本文作者：牛翠祎1，2史小翠2作者单位：1中国地质大学地球科学与资源学院2武警黄金地质研究所

GIS矿产预测中应注意的问题

1地质数据的问题

矿产预测过程中，收集矿产地质资料，编制地质图、专题地图及辅助性图件是一项工作量很大的基础性工作。矿产地质数据是矿产资源评价预测的基础。在应用GIS进行矿产预测的过程中，我们收集到的数据不仅包括基础地质数据，如地质、构造、地层、岩浆岩、物探、化探、遥感、重砂等，而且还包括基于基础地质的各项研究成果资料。这些数据资料的表达形式各异，如地质图、素描图、照片等图像资料；报告、说明书等文本资料等。对于这些来源多样、跨越不同的学科和部门的表达方式不一的众多数据如何进行有效地组织和管理，成为GIS矿产预测评价过程中亟待解决的问题。许多研究者对数据组合管理进行了探讨，如向运川等开发的Geoexplore系统、胡光道的Morpas系统等都涉及数据的组织和管理模块的开发，这些系统在数据组织和管理方面体现出各自的特色。但不同的矿产预测评价工作应根据矿产预测评价的目的，以成矿规律的研究为基础，从矿床成矿作用的角度对收集到的矿产地质数据进行归纳、总结、分类，建立多源地质空间数据库。该数据库不仅包括基础地质数据，还包括在成矿规律及成矿作用研究基础上，由基础地质数据派生的成果数据。空间数据库建立的好坏直接影响着矿产预测能否顺利进行及预测工作的成效，因此空间数据库的建立是矿产预测的基础及关键环节。在此过程中必须注意以下问题：

（1）矿产地质数据的矢量化。基于GIS的矿产资源预测需要采集大量的矿产地质数据，由于上世纪地质工作获得的基础地质数据大部分都是以纸质和图形形式存储，因此图形的矢量化成为目前地质数据获取的重要方式。而目前采用数字化仪或基于GIS平台的屏幕数字化均存在工作量大、精度控制难等问题。虽然一些GIS平台（如MAPINFO，AR－CINFO和MAPGIS等）提供了自动数字化功能，一些专门的矢量化软件（如R2V，VPStudio和GeoScan等）也可以对图形自动矢量化，但由于地质数据内容的复杂性，其自动矢量化的效果均不理想，交互式半自动矢量化仍是目前图像数据转换为矢量数据的主要方式。对于数据精度问题，目前可行的方法是，在地图扫描的基础上，应用GIS的镶嵌配准功能对扫描图形进行校正，然后基于GIS平台或专门矢量化软件进行半自动、交互式的屏幕数字化，对矢量化的数据再进行误差校正，以提高矢量化过程中图形数据的精度及准确度。

（2）矿产、地质数据的转换。由于GIS技术的不断进步与推广应用，现已建立了大量的地学空间数据库。但由于各部门建立数据库采用的GIS软件不尽一致，其数据的存储格式多种多样，如ARC－GIS，MAPINFO，MAPGIS，SURFER等矢量数据和JPE，TIF，GIF等栅格数据，因此在矿产预测过程中，根据所选取的预测软件对数据的要求，将不同矢量格式的数据转换为统一的矢量数据格式，而栅格数据需要通过矢量化方式转换为统一的矢量数据格式。

（3）矿产、地质空间数据库的建立。由于数据来源的多样性，不同来源的空间地质数据的坐标系及所用图形投影参数存在差别，因此必须根据基础地质图的坐标系和投影参数对所有的空间数据通过误差校正、投影转换、镶嵌配准等功能进行坐标系及投影参数的统一，使相同地理位置的数据在同一坐标系下的误差控制在预测精度所要求的范围内，以减少地质数据误差对成矿预测精度的影响。矿产、地质空间数据库不仅包括空间数据，其空间数据的属性数据也是矿产预测过程中必不可少的。对于预测过程中数据的分类提取，专题图层的建立具有不可或缺的作用，因此属性数据要根据预测工作的目的和需要，在成矿规律研究的基础上来确定。如在断裂构造中，不同级别的断裂对成矿的控制作用不同，区域深大断裂控制着岩浆岩带或矿带的空间展布，而次级的断裂则控制着矿体的就位，因此断裂属性中断裂级别是必不可少的。

2地质专业人员的作用

在成矿预测过程中，地质专家的参与贯穿于成矿预测的全过程，包括数据的收集、数据库的建设、成矿规律及控矿条件的研究、预测模型的建立、地质变量的构建及预测成果的解释等。由于计算机技术和GIS的应用，矿产预测数据处理自动化程度有所提高，但地质人员在成矿预测过程中仍起着不可忽视的作用。矿产地质数据组织离不开地质人员的参与，地质人员必须根据预测目的及预测思路提出矿产地质空间数据库建设的方案。基础地质矿产数据库建立的好坏影响着地质变量的选取与构建计划能否顺利进行，成矿预测的思路和方案能否实现，成矿预测的成果能否有效指导找矿。在矿产预测过程中收集了大量地质、物化探、遥感、重砂、矿产及基础地质方面的图形及文字资料。资料是否完整，能否用于矿产预测，需要地质人员根据预测的目的、任务、要求对大量的资料进行筛选和补充，同时还要剔除一些不能满足精度、范围要求的资料。如在区域矿产预测中，预测区内的工作程度各不相同，部分工作程度较高的区段可能具备有高精度的数据，如果预测者将其作为变量而参与建模，而该数据在整个预测区不具有可比性的话，就会造成预测区该变量的取值不确定而使预测成果的不确定性增加，因此在预测工作中应由地质人员根据实际情况来决定该数据的取舍；又如某些地质图只有图形数据，其属性数据则应由地质人员根据相关的基础地质资料或图形内容进行补充。遥感数据图像能较好地反映工作区构造的总体格局，可以作为区域地质资料中构造信息的补充。人们可以从中提取出区域地质图上未能很好反映的隐伏断裂、岩体等信息，也可对区分断裂的规模、性质，隐伏岩体规模等起到辅助判别的作用。对于遥感解译出的各类地质变量，要由地质人员对其进行分析鉴别，如环形构造反映的是构造信息还是岩体信息？要对环形构造的细节与特点结合地质情况进行具体分析，如果由岩体引起的，变量应划分为岩体变量，而构造作用形成的环形构造，应按构造变量来对待。同时对遥感解译信息和地质图上提供的相关信息进行分析，对一些重复的信息要有所取舍，选择一些有用的、不重复的数据，对遥感数据的有效运用需要遥感人员与地质人员的有机配合。变量的选取与构置。地质数据不仅包括定量的数据，如化探分析数据、物探数据、有用元素的含量等，还包括许多定性的或描述性的数据，如蚀变的强度、矿化强度、矿体的规模、控矿地质体的产状、规模等；不同的数据具有不同的单位和量纲。如何在成矿预测过程中把这些语句有机地组合起来，如何把定性的描述性数据用定量的数据进行合理的表达，需要地质人员根据各种方法所获取的数据之间的关系，结合地质实际情况进行合理的变量赋值，或根据数据分析所获得的不同变量之间的关系将相关的变量进行组合，使复杂的变量简化，优化变量结构，使成矿预测过程中涉及到的变量尽可能地少，同时又能有效地反映矿床或矿体空间变化特征，提高预测的可信度和准确性。矿产地质人员在成矿预测的过程中，必须对区域成矿规律及控矿地质条件进行研究，把成矿规律或成矿模型转换为相应的找矿预测模型。矿产地质人员在矿产预测过程中，需要不断对预测结果与找矿模型间存在的偏差进行分析，找出造成预测结果与地质事实之间存在偏差的原因，并提出校正的思路和方法，对预测结果进行修正，以保证预测结果的准确性和精确性，最后对矿产预测的结果进行地质解释与评价。袁峰等［9］和魏芳［10］曾经论述过地质矿产数据在GIS预测过程中如何有效组织的问题，矿产时间谱系在GIS预测中如何体现及地质专家与GIS预测评价系统如何有效结合仍是目前GIS预测中需要考虑的关键问题。这些问题的解决仅仅依靠GIS系统是不能实现的，必须由地质专家或地质专业人员在成矿规律研究的基础上，根据矿产资源评价的要求，提出解决问题的思路，通过GIS系统实现数据有效组合与表达，从而提高预测的准确性和可信度。

3单元的划分

单元是矿产预测的基本单位，预测工作以单元进行观测和取值，不同大小的单元对地质现象描述的精度不同，影响着地质变量观测的尺度，最终制约预测评价结果的准确程度。前人对地质单元的划分进行了研究，提出了地质体单元法、地质异常单元法及网格单元法，如陈永良探讨了GIS中地质体单元的划分［11］，李钟山等将地质体单元划分方法应用于华北地台北缘金矿预测［12］，赵鹏大等应用地质异常单元方法在鲁西地区进行了金矿的预测工作［13］。以上两种单元划分方法在GIS系统中的实现还有待探索，由于网格单元法的划分自动化程度较高，目前依然是网格单元划分常用的方法。网格单元划分中网格单元面积、形状及铺设的合理性对于预测精度起着至关重要的作用，在划分过程中需要考虑以下几个因素［14］：

（1）统计预测的比例尺。统计预测所采用的比例尺决定着预测过程中所使用数据的精度，也决定着预测的精度。经过大量矿产预测评价的实践，地质学家对预测所使用地质图件的比例尺与预测单元大小之间的关系进行了总结：当预测比例尺为1∶50000时，单元大小宜为0．25～1km2；预测比例尺为1∶200000时，单元大小宜为4～16km2；预测比例尺为1∶500000时，单元大小宜为25～100km2。

（2）研究区地质条件的复杂程度。合理的单元划分应该能使建立的模型反映区域地质构造背景和矿床地质条件变化的信息。在预测目的及预测资料精度确定的前提下，根据地质条件的复杂程度来确定单元格的面积。如西秦岭地区进行1∶500000的金矿资源评价时，地质条件变化复杂，信息量大，为了能客观地反映预测区情况，在不增加预测工作量的前提下，采用了5km×5km的单元格。如果地质条件相对简单，在保证统计预测所要求的单元格数量的前提下采用较大面积的单元格。

（3）研究区出露的矿点数量及空间分布的特征。研究表明，网格单元的面积不同，其矿点分布模型也不同，李新中等［15］对单元格面积与矿点分布模型进行了研究，提出了网格单元划分的基本准则，推导出确定单元格面积的公式。值得注意的是，研究区出露的矿点数量不仅与研究区成矿地质背景及成矿条件有关，还与研究区的工作程度密切相关，因此需要在综合研究成矿地质背景及调查研究区工作程度的基础上，对上述公式计算的单元面积进行合理的调整。

（4）保证统计分析所需的单元数。矿产预测是统计意义的预测，因此单元的划分必须使含矿单元的数量满足统计分析所要求的最小单元数，即含矿单元数要大于变量数［16］。

（5）地质特征的空间变异性。地质变量在空间的分布是不均匀的，通常表现为各向异性，因此在划分单元格时，要考虑地质变量的空间变化特征，利用区域化变量理论来研究单元内地质变量的空间结构性。当地质变量的结构变化表现为各向同性时，采用正方形单元；当地质变量的结构变化表现为各向异性时，则采用长方形单元，并以长方形的短边平行变化较大的方向。比如在祁连成矿带进行金矿资源量预测时，由于构造及地层主要呈NW向延伸，表现出较强的各向异性，因此在划分单元格时采用长方形网格，网格的长边平行于构造及地层的延长方向（即NW向），而网格单元的短边则垂直构造和地层的走向（即NE方向）。因此，单元格划分只有综合考虑上述因素，找出预测工作区内影响单元格划分的主要因素，在合理划分单元格的基础上进行预测评价，预测结果才能更好地反映地质客观事实，达到真实、可靠的要求。

4成矿模型和找矿模型

应用成矿模型和找矿模型进行矿产预测是地质工作者常用的预测方法，如斑岩型铜矿模型、石英脉型钨矿的“五层楼”模型、长江中下游玢岩铁矿模型，以及在这些模型基础上提出的矿床模型预测理论。它们是根据各类矿床复杂的地质现象和各种各样找矿信息对成矿规律及控矿地质条件的高度概括和总结，对矿床成矿作用的研究及找矿勘探具有指导意义。但是成矿模型和找矿模型既有内在的联系，也存在着差别。成矿模型是对矿床赋存的地质环境、控矿因素、内外部特征、时空变化规律、成矿物质来源、成矿机理的高度概括和综合，并用图表和文字进行表达，使人们对同类或相似的成矿作用有完整的认识［16］。找矿模型则是在成矿规律及成矿模型综合研究的基础上建立的，主要对成矿地质作用的结果，即对矿床发现有特殊意义的地质、物化探、遥感等找矿标志及其在空间的变化规律进行研究，总结矿床发现所需要的信息标志及使用的有效方法，是对成矿地质作用过程所表现的外在信息的综合和概括。在实际应用中出现了各种各样的找矿模型，并有不少成功的范例，如地质－地球化学模型、地质－地球物理模型、吨位－品位模型等。成矿模型侧重矿床成矿的过程和形成机理，揭示的是成矿作用过程内在控制因素的组合规律；而找矿模型侧重的是成矿地质作用的外在表现。只有通过对成矿规律的研究，建立成矿模型，才能更好地理解哪些找矿信息反映成矿规律和成矿作用的本质，在矿产预测过程中所起作用的大小，在此基础上建立找矿模型，更能对所获得的各种信息数据进行有效而充分的综合，并转化为矿产预测的各种地质标志，提高找矿预测的效率及准确性。

GIS矿产预测的发展趋势

随着计算机技术的发展，GIS成为矿产资源评价及成矿预测的一种强有力的工具，在成矿预测实践中得到广泛应用，在多源地学数据的集成管理、模型建立及空间分析方面具有不可比拟的优势。随着时态GIS［17－18］、三维GIS［19－21］、WebGIS［22－24］的发展，GIS技术在时空演化、三维可视化、数据开放共享的方面不断拓展，这为成矿时空变化规律的有效阐述、成矿预测的三维立体直观表达、GIS数据的共享提供了实现的途径，成为GIS目前的发展趋势。