基于多源融合技术的化探数据的处理方法研究(2)

　　数据融合可定义为： 充分利用不同时间和空间的多传感器数据信息，应用计算机技术对按时间序列获得的多传感器观察数据，基于一定准则进行分析、综合、支配以及使用，获得对被测对象的一致性解释和说明，从而能够获得相应的决策与估计，使系统获得和其他各个组成部分相比更加充分的信息。数据融合的基本思路就是模拟人脑对各个感官从外界环境获得不同度量特征以及现象的综合处理。科学家White构建了一个基于公共语言与概念的数据融合处理模型，在不同的应用领域中，因为数据的特点是不一样的，数据融合具体方法、目标、技术路线同样存在较大差异，马洪超研究了地学数据的特点与地学融合的目标以后，对White的模型进行了改进，提出了一个适合于地质学语言描述和应用目的的处理模型，在该模型中，传感器收集的数据相当于地质成矿预测中所用数据源，例如，遥感影像可以看作一种传感器数据源，地球物理数据看作另一种数据源，化探、地质观察数据同样可看作一种传感器数据源。初级滤波在多源地学数据融合中相当于数据的归整（ 包括各种变换， 例如量纲的统一，标准化变换，均一化变换等）；一级处理的内容是数据的关联（即数据集和目标的关联），包括变量的构置，目标信息的提取，在目前大多数开发应用中，该阶段形成的结果通常要借助GIS数据库管理系统的支持，由于地质学数据具有空间性和多源性以及复杂的属性，利用GIS空间图层管理功能，能够便捷地对数据层进行任意的抽取、叠加、组合，再生成有用的图像文件。和传统的矿产预测比较，数据融合技术应用的关键是数据融合处理模型中的二级处理，也就是融合中心，研究人员能够构建有效的数学模型，对多源数据进行影像原理的操作，形成一个优化的新的数据层，然后利用GIS 的显示功能，显示并形成最终的预测图件。依据数据抽象的程度不同，数据融合能够划分为数据级、特征级和目标级。

　　成矿预测就是依据研究区成矿规律，在预测理论指导下，应用有效的数学模型，应用获取的不同信息资源，对圈定远景靶区进行预测，对资源进行评价。目前，成矿预测中要解决数据间的融合主要包括：定性和定量数据的融合；相同分辨率的不同平台测量数据的融合；不同分辨率不同平台测量数据的融合。

　　2.1基于原始数据的数据融合

　　2.2基于特征的数据融合

　　2.3基于判别水平的影像融合

　　基于类别的影像融合是一种高水平融合， 首先使用统计模式识别提取各地物类型， 通常使用最小风险的Bayes决策分类法，分类后，哪一大类选择哪些特征影像进行融合是分类融合中至关重要的一环，从统计学上分析，则是主要观察各类在特征影像中的类内离散度和类间离散度，按照可分性判据，选择最佳特征组合，在程序中利用逻辑判断语句打开最佳影像文件进行融合处理，或用专家系统中最简单的正推理法，依据专题选择特征进行融合。

　　3化探数据的种类和特点

　　基于GIS的矿产资源评价信息系统的物化探数据主要包括： 重力、 航空磁测以及解译所得到的物探异常数据和化探及解释所形成的化探异常数据， 还有与地质矿产 有关的各项研 究成果数据。目前在地矿行业， 物化探数据不仅是多来源、多学科的，而且还根据各个部门（各个项目、各个课题） 的任务、 内容以及所采取的技术手段，一般情况下形成比较独立的“数据包”。不同的“数据包”都有不同的数据构成与数据组织的方法和形式，使不同“数据包”有其相对独立的完整性和封闭性。

　　物化探数据的表述形式通常可以划分为文字、表格、图件和图像四种形式。图件中又分为多边形图件，例如，异常分布图等；线状图，等值线表示的物化探异常图等。其数据的类型，不仅有空间数据，而且有非空间数据（属性数据）；在空间数据中又包括矢量数据与栅格数据。

　　4化探数据模型

　　在GIS中，通常是通过图层管理数据的，并且采取一定的方式将空间数据（图层）和属性数据联系在一起，所以此对数据进行合理的分层是非常重要的。进行系统开发的过程中， 首要的是应该科学、合理地对所关联的信息（数据）进行分类，例如，设置主题、亚层主题等，构建相应的分类体系。其次，定义出不同图层的点、线、面图元，并且给予相应的说明，同时进行编码。构建分类体系过程中，应该充分考虑数据本身的特征、和其他数据间的联系、模型对数据的需求以及GIS 对数据的要求。应该关注数据和应用之间关系的处理，计算机硬件与软件的寿命是一定的，而化探数据通常情况下需要长期使用。更需要处理好规范性和实用性之间的关系，规范化是信息共享的前提，而实用性强则与现实水平相联系， 两者一般情况下是彼此矛盾的。所以，应该关注数据的本质特征，在满足应用的基础上，尽量保持数据和应用的相对独立性。从而能够体现数据的长期的使用价值。在GIS中，属性数据是对图层中图元所代表的空间实体的说明以及定义。通常情况下按关系数据库模型构建和分类体系相对应的属性表。