随着气候变化的日益突出,人类的生存面临着巨大的挑战,对低碳环境进行实时监测、分析、预测和可视化变得越来越有必要。由于采集到的低碳环境数据量大且杂,环境领域的研究学者们无法真正的使用这些数据。为此本选题围绕低碳环境数据处理的整个过程展开研究,囊括了采集、组织、去噪、插值、预测和可视化等多个部分。首先,对环境数据的基本处理过程中使用的方法做了研究,深入研究了低碳环境数据插值的问题,提出了一种比较高可信度的综合插值算法,为本选题的第一步研究打下了坚实的基础。其次,总结分析了低碳环境数据在时间和空间上体现的智能特性,并在这种特性的基础上引出了低碳环境数据的智能预测问题,并提出了基于三元模型回声网络的智能预测方法。“三元”主要分为与低碳相关的生态、生产和生活,是低碳环境的基本组成。智能预测方法的研究为本选题在最后可视化的过程中提供了算法基础和数据基础。而后,本选题重点研究了基于仿真引擎的低碳环境可视化关键技术。基于仿真引擎可视化方法是将数字地球相关技术在仿真引擎中实现,然后将低碳环境数据呈现在地球模型表面。使用基于仿真引擎的可视化方式最主要的原因是仿真引擎技术的发展足以支持构建一个实时、可交互、处理大量环境数据的可视化平台系统。本部分主要分为地球模型的构建、坐标的转换、全球高程数据与低碳纹理数据的叠加、相机的漫游控制和时间系统的设计来进行研究。其中最难的部分在地球模型的构建和可视化数据的叠加。最后,通过实现低碳环境可视化原型系统对本选题研究的可视化方法进行了验证,并做了相应的测试,达到了预期的可视化效果。