1. 课程导入与场景认知

地质钻孔是地质勘查、工程勘察、水文调查和矿产评价中最基础的一类空间数据载体。一个钻孔在平面上是一个点，在垂向上却记录着岩性分层、采样位置、含水层界面、见矿段等一系列属性信息。实际项目中，这些信息往往先以表格形式被记录和流转：野外编录表、化验室分析报告、钻孔柱状图导出数据、历史资料数字化成果，最终大多会落到 CSV 或 Excel 这类结构化文本中。CSV 之所以常见，是因为它跨平台、易读、便于批量处理，几乎任何数据库、GIS 软件和脚本语言都能直接读写。

但 CSV 本身只是“带分隔符的文本”，它并不携带空间信息。一个典型的钻孔 CSV 可能长这样：

hole_id,x,y,elevation,depth_from,depth_to,rock_type,grade_au
ZK001,512340.25,3287650.80,1250.30,0.00,3.50,第四系覆盖层,0.00
ZK001,512340.25,3287650.80,1250.30,3.50,18.20,强风化砂岩,0.02
ZK001,512340.25,3287650.80,1250.30,18.20,42.60,含金石英脉,1.85
ZK002,512680.10,3287910.45,1268.75,0.00,5.20,第四系覆盖层,0.00

这里每一行代表一个“钻孔—分层段”记录，hole_id 是孔号，x、y 是平面坐标，elevation 是孔口高程，depth_from 与 depth_to 是分层起止深度，后面是岩性与品位。可以看到，同一个钻孔会重复出现多行，坐标和高程重复填写。这种“长表”结构便于记录，却不利于直接做空间查询和制图。Shapefile 正是解决这一问题的常用格式：它把空间几何与属性表绑定，一个点要素对应一行属性，可以按孔号聚合、按岩性符号化、按品位分级渲染，也能与地形图、地质图、勘探线叠加分析。

从 CSV 到 Shapefile，中间并不是简单的“另存为”。核心工作有三步：第一，把表格中的坐标字段识别出来，并明确其坐标参照系；第二，把每个钻孔的平面位置生成点几何，同时把分层信息组织成属性表或关联表；第三，对生成结果做投影校验，确认点位落在正确的位置上。第三步最容易被忽视，却往往是错误的高发区。常见问题包括：把经纬度误当成平面米制坐标、把北京54坐标当成西安80坐标、带号遗漏或重复、中央经线选错、单位混淆（度与弧度、米与英尺）。这些问题在属性表里看不出来，只有把点叠加到已知底图上，或者与已知控制点比对，才会暴露。

上图把本节要建立的整体认知串了起来：左侧是数据来源，中间是字段识别与几何生成，右侧是投影校验，下方是常见问题对照。需要强调的是，校验不是最后“看一眼”，而是贯穿始终的质量控制环节。一个实用的做法是：在生成 Shapefile 之前，先抽取 3～5 个已知坐标的控制点或历史钻孔，把 CSV 中的坐标与已知值逐一比对，计算平面偏差。若偏差在厘米级，说明坐标定义基本正确；若偏差达到几十米甚至上百米，则要优先怀疑带号、中央经线或坐标系代际问题，而不是先去怀疑数据录入。

再看 Shapefile 的应用场景。它适合做钻孔点位分布图、勘探线剖面定位、钻孔与地质图叠加、按岩性或品位做符号化表达，也便于交付给不熟悉数据库的评审方。但要注意，Shapefile 单文件有字段名长度限制（通常 10 个字符）、不支持空值语义、一个文件只能存一种几何类型，且中文属性容易因编码出现乱码。因此在实际工程中，常把分层明细放在单独的属性表或数据库中，通过孔号与点位关联，而不是把所有分层都塞进一个点要素的属性里。

本课程的整体学习路径可以概括为“认知—转换—校验—应用”四个层次。认知层解决数据从哪里来、字段是什么意思；转换层解决如何把 CSV 正确读入、识别坐标、生成点几何并写出 Shapefile；校验层解决如何用控制点、底图套合和参数检查确认投影无误；应用层则把成果用于制图、统计和交付。后续章节会围绕这条主线逐步展开，每一步都会给出可操作的参数、示例数据和判断依据。学习时建议准备一份自己的钻孔 CSV 样例，跟着课程同步操作，这样比只看讲解更容易发现坐标定义中的细节问题。