4. 矿化异常数据准备与预处理

空间自相关分析对输入数据的“干净程度”极为敏感。Moran's I、局部 Getis-Ord Gi*、LISA 聚类图等结果，本质上都是在比较“位置”与“属性值”的匹配关系；一旦坐标错位、量纲混乱或极端值未被识别，聚类结果就可能把采样偏差误读为矿化聚集。因此，在进入空间权重构建与自相关计算之前，必须把化探数据整理成一份坐标可信、属性可比、分布可控的分析底表。本节以某 1:5 万水系沉积物测量数据为例（示例数据为教学假设），完整走一遍从原始表格到可分析图层的预处理链路。

一、化探数据导入：从采样记录到要素类

化探原始成果通常以 Excel 或 CSV 形式提交，字段包括样品编号、图幅号、X 坐标、Y 坐标、采样介质、各元素含量（如 Cu、Pb、Zn、Ag、Mo）以及检出限标识。导入 ArcGIS Pro 时，优先使用“XY 表转点”（XY Table To Point），而不是直接拖入表格后手工建点。关键设置有三项：X 字段填东坐标、Y 字段填北坐标（注意不要颠倒，否则点位会整体旋转 90°）；坐标系必须选择与坐标数值实际对应的投影坐标系，例如 CGCS2000 3 度带高斯-克吕格投影；Z 字段留空。导入后立即检查属性表中是否出现空几何或坐标为 0 的记录，这类记录往往来自合并单元格或表头错行。

对于多元素数据，建议保留“宽表”结构（一行一个样品、一列一个元素），便于后续逐字段做分布检验；若后续要做多元素组合异常，再另建视图或导出长表。导入完成后应统计样品总数、重复样数量与图幅覆盖范围，作为后续质量核对的基准。

二、坐标系统一：让所有图层落在同一参照下

实际项目中常混用北京54、西安80、CGCS2000 以及不同中央经线的高斯投影，甚至出现经纬度与平面坐标混存。统一坐标的核心原则是：先确认源坐标定义，再做投影变换，最后统一到分析所用的目标坐标系。在 ArcGIS 中通过“投影”（Project）而非“定义投影”（Define Projection）完成变换——后者只改元数据不改坐标值，误用会造成系统性偏移。

示例中把全部点位统一到 CGCS2000 3 度带、中央经线 105°E 的投影坐标系。若原始数据为经纬度（GCS CGCS2000），则用 Project 直接转换；若为西安80 坐标，则需选择带基准面转换参数的自定义地理变换，并在结果中抽查 3～5 个已知控制点，残差应控制在米级以内。统一后还应检查点位的 X、Y 范围是否落在研究区包络框内，避免个别点因中央经线选错而“飞”到数百公里之外。

三、缺失值与异常值：区分“没有测到”和“真的很高”

化探数据的缺失主要有两类：一是样品未分析该元素，二是含量低于检出限。前者属于结构性缺失，若某元素缺失比例超过 5%，应评估是否放弃该元素或改用其他指示元素；后者不能简单当作 0，常用做法是以检出限的 1/2 或 1/√2 替代，并在属性表中保留“是否低于检出限”的标志字段，便于后续敏感性分析。示例中 Ag 有 12 个样品低于 0.02×10⁻⁶ 的检出限，统一以 0.01×10⁻⁶ 替代并打标。

异常值识别要避免“一刀切”。地球化学数据本身服从对数正态分布，高值端的长尾往往正是矿化信息。建议先用箱线图看四分位距，用 Q3 + 1.5×IQR 标记可疑点，再结合 3σ 准则（对变换后数据）交叉判断；对孤立的高值点要回查原始采样记录，确认是否为录入错误（如小数点错位、单位混用 ppm 与 %）。只有确认是错误值才剔除或修正，真实的高值簇必须保留——它们恰恰是后续 Gi* 热点分析要识别的对象。示例中 Pb 有一个 8600×10⁻⁶ 的记录，回查发现原始记录为 860×10⁻⁶，属录入错误，予以修正而非删除。

四、分布检验与变换：为统计量准备“合格”的输入

空间自相关本身对分布没有严格正态要求，但基于均值、方差和 z 得分的 Gi*、以及基于条件置换的显著性判断，在强偏态数据上容易失真。因此应先做分布检验：在 ArcGIS Pro 中用“直方图”或“汇总统计数据”查看均值、标准差、偏度、峰度，并绘制 Q-Q 图观察尾部偏离。示例中 Cu 原始偏度约 2.8，呈明显右偏。

常用变换有三种：对数变换 y = ln(x) 适合右偏的正值数据；Box-Cox 变换 y = (x^λ − 1)/λ（λ=0 时退化为对数）可通过极大似然估计最优 λ，在 ArcGIS 中可用“字段计算器”配合 Python 实现；标准化 z = (x − μ)/σ 用于多元素量纲统一。示例对 Cu 取自然对数后偏度降至 0.6，Q-Q 点基本贴合直线，即可作为分析字段。变换后的字段建议命名为 Cu_ln 之类，保留原始字段以便追溯。

# 字段计算器中执行 Box-Cox（示例 λ=0.25）
import math
def boxcox(v, lam=0.25):
    return (math.pow(v, lam) - 1) / lam if v > 0 else None
# 表达式：boxcox(!Cu!)

完成上述四步后，应形成一份可交付的预处理记录：样品总数与有效数、各元素缺失比例与替换规则、坐标变换参数与控制点残差、异常值处理清单、变换前后偏度对比。这份记录既是质量凭证，也是后续解释聚类结果时判断“异常是地质的还是数据的”的重要依据。