2. 地质栅格数据模型与找矿预测适配

找矿预测的本质，是把地质、地球化学、遥感等多源信息统一到同一套空间参照下，再按成矿有利程度进行叠加分析。ArcGIS 中的栅格数据模型正是承载这一过程的“公共底座”。理解像元、分辨率、范围与坐标系这四个基本要素，并掌握不同地质资料的栅格化表达方式，直接决定了后续重分类与预测结果的可靠性。

一、栅格像元：找矿信息的空间载体

栅格由规则排列的方形像元（Cell）组成，每个像元携带一个数值，代表该位置上某一地质变量的取值。例如，地层代号栅格中像元值可能是 1、2、3 代表不同地层单元；化探异常栅格中像元值则是 Cu 元素含量的对数值；遥感蚀变栅格中像元值可表示蚀变强度等级。像元值可以是整数（分类数据）或浮点数（连续数据），这一区别直接影响后续重分类方法的选择：分类数据用“重分类”按类别映射，连续数据则需先设定分级阈值再映射。

需要特别注意的是，像元值只是“属性”，像元的位置由行列号和栅格原点决定。在 ArcGIS 中，栅格的原点通常位于左上角像元的左上角点，行号向下递增、列号向右递增，这与数学坐标系中 y 轴向上的约定相反。在编写重分类条件或进行栅格计算时，若涉及行列索引，必须先明确这一约定，避免上下颠倒。

二、分辨率：精度与信息量的平衡

分辨率指单个像元所代表的实际地面尺寸，如 30 m、100 m、1 km。它决定了栅格能表达的最小地质单元。对于 1:20 万地质图，图面 1 mm 约对应地面 200 m，若采用 30 m 分辨率栅格化，虽然像元更细，但并不能凭空产生更精细的地质界线，反而会因插值引入虚假细节；反之，若用 1 km 分辨率承载 1:5 万地质图信息，则会丢失大量小岩体、断裂细节。

因此，分辨率选择应遵循“与源数据精度匹配”的原则：一般取源图最小图面单位对应地面长度的 1/2 至 1 倍作为像元尺寸。多源数据叠加时，应以精度最低（像元最大）的数据为基准统一重采样，避免“细网格套粗信息”造成的精度假象。重采样方法上，分类数据（地层、岩性）用最近邻法，连续数据（化探、遥感）可用双线性或三次卷积，但找矿预测中为保持异常峰值，化探数据常仍采用最近邻以避免平滑削弱异常。

三、范围与坐标系：统一空间参照

范围（Extent）指栅格覆盖的矩形地理区域，所有参与叠加的栅格必须具有一致或相互包含的范围，否则会出现边缘空值。坐标系则决定像元位置与真实地理位置的对应关系。地质图常为北京 54 或西安 80 坐标系，化探数据可能为 CGCS2000，遥感影像多为 WGS84 经纬度。若直接叠加，轻则位置偏移，重则预测靶区整体错位。

正确做法是：先为每份数据定义正确的坐标系（Define Projection），再统一投影到同一投影坐标系（如高斯-克吕格 3 度带），最后用“投影栅格”或“重采样”对齐像元网格。对齐时建议指定捕捉栅格（Snap Raster），使所有输出栅格的像元边界严格重合，这是后续栅格计算器逐像元运算不出错的前提。

四、三类资料的栅格化表达要点

地质图栅格化。地质图是矢量面数据，栅格化时用“要素转栅格”，像元值取地层代号或岩性编码字段。关键是编码要具有可重分类的语义：例如把与成矿关系密切的岩性赋较高有利度，而非简单按图例顺序编号。断裂线要素可先做缓冲区（如 500 m），再转为二值栅格，表示“断裂影响带”。

地球化学数据栅格化。化探采样点稀疏且不规则，常用“点转栅格”或反距离权重、克里金插值。找矿预测中更关注异常，因此建议先对含量取对数、按累积频率确定异常下限（如 85% 分位），再生成异常等级栅格。插值会平滑峰值，若目标是圈定异常中心，可保留原始点位栅格与插值栅格两套结果对比使用。

遥感蚀变信息栅格化。蚀变异常通常已以栅格形式存在（如铁染主成分得分），需做的是统一投影、重采样到目标网格，并按得分分级。注意遥感影像受云、植被干扰，栅格化前应掩膜无效区，避免把云区误判为低异常。

五、对预测精度的实际影响

以某斑岩铜矿预测为例（示例参数）：研究区 40 km×30 km，采用 100 m 像元，网格为 400×300。若化探数据误用 1 km 分辨率，则一个像元覆盖 100 个 100 m 网格，异常边界被粗化，靶区面积可能被高估数倍；若坐标系未统一，北京 54 与 CGCS2000 在局部可产生数十米至上百米偏移，足以让“异常—地层—断裂”的空间套合关系失真。反之，若分辨率过细（如 10 m）而源图仅 1:20 万，则计算量剧增而信息量不增，属于无效精度。

完成上述统一后，各栅格才具备“逐像元可比”的基础，后续的重分类映射与加权叠加才有意义。可以说，栅格模型适配得好不好，决定了找矿预测是“多源信息融合”，还是“多源误差叠加”。