大数据量场景的实时仿真既是进行数字地球应用技术研究的主要内容之一，也是地理信息系统向三维立体分析纵深发展所需解决的重要命题之一。随着三维场景数据量的日益增大以及专为图形渲染设计的GPU的普及，在不明显降低图形质量和复杂程度的前提下，研究并采用一些可以应用在通用计算机平台上的高效数据处理方法与图形绘制算法，以提高图形绘制速度，解决大数据量仿真场景在速度、质量及场景复杂度之间越来越突出的矛盾，正成为有重要意义的研究方向。 本论文主要依托于国家科技攻关项目“奥运环境遥感动态监测”和中国科学院知识创新科技奥运项目“奥运主场馆区工程环境高分辨率遥感监测与虚拟仿真研究”，进行了大数据量场景中模型的自动简化、视点相关的有选择性实时细化以及GPU支持下的优化处理等相关理论与算法等方面研究，完成了奥林匹克公园仿真系统三维场景网络发布与浏览的设计与开发等工作，实现了面向互联网的三维场景显示、模型操作和属性数据查询等功能。 本文研究工作与创新之处主要体现在： 1) 研制出三维模型自动简化预处理模块，能有效降低人工简化编辑大数据量三维场景的作业强度。在二次误差度量算法的基础上，考虑边界约束条件和法向量限制，扩展了算法的应用范围。此种方法在尽量保持模型外观前提下，达到减少模型三角形数量，从而生成场景中不同细节层次模型的目标。同时能根据网络上发布三维场景的要求，缩减原始模型的文件尺寸到合适的大小。从三维成像效果上看，与普通二次型度量简化方法相比，改进算法得到的结果在外观显示上与原始模型能保持更高的相似性，有较好的显示质量。 2) 实现了视觉相关的实时有选择性细化算法，进一步提高了场景渲染速度。应用递进网格表示方法高效的存储了网格信息，支持多细节层次场景的自动生成和光滑过渡，能获得快速可视化效果。为进一步加速渲染，实现了视点相关的有选择性格网，能显著提高目标区域细节，同时减少对最终图像贡献少或没有贡献区域的细节，有效降低了图形流水线的渲染负担。使用界定面概念为引入的递进