3. 重力观测数据的网格化与异常分离

野外重力测量得到的是沿测线或散点分布的观测值，而布格异常计算、延拓、导数换算和密度反演几乎都要求数据落在规则网格上。因此，本节要解决两个前后衔接的问题：一是如何把不规则分布的测点数据合理地“铺”到规则网格上，二是如何从网格化的总异常中剥离出区域场，保留目标地质体产生的局部场。前者决定数据保真度，后者直接决定解释结论的可信度。

测网设计：先保证采样能“看见”目标

网格化不能凭空提高分辨率，测网设计才是第一道关口。测网密度由目标地质体的最小尺度、埋深和异常幅度共同决定。经验上，要可靠识别一个异常体，测点间距不宜大于目标体顶部埋深的 1/2～1/3，测线间距通常取点距的 2～5 倍。例如探测埋深约 200 m 的岩溶或小断裂，点距可取 20～50 m，线距 100～200 m；而区域构造调查埋深上千米，点距 500 m～1 km 即可。测线方向应尽量垂直于目标构造走向，以最大化横向异常梯度。

测网还需考虑“边界效应”：网格化与后续滤波在数据边缘容易产生虚假异常，因此实测范围应比解释目标区向外扩出至少 3～5 个网格间距的“缓冲带”。此外，测点高程、地形和近区地形改正必须同步完成，否则网格化会把地形误差平滑成假异常。测网设计不合理造成的假异常，后续任何滤波手段都无法真正消除。

数据网格化：克里金与最小曲率的取舍

网格化的本质是用已知散点估计未知格点值，不同方法对“空间相关性”的假设不同，结果也不同。

克里金法以变异函数刻画数据的空间自相关性，通过加权求和给出估计值，并同时给出估计方差。普通克里金的核心是求解权重方程组：

γ(h) = 1/2 · E[ (Z(x) − Z(x+h))² ]      # 实验变异函数
Σ λj·γ(xi−xj) + μ = γ(xi−x0)             # 权重方程组
Ẑ(x0) = Σ λi·Z(xi)                        # 估计值

实际操作中先计算实验变异函数，用球状或指数模型拟合，得到变程、基台和块金值，再据此插值。克里金适合测点稀疏、分布不均、需要评估插值不确定度的场景，其估计方差图可直接用于判断哪些网格点可信度低。缺点是变异函数拟合带有主观性，且计算量随点数增长较快。

最小曲率法把网格面看作一张受数据点约束、弯曲能量最小的薄板，通过迭代松弛使格点满足双调和方程，在数据点处逼近实测值。它生成的曲面光滑连续、无台阶，特别适合重力场这类本身连续变化的位场数据，是重磁数据处理中最常用的网格化方法之一。其不足是对噪声敏感，孤立跳点会被“拉”成局部鼓包，因此网格化前必须做粗差剔除。

两种方法的选择可归纳为：数据稀疏、分布不均、需要不确定度评价时优先克里金；数据较密、追求光滑连续位场面时优先最小曲率。无论哪种方法，网格间距一般取平均点距的 1/2～1/4，过密只会放大插值噪声，过疏则丢失有效信息。

区域场与局部场分离：三种常用技术

布格异常是深部区域场与浅部局部场的叠加。分离的本质是尺度筛选：区域场对应长波长、大范围，局部场对应短波长、小范围。但“长”与“短”没有绝对界限，方法选择必须结合目标体尺度。

多项式拟合用一个低阶曲面逼近区域场，残差即局部场。一阶多项式拟合平面，适合区域场近似线性变化的地区；二阶、三阶可描述宽缓的盆地或隆起。阶次不是越高越好：阶次过高会把局部异常“吃”进区域场，造成局部场幅值偏小甚至符号反转。实操中可对比不同阶次的残差图，若残差中出现明显的区域趋势残留，说明阶次偏低；若残差中目标异常被削弱，说明阶次偏高。多项式拟合适合区域场平缓、测区范围较大的情形，在构造复杂区容易失真。

滑动平均用窗口内均值作为区域场估计，原值减均值得到局部场。窗口尺寸是关键参数：窗口应明显大于目标异常宽度（一般取 2～3 倍以上），才能把目标异常当作“局部起伏”保留下来；窗口过小会把目标异常一并平滑掉。滑动平均计算简单、物理意义直观，但边缘效应明显，需先对网格扩边；窗口内若存在强异常，均值会被拉偏，产生“拖尾”假异常。

小波分析把网格数据分解到不同尺度，大尺度近似系数对应区域场，小尺度细节系数对应局部场，通过选择分解层数实现分离。它比前两种方法更灵活，能同时给出多尺度结果，适合区域场与局部场尺度差异明显、构造复杂的地区。关键在于选择合适的小波基和分解层数：层数过少分离不彻底，层数过多会把目标异常也当作“细节”滤掉。实际中常结合功率谱分析确定区域场与局部场的分界尺度，再据此确定分解层数。

综上，测网设计决定数据上限，网格化决定数据保真，异常分离决定解释方向。三者应按“设计—网格化—分离—回代验证”的顺序闭环执行，任何一步的参数选择都应以目标体尺度为基准，而不是套用固定默认值。