0　引　言

对地质数据的分析与挖掘一直是解决地质问题的重要途径(赵鹏大，2012)。然而，随着地质数据采集技术的不断进步，地质数据的处理面临着数据量巨大、结构繁多、挖掘效率低等问题。大数据技术的高速发展及其在互联网领域的成功应用，为处理地质数据带来了新的思维与方法(Manegold et al.，2012；赵国栋等，2013)。通过数据结构分解与多源数据转换的方法实现多源异构地质数据的集成，在此基础上进行系统功能开发，实现地质信息可视化集成管理与综合分析，是大数据技术在地质领域应用的有益探索。

黄河作为世界第五长河，世界含沙量最大的黄色河流，孕育了五千年华夏文明，而现今黄河的旅游开发状况与其国际地位严重不符。山西黄河全域旅游建设应放眼国际，改变单一、保守的国内客源市场开拓为主的观念，利用国内外强势媒体进行宣传推介，打造“黄河旅游”这一国家名片。

1　地质数据的特点与应用

1.1　地质数据的特点

相对于其他领域的大数据，地质大数据有其自身的特点。

出科考试分为三部分，理论笔试（40%）、基本操作（30%）及案例分析（30%），总分为100分。其中泌尿外科基本操作包括导尿术和膀胱镜检查术。案例分析包括泌尿外科的问诊、体格检查及病历书写。实验组平均分高于对照组，差异具有统计学意义（P＜0.05）；实验组在病例分析考试中，成绩优于对照组，差异具有统计学意义（P＜0.05），但理论笔试及基本操作结果统计学分析显示，两组比较，差异无统计学意义（P＞0.05）（表2）。

(1) 地质数据量巨大，包括各种野外调查数据、勘探数据、遥感数据、文献数据等。随着数据采集技术的发展，地质数据将呈现爆炸性的海量增长。

(5) 再数据：最后在信息服务的基础上，实现数据的再挖掘。

(3) 知识：将提取出的地质信息进行综合分析，形成地质知识。

(4) 由于成本、保密等原因，无法将全部高价值的地质数据在网络上线，导致难以直接利用大数据技术的计算优势来处理全部的地质数据。

1.2　地质数据分析方法

大数据有利于简化模型设计，丰富的数据为直接基于数据的建模提供了可能，甚至有可能实现基于每个时空实体构建局部的实时、动态模型(朱月霞等，2014;李朝奎等，2015)。随着大数据技术的发展，地质数据的分析方法由抽样研究向遍历分析转变，即从全部数据中寻找模式、相关性和其他有用的信息。但是大数据技术在地质领域的应用前提是解决结构、半结构和非结构地质数据的统一性问题。陈建平等(2015)提出对于非结构化的图件，建立基于元数据的计算机自动描述动态模型，将其转化为半结构数据、结构数据后，通过统计分析从而应用。对于非结构化的文本资料，通过建立不同的动态描述模型，从而实现下一步的自动标识等工作。邬贺铨(2014)提出，针对非结构化数据使用内容归档平台，将结构化和非结构化数据集成到1个单一的动态归档架构中，设计一套软件和元数据库规则，通过给数据加标签的方式建立不同维度，从而实现模糊查询功能。这些方法基本思想都是将地质数据集成在一起，通过改变数据结构或建立数据标签，从而实现多源异构数据统一化、自动化的遍历分析。

1.3　地质数据可视化

(2) 信息：将标准化的数据进行关键信息提取，形成地质信息。

数据可视化是进行大数据分析的一个很重要的手段，本质是知识发现，主要目标是通过可视的方法提供新的洞察力以影响现有的科学方法(McCormick et al.，1987；黄少芳等，2016)。如果将地质数据可视化并尽可能地复现真实地质情况，则可以避免人脑思维的局限性以及各类数据模型的复杂性，从而直观地表达出地质空间信息，解决相应的地质问题。可视化分析与一般分析和挖掘不同，其不依赖于数学模型，而是一种探索式分析。探索式可视化分析以人脑智能向机器智能的转换、机器智能向人脑智能的展示为主线，利用了人脑的抽象思维和机器的计算能力，实现地质认识的螺旋式进化，从地质数据中抽取有效特征，进而有效地解决地质问题(严光生等，2015)。因此，地质数据的可视化应用是解决地质问题的重要方法。

1.4　地质信息服务

没有需求的地质数据挖掘将被湮没在海量数据中，地质大数据的分析与挖掘也需要遵循“数据链”，即数据—信息—知识—服务—再数据(赵鹏大，2012)。

(4) 服务：结合地质数据应用的实际需求，将地质知识转化为定制化的地质信息服务。

地质问题具有多维性、不确定性和复杂性。解决地质问题有多种方法，例如，地质技术人员根据地质调查的数据，凭借经验进行分析得出结论，或者将地质问题建立成各类数据模型，并利用计算机进行求解。

(3) 传统的地质数据主要采用文件系统或单机数据库进行存储、管理与计算。相对于互联网大数据的计算应用，传统地质数据的分析和计算方法速度有限，需要建立公开的、系统的、实用的且基于网络的云计算系统，可以极大地提升处理地质数据的能力，为地质应用服务。

(1) 数据：将各类多源异构地质数据进行结构转换，形成标准化的半结构或结构数据。

(2) 地质数据种类繁多，形式多样，具有多元(源)、异构、时空性、相关性、随机性、模糊性和非线性等特征。地质数据来自地质调查、地球物理、地球化学、遥感等方法，包括地形、地貌、植被、建筑、水文、灾害等信息(黄少芬等，2015；李婧等，2015)。地质数据形式又包括文档、图件、数据库(图件、空间、属性数据库等)、图片、表格、视频、音频等结构化、半结构化和非结构化数据。此外，同类数据又具有不同的数据格式，以遥感数据格式为例，包括TIFF、GEOTIFF、HDF5、JPEG2000以及XML等几十种格式(张智琦等，2007；郜风国等，2012；谭永杰，2016)。从数据到图像，从图像到数据，地质数据之间可以互相连通(王登红等，2015)，但不同的数据格式必须由相应软件解析使用，即使使用相同软件的数据格式，不同数据厂商定义数据格式的内容和结构也不一样，严重影响了数据的共享、分析与挖掘。

数据信息服务是地质大数据应用的关键环节之一。随着地质行业的发展以及地质数据的海量激增，地质信息服务趋向于定制化的方向发展。

2　地质信息数据集成与演示平台

2.1　周口店野外地质三维综合信息平台

根据地质数据的特点，将多源异构的地质数据集成并在演示平台上进行可视化分析，是学习、研究地质问题一种较好的方法，也是大数据技术思想的一种应用。北京周口店野外地质三维综合信息平台就是采用这种思想建立的地学野外教学辅助系统，其围绕多元化地学信息综合集成问题，结合3S技术、三维可视化建模技术以及虚拟现实技术，实现多元异构地质数据的集成，并提供定制化的信息服务。

周口店地质信息平台主要通过虚拟现实软件VRP(Virtual Reality Platform)，从而实现系统的集成和开发。VRP软件可与3ds Max无缝集成，直接使用相关模型的数据格式，对于集成地表、地质体以及各种图文等非结构化数据十分便利。通过数据结构分解与多源数据转换的方法，实现地上、地下的贯通以及二维、三维等多源异构数据的集成，在此基础上进行系统功能开发，实现多元地质信息可视化集成管理与综合分析，有机地融合研究区各种数据资料，为地质教育教学、多元地质信息科学管理等提供一个可视化综合研究平台。系统主要集成了地表数据、地质体数据以及其他地质信息数据，可全面认识周口店地区的区域地质概况，提供地形地貌认知、路线地质考查、填图、典型地质现象研究与分析等定制化的地质信息服务。

2.2　地表数据集成

(1) 集成管理与可视化浏览。将集成的全部地质数据按照不同类型和相互关系进行分类管理，通过系统控件对各类数据进行显示、隐藏、透明化、三维展示等操作，从而实现可视化浏览。

平台采用Access数据库，按照“简单实用性、可扩展性、高可靠性”原则进行数据库表的设计和存储过程设计。本平台主要包括标准信息表、项目负责人表、标准文件表、标准一级分类表、标准二级分类表等，各表的属性项和关系见图2。

老婆这话的确是说到点子上了。谁让咱不占理的，就算她说的再难听的话咱也受着，何况我还得指望她给我做韭菜炒鸡蛋呢。

地质图和地形图由地质专业技术人员绘制，蕴含了大量的地质信息，但地质图和地形图不能直观地反映地表纹理信息。遥感影像数据可以直接表达地物的光谱信息，且可以根据成本、时间、分辨率等要求选择天、地、空多种采集方式。无人机低空遥感是近年来发展较快的遥感技术，具有时效高、精度高等优点，可以快速获取局部高分辨率的地表数据。该平台需要建立高分辨率的三维地表模型与真实的地表纹理相对应，因此采用无人机低空遥感平台采集遥感数据。

对模型进行模拟计算，可得在设计极限荷载和锚杆预拉力作用下基础各部位受力及位移变形情况，锚杆等效应力及竖向位移图、高强灌浆层第一主应力及第三主应力云图、基础混凝土第一主应力及第三主应力云图如图5—图10所示。根据应力分布云图，可以得到高强灌浆层下部附近区域、下锚板上、下部附近区域等应力，相应区域混凝土第一主应力变化曲线如图11—图13所示。

通过无人机遥感平台获取高精度的地表影像数据后，采用Pix4D、PhotoScan等软件进行无人机数据后处理，自动完成相机检校、特征点提取、空三加密、DEM生成、DOM生成。再利用ENVI、ArcGIS等软件将地表纹理数据和高程数据进行投影转换、影像处理、区域剪裁、数据叠加等步骤构建地表数据三维模型。最后，通过3ds Max将地表模型导入VRP系统中(图1)。

图1　地表三维数据集成与演示 Fig.1　Integration and demonstration of 3D surface data

2.3　地质体数据集成

地质体数据主要来源于研究区域的各种比例尺的地质图、中段平面图、工程部署图、实测勘探线剖面图以及图切剖面图等。将相应数据进行三维空间校正后，提取出地层、矿体、岩体、断层等地质体的轮廓线，并对各勘探线剖面进行连接、平滑，最终通过Surpac、3ds Max三维建模软件形成三维实体模型并集成到VRP系统中(图2)。

图2　地质体数据模型 Fig.2　Geological body data model

2.4　其他地质信息数据集成

除地表、地质体等三维模型数据外，还有文字(如文献、报告等研究区相关信息文字等)、图片(如野外照片、地质图、勘探线布置图、剖面图等)、视频(如野外录制视频、地质教学视频等)等研究区相关地质信息数据，VRP可以直接将此类固定格式的数据集成到系统中。

3) 在大数据、云计算、互联网+、人工智能等新技术日益发展与应用的背景下，如何把新技术与交通管理需求相结合，建设满足需求、功能先进、国际一流的智慧交通管理系统是系统建设面临的巨大挑战.

2.5　系统功能

该系统集成了无人机遥感采集的地表数据，由剖面图等数据建模形成的地质体数据，以及各类资料文档、图片、视频等地质信息数据，实现地上、地下、地理、地质数据一体化三维可视化、地上地下的模型拼合与贯通，以及地质、地形、遥感等二维和三维多元地学数据的集成。在此基础上，针对野外地质教学辅助系统的需求，开发了集成管理与可视化浏览、信息查询、数据分析等功能，形成了一个利用多元信息进行地学资料科学管理、地质教育教学研究的产学研一体化综合分析服务平台。系统编译打包后可脱离软件平台在Windows XP/Windows 7下独立运行。

超声-CT/MRI融合成像还可以用于肝癌消融疗效的评估。超声-CT/MRI融合成像在肝癌消融术后的疗效评估方面很有优势，通过术前的CT或MRI图像与术后的实时超声图像融合，可以清晰显示肿瘤是否全部位于治疗区内以及治疗区的安全边界，超声造影还能清晰显示治疗区内的血供情况。

研究区域的地表数据主要包括：① 地质图、地形图、遥感影像等数据，作为地表纹理数据；② 地表DEM或等高线等数据，作为高程数据。

(2) 信息查询。将全部集成数据建立标签式控件，通过控件进行数据导航，从而实现对数据的查询。

(3) 数据分析。分析功能主要对集成地质模型、地表模型进行信息挖掘与可视化分析。例如，通过对三维地质模型进行剖切，可获取任意方向的地质剖面图。

2.2 两组治疗前后尿失禁患者比例以及尿失禁患者24 h平均尿失禁次数的对比 两组治疗前尿失禁患者比例以及尿失禁患者24 h平均尿失禁次数均无差异(P>0.05)，治疗后研究组尿失禁患者比例下降了55.81%，差值显著高于对照组，尿失禁患者比例明显低于对照组。研究组治疗后尿失禁患者24 h平均尿失禁次数明显下降(t=5.235,P<0.05)，对照组治疗后尿失禁患者24 h平均尿失禁次数无统计学差异(t=0.947,P>0.05),研究组尿失禁患者治疗后24 h平均尿失禁次数低于对照组(t=6.927,P<0.05)。见表3。

地质剖面图是区域地质图的重要组成部分，能够清晰地反映出图区内地层、岩体、构造的分布特征，通过剖面分析可以实现三维地质模型数据的信息挖掘与可视化，对解决未知区域的地质问题具有重要指导意义(方世明等，2004；秦雪娇,2012;王康年，2013)。由于地质条件自身的复杂性，图切剖面受到断层交互切割、褶皱来回翻转的复杂情况的影响，计算机自动编绘任意位置和方向的图切剖面很不容易(方世明等，2004)。该系统将同一位置的生成地质剖面与实测地质剖面进行对比，就地质角度而言，在复杂地形条件下剖切面的复现性较好，吻合性较高。在其他区域未知实测剖面的情况下，通过该方法获取的图切剖面具有较高的参考价值(图3)。

图3　生成的地质剖面与实测地质剖面对比图 Fig.3　Comparison of generated (a) and measured (b) geological profiles

3　结　论

(1) 在大数据技术高速发展的背景下，地质数据挖掘与分析面临着新的机遇与方法变革。相对于其他领域的大数据，地质数据又面临着多源、异构、孤立等特殊性。

以上5个方面的精致化发展经验为大陆乡村旅游的发展提供了借鉴。但是，台湾乡村旅游也进入到一个相对困难的时期。由于岛内市场狭窄，泛文创化和泛生活美学化让游客产生一定程度的审美疲劳。大陆乡村旅游开始全面发力，江浙、四川等地相继出现较多精品案例，整体竞争越来越激烈。希望乡村旅游业能够拥有更多创新，进入更高品质和更精致化的新阶段。

(2) 通过数据结构分解与多源数据转换的方法，实现多源异构地质数据的集成，开发地质数据可视化集成管理与综合分析系统，实现研究区地质数据的存储、管理与可视化分析，为地质教学、地质信息科学管理等提供了一个可视化的综合研究平台。

(3) 该方法仅是针对研究区域的有限地质数据，平台系统的数据容量有限，无法对海量地质数据进行集成与分析。随着技术的发展，通过互联网云计算等大数据处理技术的应用，实现网络海量地质数据的遍历分析，将为地质数据的应用开创革命性的研究方法。

参考文献

陈建平,李婧,崔宁,等,2015.大数据背景下地质云的构件与应用[J].地质通报, 34(7):1260-1265.

方世明,吴冲龙,刘刚,等,2004.地质图切剖面计算机辅助编绘系统设计与实现[J].煤田地质与勘探,32(1):11-13.

郜风国,冯峥,唐亮,等,2012.基于GDAL框架的多源遥感数据的解析[J].计算机工程与设计,33(2):760-765.

黄少芳,刘晓鸿,2015.基于大数据的地质资料档案信息化与服务[J].资源与产业,17(6):56-61.

黄少芳,刘晓鸿,2016.地质大数据应用与地质信息化发展的思考[J].中国矿业,25(8):166-170.

李婧,陈建平,王翔,2015.地质大数据存储技术[J].地质通报, 34(8):1589-1594.

李朝奎,严雯英,肖克炎,等,2015.地质大数据分析与应用模式研究[J].地质学刊,39(3):352-357.

秦雪娇,2012.三维地质图图切剖面自动绘制关键技术研究[D].武汉：中国地质大学(武汉).

谭永杰,2016.地质大数据与信息服务工程技术框架[J].地理信息世界,23(1):1-9.

王康年,2013.基于传统思路实现图切地质剖面的应用探讨[J].贵州地质,30(3):234-239.

邬贺铨，2014-12-09.我们需要国家大数据战略[EB/OL].https://www.aliyun.com/zixun/content/2_11_267024.html.

王登红,刘新星,刘丽君,2015.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[J].矿床地质,34(6):1143-1154.

严光生,薛群威,肖克炎,等,2015.地质调查大数据研究的主要问题分析[J].地质通报，34(7):1273-1279.

张智琦,张洪群,刘定生,2007.遥感卫星原始数据格式分析及规范化研究[J].空间科学学报, 27(1):83-88.

赵鹏大,2012.数字地质与矿产资源评价[J].地质学刊,36(3):225-228.

赵国栋,易欢欢,糜万军,等,2013.大数据时代的历史机遇:产业变革与数据科学[M].北京:清华大学出版社.

朱月霞, 侯建光,2014.基于大数据的地质数据存储与管理研究[C].南京：江苏省测绘地理信息学会.

MCCORMICK B H, DEFANTI T A, BROWN M, 1987.Visualization in scientific computing [J].Computer Graphics, 21(6): 1103-1109.

MANEGOLD S, KERSTEN M L, 2012.Big Data [J].ERCIM News, 89(42): 10-11.