《Journal of Environmental Management》：Bridging above and below: A multi-criteria evaluation of GeoBIM modelling workflows for contamination assessment—the PSRI case study (Italy)
编辑推荐：
为解决土壤修复中地质、环境和建筑数据整合不足的问题，本研究对四种GeoBIM（地理信息与建筑信息模型集成）建模工作流进行了多准则评估。研究人员在意大利都灵的Parco della Salute重建项目中，使用钻孔数据和实验室污染物浓度，将上述数据转化为与BIM兼容的模型。研究结果揭示了不同关键性能指标（KPIs）之间的权衡：基于体素的GIS管道在模型可靠性方面表现最优，而基于参数化的BIM流程在自动化和BIM集成方面得分更高。该研究为AEC（建筑、工程和施工）团队在选择和组合不同GeoBIM工作流方面提供了基于实践的决策支持，实现了地上与地下信息的有效整合。
在气候变化的加速影响和环境风险日益复杂的背景下，可持续的城市再生和环境管理迫切需要一种能够整合地面建筑环境与地下地质环境数据的综合性方法。特别是对于污染场地，决策高度依赖于地下条件的空间变异性和适当应对措施的选择。然而，目前的实践者们依然依赖于分散的数字表达，地上数据（通常用建筑信息模型BIM管理）和地下数据（多由地理信息系统GIS处理）之间长期存在“鸿沟”。这一割裂使得从环境评估到施工规划的多学科协作困难重重，阻碍了高效决策和数据驱动设计。在此背景下，GeoBIM——作为GIS-BIM与岩土BIM的交汇点——应运而生，被视为连接地上与地下领域、实现数据一体化与智能化管理的关键范式。尽管如此，由于地下输入数据的异构性、建模范式的多样性以及当前BIM方案中标准化环境语义的缺失，将地学数据有效整合进BIM仍然充满挑战。为弥补这一研究缺口，一篇发表在《Journal of Environmental Management》上的研究，对意大利都灵Parco della Salute重建项目的四种代表性GeoBIM建模工作流进行了系统性的多准则评估，旨在为污染场地风险评估提供有效的数字化建模与集成流程参考。
为开展此项研究，研究人员依托意大利都灵Parco della Salute, della Ricerca e dell’Innovazione (PSRI)这一前工业场地的改造项目。数据源涵盖了两期（2004-2019年及2022-2024年）总计超过100个钻孔（Borehole, BH）的地层学和污染物浓度（总计62种分析物）测试结果。研究人员建立了统一的、标准化的数据预处理流程，包括数据数字化、数据设置和数据分类，形成了用于后续建模的规范化长表数据集。核心技术方法包括四种建模工作流：W1采用Autodesk Civil3D的地质模块，通过钻孔数据生成显式的地质表面和体积模型；W2使用Leapfrog Geo进行隐式地质建模，通过径向基函数（RBF）算法自动插值地层界面；W3基于ArcGIS Pro平台，利用经验贝叶斯克里金（Empirical Bayesian Kriging, EBK）等地质统计学方法进行空间插值，并构建三维体素（voxel）模型以可视化污染物分布；W4则在Autodesk Revit环境中，结合Dynamo可视化编程脚本，将地层和环境数据通过参数化方式表示为BIM原生对象，形成一个类似体素的网格。最后，所有工作流的输出模型被集成到Autodesk InfraWorks平台中，形成了一个联邦化的GeoBIM知识库。
建模工作流的技术实施与定性输出
W1（Civil 3D地质模块） 生成了由插值岩性边界叠加而成的三维地层模型。该工作流保持了钻孔的平面位置和垂直基准，单个观测点的精度尚可。然而，在钻孔间距较大的区域，中间层的再现性不一致，且局部存在表面重叠或间隙。该模型是非参数化的，数据更新需要手动重新生成。其优势在于与BIM环境集成度较高，用户界面友好，但环境容积信息（污染物三维分布）建模能力有限，且自动化程度低。
W2（Leapfrog Geo） 生成了连续的三维地层模型，岩性地层顺序正确，且通过隐式插值保持了空间连续性，没有出现重叠或间隙。该工作流在地层信息层面上实现了自动化更新和传播。但其主要局限在于，模型本质上是确定性的，没有原生支持空间预测不确定性的暴露，因此在需要基于不确定性的风险阈值决策时适用性受限。此外，缺乏原生的IFC导出格式限制了其在BIM环境中的语义互操作性。
W3（ArcGIS Pro） 在整合地质和环境参数方面表现出显著优势。它通过EBK等方法实现了稳健的地质统计学建模，确保了高空间精度。通过构建体素层，支持动态横截面、等值面提取和基于污染阈值的实时可视化。其自动化能力强，可使用ModelBuilder或ArcPy脚本实现批处理和一致参数化。然而，当这些体素或栅格产品输出至BIM环境时，通常会丢失结构化元数据和BIM风格的共享参数，几何和坐标也需要人工验证，信息共享面临挑战。评估结果显示，对于空间分布较均匀的污染物（如钒、镍、铜），EBK预测的不确定性校准良好，而对于空间变异强烈的分析物（如锑、锌），预测不确定性存在明显低估或高估。
W4（Revit + Dynamo） 生成了直接嵌入设计环境中的BIM原生地下表示。地层通过参数化体积表示，而污染信息则存储在离散化的开挖单元中，每个单元都将观测到的污染物浓度作为共享参数携带。该流程完全在BIM框架内完成，自动化程度高，且能保持语义丰富性。但其局限性在于，未对污染物分布进行独立的空间插值推断，仅实现了原始数据到BIM网格单元的确定性赋值。因此，其污染表征的空间连续性有限，更适合作为协调和信息管理层，而非用于污染物羽流预测的解释工具。
基于混合层次分析法（AHP）的工作流多准则评价
为了系统评估上述工作流的效能，研究采用了一种结合经验测试与文献证据的混合层次分析法。评估基于六个关键性能指标（KPIs）：模型可靠性、自动化程度、信息内容共享度、数据交换能力、用户友好性和时间效率。每个KPI下设有多个子因子，通过三位等级规则（0/0.5/1）进行评分。最终的混合KPI得分是经验得分（权重70%）与文献得分（权重30%）的加权平均。随后，通过专家判断对六个KPI进行两两比较，确定了各自的权重向量，结果显示模型可靠性（43.4%）和自动化（24.7%）是最重要的两个指标。
综合评估结果显示，四种工作流的最终排名为：W3 > W2 > W1 > W4。W3（ArcGIS Pro）凭借其在地质统计建模、污染物分布三维可视化以及高度自动化方面的出色表现，获得了最高分数，尤其在模型可靠性KPI上表现最佳。W2（Leapfrog Geo）在地层建模的连续性和自动化更新方面表现优异，但在BIM互操作性和环境语义集成上存在短板。W1（Civil 3D）在BIM集成和几何稳定性方面有优势，但自动化程度和模型精度相对较低。W4（Revit + Dynamo）尽管在BIM语义信息集成和参数化建模方面领先，但由于其缺乏空间插值能力，在关键的模型可靠性指标上得分最低。敏感性分析（通过将单一KPI权重改变±20%）表明，评估结果对权重变化不敏感，排名保持稳定，证实了评估框架的鲁棒性。
结论与重要意义
本研究通过对四种GeoBIM建模工作流的系统性评估，揭示了不同建模范式在应用于污染场地评估时在可靠性、自动化、互操作性等核心维度上的明确权衡。研究结果表明，并不存在一个适用于所有场景的“最优”工作流。相反，最佳选择应取决于项目的特定阶段和核心目标。具体而言，基于体素的GIS驱动工作流（W3） 因其强大的空间分析和不确定性量化能力，更适合于场地调查、风险评估和修复设计的早期阶段。而以BIM为中心的参数化工作流（W4） 尽管在空间连续性上有所牺牲，但其无缝集成设计环境、支持快速迭代和碰撞检测的优势，使其在施工协调和交付阶段更具价值。
这项研究的重要贡献在于，它为AEC和环境污染治理领域的从业者提供了一个清晰的、基于证据的决策框架，用于根据项目阶段的具体需求选择和组合GeoBIM工作流。这标志着从技术性的数据集成探讨，迈向了更具操作性和策略性的工作流选择与管理，为实现从环境评估到施工执行的、真正一体化的数字孪生（Digital Twin）环境迈出了关键一步。最终，该研究倡导在项目生命周期中采用阶段性工作流策略：在初期调查和修复设计阶段使用体素模型进行精准分析，而在后期的施工协调阶段则转向参数化BIM模型，从而最大化GeoBIM在整个污染场地再生过程中的价值。
