As an important method of handling potential uncertainties in numerical simulations, ensemble simulation has been widely applied in many disciplines. Visualization is a promising and powerful ensemble simulation analysis method. However, conventional visualization methods mainly aim at data simplification and highlighting important information based on domain expertise instead of providing a flexible data exploration and intervention mechanism. Trial-and-error procedures have to be repeatedly conducted by such approaches. To resolve this issue, we propose a new perspective of ensemble data analysis using the attribute variable dimension as the primary analysis dimension. Particularly, we propose a variable uncertainty calculation method based on variable spatial spreading. Based on this method, we design an interactive ensemble analysis framework that provides a flexible interactive exploration of the ensemble data. Particularly, the proposed spreading curve view, the region stability heat map view, and the temporal analysis view, together with the commonly used 2D map view, jointly support uncertainty distribution perception, region selection, and temporal analysis, as well as other analysis requirements. We verify our approach by analyzing a real-world ensemble simulation dataset. Feedback collected from domain experts confirms the efficacy of our framework.

中文翻译：

---

使用可变空间扩展的面向不确定性的集合数据可视化和探索

集合模拟作为数值模拟中处理潜在不确定性的重要方法，在许多学科中得到了广泛的应用。可视化是一种很有前途且功能强大的集成仿真分析方法。然而，传统的可视化方法主要针对基于领域专业知识的数据简化和突出重要信息，而不是提供灵活的数据探索和干预机制。必须通过这种方法反复进行试错程序。为了解决这个问题，我们提出了一种以属性变量维度作为主要分析维度的集成数据分析的新视角。特别地，我们提出了一种基于可变空间扩展的可变不确定性计算方法。基于这种方法，我们设计了一个交互式集成分析框架，该框架提供了对集成数据的灵活交互式探索。特别是提出的传播曲线视图、区域稳定性热图视图和时间分析视图，连同常用的二维地图视图，共同支持不确定性分布感知、区域选择和时间分析等分析需求。我们通过分析真实世界的集成模拟数据集来验证我们的方法。从领域专家那里收集的反馈证实了我们框架的有效性。共同支持不确定性分布感知、区域选择和时间分析，以及其他分析需求。我们通过分析真实世界的集成模拟数据集来验证我们的方法。从领域专家那里收集的反馈证实了我们框架的有效性。共同支持不确定性分布感知、区域选择和时间分析，以及其他分析需求。我们通过分析真实世界的集成模拟数据集来验证我们的方法。从领域专家那里收集的反馈证实了我们框架的有效性。