gis與礦產資源評價-資料下載頁

　　

【正文】 換或轉換進行統一。 　　 空間數據的組織 　　這里的地學空間數據的組織指確定數據存儲的空間單元。通常有兩種方法，一是以圖幅為單位存儲，然后拼接；二是按整個評價區(按行政區劃存儲，如省級數據庫也屬這類)存儲。基于GIS的礦產資源評價空間數據的組織一般以評價區為單位。 　　 專題信息的存儲方式 　　資源評價涉及的地、物、化、遙等專題可用矢量方式、柵格方式存儲、也可以原始數據(地球化學分析數據)或經過一定處理后的數據(如重力地改后的數據)存儲。由于成礦信息的提取方式不同，應用GIS進行綜合的方法不同等原因，其存儲方式會有差別。在建立評價數據庫時，要根據處理及分析的需要，確定各種專題信息的存儲方式。如在GIS中，地質圖的信息適合用矢量型數據結構點、線、面存儲，而地球化學樣品分析數據的存儲方式就不這么簡單，它的確定具有典型的意義。這些分析數據可直接存儲在關系數據庫中，也可根據樣品位置信息生成GIS的點圖層，通過屬性表存儲分析數據，還可以將處理過的單元素異常圖或綜合異常圖作為GIS的多邊形圖層存儲。由于資源評價的模型不同，專家們對地球化學數據的理解與使用不同，采用的處理方法也不同，因此，只要有可能應存儲樣品分析的原始數據，由系統提供豐富的處理功能，以便根據評價要求實時進行靈活的處理。處理結果以帶有屬性的矢量數據或柵格數據的形式參與空間分析與運算。GIS點圖層的存儲方式由于對屬性數據的存儲是以文件形式而不是數據庫，會影響成礦信息提取的效率。在得不到原始數據還要進行資源評價的時候，也可將其他系統的處理結果根據評價要求以編碼多邊形的方式或以柵格形式存入GIS中。對礦產地、重力、航磁、遙感等數據也要作相應的選擇； 　　 信息的分類編碼 　　如前所述，基于GIS的數據管理將具有完整拓撲關系的空間信息圖形圖像與屬性信息有機地聯系在一起，實現了屬性與空間信息的雙向檢索。空間信息與屬性信息之間是否能夠實現高效、靈活的檢索，主要取決于空間與屬性信息科學、合理的分類編碼，這是建立空間數據庫要解決的另一個主要問題。 　　分類是將具有不同屬性或特征的信息區別開來的過程，是確定分層與屬性編碼的基礎。分類一般有兩種方法，即線分類法和面分類法。線分類法是一種層級分類法，將數據逐次分成有層級的類目，類目間構成并列和隸屬的關系，形成串、并結合的樹形結構。地質礦產信息由于具有層次關系，常采用線分類。例如，將其分為基礎地理、地質、地球物理、地球化學、遙感等大類，這些大類又可分為更細的類，如地質信息又可分為地層、構造、巖性等。另一部分代碼可采用面分類法。該法根據分類對象各自的特征，分成互不相關的面，面之間不存在從屬關系，因而不存在交叉和重復，而且順序固定(閻正等，1998)。 　　編碼是將信息分類的結果用一種計算機易于識別處理的符號體系表示出來的過程，是人們統一認識、統一觀點、交換信息的一種技術手段(蔣景瞳，1998)。 　　在礦產資源評價中，對于可能作為檢索條件的屬性，應采用編碼的方法。在為相應的點、線和面賦屬性時，必須對地層、巖性（包括結構修飾）、年代（相對與絕對）、礦物學或蝕變、沉積學或成因、構造地層環境、與相鄰地層單元的關系等進行編碼。編碼要考慮空間的準確度及專題信息（如編碼要反映特殊構造像正斷層、逆斷層、平移斷層等，而不僅是一般的特征），要滿足支持空間及相關處理的需要(John L. Dwyer and J. Thomas Nash, 1991)。如果作為檢索條件的字段采用自由文本描述，由于地質上同名異物、異物同名的現象太多，而且同一現象有多種不同的說法，檢索條件很難給定，即使勉強給定，也很難得出完整的檢索結果，常常會出現漏檢的現象。如果不編碼，就必須對描述的語言進行標準化，雖然從理論上講是可以的，但由于錯字、白字也會降低檢索的準確度。 　　對于具有層次結構的可能作為檢索條件的屬性，不僅要編碼，而且要盡可能采用層次編碼的方法。其好處是容納更多的信息，便于計算機檢索。典型的實例是年代地層的分類編碼。地層可分為宇、界、系、統、階等，代表不同的地層年代。它們之間具有層次的隸屬關系，采用層次編碼的方法可準確反映這種隸屬關系，實現有效的檢索。如檢索中生界的地層，通過代碼，不僅可將屬性值為中生界的地層，而且可將直接隸屬的白堊系、侏羅系和三疊系的地層檢索出來，其間接隸屬的上白堊統、下白堊統、上侏羅統、中侏羅統等也可檢索出來。相反，如果不采用層次編碼，上述檢索很難實現。 　　采用標準編碼的另一個好處是便于信息共享。即使是評價項目獲取的數據，如果采用國家標準編碼，今后也可在不同的應用中共享。有許多數據庫包括自由文本字段，或采用非層次式編碼，或是屬性數據庫太復雜，包括多個關系或層次式聯接的表，每個查詢都需要對多個數據庫搜索，大大降低了系統的效率。　　 空間信息的分層 　　目前流行的許多GIS軟件都將圖層作為基本的處理單元，拓撲關系、位置和距離計算、編輯、疊加、緩沖和網絡分析等都是面向圖層，在圖層一級進行的(方裕，2001)。在地學領域應用最多的GIS軟件ARC/INFO等都采用這種方法。建立用于資源評價的空間數據庫一定要確定分層方案，將數據按邏輯類型或專業屬性分成不同的層進行組織管理。關于分層有以下幾點需要強調。 　　 層是個相對的概念 　　同一數據在不同的應用中分層可能有很大的差別。如地形信息，在數字地形數據庫中，它可被分為地貌、水系、交通、植被、控制點等層，而在資源評價中，如果不涉及地形分析，可將其作為一個參考信息層。 　　 要區分物理存儲層與用戶在評價過程中所涉及的層 　　用戶在操作過程中可能涉及十幾甚至幾十個層的操作，但在物理存儲時，層的個數可大大減少。用戶應用過程中涉及的層可以通過對相關空間信息的屬性進行檢索得到新的圖層。澳大利亞的專家們將它們稱為主圖層和導出(或派生)圖層，如：某一具體地層的圖層可在多邊形圖層中，經對多邊形屬性編碼的識別，檢索出符合要求的多邊形并形成新的圖層。 　　 分層的原則　不同專題的數據如地質、地球物理、地球化學、遙感等要分成不同的層； 　僅用于圖形顯示和輸出而不參與空間分析的信息如圖框、標題、注記等可作為輔助圖層； 　構成一個或多個多邊形邊界的線元素應與相應的多邊形存在同一層內。如將兩個多邊形分開，可能進入第三個多邊形的斷層，其空間信息應與多邊形一起存儲，以便進行結構分析。在一個逆沖斷層的上盤選取單個多邊形是這種分析的一個實例(Bruce and et al, 1998)； 同一專題的數據是否分層、分成多少層很難有一致的原則，取決于建庫的目的及數據的使用。基礎數據庫分層不可過多，以保證最大的靈活性與應用范圍。由于礦產資源評價的空間數據庫，考慮到檢索的效率，所有與資源評價相關的空間要素要與可查詢的屬性一起存儲。單一文件屬性數據庫與合理編碼的信息最適合資源預測圖件的生成（Carl M. KnoxRobinson amp。 David I. ）。　　4. 找礦信息的量化與轉換 　　基于GIS的礦產資源評價要解決的主要任務之一是將成礦信息變成GIS可以理解、處理的形式，這就是基于GIS的資源評價找礦信息的量化問題。GIS可以理解處理的形式主要指將成礦信息用具有空間拓撲關系的點、線、面及相應的屬性描述的圖層表示。地球物理(重力、航磁等)、地球化學、遙感信息經一定的數學方法處理，得出或推斷出與成礦有關的圖形信息，如一定取值范圍的地球化學異常圖、地球物理等值線圖、構造圖等。根據評價模型，將上述圖形信息中參與綜合分析的部分賦以屬性生成GIS的多邊形或線圖層存儲。 　　　　對于地質信息，如前所述，通過GIS提供的屬性檢索、空間信息的量算以及疊加、緩沖等空間分析功能，可幫助完成從地質信息提取成礦信息的過程，當然，也要形成參與空間分析的圖層。 　　5. 基于GIS的礦產資源評價的空間分析方法 　　這里所說的空間分析方法是指對與成礦有關的各種地學空間信息進行綜合分析的方法，是將由多個圖層表示的成礦信息綜合成一個評價(預測圖層)的方法，是決定GIS應用水平的關鍵。不管是采用經驗的還是理論的方法，其主要目的都是定量化地表示相關的專題空間關系，最終對若干個專題空間關系進行綜合分析生成一幅預測圖。多數以GIS為基礎的礦產預測重點研究對多個專題關系進行綜合分析的方法。 　　布爾邏輯、代數方法、貝葉斯、模糊邏輯和神經網絡是幾種常用的方法。五種方法的特點如表1所示（Carl M. KnoxRobinson amp。 David I. ）。 布爾邏輯和算術方法最好在矢量GIS中實現，在柵格或四分樹系統中實現困難也不大。其余三種方法最好在柵格或四分樹GIS中實現，雖然也可在矢量型GIS中實現，但性能會受到較大的影響。　　. McRae等人通過在新南維爾士州中西部進行礦產資源潛力評價，對證據加權法與模糊邏輯兩種方法進行了分析的比較（. McRae et al，1997）。證據加權法的優點：數據驅動，避免權數選擇的主觀性。易于編程、易于組合多圖件模式。缺點是用于分析的圖件必須是條件獨立的；先驗和后驗概率的值總是被低估，因為在礦產預測中，它們依賴于響應變量的個數。而在勘探程度較低的地區，未發現的礦床可能很多。由于這種方法將缺乏數據與缺乏不利條件等同，因此，不適合在勘探程度低的地區使用。 　　模糊邏輯法是模型驅動的方法，對模糊邏輯描述的可能性進行估算。模糊集的成員用0 ~ 1之間的連續數值表示。在礦產預測模型中， ~ 。該方法的優點：單個圖層用連續值表示，結果更直觀易懂；權數的改變更好地反映了模型條件，而且易于實現。缺點：在模型驅動的方法中，依賴于專家的觀點；該方法也不適用于勘探程度低的地區。與證據加權一樣，數據的缺乏等同于有利條件的缺乏。但是由于該方法賦予權數的區域更廣，可在一定程度上彌補上述缺點。 表1 綜合定量的空間關系生成單幅預測圖的常用方法方法數據類型說 明布 爾離 散專題關系被定量化為顯示區域高（1）或低（0）的二值有利程度。對所包括的定量化的關系進行與操作，生成對所有組成專題都有利的區域。另一種方法是只用簡單相加的方法組合這些專題圖。在這種情況下，如果輸入N個圖層，預測的結果圖就有N＋1個狀態。后者的缺點是每個專題都同等對待。貝葉斯離 散專題關系被定量化為顯示區域或高或低的有利程度。但這些區將根據相應專題的重要程度賦予統計權數。然后用貝葉斯的條件概率理論對所包括的定量化的關系進行綜合，生成預測圖。這種方法輸出概率結果，考慮了不同空間關系對成礦的不同作用。但是，應用該方法的統計假設條件并不是總成立的。而且，礦床的大小沒有考慮。算 術離 散該方法是布爾法的擴展。專題的空間關系不是僅定量化為二值，而是多值。然后用算術的方法綜合這些關系。每個專題的作用及礦床大小都可考慮在內。模糊邏輯連 續模糊邏輯方法也是布爾方法的擴展。實際上，布爾邏輯是模糊邏輯的子集。在模糊邏輯中，空間關系被定量化為連續的表面。0意味著完全無關（即低significance），1意味著完全相關（即高significance）。許多模糊邏輯操作都可用于綜合多種空間關系，包?quot。與、或。Gamma函數是綜合數據集的常用操作。 神經網絡連 續人工神經網絡（ANN）并不用于將上述定義的空間關系綜合成一幅預測圖，而是進行分類的工具。建立一個包括礦床大小、距最近斷層的距離、走向、局部接觸密度、最近的接觸類型、基巖等內容的數據庫。這些信息與對已知是貧瘠地區的相似度量信息一起由ANN進行處理，建立輸入（度量信息）與輸出（礦床大小）的關聯。一旦經過訓練，ANN就可以用于確定研究區任何一點的有利程度。現在的問題是開發用于處理從圖件的輸入到合理輸出的全過程的ANN。