鲁彦宏1 陈美风2
1.浙江省第一地质大队 浙江杭州 310000 2.浙江省地矿勘察院有限公司 浙江杭州 310000
摘要：数字地质学是地质学的数据科学,数字地质学是数学地质学的进一步延伸和扩展。它将地质学中的定量理论与信息技术相结合。其中的是通过从各种地学大数据中提取关键信息，有效揭示各种地质异常规律，以识别和预测深埋地质构造和矿体。
关键词：数字地质；数字矿产勘查；分析
1从数学地质到数字地质学
数学地质学是地质学和数学的跨学科结合。其主要任务包括:(1)研究地质体的数量特征，以建立地质体的数学模型;(2)研究地质过程中各种因素的相互关系和影响，建立地质过程的数学模型;(3)研究地质数据的特征和地质工作方法建立其工作方法的数学模型;(4)通过建立各种数学模型来研究和解决各种实际地质问题;(5)将数学地质学与空间信息技术相结合，在计算机技术的帮助下开发数字地球科学。
数字地质学是数学地质学与信息技术相结合而形成的一门跨学科学科。数字地质学，以地质理论和信息技术为基础，试图借助数据科学的方法，建立和应用各种数学模型，智能化地处理地学中的大数据，从中挖掘关键信息，获得浓缩的数字知识。这门新兴的学科旨在解决地质学中的认知、预测、决策和评价等理论和实践问题。
数字地质学是数学地质学的进一步延伸和扩展。它将地质学中的定量理论与信息技术相结合。其中的是通过从各种地学大数据中提取关键信息，有效揭示各种地质异常规律，以识别和预测深埋地质构造和矿体。
2数字地质学:地球科学中的数据科学
2.1地球数据科学的形成
自然科学、工程和技术或社会科学都离不开数据。所有的数据都必须具有科学的内涵和科学上的本质意义。数据的处理的方法可以用于研究科学，而科学的方法可以理解为研究数据。科学研究可以被看作是数据研究。从数据分析的角度来看，不同学科的不同问题具有很高的相似性，这是数据科学必须存在和发展的原因。
2.2大数据时代新的科学范式和思维模式
(1)地质对象的数字化、建模、可视化、相互关联;(2)地质数据的复杂性、叠加性、变异性、多源性、方向性和代表性，以及混合数据的分解技术;(3)地质数据的统计分布特征及其意义;(4)地质数据的定量化;（5)地质数据的空间变异性和各向异性;(6)地质过程的马尔可夫过程及其转移概率
2.3数字地球科学中的数据特征
(1)数据混合。我们现在观察到的数据是在长期的地质历史过程中发生的各种地质过程叠加的结果。例如，从铜矿体获得的铜品位数据可以包括源岩中的原始铜，以及来自成矿热液的叠加铜。铜矿石的铜品位数据是由于叠加过程而导致的混合的结果。如果我们想研究这个铜矿的成因，我们必须分解叠加混合数据，检查由不同地质过程产生的铜矿的大小和空间分布特征，否则，我们就不会对铜矿的成因做出正确的结论。
(2)样品采集。对各种地质体的观测、测量和描述是根据一定的规则在地质体内的不同点、沿线或表面采集样品。我们很难获得整个地质体的“完整”数据。即使采用遥感和地球物理勘探等技术，对地球的观测也仅限于局部区域。钻孔岩心取样必须沿着某一特定方向进行，钻孔按照合理的勘探模式和勘探深度设计，以获得相关数据。与深部取样有关的数据目前很少，从前苏联科拉半岛CT-3科拉超深钻孔获得的最深钻探岩心深度为12262m，深地观测资料极其稀少，但极有价值。
(3)因果关系。根据统计分布，地质数据的平稳性和变异性严格由它们的成因来控制。
以铁矿石为例，来自具有不同成因铁矿床的铁矿石品位具有很大差别。部分矿石品位数据显示正态分布，有些服从对数正态分布。这些差异与它们的成因密切相关。在大数据分析的应用中，因果关系和相关关系同等重要，应该根据不同的要求和口的进行不同的研究。地理数据具有时空特性。地质数据亦有时空变化规律，每个数据项目都代表了时空地质实体的特定属性。
(4)多态性。地质数据可以细分为定性和定量数据，也可以根据不同的特征，划分为连续和离散数据。例如，定性数据是从对地质体的观察和描述中获得的，而定量数据则是使用不同的测量工具对其进行测量获得的。离散数据是通过对地质体的特定点测量获得的，连续数据则是通过对其连续测量获得的，譬如航磁和遥感数据。
(5)多元化。地质体的成因受多种地质因素控制。地质体的特征可以通过多种方式获取。简言之，对地质体的测量可以被认为是多维空间中的点测量。因此，我们有必要应用空间维度信息来准确地定义某一地质体。因此，地质数据表现出多元化和多样性。例如，矿床的成矿系统包含5个基本要素:“来源、运输、储存、变化和保存”。为了寻找未发现的矿床，有必要收集和获取符合这五个方面的数据，从而促进地质数据的多元化。然而，即使从多元化的角度来看，一个矿床的特征，因为成矿事件的发生具有不确定性，矿床预测也需要用概率法则进行定量评估。
2.4数字地质领域中的数据转换
在数字地质研究的过程中，不同类型的数据需要不同的表达形式。有必要对数据进行预处理和转换，以促进综合分析。数据预处理的主要口标是:(1)统一地质变量的数据水平，减少维度效应;(2)使地质变量尽可能服从正态频率分布;(3)将变量及其函数之间的非线性关系转化为线性关系;(4)减少变量的数量，即，使用一组具有相互独立的较少的组合变量来替换原始的地质变量。在数据预处理的过程中，人们尝试通过不同的转换来实现不同的口标。目前，常用的数据预处理和数据转换通常包括以下5种基本类型:(1)原始数据标准化使数据达到同一数量级;(2)通过对数变换使频率分布正偏的原始数据接近于正态分布;(3)因变量和自变量之间具有非线性关系的数据可以近似地转换为具有线性关系的数据;(4)原始数据的R型主成分分析可以减少原始变量的数量，并创建相互独立的新变量。数据预处理和数据转换对于从大量数据中提取关键的矿化相关信息具有重要意义;(5)对于混合分布的数据的转换，应先将其分解为单一总体，然后，根据需要再对它们进行进一步分析。
3数字矿产勘查
矿床及其周边区域的地质、地球物理、地球化学和遥感地质异常是了解成矿条件和评价矿产资源潜力的基础。基于地质异常原理的定量矿产勘查是通过建立数字找矿模型而实现的。数字矿产勘查首先基于矿床成因模式，在控矿因素分析的基础上，建立综合致矿信息概念找矿模型;然后，从地质、地球化学、地球物理、遥感等数据中提取单学科找矿信息，建立综合致矿信息数字找矿模型;最后，应用数字找矿模型，定量圈定找矿靶区并评价其资源潜力。
综上所述，地球科学是一门数据密集型科学。关键数字地质知识是从原始地质数据中获取的高度浓缩的信息，能够用来定量精准地表达其内在的地质过程、现象和规律。这些科学表达能被用于预测地质历史时期地质事件的发生，发展和结果。因此，必须建立和发展基于大数据的数字地质学。数字矿产勘查是数据地球科学与信息技术相结合在地球科学中的成功应用。
参考文献
[1]毕颖出.测绘技术在地质矿产勘查中的应用[J].工程建设与设计，2017，（09）：74-76.
[2]黄洋.数字测绘技术在地质勘查中的应用[J].世界有色金属，2017，（04）：202+204.
[3]白如.地质矿产勘查中的数字测绘技术分析[J].民营科技，2016，（03）：31.
[4]褚庆锋.数字测绘技术在地质勘查中的应用[J].中国新技术新产品，2015，（10）：96-97.
[5]尤玉玺，徐宝平.数字测绘技术在地质勘查中的应用探讨[J].科技传播，2013，（01）：102+88.