4. 矿产资源储量估算数据准备

反距离加权（IDW）估算的精度，在很大程度上并不取决于插值公式本身，而取决于进入估算器的样品表是否“干净、等长、空间一致”。IDW 以距离幂次对样品品位加权，任何一条重复记录、一个错位的坐标或一段未组合的岩芯样，都会直接改变邻近样品的权重分配，从而在块体模型上形成虚假的高值或低值斑块。因此，数据准备是 IDW 流程中工作量最大、也最需要工程判断的环节。本节围绕钻孔样品组合、特高品位处理、坐标与品位清洗、缺失值与重复值处理、分布探索性分析五个动作展开，并说明每一步对后续 IDW 参数选择的影响。

一、样品组合：让参与估算的样品具有可比长度

原始钻孔样品长度往往参差不齐：矿体边界处可能只有 0.3 m 的短样，而连续矿化段常见 1.0 m 或 2.0 m 的长样。IDW 把每个样品视为一个点（通常取样品中点坐标），若样品长度差异大，长样代表的矿化体积被压缩成一个点，短样却与长样等权，估算结果会产生系统偏差。因此需要按固定长度进行组合（compositing）。

常用做法是沿钻孔轴线按固定样长 L 重新切分，例如 L = 1.0 m 或 2.0 m，用长度加权平均把落在同一区间内的原始样品品位合并：

组合品位 C = Σ(Ci × Li) / Σ(Li)
其中 Ci、Li 为落入该组合区间的原始样品品位与长度
约束：Σ(Li) 应接近 L，残差段（不足 L 的尾段）单独成样或按规则并入相邻样

实际操作中有三点需要明确约定：其一，组合必须在矿体边界处“截断”，不得跨越岩性界面或矿化边界把废石品位混入矿石样；其二，组合后的样品坐标取组合区间的中点，而不是原始样的中点；其三，组合长度应尽量与 IDW 的搜索椭球短轴尺度相匹配，若组合样长明显大于搜索半径，会出现样品数不足、权重过度集中的问题。示例参数：某铁矿床采用 2.0 m 组合样长，搜索椭球最大半径 60 m、最小半径 25 m，组合样长约为最小半径的 1/12，属于较合理的量级关系。

二、特高品位处理：识别、截割与敏感性验证

贵金属与部分有色金属矿床常出现特高品位（极端高值），单个样品可能高出矿体平均品位一个数量级。IDW 对高值样品极为敏感，一个未处理的特高值会在其周围形成“牛眼”状高值圈。处理流程通常是：先统计品位分布，按分位数或“均值 + k 倍标准差”识别候选特高值；再结合地质背景判断其是否为采样误差、矿化囊体或真实富矿段；最后决定截割（capping）或单独圈定。

截割的常见做法是把超过阈值的品位替换为阈值，阈值可取矿体平均品位的若干倍，或取累计频率曲线拐点对应的品位。示例：某金矿样品品位均值 2.1 g/t，识别出 5 个超过 30 g/t 的样品，经核查其中 3 个为真实富矿脉、2 个疑为采样混染，最终对全部超限样按 30 g/t 截割，并保留原始值字段以便追溯。需要强调的是，截割阈值不是唯一正确答案，应通过对比“截割前/后 IDW 估算的全局均值与局部块体品位变化”做敏感性验证，若全局均值变化超过约 5%～10%，应重新审视阈值合理性。

三、坐标与品位数据清洗：把空间位置算准

IDW 的距离计算完全依赖样品坐标，因此坐标清洗的核心是“把每个组合样中点换算到统一的三维坐标系”。流程上先复核孔口坐标（X、Y、孔口高程 Z）与坐标系定义（如北京 54、西安 80 或 CGCS2000，须与矿权范围、地形模型一致），再依据测斜数据（测点深度、倾角、方位角）逐段推算样品中点坐标。若钻孔近垂直且测斜数据缺失，可用孔口坐标加深度近似，但应在数据表中标注“坐标来源”字段，便于后续追溯。

品位清洗则包括单位统一（g/t 与 %、ppm 的换算）、低于检出限的处理（按检出限的一半赋值或单独标记，不可直接置零）、以及明显的录入错误识别（如品位为负值、超出物理上限）。示例：某铜矿原始表中出现 −0.02% 的品位记录，经核查为分析结果录入符号错误，应回查原始化验单后修正，而不是简单删除。

四、缺失值与重复值处理

缺失值分两类：一是样品缺失（某段未取样），二是字段缺失（有样品但坐标或品位为空）。对前者，不应插补品位，而应在组合时跳过该段并在报告中说明覆盖率的损失；对后者，若坐标缺失则无法参与 IDW，只能剔除；若品位缺失且该段位于矿体内，应回查原始资料，无法补齐时剔除并记录。重复值常见于多批次数据合并：同一钻孔同一深度区间出现两条记录，或同一组合样被重复导入。处理原则是按“钻孔号 + 起止深度”建立唯一键去重，保留版本最新或质量最高的记录，并保留被剔除记录清单。

五、分布探索性分析：为 IDW 参数提供依据

清洗完成后，应对组合品位做分布探索：绘制直方图与累计频率曲线，计算均值、中位数、标准差、变异系数（CV）与偏度。若分布明显右偏、CV 较大（例如大于 1.0），说明存在极端值影响，需复核特高值处理是否充分，并倾向选择较大的距离幂次（2～3）以抑制远距离高值样品的影响；若分布近对称、CV 较小，幂次可取 1.5～2，搜索半径可适当放大以保证每个块体有足够样品。同时应做空间趋势检查（如沿走向、倾向的品位均值变化），确认是否存在明显的各向异性，为搜索椭球的方位与轴比设置提供依据。

完成上述五步后，应形成一张“一行一样、字段完整、坐标统一、可追溯”的组合样品表，并附带数据准备说明（组合样长、截割阈值、剔除与去重数量、分布统计量）。这张表和说明既是 IDW 估算的直接输入，也是后续交叉验证与资源量复核的依据。数据准备做得扎实，IDW 的参数选择才有讨论的基础；反之，任何插值技巧都无法弥补输入数据的结构性缺陷。