基于开源空间信息软件的证据权法矿产资源评价系统研究与实现

1、基于开源空间信息软件的证据权法矿产资源评价研究与实现纪晓璐 黄舟 隋正伟 方裕 陈斌北京大学遥感所摘要基于开源的空间信息软件，构建矿产资源评价系统框架，采用证据权模型，以长江中下游成矿带为示范区，高效、高质量的实现了铜矿资源预测评价。 在评价过程中不需手动操作，评价结果表明，基于开源空间信息软件的证据权法矿产资源评价是一种高效的进行矿产资源评价的新途径，并且为结合网格计算，根本的解决传统的证据权法矿产资源评价中存在的跨地域、跨平台的数据一体化的存储、组织和管理的问题，达到真正意义上的地理空间信息共享，更大程度上提高矿产资源评价的效率，提供了实现的基础，是为满足我国加大矿产资源的探测力度的迫切需

2、求的一种新的技术方法。关键词开源空间信息软件，Postgis，证据权法， 矿产资源评价1.引言随着我国经济可持续高速发展，对矿产资源与能源需求极大。国有矿山中约有三分之二已进入开采的中、晚期，剩余可采储量和矿石品位急剧下降，而新增储量严重不足，不少矿山资源濒于枯竭，生产陷入困境。特别是石油、铁、锰、铜、钾盐等大宗急需矿产，由于后备储量严重不足，已不能满足我国国民经济飞速发展的需要，供需缺口持续扩大。因此迫切的需要发掘新的途径、发展新的技术方法加大矿产资源的探测力度。矿产资源评价在在矿产勘查过程中起着先导作用，评价成果对矿产勘查的战略部署以及具体勘查任务的设立与实施都有着重要的指导意义。为了不断

3、提高矿产资源评价成果的质量，人们在评价的理论、方法和计算机应用等方面都进行着广泛而深入的研究【1】。证据权法（Agterberg, 1990; Bonham-Carter, 1990,1993）是地学领域使用计算机技术进行矿产资源评价预测的一种计算方法，具有方法简单、预测结果可靠性高等特点。目前国际上已有的矿产资源评价软件有美国和加拿大地质调查所合作开发的名为WofE的ArcGIS扩展平台。国内目前尚无系统的进行证据权法矿产资源评价的软件平台，仅有中地数码开发的用于证据权法矿产资源评价的空间服务，可基于MapGIS空间分析平台实现证据权法矿产资源预测。传统的空间分析方法大大限制了矿产资源评价的

4、效率，且存在平台障碍。采用开源的空间信息软件，既打破了平台障碍，在评价过程中的空间分析部分，可使用空间数据库本身的机制进行优化，又提高了评价效率。本文着重研究了基于开源的空间数据库PostgreSQL+Postgis以及开源GIS桌面客户端QGIS进行矿产资源评价的方法及其实现，采用证据权模型，高效、跨平台、高质量的完成矿产资源评价。2.证据权法矿产资源评价的原理2.1 证据权法概念证据权法用于组合各种来源的空间数据，描述和分析数据之间的相互作用，建立预测模型，为决策者提供支持。这种方法在20世纪80 年代末期由加拿大数学地质学家Agterberg 和Bonham-Carter 发展、应用在矿

5、产资源预测领域，并最终形成较为完善的矿产勘查数学地质模型。证据权法的基础是将地质找矿评价模型转换为“网格模型”，针对每一网格上信息数据进行权值计算，将抽象的模型赋予实实在在的内涵，达到评价目的。它采用一种统计分析模式，通过一定的数学计算方法确定与成矿作用关系密切的证据层的权重值，进而计算空间任意位置的矿产发育的概率值，以圈定不同级别的预测靶区。每种地学信息都是成矿预测的一个证据因子，而每个证据因子对成矿预测的贡献是由这个因子的权重来确定的。在成矿预测中，证据权法的基本原理是把每一种成矿信息（转化为存在或缺失的二元图）都看作成矿预测的一个证据因子，每一个证据因子对成矿预测的贡献是由该因子的权来确

6、定的【2】。证据权模拟的目的就是要确定这些与已知类型的矿床（点）相关的二元图的证据权，计算出研究区内任意空间位置的成矿概率值，并以可视化图形的方式圈定出成矿远景区。证据权法在矿产资源评价中的步骤大概如下【3】：1) 建立研究区矿床（点）和成矿作用有关的证据因子专题数据库；2) 提取矿点图层，划分网格单元；3) 搜索含矿网格单元，生成含矿网格图层；4) 对于每一个证据因子专题数据库，提取与成矿关系密切的控矿因素，生成新的图层，即证据层；5) 分别将各证据层图层与含矿网格图层进行叠加，进行先验概率、权重及相关系数的计算；6) 根据先验概率、权重及相关系数筛选合理的证据层，及参与后验概率计算的证据层

7、，并对研究区内各单元进行后验概率计算；7) 根据后验概率计算结果进行各级预测靶区的计算。2.2 证据权法基本原理证据权法的数学原理如下：假设研究区被划分成为个等大小的网格（区域划分网格单元要以保证一个网格中至多出现一个已知矿点为基础），提取了以下信息，其中有个网格单元含有已知矿(床)点，上述提取的每个变量看作独立的证据因子，对于任意一个证据因子，其对成矿贡献的权重定义为【3】： (1) (2)式中，+、-分别为证据因子存在区和不存在区的权重值，如果原始数据缺失，那么权重值为0；其中B为这个因子存在的网格单元总数，B为这种因子不存在的网格单元总数。利用证据权重法计算出各个变量的+和-值；对于个证

8、据因子，若他们都关于矿点条件独立，研究区任一网格单元K为矿点的可能性，用后验几率对数表示为： (3)根据公式，后验概率代表了个单元内找矿的有利度，根据后验概率提出找矿远景区。控矿地质因素与矿床产出状态之间的关联性强弱，可以通过正负权的差值大小C来度量，C值大表示该地质标志的找矿指示性好，C值小表示该找矿标志的找矿指示性差，若C=0，表示该找矿标志对有矿与无矿无指示意义；C0表示该找矿标志的出现有利于成矿，C0表示该找矿标志的出现不利于成矿。成矿远景区圈定证据权重法预测模型是根据已知矿床(点)与各种控矿成矿条件之间的条件概率来确定每种条件的权重值，然后推广到全区，其原理简单而且易于实现，既可以对

9、多金属矿床进行预测，也可以多特定成因矿种进行综合预测。由于后验概率是在大量地质、地球物理和地球化学等图层叠加操作的基础上计算出来的，因此，其结果综合反映了各种控矿因素和矿化信息对矿床的控制和指示意义。在研究过程中要注意条件独立性的检验。在利用证据权重模型计算后验概率时，必须保证各个证据因子都是关于矿床（点）条件独立的。同时由于证据权分析法着重对各控矿要素和矿床(点)问相互空间位置进行分析，需要大量的空间叠加、复合分析，这就使得证据权分析法和相关GIS软件的结合成为必要。3.基于开源空间信息软件的证据权法矿产资源评价系统设计由于空间数据具有空间位置、非结构化、空间关系、分类编码、海量数据等特征，

10、一般的商用数据库管理系统难以满足要求。1986年，加州大学伯克利分校的Michael Stonebraker教授领导了Postgres的项目，它是PostgreSQL的前身。随后出现了PostGIS，PostGIS是对象关系型数据库系统PostgreSQL的一个扩展。PostgreSQL是目前功能最强大、最先进的开源数据库管理系统，支持Windows、linux、MacOS等所有主流操作系统，并且具有各种语言的编程接口。构建在其上的空间对象扩展模块PostGIS则使得其成为一个真正的大型空间数据库【4】。QGIS是一个用户界面友好的地理信息系统，可运行在Linux,Unix,Mac OSX,和

11、Windows平台之上。支持多种矢量、栅格和数据库数据源，能够很好得支持PostGIS，具有丰富的显示、管理、分析、查询的功能【5】。基于开源空间信息软件的证据权法矿产资源评价系统的基础框架（图3.1）由四部分构成：数据层、数据结构、业务逻辑层和展现层。数据层采用开源空间数据库PostgreSQL+Postgis来存储矿产资源评价所需数据，并且进行空间分析处理；数据库数据表的设计【6】包括空间元数据表、证据因子信息表和空间分析结果表；展现层采用开源GIS桌面客户端QGIS来显示矿产资源评价预测靶区。图3.1基于开源空间信息软件的证据权法矿产资源评价系统基础框架根据证据权法矿产资源评价的算法，结

12、合空间信息软件的特性，总结在开源空间信息软件系统框架下证据权法矿产资源评价的流程如下：在进行矿产资源评价之前，需要用户在空间地质图层集中选择参与矿产资源评价的矿点图层以及证据因子图层，同时指定研究区范围和网格划分的边长。接下来开始进行证据权法矿产资源评价，并得到成矿预测的结果图，在展现层显示给用户。可以表示为证据权法矿产资源评价的数据流图的0层（图3.2）。图3.2证据权法矿产资源评价0层数据流图在矿产资源评价的过程中，主要包括四个步骤：对矿点图层以及证据因子图层进行网格划分、叠加分析、先验概率证据因子权重以及后验概率计算、结果色块图生成。在网格划分部分，需要提供图层数据以及研究区域范围和网格

13、边长，经过网格划分后得到栅格化的矿点图层和各个证据因子图层，这些图层参与叠加分析，得到用于计算先验概率、证据因子正负权重和后验概率计算所需的各项统计数值，经过证据权法矿产资源评价公式运算后，将后验概率值作为参数进行色块图的生成。以上过程可以表示为证据权法矿产资源评价的数据流图的1层（图3.3）。图3.3证据权法矿产资源评价1层数据流图在网格划分中，又可细分为两步：网格数目计算和矿点以及证据因子图层的网格划分。当用户提供了研究区范围和网格边长后，可以计算出研究区域的横纵向网格数以及研究区域的网格总数。将这些网格数与用户选择的参与评价的图层作为参数进行网格划分，得到栅格化的矿点图层和各证据因子图层

14、，同时得到研究区域存在矿点的网格数和研究区域各证据因子出现的网格数。在概率及权重计算过程中，可细分为三步：先验概率计算、各证据因子权重计算和后验概率计算。由研究区域的网格总数和研究区域矿点存在的网格数可以计算出研究区域成矿的先验概率。由证据因子出现和矿点出现的组合数据可以计算得到各证据因子的正负权重。在先验概率和各证据因子的权重的基础上，结合栅格化后的各证据因子图层可以计算得到每一个网格成矿的后验概率值。以上过程可以表示为证据权法矿产资源评价的数据流图的2层（图3.4）。图3.4证据权法矿产资源评价2层数据流图4基于开源空间信息软件的证据权法矿产资源评价实验4.1实验区域选择选择长江中下游成矿

15、带铜矿资源进行评价。用户可以指定研究区域以及参与运算的证据因子。本系统中用户选择的证据因子的分为三类，分别为点状图层铜异常、线状图层推断线性构造图层以及面状图层组合元素异常区。研究区域为（-600,300）到（-260,60）的340km*240km的范围，网格划分的边长为经验值20km。4.2数据库设计实验选择一台普通PC机，处理器为Intel Core2 Duo P8600(2.4GHz)，内存容量2GB，在此PC机上安装PostgreSQL8.4，并且安装了相应的postgis扩展模块。在空间数据库中进行空间分析共需创建三张表，分别为网格划分信息表-Metedata、证据因子表-Evid

16、ence以及空间分析结果表-SpatialAnalysisResult。Metedata表（表4.1）用于存储本次矿产资源评价中的网格划分信息。包括研究区域范围、网格划分边长以及网格数等具体信息。表4.1metedata数据表字段说明字段名称字段类型备注LxDouble precision划分区域左上角x坐标LyDouble precision划分区域左上角y坐标RxDouble precision划分区域右下角x坐标RyDouble precision划分区域右下角y坐标LDouble precision划分的网格的大小Nxinteger研究区横向划分网格数nyinteger研究区纵向划分网

17、格数Evidence表（表4.2）用于存储本次矿产资源评价所用的各个证据因子的图层信息。表4.2 evidence数据表字段说明字段名称字段类型备注IdBigserial自增idTableAliasCharacter varying证据因子在空间分析表SpatialAnalysisResult中的字段别名OrignalTableNameCharacter varying证据因子在空间数据库中的实际表名PositiveWeightDouble precision证据因子的正权重NegativeWEightDouble precision证据因子的负权重SpatialAnalysisResult表

18、（表4.3）用于存储矿产资源评价过程中的各项空间分析结果，如研究区矿产形成的先验概率、每个网格区域的成矿后验概率值等信息。表4.3 SpatialAnalysisResult数据表字段说明字段名称字段类型备注IdBigserial自增idPositionCharacter varying网格相对位置，以（1,2）形式存储PriorProbabilityDouble precision先验概率PosteriorProbabilityDouble precision后验概率GridColorCharacter varying网格显示颜色Minteger矿点图层在当前网格中的矿点数目F1intege

19、r证据因子图层F1在当前网格中的证据因子数目F2integer证据因子图层F2在当前网格中的证据因子数目F3integer证据因子图层F3在当前网格中的证据因子数目4.3实验结果在经过矿产资源评价空间数据库创建、证据因子管理、网格划分、空间分析、先验概率计算、各证据因子正负权重计算以及后验概率计算的过程后，得到基于开源空间信息软件的证据权法矿产资源评价以长江中下游成矿带铜矿资源预测评价的实验结果。实验结束后，在空间数据库中查询证据因子信表得到图4.2。图4.2 证据因子结果表在展现层QGIS中显示的研究区铜矿资源评价结果如图4.3。图4.3 基于开源空间信息软件的证据权法矿产资源评价结果与基于

20、MapGIS空间分析平台使用扩展的证据权法矿产资源评价空间服务进行同样面积的铜矿资源评价结果准确度相同（图4.4）。图4.4 基于MapGIS空间分析平台使用扩展的证据权法矿产资源评价空间服务进行铜矿资源评价结果评价的各步骤效率对比见表4.4。表4.4 评价过程效率对比网格划分（s）空间分析（s）先验概率及权重计算（s）后验概率计算（s）基于开源空间信息软件2.540.2270.1871.03基于MapGIS空间分析平台的服务49511155. 结论与意义在用户指定的研究区域大小相同、指定的网格划分边长相同以及用户选择的证据因子个数相同的条件下，将基于开源空间信息软件的证据权法矿产资源评价的结

21、果与使用MapGIS软件及其空间分析服务进行证据权法矿产资源评价的结果进行对比发现得到的铜矿成矿预测结果正确。使用开源空间数据库进行证据权法矿产资源评价的效率要高于使用目前已有的用于证据权法矿产资源评价的插件或服务来进行评价的效率。因为根据证据权法矿产资源评价的算法特点，要将矿点以及各个证据因子在研究区域网格内的存在情况转化为二值类型，并且各个证据因子都是关于矿床（点）条件独立的，所以在进行空间分析时，使用空间数据库PostgreSQL以及Postgis本身的优化机制，相比于使用基于文件系统的评价插件Arc-WofE等，能够在很大程度上提高空间分析的效率，从而也就提高了证据权法矿产资源评价的整

22、体效率。并且基于本文所使用的开源空间信息软件进行矿产资源评价，在用户指定了研究区域、矿点、证据因子以及网格划分边长之后，便不必再进行手动操作便可得到评价结果，这也提高了评价的整体效率，而使用目前国内外的证据权法矿产资源评价模块来进行评价均需采用手动操作的模式。基于开源空间信息软件进行证据权法矿产资源评价，打破了平台障碍，缩短了评价周期，为传统的矿产资源评价提供了一种有效的新方法。并且为结合网格计算，根本的解决传统的证据权法矿产资源评价中存在的跨地域、跨平台的数据一体化的存储、组织和管理的问题，达到真正意义上的地理空间信息共享，更大程度上提高矿产资源评价的效率，提供了实现的基础。参考文献【1】

23、Agterberg, F.P and Bonham-Carter, G.F. Logistic regression and weights of evidence in mineral exploration. Proceedings APCOM Symposium, 1999.【2】 Harris, J.R , Chung, C, Kerswill, J , Galley, A and Hillary, B. Mineral potential mapping activities at the geological survey of Canada. GeoTEC event, Ottawa, 2008.【3】 Wright, D.F. and Bonham-Carter, G.F. VHMS favourability mapping with GIS-based integration models, Chisel Lake-Anderson Lake area: In EXTECH I: A Multidisciplinary Approach to Massive Sulphide Research in the Rusty Lake-Snow Lake Greenstone Belts, Ma