气象数据的可视化是可视化技术应用的一个重要方向。本文以时变飓风体数据为研究重点，开展气象体数据的可视化技术研究。飓风本身是一个涉及因素众多，且随时间推进不断演化的气象灾害，人类采集或模拟生成的飓风数据通常是一种典型的时变、多属性类型数据，常见的各种属性包括：温度、气压、风力、风向、湿度、云量、降雨量等等。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，极大地帮助了气象工作者分析气象数据和在短时间内作出准确的判断。然而，飓风数据所具有的多属性、时变特性对可视化技术提出了新的挑战--一方面，数据的时间属性要求可视化技术具有分析处理动态特性的功能；另一方面，其所包含的多种属性又要求系统能够同时捕捉它们各自的信息以及它们之间的相互关联。　　 本文的主要工作在于建立了一个可以应用于飓风数据绘制及分析处理的可视化平台系统。由于飓风数据的本身特性，我们面临的第一个问题是如何处理海量的数据。对此，本文提出了一种针对时变、多属性体数据的压缩算法。为了保持数据精度，我们的压缩算法适用于浮点型数据。算法通过两个子阶段分别处理体数据的空间一致性和时间一致性。经过数据类型转化、空间八叉树的建立、空间预测、编码以及LZO压缩等几个步骤，我们在保持了数据精度的前提下，取得了较高的压缩比。在解压绘制端，本文采用GPU并行处理的方式实现了数据的快速解压缩，从而使得绘制效率达到了交互甚至实时的水平。　　 在上述工作基础上，本文应用了“重要性驱动”的方法对飓风数据进行了可视分析。该方法利用信息论中的“熵”概念，建立起以“块”为单位的数据的“重要性”度量，然后应用k-means聚类算法并通过用户交互选择，实现了对数据的分类突出绘制。我们在Hurricane Isabel数据集上进行了实验，实验结果证明了本文方法的有效性。