金矿综合信息系统的GIS开发研制

AuGIS是金矿综合信息预测系统简称.它是建立在国产平台MAPGIS上的一个地矿行业的应用型GIS系统.从我国地矿行业普遍适用情况出发,基于MAPGIS矢量数据结构上开发了本系统,建立了具有地质特色的应用系统.系统采用GIS与ES相结合的研制途径,开展了地学领域综合信息解释自动化研究,设计出物探、化探、地质及综合预测自动(半自动化)解译子系统.它采用多专家综合方法解决多学科结论综合问题,充分利用GIS的空间分析功能,即通过属性库、数据库的库-图联合操作运算达到实现智能化、自动化矿产预测目的.     

区域矿产资源综合信息评价系统(MRAS)培训班即将举办

经中国地质调查局批准 ,“区域矿产资源综合信息评价系统 (MRAS)”培训班将于 2 0 0 3年第 4季度举办。矿产资源所“固体矿产资源区域综合信息评价系统”专题 (地质大调查综合研究项目“中国成矿体系与区域成矿评价”专题 )组 ,在国产GIS平台上自行设计、开发了区域矿产资源综合信息评价软件系统 (MRAS)。该系统可对建立在GIS平台上的地质、物探、化探、遥感及矿产等多元空间数据进行深加工 ,从中提取出能够指示和识别某种矿产存在和规模的深层次信息。该系统包括成矿地质信息提取子系统、区域化探信息分析子系统和重磁异常分析子系统…     

基于GIS的矿产预测地质解译空间信息集成

利用我国海量地质标准基础数据库中的数字地质图和矿产图,通过基于GIS的地质解译空间集成地质信息,将其用于综合信息矿产预测。以地质解译系统对内蒙大兴安岭南段1∶20万成矿预测的应用为案例,阐述地质信息的空间提取与集成过程：首先在建立地质字典库实现地质空间信息共享的基础上,通过矿化密集区对地质模型的分类图层进行空间分析,建立地质成矿空间信息库和图库;然后,基于典型矿床圈定模型单元,通过模型单元与地质成矿空间信息库和图库的空间分析,建立地质找矿模型;最后,基于地质单元对地质成矿空间信息库和图库的二次空间集成,完成预测模型的地质空间信息提取与集成。将本方法应用在银矿案例的综合信息矿产预测靶区评价上,得到可供进一步查证的新增靶区比已知靶区增加了近5倍。     

基于GIS的证据权法在三江北段铜多金属成矿预测中的应用

在建立三江北段地质矿产空间数据库的基础上,运用GIS技术,分析提取矿产地质、地球物理、地球化学等综合信息中的成矿异常信息,运用多学科信息综合研究地质异常与成矿之间的相互关系,运用证据权重法建立该区的证据权重成矿预测模型,圈定出7个找矿远景区。     

MRAS软件在贵州省铝土矿资源潜力评价中的应用

在建立贵州省铝土矿四个预测工作区的地质、矿产、物探、化探、遥感、自然重砂等基础空间数据库的基础上,根据全省铝土矿成矿地质条件、控矿因素及成矿规律,建立找矿模型,充分利用了GIS技术提取了与铝土矿成矿有关的信息,在MRAS技术平台上,详细介绍了如何运用特征分析法对预测工作区铝土矿进行矿产预测,全省共圈定了32个成矿远景区。     

基于GIS遥感区域构造的空间信息集成研究

主要论述在综合信息矿产预测中基于GIS的遥感资料自动解译原理和实现方法，通过对遥感资料的数据处理并结合已建立的重磁构造格架，进行空间信息的自动关联识别，提取有地质意义的遥感线性、环形构造。探讨了实现遥感空间信息自动集成技术和其在遥感图像中的具体应用。     

综合信息成矿预测网络系统研究

WebGIS是GIS与分布式计算技术发展相结合的产物。本系统采用了构件GIS和互操作GIS的优势,并将GIS发展与构件技术、互操作技术、分布式三大技术结合起来,形成超媒体空间信息集成平台即WebGIS。在该平台上,将基于GIS的单机综合信息成矿预测系统在Web上得以实现,最终实现基于WebGIS的综合信息成矿预测系统,最后给出基于WebGIS的阿尔泰成矿区矿产预测成果的信息共享实例。     

大数据思维下的矿产资源评价

以大数据时代的预测思维方法,结合重要矿产资源潜力评价具体工作,探索了矿产资源预测评价的基本理论基础。认为大数据的相关性预测方法和常用的综合信息矿产预测方法是一致的,矿产预测模型理论、多学科信息相关性分析、预测地质求异理论、矿产区域趋势分析方法是矿产资源评价的四项基本理论。总结了在数字化、信息化时代矿产资源预测评价的主要工作流程。建立数字化预测数据平台、根据预测矿产模型进行数据清洗、编制预测要素图件、建立预测模型、圈定预测靶区和成矿远景区、进行资源潜力估算等是预测评价的基本任务与流程。     

辽西八家子-吴家屯多金属矿田综合信息矿产预测

随着找矿难度的日益加大和各种矿产预测理论的不断完善,应用综合信息矿产预测理论方法圈定靶区、寻找隐伏矿体越来越广泛且效果明显.在广泛收集、研究前人工作成果的基础上,重新厘定八家子-吴家屯多金属矿田综合信息找矿模型,并将其转换成地质变量,在已构置的网格单元中依据综合变量进行赋值.以GIS为平台进行空间分析和叠加,采用综合信息矿产预测的理论与方法,开展矿田的综合信息矿产预测,得到4个综合信息得分高值区（即靶区）,对矿田的进一步找矿具有一定的指导意义.     

GIS在地质勘查找矿应用中的关键问题探讨

矿产地质勘查GIS系统具有信息采集,存贮,检索,图形图像显示成图,建模和预测筛选等多元方面强大功能,建立和应用矿产勘查GIS系统的关键是要采集高质量的数据信息,采用统一的信息标准,建立完善的空间数据库,选择合理的综合分析方法,发挥有丰富经验的地质专家的作用,建立良好的数据接口和用户界面,使系统更具实用性。     

多维GIS矿产评价数据管理系统设计和实现

矿产资源评价需通过各种物探、化探、航空磁法、遥感、地质和实地调查资料综合分析以确定钻井孔位.针对多源、多时相、多尺度矿产资源勘探资料一体化管理和可视化分析,提出了一种基于分布式多维GIS模型的矿产资源评价数据管理方法.首先,分析了矿产资源预测评价数据资料特征,提出基于多维GIS模型的矿产资源评价数据管理模型;其次,提出了多源矿产资源评价数据处理策略,设计了一种全球瓦片金字塔模型的栅格和地形数据处理方法;再次,设计了分布式多维GIS矿产资源评价数据管理系统体系结构和功能模块,提出了双缓存性能优化方案;最后,开发实现了一个典型的矿产资源评价数据管理系统,实现了多达40种二维、三维数据、文档、多媒体等矿产资源评价数据一体化管理和可视化分析,可用于分布式矿产资源勘探评价的全球协同办公.     

基于证据权重法的成矿预测——以广东省钨锡矿的成矿预测为例

在建立广东省地质、矿产、物探、化探、遥感等基础空间数据库的基础上,深入研究了其成矿规律及成矿地质环境,充分利用现代的GIS矿产资源评价技术提取了与矿产有关的信息,运用证据权重法对研究区进行综合定位预测,根据预测结果圈定了74个成矿远景区。预测结果对于该区的进一步找矿工作具有重要的指导意义。     

利用MapInfo综合分析多源地学信息进行矿产预测

GIS作为一种先进技术，在矿产资源甚查与评价是得到广泛应用，以MapInfo为平台，MaPBasic为二次开发工具，利用多源地学信息建立了矿产资源综合评价系统，该系统对MapInfo的功能进行了扩充，建立了新疆东天山地区航空物探数据库，增加了空间分析和矿产预测功能，对新疆东天山某地区蚀变岩型金矿进行了综合评价，研究结果表明，将传统的解释方法与数理统计方法及地平信息系统技术相结合，是综合多源地学卢进行矿产资源预测的有效途径。     

基于GIS空间分析进行多源信息成矿预测

GIS空间分析在区域地质多源信息综合分析中，具有十分重要的作用。作者在本文中介绍了GIS空间的分析特征及应用于区域地质找矿的两种方法，即统计分析和叠加分析。结合兰坪盆地的区域地质特征，作者选取了遥感线性体密度异常、频度异常、遥感环形影像异常、地球化学异常、地球物理异常、地质异常及已知矿（点）床的分布等七种控矿因素作为多源成矿预测的空间信息数据源。在此基础上，利用了GIS的空间分析功能进行多源信息的综合分析，预测出三级成矿有利的区域。     

应用GIS技术研制矿产资源评价系统

ＧＩＳ技术的广泛应用为矿产资源勘查评价提供了新的信息处理手段和工具,同时促进了传统的矿产资源定量评价技术悄悄地发生变革。在ＧＩＳ技术支撑下,大量的地物化遥空间信息数据库正在建设,这使得矿产定量评价的原始信息的应用得到了改变,也迫使我们要研究其于空间数据字化为数据库的矿产资源定量评价系统。     

遥感和多源地学数据图像处理技术及在地质找矿中的应用

图像处理技术用于遥感、物探、化探、地质、矿产和地理等多种数据的综合处理具有广阔的前景。它灵活、方便，可快速、直观、定量地从综合信息中发现和提取那些用常规方法难于获取的地质矿产信息，以便科学地进行基础地质研究和矿产资源综合评价。本文介绍了用图像处理技术在Ｉ２Ｓ／１０１大型数字图像处理系统中处理多源地学数据的方法及优越性。     

Accessing Multi-Source Geological Data through Network in MORPAS Software System

MORPAS is a special GIS (geographic information system) software system, based on the MAPGIS platform whose aim is to prospect and evaluate mineral resources quantificationally by synthesizing geological, geophysical, geochemical and remote sensing data. It overlays geological database management, geological background and geological abnormality analysis, image processing of remote sensing and comprehensive abnormality analysis, etc.. It puts forward and integrative solution for the application of GIS in basic-level units and the construction of information engineering in the geological field. As the polularization of computer networks and the request of data sharing, it is necessary to extend its funictions in data management so that all its data files can be accessed in the network server. The paper utilizes some MAPGIS functions for the second development and ADO (access data object) technique to qccess multi-source geological data in SQL Server databases. Then remote visiting and congruous management will be realized in the MORPAS system.     

综合信息矿产预测理论与方法体系新进展

综合信息矿产预测理论与方法以研究地质、地球物理、地球化学和遥感信息为基础,并研究信息之间的转换规律,建立综合信息找矿模型,开展成矿预测,应用间接信息找寻隐伏矿产资源体,达到找矿的目的。通过上述研究为国家做出矿产资源总体规划和找矿勘探工程部署,指导实际找矿勘探工作。     

Expert System for Statistical Prediction of Mineral Deposits on Middle and Large Scales

The expert system for statistical prediction of mineral deposits on middle and large scales takes the system of scientific exploration theories, criteria and methods proposed by Professor Zhao Pengda as the field expert knowledge. At present the developed system focuses on two aspects: synthetic exploration and quantitative exploration. Among the three basic theories for the prediction of deposits, it highlights the applications of seeking anomaly theory. This system is characteristic in the determination of geological background, the study of geological anomalies and the delineation of geological background, the study of geological anomalies and the delineation of mineralization anomalies. The system combines closely the knowledge base, method base and database ,integrates the input and output information of multi-sources and multi-variables, data , graphs and imagine processing system and inquiring system as a whole . So the system can meet in general all kinds of demands in statistical prediction of m