本项目融合了两类数据源：一是深圳市建筑位置的shp文件，二是深圳市逐小时的人口热力分布栅格数据。首先使用shp文件中的折线在二维XY空间构造建筑物多边形，其次使用这些多边形对人口热力分布栅格数据进行实时采样，这样建筑物多边形就携带了人口热力数据。最后将这些多边形沿Z轴方向进行升维拉伸，拉伸强度使用人口热力数据，最终得到全市逐小时的人口密度图示。

本项目使用了从1969至2002年的多期地下水位埋深的监测数据进行建模。由于这些时间点上的监测点位不一致，所以需要首先产生独立的采样网格对空间进行剖分。从全部时间监测点位的并集出发，沿凸包体建立三角网格并作适当加密，使用这套三角网格分别对各期监测水位进行采样。由于各期间网格是稳定的，可以直接进行时间加密，得到平滑的时序演变效果。耦合使用标量扭曲和降维等值等工具，对华北平原降落漏斗的演变过程进行展示。

GRACE重力卫星利用两颗双子卫星实时监测地球表面重力场的变化，由于地下水的丰枯在一定程度上可以影响重力场，所以学术界存在使用GRACE卫星数据推算大区域地下水丰枯水平的实践。原始途径获取的重力卫星数据为经纬度栅格图像，首先使用投影变换工具将其转换为三维空间中的球面坐标，随后使用球面升维工具将球面沿法向拉伸，用获得的三维实体表达全球地下水干枯程度之变化。

随着我国地下水监测工作的高速发展，高频率高密度水位监测数据的出现催生了对其进行深入信息挖掘的需求。在传统地下水模型研究中，地下水水位监测值常位于模型构建过程的下游，当水位监测的时空密度逐渐增大时，新增信息无法有效传导至模型的规划阶段并指导概念模型的修订。在EnviFusion中提出并实现了地下水系统补排边界的识别方法，在不建立地下水数值模型的前提下，以监测井空间位置为节点，按照德劳内原则建立三角网格。在此网格系统中，首先定义一个水力梯度变换函数grad F，以求取网格中任意位置的水力梯度;借鉴机器学习领域的优化算法，使用水力梯度场驱动含水层中随机分布质点的运行轨迹，并以此推断和识别区域内地下水补给和排泄边界。

本项目中包含2015年-2020年我国东部PM2.5污染程度的逐月数据。数据原始格式为逐月之栅格图像，通过对这些图像进行蒙板裁切和升维拉伸，即可变为更有立体感的3D实体模型。为避免逐月数据间突变，引入了沿时间进行的线性内插模块。