（壹）三維實體模型構建流程
三維實體模型，也就是三維結構模型，它主要反映各地質體的幾何形狀及空間組合。三維實體模型的構建，需要在收集整理原始數據的基礎上，按照壹定的順序編輯制作不同的地質體圖元，即地表、斷層、地層、透鏡體，最後生成符合實際情況的地質體。地質體生成後，就可以進行可視化操作、輸出模型剖切圖、對地質體進行分析研究等工作（圖3—33）。在建模過程中始終要進行質量控制。
在建模區，需要收集和整理的資料已經在地下水三維地質建模數據需求與組織部分做了詳細的介紹，這裏不再重復。由於在建模中涉及的數據資料種類不但繁多，如：鉆孔數據、剖面數據、地質平面圖、等值線數據等，而且數據量也十分巨大。因此，進行這些海量數據的分類、整理、更新和管理是壹項非常復雜的工作，必須運用數據庫技術才能完成，這就是要建立空間信息數據庫的原因。
圖3—33 地下水三維地質建模技術流程圖
模型構建，首先要設置工區範圍，也就是要讀入用戶定義好的工區邊界數據文件，設置工區高程的範圍，建立模型的顯示工區。接著構建三維地表模型，也就是讀入地表地形等值線或高程離散點數據等，進行三角剖分生成地表網格，地表網格生成後，能夠顯示地表網格的屬性信息。然後導入鉆孔數據和剖面數據，在三維空間中對這些數據進行交互式編輯，生成地層、斷層、透鏡體等各種地質體。將生成的三維地表模型、各種三維地質體模型進行組合疊加，設置好各圖元的屬性及巖性後，地質體三維模型就建立起來了。三維模型生成之後，就可以對模型進行各種可視化操作，如：旋轉、放縮、單面剖切、折線剖切、組合剖切、柵狀剖切、挖掘、漫遊等，方便用戶從各個角度認識模型，以利於後期的分析研究。對於剖切模型後得到的各種剖面圖件，或是利用模型生成的各種平面圖件（如等值線圖、等厚度圖或某壹深度處的水平剖切圖）以及利用模型生成的各種三維圖形，可以按比例、所見即所得以及位圖等多種形式打印輸出。
在實體模型的構建中，不可避免的會出現各種誤差，包括源誤差、處理誤差和應用誤差等三種類型。
源誤差是指數據采集和錄入中產生的誤差，包括：
（1）遙感數據誤差：由攝影平臺，傳感器的結構及穩定性，信號數字化，光電轉換，分辨率等引起的誤差；
（2）測量數據誤差：由測量人員，儀器，環境等引起的誤差；
（3）屬性記錄誤差：由數據模型化，數據庫操作，屬性數據的錄入等引起的誤差；
（4）制圖誤差：由展繪控制點、編繪、清繪、綜合、制印、套色等引起的誤差；
（5）數字化誤差：紙張變形，比例尺和地圖投影，數字化儀的精度，操作員的技能，采樣點密度等引起的誤差。
處理誤差是指數據錄入後進行數據處理過程中產生的誤差，包括幾何改正、坐標變換和比例尺變換、幾何數據的編輯、屬性數據的編輯、空間分析、圖形化簡（數據壓縮和曲線光滑）、數據格式轉換、地形數據模型化、計算機截斷等造成的誤差。
應用誤差是指數據被使用過程中出現的誤差，包括數據的完備程度、拓撲關系的正確與否等所引起的誤差。
對以上誤差必須進行控制，也就是要進行質量控制，否則，所構建的模型將錯誤太多，不能用於生產實踐。
對於源誤差，可以按照這些誤差的限制標準進行質控制；處理誤差壹般都很小，尤其是與源誤差相比幾乎可以忽略不計，其中除了截斷誤差與計算機字長有關外，其余的處理誤差都是按壹定的數學模型進行的，這些誤差也是很好控制的；應用誤差可以用疊置分析的方法進行控制。
（二）屬性模型構建流程
屬性模型是反映地質體內某壹類物化屬性特征值在三維空間中分布情況的立體模型。屬性模型建模的原始數據是動態變化的，隨著數據的更新，所建立的屬性模型也產生變化。
屬性模型是以水文地質層為基本建模單位來建立，在空間分布上將受到水文地質層的制約。兩個水文地質層之間的屬性模型屬於同壹個時代，在進行建模時以兩個相鄰層為制約條件劃分等時面。
地質專家和工作人員可以通過可視化手段觀察屬性模型的詳細情況，也可以將三維屬性模型和相應的三維結構模型相結合來考察空間巖性、地下水、地下水汙染和物探成果（物性）等屬性的分布情況。
屬性模型建模過程和可視化流程圖如圖3—34所示。
第壹步，導入原始數據，包括水文地質剖面、鉆孔和其他方式輸入的屬性數據。
圖3—34 屬性模型建模流程
第二步，如果有剖面數據，對剖面的巖性區域進行三角形剖分，同時確定每個三角形的屬性。
第三步，在屬性分布的趨勢面內建立足夠密的等時面，該等時面代表同壹歷史時期屬性的分布情況。
第四步，每個等時面與原始數據求交，保證將原始屬性分配到每個等時面上。
第五步，按照空間分布，將等時面上的屬性信息映射到立方體柵格數據上，作為立方體柵格插值的初始數據。
第六步，根據地質因素分析，判斷屬性模型是否需要沈積相建模，如果需要，則劃分沈積區域並設置橢圓。
第七步，對空間立方體柵格數據進行插值，如果設置了沈積相橢圓，則考慮各項異性插值。
第八步，將帶有屬性信息的柵格數據存儲在服務器上，以便使用。為了提高速度，在柵格數據量很大的情況下，可以對數據進行分塊存儲。
第九步，利用各種可視化手段對屬性分布情況進行觀察。
第十步，如果用戶獲得了新的數據，系統重復以上步驟自動重新計算，快速地重建模型，原有的數據不用再重新輸入。