❶ 地下水三维地质建模的技术流程
（一）三维实体模型构建流程
三维实体模型，也就是三维结构模型，它主要反映各地质体的几何形状及空间组合。三维实体模型的构建，需要在收集整理原始数据的基础上，按照一定的顺序编辑制作不同的地质体图元，即地表、断层、地层、透镜体，最后生成符合实际情况的地质体。地质体生成后，就可以进行可视化操作、输出模型剖切图、对地质体进行分析研究等工作（图3—33）。在建模过程中始终要进行质量控制。
在建模区，需要收集和整理的资料已经在地下水三维地质建模数据需求与组织部分做了详细的介绍，这里不再重复。由于在建模中涉及的数据资料种类不但繁多，如：钻孔数据、剖面数据、地质平面图、等值线数据等，而且数据量也十分巨大。因此，进行这些海量数据的分类、整理、更新和管理是一项非常复杂的工作，必须运用数据库技术才能完成，这就是要建立空间信息数据库的原因。
图3—33 地下水三维地质建模技术流程图
模型构建，首先要设置工区范围，也就是要读入用户定义好的工区边界数据文件，设置工区高程的范围，建立模型的显示工区。接着构建三维地表模型，也就是读入地表地形等值线或高程离散点数据等，进行三角剖分生成地表网格，地表网格生成后，能够显示地表网格的属性信息。然后导入钻孔数据和剖面数据，在三维空间中对这些数据进行交互式编辑，生成地层、断层、透镜体等各种地质体。将生成的三维地表模型、各种三维地质体模型进行组合叠加，设置好各图元的属性及岩性后，地质体三维模型就建立起来了。三维模型生成之后，就可以对模型进行各种可视化操作，如：旋转、放缩、单面剖切、折线剖切、组合剖切、栅状剖切、挖掘、漫游等，方便用户从各个角度认识模型，以利于后期的分析研究。对于剖切模型后得到的各种剖面图件，或是利用模型生成的各种平面图件（如等值线图、等厚度图或某一深度处的水平剖切图）以及利用模型生成的各种三维图形，可以按比例、所见即所得以及位图等多种形式打印输出。
在实体模型的构建中，不可避免的会出现各种误差，包括源误差、处理误差和应用误差等三种类型。
源误差是指数据采集和录入中产生的误差，包括：
（1）遥感数据误差：由摄影平台，传感器的结构及稳定性，信号数字化，光电转换，分辨率等引起的误差；
（2）测量数据误差：由测量人员，仪器，环境等引起的误差；
（3）属性记录误差：由数据模型化，数据库操作，属性数据的录入等引起的误差；
（4）制图误差：由展绘控制点、编绘、清绘、综合、制印、套色等引起的误差；
（5）数字化误差：纸张变形，比例尺和地图投影，数字化仪的精度，操作员的技能，采样点密度等引起的误差。
处理误差是指数据录入后进行数据处理过程中产生的误差，包括几何改正、坐标变换和比例尺变换、几何数据的编辑、属性数据的编辑、空间分析、图形化简（数据压缩和曲线光滑）、数据格式转换、地形数据模型化、计算机截断等造成的误差。
应用误差是指数据被使用过程中出现的误差，包括数据的完备程度、拓扑关系的正确与否等所引起的误差。
对以上误差必须进行控制，也就是要进行质量控制，否则，所构建的模型将错误太多，不能用于生产实践。
对于源误差，可以按照这些误差的限制标准进行质控制；处理误差一般都很小，尤其是与源误差相比几乎可以忽略不计，其中除了截断误差与计算机字长有关外，其余的处理误差都是按一定的数学模型进行的，这些误差也是很好控制的；应用误差可以用叠置分析的方法进行控制。
（二）属性模型构建流程
属性模型是反映地质体内某一类物化属性特征值在三维空间中分布情况的立体模型。属性模型建模的原始数据是动态变化的，随着数据的更新，所建立的属性模型也产生变化。
属性模型是以水文地质层为基本建模单位来建立，在空间分布上将受到水文地质层的制约。两个水文地质层之间的属性模型属于同一个时代，在进行建模时以两个相邻层为制约条件划分等时面。
地质专家和工作人员可以通过可视化手段观察属性模型的详细情况，也可以将三维属性模型和相应的三维结构模型相结合来考察空间岩性、地下水、地下水污染和物探成果（物性）等属性的分布情况。
属性模型建模过程和可视化流程图如图3—34所示。
第一步，导入原始数据，包括水文地质剖面、钻孔和其他方式输入的属性数据。
图3—34 属性模型建模流程
第二步，如果有剖面数据，对剖面的岩性区域进行三角形剖分，同时确定每个三角形的属性。
第三步，在属性分布的趋势面内建立足够密的等时面，该等时面代表同一历史时期属性的分布情况。
第四步，每个等时面与原始数据求交，保证将原始属性分配到每个等时面上。
第五步，按照空间分布，将等时面上的属性信息映射到立方体栅格数据上，作为立方体栅格插值的初始数据。
第六步，根据地质因素分析，判断属性模型是否需要沉积相建模，如果需要，则划分沉积区域并设置椭圆。
第七步，对空间立方体栅格数据进行插值，如果设置了沉积相椭圆，则考虑各项异性插值。
第八步，将带有属性信息的栅格数据存储在服务器上，以便使用。为了提高速度，在栅格数据量很大的情况下，可以对数据进行分块存储。
第九步，利用各种可视化手段对属性分布情况进行观察。
第十步，如果用户获得了新的数据，系统重复以上步骤自动重新计算，快速地重建模型，原有的数据不用再重新输入。
