地质行业观察 · 高质量数据集建设指南 03
高质量数据集建设指南 03｜全流程拆解：散乱原始地质资料，怎么一步步变成高质量数据集
三个技术动作，对应上一篇文章里的三条标尺
上一篇我们把地质高质量数据集的判定标准收敛为三条标尺——完整性、规范性、逻辑一致性，也拆解了行业里最容易踩的三类坑：把汇交合格当应用合格、物理汇聚而逻辑分离、一次性项目思维。
很多一线地勘单位看完后反馈：知道了什么是高质量，也知道坑在哪，但面对档案室里沉了数十年的散乱资料，还是不知道从哪下手。这篇给出可执行的作业路径——三个技术动作，分别对应三条标尺，不需要资深专家全程驻场。
［配图 1］地质高质量数据集标准化作业全流程示意图
图 1 归一化汇聚 → 语义统一 → 三层质检，三步分别对齐完整性、规范性、逻辑一致性
一、第一步：多源异构资料归一化汇聚，筑牢可溯源的原始底座
这一步是后续所有工作的基础，也是九成项目最容易踩坑的起点。
很多项目启动后直接跳过归一化环节，拿到一份资料就上手处理，干到一半才发现同一片区域存在多套不同坐标系统、不同版本的原始资料。早年的北京 54、西安 80 独立坐标系成果与 2000 国家大地坐标系成果直接拼接，最后生成的空间数据全部错位，连基本的空间覆盖完整性都无法保障。
正确的做法是先搭一个统一的原始资源池：把纸质扫描报告、CAD 图件、Excel 台账、历史遗留空间数据库等所有不同载体、不同格式的资料全部导入，批量完成坐标系统归一化转换；同时为每一份原始资料分配唯一的溯源标识，绑定后续所有加工环节的操作日志。
这样一来，任何环节出现数据错误，都可以直接回溯到最原始的源文件核对，不必再翻找档案室的陈年卷宗，从根源上避免版本混乱——这一步交付的是“完整性”的底层底座。
二、第二步：智能抽取与语义统一，破解“物理汇聚、逻辑分离”
这一步直接对应上一篇讲的第二个坑。
传统纯人工模式下，需要技术人员逐页翻阅数十万页地质报告，手动提取地层划分、钻孔参数、矿化蚀变信息、构造产状数据等核心地质要素，不仅效率极低，还很容易出现遗漏和录入错误。
依托内置全量地质专业知识库的智能抽取能力，可以自动从非结构化文本、图件中识别提取核心地质要素，再按《地质矿产术语分类代码》（GB/T 9649）系列标准完成全量数据的语义映射，自动对齐不同项目、不同报告中同一地质要素的别名、简称、异名，把不同来源数据的语义标准统一到一套代码上。
不需要人工挨个对照规范修改，从根源上解决多源数据拼接时术语打架的问题——这一步交付的是“规范性”。上一篇提到的“术语—代码—口径对照表”，就是这一步的产出物之一。
三、第三步：三层递进专业质检，从格式合规跨到逻辑合规
这一步是地质数据与普通政务数据最核心的差异，也是决定数据集能否直接投入应用的关键。
绝大多数单位此前的质检仅停留在“检查坐标、字段、格式是否符合汇交规范”的浅层次，完全忽略了地质专业逻辑校验。我们采用三层递进质检体系：
① 第一层，基础格式合规校验——字段非空、值域合法、坐标系正确、文件结构完整；
② 第二层，属性数值逻辑校验——厚度不为负、深度不超钻探深度、品位在合理区间、面积与周长自洽；
③ 第三层，地质专业逻辑校验——依托内置的全量地质专业规则库，自动排查所有不符合地质常识的错误。
三层的关系是递进的：第一层能过，说明数据“记得规整”；第二层能过，说明数据“算得通”；只有第三层过了，才说明数据“讲得通”。
为什么通用 GIS 工具过不了第三层
这是全系列最值得展开讲的一段，因为它回答了读者心里真正的疑问：我用通用 GIS 工具、找普通数据治理厂商，为什么不行？
通用 GIS 工具的质检能力，集中在几何与属性两个层面：拓扑有没有重叠、悬挂、自相交，字段类型对不对，值域是否越界。这些它做得很好，也很成熟。但它不认识“地层”是什么，更不知道地层有先后。举四个真实的错误类型：
① 新地层被压在老地层之下。几何完全合法，属性也齐全，通用工具查不出来；地质上这是不可能的，除非有构造倒转。
② 同一条断裂在两张相邻图幅上产状相反，走向差了几十度。两张图各自拓扑正确，拼在一起才知道对不上。
③ 钻孔分层累计厚度超过钻探深度。字段类型没错、数值非负，通用工具判为合格；实际是分层数据录入时重复计了一层。
④ 含水层渗透系数标为 0.001 m/d，富水性等级却填“强富水”。两个字段都在值域内，但组合起来违反水文地质常识。
这四类错误有一个共同点：单看每个字段都合法，只有把地质专业知识叠加进去，才知道它错了。通用工具缺的不是算力，是规则；而规则来自行业积累，不是买一套软件就能带走的。
第三层质检的意义就在这里：它把数十年积累的地质判断经验，变成了可以批量执行的规则。不需要资深专家逐份人工核对，也能让产出满足“逻辑一致性”，不必在后续三维建模、成矿分析环节二次返工。
这套作业方法，把行业积累的专业经验固化成了可执行的步骤，单位不必从零搭建工具链，门槛因此大幅降低。
但还有一个问题没解决：如果完全靠人工照着这三步走，面对数万份存量资料，周期太长，不同批次的质量也很难保持一致。下一篇讲这件事——智能化平台如何把这三个动作变成一条流水线。
你们单位在第二步或第三步卡住过吗？欢迎留言说说具体是哪种错误最难查，我们挑典型案例做拆解。
中安数码 地质数据服务团队
【内部备注，发布前删除】
备选标题：1. 对应三大标尺：散乱地质资料到高质量数据集的三步作业法；2. 通用 GIS 查不出的四类地质错误，该怎么查；3. 从散乱资料到可用资产：地质高质量数据集生产全流程拆解
全文约 1750 字
