地质大数据的特点及其在成矿规律_成矿系列研究中的应用_王登红.docx

《地质大数据的特点及其在成矿规律_成矿系列研究中的应用_王登红.docx》由会员分享，可在线阅读，更多相关《地质大数据的特点及其在成矿规律_成矿系列研究中的应用_王登红.docx（12页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、地质大数据的特点及其在成矿规律、成矿系列 研究中的应用 王登红 S刘新星 U， 刘丽君 i 2 (1中国地质科学院矿产资源研究所国土资源部成矿作用与资源评价重点实验室，北京 100037; 2中国地质大学（北京 ） 地球科学与资源学院，北京 100083) 摘要进入 21世纪以来，面对这一信息大爆炸的时代（即 大数据 时代），人们的生活、工作与思维都面临着 大变革。文章基于 大数据 思维，探讨了成矿规律及成矿系列研宄中的一些问题，以期地质大数据能够在成矿规律 及成矿系列的研究中得到更好地应用。首先，从 大数据 的特点及其研宄现状入手，结合地质矿产研宄中的现实问 题，阐述了地质大数据的概念及其外

2、延。然后，综合 大数据 与成矿规律、成矿系列研宄相关各地质专业的特点，浅 析了矿产资源领域地质大数据的 10个特点 ;其中，除了从地质矿产的视角解释了 大数据 n的大量性、高速性、多样 性、价值性 4大特点外 ,还基于地质矿产专业提出了地质大数据的 6大新特点： 物质性与非物质性 空间性与非 空间性 n 时间性与非时间性 因果性与非因果性 主体性与非主体性 及 客体性与非客体 性 ，并在 大数据 的背景下作了新的诠释。最后，总结了地质大数据在成矿规律、成矿系列、成矿体系研宄中的应用情况及注意事项， 期望地质大数据能为成矿理论和成矿预测工作提供新思路。 关键词地质学 ;大数据 ;地质大数据；成矿

3、规律 ;成矿系列；成矿体系；成矿预测 中图分类号： P612 文献标志码 :A Characteristics of Big Geodata and its application to study of minerogenetic regularity and minerogenetic series WANG DengHong1 , LIU XinXing1,2 and LIU Lijun1,2 (1 MLR Key Laboratory of Metallogeny and Mineral Assessment, Institute of Minerals Resources, Chin

4、ese Academy of Geological Sciences, Beijing 100037, China; 2 School of the Earth Sciences and Resources, China University of Geosciences, Beijing 100083, China) Abstract Since the 21st Century, confronted with the epoch of information explosion (i. e. , the epoch of 44Big Data), people are facing gr

5、eat changes in living, working and thinking. In this paper, some problems concerning the study of minerogenetic regularity and minerogenetic series of mineral deposits are discussed in the big data way of thinking in the hope that Big Geodata can be well applied to the study of minerogenetic regular

6、ity and minerogenetic series. First of all, this paper starts with the concept and research status of Big Data and, in combination with some problems concerning geology and mineral resources, expounds the concept and extension of Big Geodata. Then， after summarizing the professional characteristics

7、of Big Data and geology and mineral resources, 10 kinds of Big Geodata *本文由中国地质调查局 中国矿产地质与区域成矿规律综合研宄（中国矿产地质志）项目（编号 ： 1212011220369) 、 国土资源部公益性 行业科研专项计划 南岭东段九龙脑矿田成矿规律与深部找矿示范项目（编号： 201411050) 和中国地质大调查项目 我国离子吸附型稀土矿 战略 调查及研宄（编号： 1212011220804) 联合资助 第一作者简介王登红，男， 1967年生，研究员，博士生导师，主要从事矿产资源研宄。 Email: 收稿日期

8、20154)740;改回日期 20150849。苏杭编辑。 characteristics have been expanded with some specific examples of geology and mineral resources. In addition to the use of geology and mineral resources perspective to explain the four characteristics (4V +6W) of Big Data, namely volume, velocity, variety and value, six

9、 new characteristics of Big Geodata are put forward based on professional setting of geology and mineral resources, which are “what and non，vhatM， “where and nonwhere” ， “when and nonwhen， 44why and nonwhy ， 44who and nonwho and 44whom and nonwhomn， and are reinterpreted under the background of Big

10、Data. Finally, the application of Big Geodata to minerogenetic regularity, minerogenetic series ,minerogenetic system and minerogenetic prediction as well as some other aspects that deserve attention is summarized ,and then some problems existing in the application of Big Geodata are also discussed,

11、 in the hope of providing research ideas for researchers of geology and mineral resources. Key words： geology, Big Data, Big Geodata, minerogenetic regularity, minerogenetic series, minerogenetic system, minerogenetic prediction 与单个矿床的研宄不同，成矿规律、成矿系列、 成矿体系、成矿预测的研宄，毫无疑问都需要 大数 据 。那么，什么是 大数据 ？什么是地质大数据？

12、成矿规律、成矿系列等的研宄需要什么样的地质 大 数据 呢？ 大数据 在成矿规律等的研宄中应注意 哪些问题呢？ 1基本概念和研究现状 在互联网上 大数据 （ Big Data) 被解释为 无 法在可承受的时间范围内用常规软件工具进行捕 捉、管理和处理的数据集合 。互联网信息显示， 大 数据 是维克托 “ 迈 尔 啥 恩伯 格 （ Mayer- Scli0nhberger Viktor)及肯尼斯 “ 库克耶 （ Cukier Ken- neth)在 2008年 8月中旬提出的，但该词语的出现和 实际使用肯定早于此时间。如，早在 1981年，著名 未来学家阿尔文 “ 托夫勒 （ Toffler Al

13、vin)便在 The third wave 一书中，将 大数据 热情地赞颂为 第三 次浪潮的华彩乐章 。 Nature在 2008年就推出了 Big Data专刊， Science在 2011年 2月也推出 “Dealing with Data11专刊。在中国，牛文杰等在 2001 年发表了超大数据体泛克里金插值的研宄一文； 在更早的 1982年， 00289部队的马光中等发表了数 学地质在碌曲 -平武一带作成矿远景预测的应用一 文，简要介绍了在 DJS421计算机上自编程序对 53 200 km2范围进行 大数据 成矿预测的做法。 当然大数据时代 （ Mayer-Sch0nberger et

14、 al.， 2013) 书更具标志性。该书强调 大数据 不采取 随机分析法 (抽样调查 )这样的捷径，而采用所有数据 进 行 分 析 处 理 大 数 据 具有 4V (或5V)特点： Volume.(大量 ）、 Velocity (高速 ).s Variety (多样 ）、 Val ue(价值 ）（ 真实性 （ Veracity)。 这些论述都切中要 害，也是客观的，同样需要在成矿规律、成矿预测等 方面的研宄中加以遵守。那么，如何在成矿规律和 成矿系列的研宄过程中充分利用海量的数据？如何 将数据与思维结合起来？如何将数据转化为新的认 识或知识，并运到地质找矿的实践中？本文将对此 作一探讨，以抛

15、砖引玉，使得当前成矿规律、成矿系 列乃至于成矿预测的研宄更具有 大数据 的时代特 色。 地质大数据是信息时代背景下大数据的理念、 技术和方法在地质领域的应用与实践。地质大数据 涉及到地球的各个圈层，涉及地球形成与演化的历 史，涉及到地球的物质组成及其变化，涉及矿产资源 的形成、勘查与开发利用，涉及人类环境的破坏与修 复等。在当前地质工作中，各种复杂类型数据的采 集、挖掘、处理、分析与应用都与信息社会的 大数 据 不谋而合，或者说，地质大数据是 大数据 的重 要组成部分 ;而且，地质工作中实测的 实体 数据的 比重可能比网络世界中通过各种各样模型计算出来 的数据比重更大。这是与地质工作注重野外实

16、践 、 注重第一手资料的采集分不开的。应用 大数据 理 念来研宄成矿系列和成矿规律，实际上就是在充分 利用与 矿 有关的各种数据来厘定矿床的成矿系 列，总结成矿规律并以各种适当的方式表达出来（包 括声音、图像 ） 。这种 全息 式的研宂有别于传统的 抽样调查 ，故也可称为 大数据成矿规律 大数 据成矿系列 。 尽管 大数据 不是新名词，在 20世纪 80年代 初就有人在地球科学领域的研宄中提到 大数据 n， 但 大数据 对于当今人类生活方方面面的冲击如此 之大，显然是在 2012年之后（李国杰等， 2012)。 2012年 3月 29日，美国总统奥巴马发布了大数据 研发倡议 （ Big Dat

17、a Research and Development Initiative) ， 开启了美国 大数据 的全面研发 ，由 美国联 邦政府的 6个部门直接承担，其中就有美国地质调 查局 （ USGS)。 中国地质学界在这方面的研宄还甚 少。以 大数据 为检索词，在 CNKI (中国知网）上 搜索，结果发现，截止到 2015年 7月 8日 16点 16 分，在 8079种中文期刊中，在 43 878 879篇文献中 ， 直接在篇名中使用 大数据 的有 9625篇，其中， 2015年 （ 尚不到 1年）就占 2596篇； 2014年 4469 篇 ;2012 年 358 篇； 2004 年 13 篇；

18、 2002 年 10 篇； 1999 1990的十年间只有 18篇； 1980 1989年仅 仅 5篇（图 1)。可见， 2010年以后才可以称为 大数 据 时代。当然，在这之前并非没有 大数据 。大数 据也是一个相对的说法，相对于 50年以前，现今当 然算 大数据 时代，但相对于 50年之后呢？！ 在上述所有文章的标题中同时出现 大数据 和 地质 的文章只有 17篇；而同时出现 大数据 与 矿 的文章仅仅 1篇。这说明，尽管 大数据 问题 一开始也出现在地质科学领域（比如石油勘探），但 当前的地学研宄显然已经落后于其他学科！这与地 质数据的海量积累、地质找矿难度的日益加大、矿产 资源综合利用

19、的要求更高很不相称。另外，地质数 据往往是原始数据（诸如通过地球物理、地球化学、 地质钻探等获取的数据都是原始数据，不是 加工 之后的数据）。如何对这些原始数据进行加工处理， 离不开现代 大数据 处理的新技术和新理念，而这 一点恰恰又是地质科学领域所不足的。比如 ，在成 矿年代学方面， 40年以前获得一个 K4r法数据就可 能对理解成矿时代产生影响，但现今利用 Ar4r、 K- Ar、 Rb-Sr、Re S、 U4b等各种方法获得的一大堆数 据，可能也只是为了查明某个矿床的成矿时代，深度 挖掘和关联研宄明显不够。 从专业数据属性来看，地学各个专业都在建立 和规范管理各专业子领域的数据资源，争取

20、实现共 享，如全国岩石学专业委员会的 火山岩数据库 n，但 矿床专业委员会尚未建立开放的 矿床数据库 。从 矿产资源领域属性看，以矿产资源为核心（涵盖黑色 金属、能源、有色金属、贵金属、 稀有、稀土、稀散金 属、宝玉石、非金属等各个行业），逐步拓展到相关 上、下游产业 （ 基础地质调查、矿山开采开发、矿政管 理、冶金加工、环境保护、矿产品贸易等等 ） 。从空间 属性看，以中国地质调查局为主体建立全国的 大数 据 ， 6大区、各个省级甚至地、县、跨行政区域的 成 矿区带 都可以自成体系地构建 大数据从而为成 矿区划、为矿业区域发展提供支撑。从数据来源的 渠道看，既有政府部门的统计数据，也有来自于

21、矿山 企业、行业协会的各种主体经营性基本信息以及来 自于媒体的投资信息、股东信息、专利信息、进出口 信息、招 聘信息等。但是，目前各种 数据库 都是铁 将军把门、甚至 买票 也难以进入，尚未达到开放式 应用的程度，也尚未同时达到开放公共数据的 8条 基本原则（数据必须是完整的、原始的、及时的、可读 图 1近年来以 大数据 为题发表的中文论文的变化情况 Fig. 1 The changes in the number of published Chinese papers on the subject of Big Data 取、机器可处理的、不需要许可的、获取必须是无歧 视的、格式必须是通用而

22、非专有的 ）（ 胡雄伟等， 2013) 2矿产地质领域地质大数据的几个特 点 毫无疑问，矿产地质 现今也进入 大数据 时代， 甚至比其他领域更早。在地质尤其是矿产地质领 域 大数据 除了具有 4V四大特点 （ Volume、 Velocity、Variety、 Value)之外，还需要强调具专业背 景的 6W 特点 （ What、 Where、 When、 Why、 Who 和 Whom)。 这 6W是成矿规律研宄的基本方法，也体 现在矿产地质大数据上。 2.1地质大数据的大量性 目前，到底有多少地质数据，并无由权威部门发 布的 统一说法 ，但 无法在可承受的时间范围内用 常规软件工具进行捕捉

23、、管理和处理 这一点，恐怕 是不言而喻的。显然，地质数据也是一个数据集合， 包括地质、矿产、遥感、物探、化探等各个专业，而且 还是相互关联，融汇贯通的。仅就矿产地的数量来 说，目前全国至少有 7万处（王登红等， 2014a)，在一 些官方文件和科普读物中指出 己发现矿床、矿点 20余万个 . （ 陈毓川等， 1999) s这 20万处矿 产地的信息是海量的，一般的笔记本电脑和台式机 也难以 在可承受的时间范围内 进行日常处理。目 前，一张 Excel表格也无法容纳 7万处矿产地的全部 信息，更何况 20万处。要对这 20万处矿产地进行 分类、排序就难以方 便地完成，因此也需要借助于 大数据 的

24、理念和技术。 目前，中国地质调查局系统已建成的数据库包 括区域地质数据库（涵盖全国 1: 250万、 1: 100万、 1: 50万、 1: 25万、 1: 20万区域地质图、全国 1: 20万自然重砂、全国同位素地质测年、全国岩石地层 单位等数据库）、基础地质数据库（涵盖全国岩石物 性、全国地质工作程度等数据库）、矿产资源数据库 (涵盖全国矿产地、全国矿产资源利用调查矿区资源 储量核查成果、全国大中型矿山、矿产资源远景调 查、全国主要固体矿产大中型矿山资源潜力调查、全 球地质矿产等数据库）、油气能源数据库（涵盖全国 含油气盆地、全国油气资源地质调查成果、全国油气 地球物理勘探、全国页岩气、全

25、国煤层气、全国天然 气水合物等数据库）、地球物理数据库（涵盖全国 1 :100 万、 1: 50 万、 1: 25 万、 1: 20 万、 1: 5 万重 力、全国区域重力、全国航磁、全国地面磁力、全国电 勘查、地震勘查、全国航空放射性、全国测井等数据 库）、地球化学数据库（涵盖全国 1: 25万、 1: 20万 化探、全国多目标地球化学、全国土地质量评价成果 等数据库）、遥感调查数据库（全国航空遥 感影像、中 国资源卫星资料、航天遥感影像、全国矿山环境遥感 监测、全国高分卫星等数据库）、钻探数据库 （ 涵盖全 国地质钻孔信息、全国重要地质钻孔、中国大陆科学 钻探钻岩芯扫描图像库等）、水工环灾

26、害数据库、资 料文献数据库、专题专项数据库（涵盖全国矿产资源 潜力评价数据库、重要矿产 三率 n调查与评价数据 库等）、工作管理方面的数据库（涵盖全国探矿权、采 矿权、矿业权核查、地质信息元数据库等）。这么多 的数据库，一方面还在不断扩充完善，另一方面其本 身的实用价值尚未充分体现。然而，绝大多数的成 矿规律研宄人员实际 上不可能拥有上述全部数据， 至多也是各自采用自己积累的资料而己。但无论如 何，即便是各自积累的资料，无论是数量上还是类型 上，也是 10年前、 20年前所不可比拟的，因此也可以 说进入了 相对大数据 时代。比如， 1999 2004年 间， 中国成矿体系与区域成矿评价 n项目

27、，全国虽然 有 202位矿床学界的专家共同参加，但只掌握 4500 处矿产地的资料（全部矿种 ）； 而 2006 2013年间开 展的 全国重要矿产和区域成矿规律研宄 ，仅仅由 矿产资源研宄所承担的 16个矿种（组）所涉及到的 矿产地就达 30 600处。因此，十年间信息增加之快、 数据量增加之大是前所未有的。 2.2地质大数据的高速性 地质数据的产生也是非常快的，具有显著的高 速性。尤其是遥感地质、航空物探、区域化探等领域 甚至连宝玉石矿产资源这样的 小专业 ，由于其更 多地引进了新技术新方法，其数据都是成倍、甚至呈 几何级数地增长。同时，处理速度快，更是 大数据 的时代特点。人们不但需要对

28、数据进行近实时的分 析，而且需要以音频、视频、三维图像等迥然不同于 传统方式的数据处理技术来表达数据挖掘和加工的 结果，没有强大的、快速的处理功能是难以实现的。 比如，对地球深部信息的探测，不只是获取地震波反 射、折射方面的参数，更需要快速地处理，以便于及 时地预测地震是否发生、预报发震的时间、地点、强 度等（程陈等， 2013)。这样才能有效避灾，否则就是 马后炮了。 2.3地质大数据的多样性 随着计算机技术的普及，地质大数据从地球物 理等传统的需要 大存储 的 大专业 扩展到了同 位素年代学这样的 小专业 。从原始信号到原始数 据再到图像、声音等，几乎无所不包；而且不同类型 之间的数据可以

29、 互联互通 、 互通有无 ；从数据 变到图像，再从图像变到数据， 图文并茂 。专业之 间的壁垒也逐渐被打通。比如，成矿系列的研宄，以 往仅仅是靠专家的脑力劳动来判断矿床与矿床之间 是否存在内在联系，矿床与物探异常、与遥感信息之 间存在什么样的内在联系，是难以 主观说清楚 的， 因为很少有人既懂得矿床学又精通遥感、物探等专 也 大数据 时代，则可以通过大数据、全数据的采 集，在非专业人士主持的情况下也可以分析其间是 否存在相互联系 即统计规律；再根据统计规律 由专业人士来总结因果联系，即成因规律。不同数 据类型之间，也 可以分别处理，图像专家处理图像资 料，矿床专家分析矿床成因，勘查学家总结勘查

30、经 验，殊途同归，共同归纳出成矿规律和勘查规律。 2.4地质大数据的价值性 对于 大数据 价值性的理解，研宄者们还存在 歧义，有的只强调 价值密度低 （ 海量数据中真正有 用的信息少之又少 ）； 有的则强调 商业价值高 （ 不 用多大投入，仅仅从网络搜集资料就可以带来 商业 价值 ）。但一般认为， 价值 指的是 通过分析数 据可以得出如何抓住机遇及收获价值 ，即 价值密 度低，商业价值高 ，地质大数据同样如此。迄今为 止，对于大量的物化探异 常信息，真正验证了的并不 多，找到矿的则更少，但一旦取得找矿突破，其社会 经济价值就非常巨大，如西藏的甲玛铜多金属矿床 (唐菊兴等， 2011)和四川甲基

31、卡外围新发现的锂多 金属矿床（王登红等， 2013)。 2.5地质大数据的物质性与非物质性 物质性强调的是地质数据的客观存在性，即具 有不以人的意志为转移的物质第一性；而非物质性 指的是地质数据又具有被加工处理的可能性。传统 的地质学及矿床学都十分强调调查 /研宄对象的物 质 第 一 第一手 客观真实 全面 也是地质 工作者获取地质数据的基本职业操守。但是，在当 今世界 信息爆炸 的时代，谁也不能保证所有的信 息都是真实可信的。那么，除了读者（受众 ） 自身的 专业素养（即判断力）之外，利用各种各样的技术来 处理数据，去伪存真，去粗取精，成为当今数据技术 领域之主导。维克托 “ 迈尔 +恩伯格

32、等人在其大 数据时代一书中也试图将技术与信息、数字化和数 据化区分开， 如今的信息技术变革的重点在 上，而不是在 I上。现在，是时候把聚光灯打在 I 上，关注信息本身了 n (卞友江， 2013)。可见， 尽管信 息技术指的是处理信息的技术 （ IT)，但信息的物质 第一性不应该被忽视，信息本身的内蕴有待于深入 挖掘。比如，处理化探异常的技术方法很多，无论是 克里格法还是其他方法，都可以得出众多的等值线 图。但这些 异常 及其原始数据本身宄竟是代表了 成矿还是不成矿，却并非一目了然。因为，成矿元素 的分散同样可以形成异常，而元素的分散恰恰是成 矿物质聚集的反过程。因此，宄竟是处理信息的技 术重

33、要还是信息本身更重要，同样是地质大数据所 面临的现实问题。显然，在 大数据 时代，二者不可 偏废。没有数据，技术发挥不了作 用；没有技术，数 据也只能是一堆令人眼花缭乱的数字，难以上升为 规律 ，难以指导人们该采取什么样的实际行动。 2.6地质大数据的空间性与非空间性 空间性指的是地质数据的空间属性。地质学与 数学、化学和物理学不同，与天文学、动物学、植物学 则有共同之处，即地质学所研宄的对象、所采集的数 据往往具有空间属性。不同地区的动物资源、植物 资源是不同的，矿产资源也是如此，即 空间性 。前 文中所提到的中国地质调查局建立的一系列数据 库，体现的是 中国地质数据的空间属性 。国外不 同

34、国家有不同的地学数据库，中国各个省 （甚至更小 的行政区）也都在建设数据库（商培林， 2015)。众所 周知 ， GIS (地理信息系统）在地球科学领域的发展非 常快，其使用范围超出了 地质锤、罗盘、放大镜 的 老三件。老三件以采集数据为目的，GIS则是管理数 据的高手。可以说，任何一个地质数据都具有空间 属性，其价值也就体现在矿产资源分布的空间规律 上，因此，在厘定成矿系列、总结成矿规律的过程中， 必然要考虑其空间性 即成矿区域特点。毫无疑 问，每一个成矿系列都具有空间属性。同时，空间性 又具有局限性，在深入研宄成矿规律的过程中又要 跳出空间 的局限性，查明 成因即成矿过程的本质 属性，才能

35、更好地指导找矿。比如，长江中下游的矽 卡岩型铁铜矿与太行山的 5夕卡岩型铁铜矿，在空间 上并无关联，但在本质上都是 砂卡岩型 ，都跟中酸 性侵入岩与碳酸盐岩地层的接触交代成矿作用密不 可分，此即非空间性。因此，长江中下游地区的各种 各样的 数据在应用到太行山时，就要注意到哪些 是具有空间局限性的，哪些是空间无关的，这样才能 更好地总结成矿规律并指导找矿。 2.7地质大数据的时间性与非时间性 地质数据具有 时间 属性，这也是与物理、化学 等自然科学不同的。地质学的基础支柱之一就是地 质年代表，不同地质时代的岩石、地层、矿床具有不 同的分布特征和规律；因而每一个数据也都具有 时 代 属性。即便是第

36、四系的土壤样品，在采矿之间与 采矿之后、开垦之前与开垦之后也是变化的。同样 是矽卡岩型铜矿，长江中下游和閃底斯 2个成矿带 不一样，不只是空间上的差别，而且存在时间上的差 别。南岭地区，燕山期的花岗岩与加里东期的花岗 岩，都是花岗岩，但在成矿强度、成矿能力、成矿类型 等方面明显不同（陈疏川， 1983 ;王登红等， 2014b)， 燕山期是全球知名的重要成矿期而加里东期则不 是。这便是 时间性 。当然，不同地质时代的地质 样品，又具有共性，比如 30亿年以前的石灰岩和 3 亿年、 0. 3亿年前的石灰岩在地球化学成分和物性参 数等方面是有共性的，即 非时间性 。此外，与其他 学科一样，大数据的

37、 时间 特色并不局限数据本身 的时间属性，还在于获取数据、处理数据的时间效 应。比如，现今获取数据比以往更加快捷、高效、等 时、无等级差别等。而对于同一个矿床，或者同一个 远景区，中国人可以对它进行研宄，外国人也可以同 时对它进行研宄，不一定是近水楼 台先得月，即先拿 到第一手资料者先出成果。 2.8地质大数据的因果性与非因果性 传统地质科学的研宄，总是想搞清楚 为什么 。 比如，板块为什么漂移？恐龙是怎么灭绝的？金刚 石为什么来自于地幔？等。但实际上，无论是板块 漂移、恐龙灭绝还是金刚石的成因，都尚未取得共 识。而且，这些问题从提出之日起，研宄成果很多， 但似乎并没有突破当初的假说。这是因为

38、，人们始 终在各自的研宄领域追求着信息的权威性、数据的 精确性和证据链的完整性。这种传统的逻辑因果关 系的推理方式，正在被 大数据 打破，即 抽样调 查 始终无法代 替 整体数据 。反之，大数据因为更 强调数据的完整性和混乱性，可以帮助我们进一步 接近事实真相（卞友江， 2013)。也就是说，大数据在 不反对 精细 求证的同时，更强调数据的 全部n， 哪怕 整体数据 是杂乱无章的，而杂乱无章可能正 是事物的本来面目。换句话说，恐龙灭绝的说法多 种多样 成因复杂 ，大家争论不休，而 恐龙灭绝 事实上可能就是由多种多样的原因造成的。板块是 怎么碰撞的？假说很多，但谁也不可能用实验来验 证（泥巴实验

39、实际上连 抽样调查 都无法比拟），或 者可以用肉眼来验证（眼见为实，谁也不可能潜入地 幔观察金刚石的形成过程 ） 。因此，大数据时代，人 们获取信息，完全可以不需要等待查明原因之后。 这对于成矿规律和成矿预测的研宄也是深有启发 的，即，对于某一个具体矿床的成因争论可能永无止 歇，不论是相对简单的 沉积矿产 还是十分复杂的 内生矿产 ，都会产生不同看法 ;但不能阻碍找矿工 作，找矿是不必等到查明矿床的成因之后的。当然， 掌握规律的找矿才是科学找矿，否则是 碰运气 。 2.9地质大数据的主体性与非主体性 主体性指的是采集数据、加工数据、发表数据的 主体 （人以及由人设计的计算机软件等数据数据技 术

40、、标准等）对于如何采集数据、如何处理数据、发表 哪些数据等具有 先入为主 n的特殊性。由于 大数 据 给人类的思维带来了变革，即人们由对事物之间 因果关系的穷追不舍转向对事物之间相关关系的宏 观考察，人类的主观能动性可得到进一步的发挥，数 据采集者及读者的主体地位也可以得到进一步的确 认。针对同一批数据，仁者见仁，智者见智，甚至 见 异思迁 的事例也将层出不穷。比如，当我们看到同 一幅地质图时，大地构造学家想到的是 板块碰撞 ； 勘查地质学家想到的是哪里有矿；地图学 家想到的 是如何改进 大数据 制图技术（每一幅地质图都是 一个 大数据 的产物，既有数据本身，也有相关关 系，如断层就是 2个地

41、质体之间的接触关系 ）；环境 保护主义者想到的则可能是哪里还有 世外桃源 ； 而该图幅的原始制作者（野外地质队员 ， mapping geologist)想到的可能是当年野外填图的种种逸闻趣 事。同样道理，对于成矿规律的研宄，即便是面对同 一批数据（资料），不同的专家可能得出完全不同的 结论。同一个矿床，甲专家可能把它归属于 A成矿 系列，乙专家可能把它归属于 B成矿系列。数据量 越大、数据来 源渠道越多，主观性可能越显著。正如 Bill (2013)所说 成功分析的关键不是工具和技术 本身，使用这些工具和技术的人，才是取得成功的核 心要素 。所以，要真正挖掘地质大数据的价值，还 需要地学界人

42、士的积极参与，对数据不断地进行交 换、整合和解析，才能发现新的地学知识，才能创造 新的地学价值。比如，地球化学数据在土地管理方 面的深度融和，有助于 精耕细作 ，无疑将推进农业 现代化 ;但地质学家并不十分清楚农作物的生长规 律及其对化学元素的选择性，只有地学与农学的 共 同结合，才能更好、更快地发挥 大数据 的优势。 2.10地质大数据的客体性与非客体性 客体性（相当于受众性）指的是原先被动地接受 数据及其研宄成果（或者说信息，包括数据、图片 ） 的 任何一个人 （ 或者说 受众 ），可以 反客为主 地成 为主导者，即被动接受数据的个体（人 /计算机等）对 于数据可以采取不同的主动的反映，反

43、过来成为成 矿规律、成矿系列乃至于成矿预测研宄的 发动者 。 当某人想知道一个自然生长的海蓝宝石的晶体宄竟 是什么样时，利用 大数据 技术，他马上可以搜集到 各种各样的海蓝宝石的图片、数据及文字说明。如 果要想投资开发一种 富锂矿泉水资源 新品种，也 首先要利用 大数据 查一查有没有这种资源，然后在 去哪里开发、如何开发 等关键问题上作出选择。艮 P， 只要你想得到，不怕做不到，而这 一大堆资料 并非哪 位科学家事先已经给你准备好了的。那么，谁 想得 到 呢？显然，并非每一个人都能 想得到 。因此 大 数据 既是个人的，又是非个人的。显然，专业人士 (或者说专家 ） 可能对数据更敏感，其掌握数

44、据、分析 数据的能力更强 收益 也往往更大。 3 大数据 在成矿规律研宄中 的应用 在成矿规律研宄方面， 大数据 的意义不仅在 于掌握庞大的矿产地空间分布和储量、产量等方面 的数据信息，更在于对这些数据进行规律性的思辨 和客观性的表达，揭示矿产地之所以如此分布的本 质原因。也即从地质大数据中充分挖掘有用信息及 其规律，通过成矿理论的系统分析，揭示其内在规 律，并转化为新的认识或知识，指导未来的地质矿产 工作。目前，中国己经开始从大数据的角度对典型 矿床、重要矿种的潜力评价开展试点示范，如广东省 国土资源档案馆对大宝山矿区地质资料集群化科普 服务的示范研宄（黄华坤， 2015)。 成矿 规律是人

45、类对于矿产资源时空分布特征的 规律性认识，是主观能动性对于客观存在性的一个 认知，认知水平的高低、认知能力的强弱、认知范围 的宽窄，都毫无疑问跟 数据量 的大小、数据的类 型、数据处理的方式方法有关。因此，要总结好成矿 规律，必须充分地掌握资料，这是成矿规律研宄的基 本要求 = 大数据 技术无疑为大数据时代的成矿规 律研宄打开了一扇新的大门。由于 大数据 技术常用 的各种各样的统计分析技术 (如聚类分析 、回 归分析 、空 间分析、时间序列分析），实际上在传统的成矿规律、成 矿预测研宄中也是常用的工具，因此 大数据 与成矿 规律的研宄之间并无技术上的阻碍，应该说 大数 据 给成矿规律的研宄提供

46、了更加全面的 样本 和 更加快捷的技术方法。当然， 大数据 的挖掘，仍然 要以人为主导 ;而成矿规律也是人在研宄、总结成矿 规律，不是数据本身，计算机也不可能代替 人 ，也 就是李幼平院士指出的 用 小数据 指引 大数 据 ，牵着互联网的鼻子走 （ 薛京等， 2013)。 与传统的成矿规律研宄相比，在 大数据 时代 的技术支撑下，成矿规律的研宄除了数据量更大、数 据类型更多更复杂之外 ;各种类型数据的集合、集成 也是一大特点。这不仅是表达方式的多样化与集成 化，原始资料本身也往往是多元化与多样化的，而且 不一定是原始资料，或者说不一定从 建立卡片 开 始。 大数据 的一个显著特点是包括了大量的非结 构化或半结构化数据，如网络日志、图片、音频、视 频、地理位置信息等（胡雄伟等， 2013 )，这些信息都 是有用的。比如，朱明玉等 （ 2014)在总结中国铬矿 的成矿规