（1）点/线/面/网络数据三维化：符号化建模

借助于建筑底面数据实现倾斜摄影分析查询

（2）点/线/面三维化：参数化建模

目前有基于Python的建模方式、ESRI的CityEngine建模。

（3）矢量底面+倾斜摄影模型，实现动态单体化

如何构建可分析、可计算的三维对象？如何构建全空间表达的数据模型？

目前，常见的三维空间数据模型有三种：对象数据模型、网络数据模型和场数据模型。

1. 对象数据模型 ：面向对象的方法就是以接近人类通常思维方式的思想，将客观世界的一切实体模型化为对象。每一种对象都有各自的内部状态和运动规律，不同对象之间的相互联系和相互作用就构成了各种不同的系统。

2. 场数据模型 ：场模型也称域模型，是把地理现象作为连续变量或体来看待，如大气污染度、地表温度土壤湿度、地形地貌等。场可表现为二维或三维，二维场是在二维空间中任意一个空间位置上，都有一个表现某现象的属性值，即A=f（x，y）；三维场是三维空间任意一个空间位置上，都对应一属性值，即A=f（x，y，z）。一些现象，如大气污染的空间分布本质上是三维的，但为了便于表达和分析，往往采用二维空间表示。

3. 网络数据模型 ：不同于互联网中的网络模型，网络模型与对象模型的某些方面相同，都是描述不连续的地理现象，不同之处在于它需要考虑通过路径相互连接的多个地理现象间的连通情况。网络是在地理空间中，通过无数“通道”互相连接的一组地理空间位置。现实世界许多地理事物和现象可以构成网络，如公路、铁路、通信线路、管道、自然界中的物质流、能量流和信息流等。

常见的基于三维数据的空间分析方法有哪些？

传统关系型数据库已经手足无措？

遥感（RS，Remote Sensing）所说的 数据融合（dissolve） ，是一个对多遥感器的图像数据和其他信息的处理过程，它着重于把那些在空间或时间上冗余或互补的多源数据，按一定的规则（或算法）进行运算处理，获得比任何单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像。通常情况是指将空间分辨率更高的全色波段影像与空间分辨率较低的多光谱影像想融合，产生出分辨率高、纹理特性突出的影像，以达到图像增强的目的，进而满足定性定量遥感的研究需要。

在实景三维建设的范畴内，三维数据不仅仅是局限于类似于遥感影像的栅格数据，而是多种形式的。

什么是三维数据融合？

目前，三维数据（模型）的融合，主要关心以下4个方面的内容：

1. 三维数据坐标转换

• 点云、倾斜摄影模型、 BIM模型的坐标转换
• 三维数据支持同名控制点配准

2. 多边形裁剪、多边形挖洞

• 多边形修改地形（支持设置缓坡）
• 与三维体对象的布尔运算

3. 地形（TIN）的空间运算与操作

• 多边形裁剪、多边形挖洞
• 多边形修改地表（支持设置缓坡）
• 与三维体对象的布尔运算

4. 倾斜摄影模型的空间运算与操作

• 多边形裁剪、多边形挖洞
• 多边形修改地表（支持设置缓坡）

问题1 ：BIM、倾斜摄影、地形如何匹配融合？

问题2 ：BIM+GIS到底如何实现？

俗话说， BIM使得GIS从室外走向室内 ，那么，具体的落脚点是什么？

一提到渲染，人们都会说，Sketchup、3D max、BIM等三维建模软件不是都具有很强大的渲染功能吗？Vray等渲染器不很优秀吗？然而，在三维实景中国大背景下，我们不仅要关注单体化白模、更要关心一个建筑、一个小区、一个城市、乃至一个更大区域更大规模的三维场景，还要跨界融合。