1. 课程导入与钻孔数据认知

在地质GIS中，钻孔是把地下信息“锚定”到三维空间的关键载体。地表填图、物探剖面、遥感影像往往只能给出面上的推断，而钻孔以孔口坐标、孔深、测斜为骨架，把岩性、地层、采样、测井等不同来源的观测记录串成一条沿孔轴延伸的“地下证据链”。理解这条证据链的结构，是后续做数据库关联与查询设计的前提。

先看一个典型场景：某矿区要评价一条隐伏矿体的资源潜力。地质人员需要回答三个问题——矿体在哪些孔中见到、赋存在什么层位、品位沿走向如何变化。这三个问题分别依赖岩性编录（是否见矿）、地层分层（属于哪套地层）和采样化验（品位数值），而测井曲线则用于校正岩性解释、识别孔内破碎带。四类数据分散在不同表格、不同格式甚至不同单位的生产记录中，若没有合理的关联设计，一次简单查询就要人工翻十几张表。这正是本课程要解决的核心问题。

钻孔数据的四类常见类型

钻孔数据通常按观测方式与业务用途分为四类，它们的粒度、主键和空间参照各不相同：

• 岩性数据：以“孔号+起止深度”为区间记录，描述岩性名称、颜色、风化程度、岩芯采取率等，是判断见矿与围岩的直接依据。
• 地层数据：同样以深度区间表达，但强调地层代号、接触关系与产状，用于建立层序格架和连孔对比。
• 采样数据：以“样品号”为主键，记录采样起止深度、样品类型（岩芯样、刻槽样、组合样）、化验元素与品位，是资源量估算的数值来源。
• 测井数据：以“孔号+深度+曲线名”为采样点记录，如自然伽马、电阻率、声波时差，属于连续型信号，粒度远细于前三类。

四类数据的共同锚点是“孔号”，但深度区间与深度点两种粒度并存，采样数据还多了一层样品编号。这种“同孔不同粒度”的特征，决定了关联设计不能简单用一张大表堆叠，而要以孔为父实体、以深度为空间约束建立层次关系。

从业务场景反推数据关系

把上述四类数据放回业务场景，关联需求就变得具体。以“单孔柱状图生成”为例，系统需要按孔号取出岩性区间、地层区间、采样区间和测井曲线，再按深度统一绘制。这里的关键不是简单连接，而是深度对齐：岩性区间 240–260 m 与采样区间 246–252 m 存在包含关系，测井点则落在区间内部。若数据库只存了起止深度而没有统一的深度参照（如以孔口为 0、向下为正），跨表查询就会出现错位。

再看“见矿孔筛选”这一查询：条件是“存在采样品位 ≥ 1.0 g/t 且样品所在岩性为矿体”。这条查询同时触及采样表、岩性表和孔表，需要沿“孔号”关联、沿“深度区间重叠”约束。若采样表只记录样品号而不记录所属岩性，就必须在查询时做区间相交判断，性能与正确性都受影响。因此在实际设计中，常把“样品所属岩性”作为冗余字段或派生视图固化下来，用空间换查询效率。

本课程的核心命题

综合来看，钻孔数据库的难点不在单表存储，而在关联与查询两件事上。关联要解决“孔—区间—点—样品”之间的层次与空间约束；查询要解决多表连接后仍能快速、准确地回答业务问题。后续章节将围绕这两条主线展开：先建立以孔号为枢纽、以深度为空间轴的实体关系模型，再设计面向典型业务场景的查询视图与索引策略。

作为入门检验，可以拿一个真实或假设的钻孔记录做练习：给定孔号、若干岩性区间、三个采样样品和一条测井曲线，尝试用文字描述它们之间的关联路径——从孔表出发，经深度区间找到岩性，经深度重叠找到采样，经孔号与深度点找到测井。能把这四条路径说清楚，就具备了进入关联设计的基础。