州营海站', lon: 120.012, lat: 36.248, value: 18.9 },
{ name: '平度大泽山站', lon: 119.872, lat: 36.983, value: 5.6 },
{ name: '莱西姜山站', lon: 120.521, lat: 36.861, value: 27.3 },
{ name: '市南浮山站', lon: 120.412, lat: 36.065, value: 55.8 },
{ name: '李沧世园站', lon: 120.487, lat: 36.175, value: 48.1 },
{ name: '市北台东站', lon: 120.355, lat: 36.088, value: 60.3 }
];
- 区域边界数据 (boundaries): 用来限定等值面显示的范围。比如我们只关心某个城市的行政区划内的降雨情况,超出部分不显示。这个数据必须是 GeoJSON 格式。你可以从很多开源地理数据网站获取,或者用
geojson.io这个在线工具自己画一个。这里我提供一个简化的示例结构:
var boundaries = {
"type": "FeatureCollection",
"features": [{
"type": "Feature",
"properties": { "name": "DemoCity" },
"geometry": {
"type": "Polygon",
"coordinates": [[
[119.5, 35.8], [121.0, 35.8], [121.0, 37.0], [119.5, 37.0], [119.5, 35.8]
]]
}
}]
};
在实际项目中,这个boundaries通常会是一个比较复杂的、由多个多边形组成的FeatureCollection,精确对应行政区划。
3. 核心魔法:Turf.js数据处理全流程
数据准备好了,舞台也搭好了,接下来就是重头戏:请出Turf.js这位“空间数据分析师”,把散点变成连续的面。
3.1 第一步:数据格式化与插值准备
Turf.js操作的核心数据格式是GeoJSON。所以第一步,要把我们的rainData数组转换成Turf能识别的FeatureCollection。
function preparePointFeatures(rainData) {
// 将业务数据数组转换为GeoJSON Point Feature数组
var rainFeatures = rainData.map(function(station) {
return {
"type": "Feature",
"properties": {
"name": station.name,
"value": parseFloat(station.value) // 确保值是数字
},
"geometry": {
"type": "Point",
"coordinates": [station.lon, station.lat] // GeoJSON是 [经度, 纬度]
}
};
});
// 包装成FeatureCollection
var pointCollection = turf.featureCollection(rainFeatures);
console.log('离散点数据集合:', pointCollection);
return pointCollection;
}
这里有个细节:coordinates的顺序是[经度, 纬度],别写反了。properties里我们保留了站名和雨量值,后续插值会用到value属性。
3.2 第二步:反距离权重插值
这是最关键的一步。我们只有十几个点,但需要知道区域内任意位置的降雨量。反距离权重插值 是一种常用方法,简单理解就是:一个未知点的值,受周围已知点的影响,距离越近的已知点,其权重越大,影响也越大。
Turf.js的turf.interpolate函数封装了这个算法。
function performInterpolation(pointCollection) {
// 定义插值选项
var interpolateOptions = {
gridType: 'points', // 输出为点网格。还有‘square’(方形网格)等选项
property: 'value', // 对哪个属性进行插值
units: 'kilometers', // 计算距离的单位,影响精度和性能
weight: 2 // IDW的权重参数,通常用2(距离的平方反比)
};
// 执行插值
// 第二个参数 0.1 是网格分辨率(单位与上面units一致)。0.1公里一个点。
// 这个值越小,生成的网格点越密,结果越精细,但计算量也越大。
var grid = turf.interpolate(pointCollection, 0.5, interpolateOptions);
console.log('插值生成的网格点:', grid);
// 可选:简化一下数值,方便查看
grid.features.forEach(function(feature) {
if(feature.properties.value) {
feature.properties.value = Number(feature.properties.value.toFixed(2));
}
});
return grid;
}
参数调优心得:
gridType: 'points': 生成的是密密麻麻的虚拟观测点。如果想生成规整的矩形色块,可以用‘square’,但‘points’在后续生成等值面时更灵活。units和分辨率: 我试过用‘degrees’(度)和‘kilometers’(公里)。对于小范围区域(比如一个城市),用公里更直观。分辨率0.5意味着每隔500米生成一个插值点。如果区域很大(比如全省),可以设为2或5来提升性能。weight: 这是IDW的幂参数。weight=1是简单反比,weight=2是平方反比,后者意味着距离的影响更急剧,插值结果在站点附近变化更陡峭。通常用2。
3.3 第三步:生成等值面并赋色
插值后,我们得到了一片覆盖区域的、带有“虚拟降雨量”的网格点。接下来,我们需要根据雨量大小划分等级,并为每个等级的区域填充颜色,这就是等值面。
首先,确定分级断点。这需要根据数据的实际分布来定。比如降雨量,我们可以采用气象上常用的等级。
function calculateBreaks(rainData) {
var values = rainData.map(d => d.value);
var maxValue = Math.max(...values);
var minValue = Math.min(...values);
// 根据最大值动态设定分级,这里是一个示例
var breaks;
if (maxValue < 10) {
breaks = [0, 2, 4, 6, 8, 10];
} else if (maxValue < 50) {
breaks = [0, 5, 10, 20, 30, 50];
} else {
// 常用降雨分级:小雨、中雨、大雨、暴雨、大暴雨、特大暴雨的近似阈值
breaks = [0, 10, 25, 50, 100, 250, maxValue];
}
// 确保最大值包含在最后一个区间内
if (breaks[breaks.length - 1] < maxValue) {
breaks.push(maxValue);
}
console.log('使用的分级断点:', breaks);
return breaks;
}
然后,使用turf.isobands生成等值面。这个函数会根据你提供的断点,将连续的网格点数据“切”成一层一层的多边形区域。
function generateIsobands(grid, breaks) {
var isobandsOptions = {
zProperty: 'value', // 基于哪个属性值来生成等值面
commonProperties: {
'fill-opacity': 0.7 // 全局填充透明度
},
breaksProperties: [
// 为每个区间配置样式,颜色从浅绿到深紫,表示雨量从小到
{ fill: '#E8F6F3' }, // <10mm
{ fill: '#ABEBC6' }, // 10-25mm
{ fill: '#27AE60' }, // 25-50mm
{ fill: '#1F618D' }, // 50-100mm
{ fill: '#7D3C98' }, // 100-250mm
{ fill: '#6C3483' } // >250mm
]
};
var isobands = turf.isobands(grid, breaks, isobandsOptions);
console.log('生成的等值面集合:', isobands);
return isobands;
}
breaksProperties数组的长度应该比breaks数组的长度少1。因为N个断点会产生N-1个区间。这里的颜色配置非常重要,直接影响可视化效果。建议使用渐变色系,让人一眼就能看出量级变化。
3.4 第四步:按边界裁剪与数据融合
现在生成的isobands是一个覆盖所有网格范围的大面,可能超出了我们关心的行政边界,或者包含了无数据的边缘区域。我们需要用之前准备的boundaries多边形去裁剪它。
function clipByBoundary(isobands, boundaries) {
// 使用turf.flatten展平可能存在的MultiPolygon,简化处理
var flatBoundaries = turf.flatten(boundaries);
var flatIsobands = turf.flatten(isobands);
var clippedFeatures = [];
// 双层循环:每个等值面 vs 每个边界多边形
flatIsobands.features.forEach(function(band) {
flatBoundaries.features.forEach(function(boundary) {
var intersection = null;
try {
// 核心裁剪操作
intersection = turf.intersect(band, boundary);
} catch (e) {
// 有时面数据可能存在拓扑错误,用buffer(0)修复一下
console.warn('拓扑错误,尝试修复:', e);
var fixedBand = turf.buffer(band, 0);
intersection = turf.intersect(fixedBand, boundary);
}
if (intersection) {
// 保留等值面的属性(主要是颜色)
intersection.properties = band.properties;
clippedFeatures.push(intersection);
}
});
});
var finalCollection = turf.featureCollection(clippedFeatures);
console.log('裁剪后的最终等值面:', finalCollection);
return finalCollection;
}
这一步之后,我们就得到了完全落在目标区域内的、按雨量分好级的、带颜色的多边形集合。数据层面的处理全部完成,接下来就是交给Cesium去展示了。
4. Cesium三维渲染与交互优化
数据处理完毕,是时候让它们在三维地球上“活”过来了。Cesium渲染地理数据非常方便,但我们也要注意一些性能和视觉效果上的细节。
4.1 初始化Cesium Viewer并加载数据
首先,我们创建一个简洁的Cesium场景,隐藏一些不必要的控件,让画面更干净。
function initCesiumViewer() {
var viewer = new Cesium.Viewer('cesiumContainer', {
baseLayerPicker: false, // 关闭底图选择器
timeline: false, // 关闭时间线
animation: false, // 关闭动画控件
geocoder: false, // 关闭搜索框
homeButton: false, // 关闭主页按钮
infoBox: false, // 关闭信息框
sceneModePicker: false, // 关闭2D/3D切换
navigationHelpButton: false, // 关闭导航帮助
// 使用Cesium Ion的默认影像(需要Token)
imageryProvider: new Cesium.IonImageryProvider({ assetId: 1 })
});
// 移除默认的星空和大气效果,让画面更专注于数据(可选)
viewer.scene.skyBox.show = false;
viewer.scene.sun.show = false;
viewer.scene.moon.show = false;
viewer.scene.backgroundColor = Cesium.Color.BLACK;
// 设置初始视角,飞到我们的数据区域上空
viewer.camera.setView({
destination: Cesium.Rectangle.fromDegrees(119.0, 35.5, 121.5, 37.2),
orientation: {
heading: Cesium.Math.toRadians(0),
pitch: Cesium.Math.toRadians(-60), // 俯视角度
roll: 0.0
}
});
return viewer;
}
接下来,将Turf.js处理好的GeoJSON数据加载到Cesium中。Cesium提供了GeoJsonDataSource来专门处理GeoJSON。
function renderIsobandsToCesium(viewer, clippedCollection) {
// 先清除之前可能存在的实体
viewer.entities.removeAll();
// 使用Cesium内置的GeoJSON加载器
Cesium.GeoJsonDataSource.load(clippedCollection, {
stroke: Cesium.Color.WHITE.withAlpha(0.5),
strokeWidth: 1,
fill: true,
// 重要:告诉Cesium使用GeoJSON feature的 `properties.fill` 作为填充色
markerColor: Cesium.Color.fromCssColorString('#FFFFFF'),
clampToGround: false // 我们让面悬浮在空中一定高度
}).then(function(dataSource) {
viewer.dataSources.add(dataSource);
var entities = dataSource.entities.values;
// 遍历每个实体(即每个等值面多边形),进行个性化设置
for (var i = 0; i < entities.length; i++) {
var entity = entities[i];
var properties = entity.properties; // 这里包含了Turf传过来的properties
// 1. 设置多边形填充色
if (properties && properties.fill) {
// 将CSS颜色字符串(如‘#27AE60’)转换为Cesium.Color
entity.polygon.material = Cesium.Color.fromCssColorString(properties.fill.getValue());
}
// 2. 设置多边形轮廓(等值线)
entity.polygon.outline = true;
entity.polygon.outlineColor = Cesium.Color.WHITE.withAlpha(0.7);
entity.polygon.outlineWidth = 1.5;
// 3. 设置高度和挤压效果,实现“立体感”
// 将降雨量值映射为高度。这里假设properties.value存在
var height = 0;
if (properties && properties.value) {
// 例如,每毫米降雨量对应10米高度
height = properties.value.getValue() * 10;
}
entity.polygon.height = height; // 多边形底部高度
entity.polygon.extrudedHeight = 0; // 如果不挤压,设为和height一样。这里我们只做平面。
// 4. 添加悬停提示(Popup)
entity.description = new Cesium.ConstantProperty(
'<div style="padding: 10px; background: rgba(0,0,0,0.8); color: white; border-radius: 5px;">' +
'<b>降雨量等级</b><br/>' +
'区间: ' + (properties && properties.low ? properties.low.getValue() + ' - ' + properties.high.getValue() + ' mm' : 'N/A') + '<br/>' +
'颜色代码: ' + (properties && properties.fill ? properties.fill.getValue() : 'N/A') +
'</div>'
);
}
// 5. 飞向数据区域
viewer.zoomTo(dataSource);
}).otherwise(function(error) {
console.error('加载GeoJSON数据失败:', error);
});
}
4.2 性能优化与视觉增强技巧
当数据量很大或者等值面很复杂时,性能可能会成为问题。这里分享几个我实战中总结的优化点:
1. 简化几何图形:
在调用turf.isobands之前,可以对插值生成的grid进行简化,减少多边形顶点数。Turf.js有turf.simplify函数,但需谨慎使用,避免过度简化破坏形状。
2. 分级数量控制:
breaks数组不要设置得太密。通常6-8个等级在视觉上和性能上都是比较好的平衡。等级太多,颜色区分度小,且生成的面碎片多;等级太少,信息又过于粗糙。
3. Cesium Entity的批量管理:
上面的代码是逐个设置entity属性。如果实体数量成千上万,可能会卡。可以考虑使用Cesium.CustomDataSource和Primitive API进行更底层的、批量化的图形绘制,性能更高,但代码也更复杂。对于大多数中等数据量的情况,Entity API的易用性是首选。
4. 动态透明度与光照:
为了让等值面在三维场景中更融合,可以根据视角或时间动态调整透明度。也可以为polygon.material应用光照效果,比如使用Cesium.Material.fromType(‘Color’, { color: … })并结合Cesium.SunLight。
5. 添加图例与交互控件:
一个专业的可视化少不了图例。你可以在Cesium Viewer之外,用HTML+CSS画一个颜色-雨量对照的图例。同时,可以添加滑块控件,让用户动态调整breaks(分级阈值),实现等值面的动态生成,这能极大地提升应用的探索性。
5. 整合与动态更新:让可视化“活”起来
前面我们把流程拆解了,现在把它们串起来,并实现数据的动态更新,这才是实战项目的完整形态。
5.1 主流程函数封装
我们将所有步骤封装到一个主函数里,这样只需调用一次,就能完成从数据到三维渲染的全过程。
async function generateAndRenderRainIsobands(viewer, rainData, boundaryGeoJSON) {
console.time('整个处理流程耗时');
// 1. 准备数据
var pointCollection = preparePointFeatures(rainData);
// 2. 计算分级
var breaks = calculateBreaks(rainData);
// 3. 空间插值
var grid = performInterpolation(pointCollection);
// 4. 生成等值面
var isobands = generateIsobands(grid, breaks);
// 5. 按边界裁剪
var finalCollection = clipByBoundary(isobands, boundaryGeoJSON);
// 6. 在Cesium中渲染
renderIsobandsToCesium(viewer, finalCollection);
console.timeEnd('整个处理流程耗时');
}
然后在页面加载完成后调用:
document.addEventListener('DOMContentLoaded', function() {
// 初始化Cesium
var viewer = initCesiumViewer();
// 假设 rainData 和 boundaries 已经定义好
// 开始处理并渲染
generateAndRenderRainIsobands(viewer, rainData, boundaries);
});
5.2 模拟实时数据更新
气象数据是实时变化的。我们可以模拟一个定时任务,每隔一段时间更新rainData中的value值,然后重新运行主流程,实现等值面的动态刷新。
// 模拟动态数据更新
function simulateDataUpdate(baseRainData) {
// 深拷贝原始数据
var newData = JSON.parse(JSON.stringify(baseRainData));
// 为每个站点的降雨量增加一个随机波动
newData.forEach(function(station) {
var change = (Math.random() - 0.5) * 10; // -5 到 +5 之间的随机变化
station.value = Math.max(0, station.value + change); // 确保不为负
station.value = Number(station.value.toFixed(1)); // 保留一位小数
});
return newData;
}
// 定时更新渲染
var isRendering = false;
var updateInterval = 30000; // 30秒更新一次
setInterval(function() {
if (isRendering) return; // 防止上一次渲染未完成就触发下一次
isRendering = true;
console.log('开始更新降雨数据并重新渲染...');
// 1. 模拟新数据
var newRainData = simulateDataUpdate(rainData);
// 2. 重新生成并渲染
generateAndRenderRainIsobands(viewer, newRainData, boundaries)
.then(() => {
isRendering = false;
console.log('动态更新完成。');
})
.catch((err) => {
console.error('更新失败:', err);
isRendering = false;
});
}, updateInterval);
注意:频繁地重新计算插值和生成等值面是比较消耗计算资源的。在实际项目中,如果数据更新频率很高,需要考虑使用Web Worker将Turf.js的计算放到后台线程,避免阻塞页面主线程导致卡顿。或者,如果只是数值变化而站点位置不变,可以只更新已生成等值面的颜色材质,而不是重新计算几何图形,这能极大提升性能。
5.3 常见问题与排查
-
地图上一片空白?
- 检查Cesium Token:控制台是否有关于Ion资源的错误?确保Token正确且未过期。
- 检查数据范围:你的
rainData和boundaries的经纬度范围是否在Cesium当前视野内?用viewer.camera.flyTo飞到你的数据区域看看。 - 检查控制台错误:打开浏览器开发者工具,查看Console和Network面板,Turf.js计算是否有报错?GeoJSON格式是否正确?
-
等值面颜色不对或没有颜色?
- 检查
breaksProperties:数组长度是否比breaks长度少1?颜色值是否是有效的CSS颜色字符串? - 检查属性传递:在
clipByBoundary函数中,裁剪后是否正确地将band.properties赋给了intersection.properties? - 检查Cesium材质设置:在
renderIsobandsToCesium函数中,是否成功从entity.properties.fill获取到了颜色并转换为Cesium.Color?
- 检查
-
页面非常卡顿?
- 减少插值网格分辨率:将
turf.interpolate的第二个参数(如0.5)调大,比如改为1或2。 - 减少分级数量:检查
breaks数组,合并一些相近的等级。 - 简化边界数据:如果
boundaries的GeoJSON非常复杂(比如精确到街道),可以用Turf.js的turf.simplify先对其进行简化,减少顶点数量。 - 使用Primitive API:如果实体数量超过数千,考虑从Entity API迁移到Primitive API进行批量渲染。
- 减少插值网格分辨率:将
这个从离散点到动态三维等值面的完整流程,我已经在多个涉及环境监测、农业墒情、热度分析的实际项目中应用过。核心思想就是 Turf.js负责在数据层面“算”,Cesium负责在视觉层面“画”。掌握了这个套路,你就能轻松应对各种基于离散点的空间连续场可视化需求。最后,多动手调参,多观察效果,数据的魅力就在于探索和发现的过程之中。
240



被折叠的 条评论
为什么被折叠?



