科学计算可视化是计算机图形学研究的热点领域之一,可视化技术极大地提高了数据处理的速度和处理的质量,推进了科学计算工具和研究环境的进一步现代化,从而使科学研究工作的面貌发生根本性的变化。气象预报关系到亿万人民的生活、国民经济的持续发展和国家安全,对灾害性天气的预报和预防将会大大减少人民生命财产的损失。气象预报的准确性依赖于气象数据的获取,以及对数据的处理和分析,而气象预报业务所固有的及时性需求使得气象工作者必须能在短时间内从海量探测数据中获取有价值的信息。将可视化技术应用于气象领域,使得原本复杂、晦涩难懂的气象数据转化成了直观的二维和三维图像,极大地帮助气象工作者分析气象数据和在短时间内作出准确的判断。因此,面向气象数据的可视化技术具有极大的研究价值。可视化技术的一个极为重要的方面是对数据的分类,只有通过对数据良好的分类映射,用户才能迅速、准确地发现数据中隐含的本质信息,从而作出准确合理的判断。气象数据具有多场、时变和高动态范围等特性,因而对分类方法提出了更高的要求。本文主要研究面向三维气象数据的分类方法,通过分类操作能够对气象数据进行更好的把握。本文主要实现了两种分类方法,一种是基于二维分布图的分类方法,二维分布图指的是以数据场或其他相关信息作为两坐标轴数据的分布图,如气压和温度数据场的分布情况可构成一个二维分布图。用户可以在一个或多个二维分布图上进行操作,从而交互地对数据进行划分。另一种是基于机器学习的分类方法。用户通过在数据切片上进行交互操作指定感兴趣的区域和不感兴趣的区域,区域中每一个点所包含的信息均作为一个机器学习的训练样本,样本分量可包含数据场和位置等相关信息。通过样本训练可以获得机器学习的模型,利用该模型对体数据进行分类,从而得到分类后的三维绘制结果。我们还在研究小组原有体绘制平台基础上实现了一个通用、可扩展的数据分类系统,本系统遵循了面向对象的原则,对模块结构进行了合理的设计,实现了二维分布图和机器学习分类方法。论文给出了采用本文方法对气象数据的可视化处理结果,充分表明了我们所提出的两类分类方法在处理三维气象数据时的有效性。