2. 地质数据准备与预处理

变异函数计算对数据质量极为敏感。实验变异函数本质上是"距离—半方差"散点关系的统计汇总，任何坐标错位、单位混用、重复点堆积或极端值都会直接扭曲散点形态，进而误导后续的模型拟合与各向异性判断。因此，在打开软件计算变异函数之前，必须完成一套有针对性的数据准备流程：数据清洗、坐标统一、单位换算、重复点合并与异常值识别。本节围绕这五项工作展开，并重点讨论不同预处理决策对实验变异函数形态的潜在影响。

一、数据清洗：先保证"每条记录可用"

地质数据常来自钻孔采样、刻槽、品位化验、物探测点等多种来源，原始表往往存在空值、非数值字符（如"<0.01"、"未检出"、"ND"）、字段错位、经纬度与高程缺失等问题。清洗的第一步是明确必需字段：样品编号、X坐标、Y坐标、Z（高程或标高）、品位/属性值。缺少任一空间坐标或属性值的记录无法参与变异函数计算，应单独导出为"待补录清单"而非直接删除，以便追溯。

对低于检出限的表达式，需要统一约定处理规则。常见做法有两种：一是按检出限的一半赋值（如"<0.01"记为0.005），二是按检出限的0.7倍赋值。两种规则都会改变低值端的分布，进而影响块金效应。示例中若某铜矿区有12%的样品为"<0.01%"，采用半检出限赋值会使短距离半方差略微降低，块金值可能偏小；若直接删除这些样品，则短距离样品对减少，实验变异函数在滞后距较小处更易出现剧烈波动。规则一旦确定，应在整个项目中保持一致并记录在数据说明中。

二、坐标统一与单位换算：让"距离"真实可信

变异函数的横轴是真实空间距离，坐标系统一直接决定滞后距是否可信。工程中常见的问题是平面坐标与经纬度混用、不同钻孔使用不同带号的高斯投影、高程基准不一致（如黄海高程与地方高程）。处理原则是：全部转换为同一投影平面直角坐标系（如CGCS2000 3度带），并统一高程基准。经纬度数据应先投影再计算距离，切勿直接用经纬度差乘系数近似，否则在高纬度或大范围工区会产生系统性距离偏差。

单位换算同样关键。品位常用%、g/t、ppm，长度常用m、km，若X、Y以m为单位而Z以km录入，则垂向距离被压缩1000倍，各向异性椭球会被严重误判为"垂向变程极短"。建议在数据表中显式标注每个字段的单位，并在预处理脚本中统一换算为m与同一品位单位。下面的SVG概括了从原始表到可计算数据集的预处理链路及各环节对变异函数形态的影响方向。

三、重复点合并：消除零距离对的干扰

重复点在地质数据中并不少见：同一采样点被不同批次重复化验、钻孔孔口坐标被多次录入、不同图层的同一点位叠加。变异函数在滞后距h=0附近对重复点极为敏感——同一坐标上的多个不同品位会形成"零距离对"，其半方差被计入最短滞后距区间，直接抬高块金值，使模型误判为"强随机性"。处理方法是设定坐标容差（如平面0.01 m、高程0.05 m），将容差内的记录视为同一点，属性值取算术平均；若不同批次化验精度不同，可按样品长度或化验权重加权平均。合并后应记录合并前后的点数，便于核查。

四、异常值识别：标记而非盲删

地质品位常呈强右偏分布，少数特高品位是真实矿化信息，不能简单当作错误删除。建议采用"三步识别"：先用箱线图按|x−中位数|>3×IQR初筛，再结合对数直方图与累积概率图观察尾部形态，最后回到原始化验单核对是否存在单位错误、样品串号或录入多写一个零。对确认的录入错误直接修正；对真实特高品位，可保留原值、单独标记，或采用截顶（如95%分位数截顶）后做敏感性对比。示例中若某金矿有3个样品品位达30 g/t而其余多在1～5 g/t，直接删除会使基台值明显偏低、变程偏短；截顶处理则保留空间结构信息，是更稳妥的做法。

五、预处理决策的敏感性核查

预处理没有唯一正确答案，但有可检验的合理性。推荐做法是：对关键决策（检出限赋值规则、异常值处理方式、重复点合并策略）各保留一套备选方案，分别计算实验变异函数并叠加对比。若某决策使块金值变化超过20%、或使主变程方向发生明显偏转，就应回到原始数据复核该决策是否合理。下表给出一份可直接填写的预处理记录示例，用于支撑后续变异函数计算的可追溯性。

综上，数据准备不是变异函数计算的"前奏杂务"，而是决定实验变异函数形态是否可信的关键环节。坐标与单位决定距离轴的真实性，重复点与异常值决定短滞后距和基台值的稳定性，清洗规则决定低值端与块金效应。把每一项决策记录清楚、把关键决策做敏感性对比，才能让后续的模型拟合与各向异性判断建立在可靠的数据基础之上。