Основы геоинформатики

- по способу использования - многогранная - территория разбивается на ряд меридианальных зон, каждая из которых проектируется на плоскость по одному и тому же закону, но с разными параметрами для каждой из зон - Гаусса-Крюгера

3.1 Ввод, хранение, обработка, и вывод полученных данных

Создание и использование ГИС для решения геологических задач включает в себя следующие функции:

· Получение данных в виде таблиц признака, векторизованных или растровых геологических схем;

· Ввод в компьютерную среду;

· Хранение и обновление;

· Обработка;

· Вывод в виде схем оценки признака;

· Экспертная оценка достоверности полученных результатов;

· Анализ полученных результатов с целью выявления закономерностей и принятия прогнозных решений;

· Использование полученной информации.

Общая технологическая схема ввода, обработки и вывода данных в ГИС может быть представлена в виде набора обобщённых функций:

1. Ввод и редактирование данных. Сюда входит аналогово-цифровое преобразование данных, в том числе методы цифрования картографических источников с помощью дигитайзеров или путём сканирования с последующей векторизацией.

2. Поддержка моделей пространственных данных. Полученная цифровая модель может существовать, храниться и обрабатываться в рамках определённых моделей: растровых, векторных и трёхмерных.

3. Хранение данных. Проектирование и ведения баз данных (БД) атрибутивной информации ГИС. Поддержка функций систем управления базами данных (СУБД). Эти функции включают: ввод, хранение, обработку запросов, поиск, выборку, сортировку, обновление, сохранение целостности, защиту данных.

4. Обработка данных. Эта функция включает обработку исходных данных с целью выявление новой информации или закономерностей, не наблюдаемых без обработки, и анализ связей, полученной информации с известными знаниями. Методы обработки данных определяются целью ГИС-проекта. Примеры обработки данных.

Расчёт функций статистики по дискретным данным регулярной или нерегулярной сети наблюдения.

Преобразование систем координат и трансформация картографических проекций. Наиболее распространённая задача - переход от условных декартовых прямоугольных координат источника в географические координаты.

Растрово-векторные операции. Обслуживают возможности совместного использования двух наиболее употребляемых моделей пространственных данных - растровой и векторной, экспорт и импорт в среду других программных продуктов, ввод и вывод данных.

Измерительные операции. Вычисление длин отрезков прямых и кривых линий, площадей, периметров.

5. Вывод данных. Генерация отчётов, документирование результатов в текстовой, графической, табличной формах.

6. Экспертная оценка достоверности полученных результатов осуществляется методом сравнения результирующих карт с известной информацией.

7. Анализ полученных результатов осуществляется методом оценки связей вновь выявленных структур с геологическим строением исследуемой площади с целью выявления закономерностей и принятия прогнозных решений.

8. Использование полученной информации. Результаты исследований представляют собой прогнозные карты, с выявленными рудоперспективными участками для более детального изучения, геологические разрезы с блокировкой рудных скоплений для подсчёта запасов и др.

Для специальных исследований может вводиться целый ряд других обобщённых функций.

Контрольные вопросы

1. Какие основные функциональные группы выделяются в технологической схеме создания ГИС?

2. С какой целью обрабатываются исходные данные в ГИС и анализируются полученные результаты?

3. Какие функции включают в себя операции по вводу и редактированию данных?

3.2 Модели пространственных данных

Информационную основу ГИС образуют представления о реальных объектах, выраженных числовыми кодами, которые называются цифровыми моделями. С появлением компьютера всё множество исходных данных разделилось на два типа: цифровые и аналоговые. Цифровая модель выражения данных реализуется в виде кодов, которые представляют собой координаты и характеристику объекта моделирования.

Объектом информационного моделирования в ГИС является пространственный объект, выраженный цифровыми данными. Некоторое множество цифровых данных о пространственном объекте образуют пространственную информацию. Она состоят из двух взаимосвязанных частей: позиционной (тополого-геометрической) и непозиционной (атрибутивной) составляющей. Позиционная составляющая выражается цифровым кодом, который является координатами пространственного объекта. Непозиционная или атрибутивная информация представляет собой качественную и количественную характеристику объекта, так же выраженную цифровым кодом.

Базовыми (элементарными) типами позиционных пространственных объектов, которыми оперируют современные ГИС, обычно считаются:

· точка (точечный объект) рассматривается как безмерный объект и характеризуется одной парой координат;

· линия (линейный объект, полилиния) - одномерный объект, характеризующийся координатами не менее двух точек;

· область (полигон, площадь, контур) - двухмерный объект, ограниченный замкнутой последовательностью линий;

· пиксель - двухмерный объект, элементарная частица цифрового изображения растра, наименьшая из его составляющих;

· ячейка (регулярная ячейка) - двухмерный объект, элементарная площадка регулярной сети на земной поверхности;

· поверхность (рельеф) - двухмерный (трёхмерный?) объект, определяемый не только плановыми (двухмерными) координатами, но и гипсометрической отметкой «z»;

· тело - трёхмерный объект, ограниченный поверхностями и описываемый тремя координатами (x,y,z).

В целом общее цифровое описание пространственного объекта включает следующие характеристики:

1. наименование;

2. указание местоположения;

3. набор свойств;

4. соотношение с другими объектами;

5. пространственное поведение.

Два последних элемента описания объекта используются только в специальных случаях.

Наименованием объекта служит его геологическое название (имя собственное), его условный код или идентификатор, присваиваемый пользователем. Пример.

Местоположение это геометрическая характеристика, определяемая набором координат. Пример.

Перечень свойств соответствует атрибутам объекта, качественным и количественным его характеристикам, которые приписываются ему в цифровом виде пользователем. Это текст, цифровое изображение, графическое изображение в виде карт. Под атрибутами понимаются содержательные, тематические непозиционные свойства объекта.

Под характеристиками соотношения с другими объектами и пространственное поведение понимается, прежде всего, топология: размерность (одно-, двух-, трёхмерные объекты), замкнутость, если речь идёт о линейных объектах, и характеристики, объясняющие тип связи с другими объектами.

Топология, вместе с геометрией, образуют тополого-геометрическую часть данных, позиционную характеристику объекта.

Таким образом, в общем виде в пространственных данных различают три составные части: топологическую, геометрическую и атрибутивную. Первые две объединяются в «позиционные», а атрибутивная часть носит название «непозиционные» данные.

Способы организации цифровых описаний пространственной информации принято называть моделями пространственных данных.

Модели пространственных данных на теоретическом концептуальном уровне разделяются на три типа:

· модели дискретных объектов;

· модели непрерывных полей;

· модели сетей.

Создать исчерпывающую практическую классификацию моделей пространственных данных, по мнению ведущих специалистов в геоинформатике, на данном этапе вряд ли возможно, так как всё время возникает потребность в разработке новых специальных моделей данных. Тем не менее, в практике геоинформатики достаточно давно определился набор базовых моделей, используемых для описания одно- и двухмерных пространственных данных.

1. Растровая.

2. Регулярно-ячеестая (матричная).

3. Квадротомическая.

4. Векторная.

Растровая модель пространственных данных. В основе растровой модели используется растр, прямоугольная решётка, разбивающая изображение на составные однородные (гомогенные) далее неделимые части. Эти элементарные частицы называются пикселями (от английского pixel, сокращение от «picture element» - элемент изображения), каждому из которых присваивается некоторый код, для определённой общности объектов, обычно идентифицирующий цвет или условный знак. Из множества значений логических пикселей складывается цифровое изображение. Растровая модель данных в ГИС предполагает разбиение пространства с вмещающими её пространственными объектами на аналогичные пикселям дискретные элементы. Для цифрового описания точечного объекта при этом будет достаточно указать его принадлежность к тому или иному элементу дискретизации, учитывая, что его положение однозначно определено номерами столбца и строки матрицы или координатами пикселя. Пикселю присваивается цифровое значение, определяющее имя или атрибут объекта. Аналогичным образом описываются линейные и полигонные объекты: каждый элемент матрицы получает значение, соответствующее принадлежности или непринадлежности к нему того или иного объекта. Полученная матрица образует растровый слой с однотипными объектами. Множество разнотипных объектов образует набор слоёв, составляющих полное цифровое описание моделируемой предметной области. Пример графический.

Регулярно-ячеестая матричная модель данных. По сути, эта модель данных является аналогом растровой модели с меньшей разрешающей способностью изображения. При растровой модели далее неделимым элементом координатной плоскости является пиксель, при регулярно-ячеестой модели атомарной, неделимой единицей данных служит пространственная ячейка правильной геометрической формы. При этом сеть может строиться на плоскости, в условиях прямоугольных координат, или на поверхности эллипсоида вращения, то есть на поверхности земного шара. В последнем случае регулярными ячейками являются геометрические фигуры в форме трапеции. Пример графический.

Квадротомическая модель данных. Эта модель используется в тех случаях, когда возникает необходимость в экономии ресурса памяти компьютера. Она основана на подходе известном как квадротомическое дерево. В его основе лежит разбиение территории на вложенные друг в друга регулярные ячейки с образованием иерархической древовидной структуры - декомпозиции пространства на квадратные участки (квадраты, квадратные блоки, квадранты), каждый из которых делится на четыре вложенных более мелких квадрата уровня пространственного разрешения. Пример графический. Экономия по сравнению с растровой моделью данных очевидна - некоторые области представлены одним квадратом, а не 16-тью элементами регулярной сети.

Векторные модели данных используются для цифрового представления точечных, линейных и площадных объектов.

Множество точечных объектов, образующих слой однородных данных (например - точки минерализации) может быть представлен в векторном формате в виде неупорядочной последовательности записей (строк таблицы), каждая из которых содержит три числа: уникальный идентификационный номер объекта (идентификатор), значение координаты «х» и значение координаты «y» в системе прямоугольных координат.

Линейные объекты могут быть представлены в виде последовательности образующих их точек, имеющих координаты и общий для полилинии идентификатор.

Таким же образом может быть представлена граница полигонального объекта. При этом каждый именованный полигон (со своим идентификатором) представляется записью пар координат, образующих его границу в избранной последовательности (например - по часовой стрелке). При описании множества полигонов, каждый отрезок границы, заключённый между двумя узловыми точками, будет описан в этом случае дважды (по часовой стрелке и против).

Область применения векторных моделей ограничена двухмерным пространством.

Программные средства ГИС обычно поддерживают одну или две модели пространственных данных и в этом случае может возникнуть необходимость векторно-растрового преобразования и обратного.

Контрольные вопросы

1. Базовые (элементарные) типы пространственных объектов?

2. Модели, используемые для описания одно- и двухмерных пространственных данных.

3. Какие характеристики определяются цифровым описанием пространственного объекта?

4. Позиционные и непозиционные пространственные данные?

5. Растровая модель пространственных данных?

6. В чём суть и преимущество векторной модели данных?

7. Что представляет собой пространственный объект?

8. Можно ли считать квадротомическую и регулярно-ячеистую модели данных своеобразной модификацией растровой модели?

3.3 Аналогово-цифровое преобразование данных

В основе создания цифровых моделей карты лежат базовые наборы данных. Цифровая карта или цифровая карта-основа (ЦКО) используется как топографическая основа для позиционирования тематической (геологической) нагрузки. В геологических ГИС-проектах чаще в качестве основы используются карты геологического строения, карты предпосылок, карты рудоносности и металлогенические схемы. Такая карта может готовиться как в векторном, так и в растровом формате.

ЦКО в векторном формате создаётся с помощью сканирования оригиналов с последующей векторизацией.

Векторная цифровая карта-основа обладает рядом известных преимуществ при её использование. Растровые модели так же имеют преимущества, такие как скорость работ по созданию ЦКО и существенно более низкая стоимость их выполнения по сравнению с векторной картой.

Существенные недостатки растровой основы: трудность актуализации, ограниченные возможности изменения масштаба изображения, невозможность разгрузки (удаление излишних элементов), трудность атрибутирования, невозможность адресации к элементам содержания и, главное, большие объёмы данных.

Собственно процесс аналого-цифрового преобразования данных это сложная комплексная процедура, состоящая из трёх крупных блоков:

1. Цифрование

2. Обеспечение качества оцифрованных материалов

3. Интеграция разнородных цифровых материалов

Цифрование - перевод исходных картографических материалов в цифровую форму. Кроме известного способа перевода путём векторизации растра, в настоящее время получил распространение способ создания цифровой основы в компьютере непосредственно по материалам полевых съёмок, представленных в цифровом виде.

Обеспечение качества оцифрованных материалов. При оценке качества цифровых карт исходят из анализа основополагающих характеристик, к которым относятся: информативность, точность, полнота, корректность внутренней структуры.

Информативность карты в первую очередь связана с научной обоснованностью выделяемых позиционных объектов и их атрибутивных характеристик, со степенью генерализации используемой информации в соответствие с масштабом исследований и детальностью изображения взаимоотношения отдельных элементов строения между собой. Эти свойства, влияющие на качество цифровой карты, в основном относятся к компетенции автора исходного картографического произведения.

Точность. Оценка величины погрешности в передаче контуров пространственных объектов в значительной степени зависит от качества материала-носителя исходной информации (например: деформация бумаги, на которой начерчена карта), а также от степени искажения растрового изображения при сканировании.

Полнота передачи содержания источника при переводе в цифровую форму зависит в основном от технологии создания ЦК, то есть от того, насколько обеспечивается контроль пропусков операторами объектов цифрования. Такой контроль проще всего осуществлять методом наложения на оригинал полученной копии.

Корректность внутренней структуры определяется сочетаемостью слоёв цифровой информации между собой, что в значительной степени зависит от технологии создания ЦК или, если проще сказать, от квалификации операторами объектов цифрования.

Интеграция разнородных цифровых материалов. Основой для интеграции должна служить базовая карта или система карт. Целью интеграции является создание единой картографической основы (ЕКО), согласованной по территориальному охвату, системе координат, содержанию, формату, масштабам, системам условных знаков и классификаторам.

Контрольные вопросы

1. Что понимается под цифровой картой-основой (ЦКО) в ГИС- проектах и в частности в геологических ГИС-проектах?

2. Сравнительная характеристика векторной и растровой цифровой карты-основы?

3. Какие процедуры включает процесс аналого-цифрового преобразования данных?

4. Анализ, каких характеристик обеспечивает качество оцифрованных материалов?

3.4 Базы данных и управление ими

Совокупность цифровых данных о пространственных объектах образует множество пространственных данных, которые составляют содержание баз данных (БД). Базы данных, как правило, содержат атрибутивную информацию о пространственных объектах, выраженную в цифрах.

Требования к базам данных. База данных должна быть:

1. Согласованной по времени - быть актуальной.

2. Полной, достаточно подробной и сомасштабной поставленной цели ГИЗ - проекта.

3. Позиционно точной, абсолютно совместимой с другими данными.

4. Достоверной, правильно отражающей характер явлений.

5. Легко обновляемой.

6. Доступной для любых пользователей.

Наиболее распространёнными логическими структурами - моделями баз данных (БД) и системами управления базами данных (СУБД) - являются иерархическая, сетевая, реляционная (рис.9).

В иерархической модели записи данных образуют древовидную структуру, при этом каждая запись связана только с одной записью, находящейся на более высоком уровне. Доступ к любой записи осуществляется по строго определённым веткам и узлам такого дерева. Иерархические модели хорошо подходят для задач с явно выраженной иерархически соподчинённой структурой информации и запросов. Они обладают низким быстродействием, трудно модифицируемы, но эффективны с точки зрения организации машинной памяти. Пример графический.

В сетевых моделях каждая запись в каждом из узлов сети может быть связана с несколькими другими узлами. Кроме информации записи содержат в себе указатели, определяющих местоположение других записей, связанных с ними. Такие модели очень трудно редактировать, например - удалять записи, так как вместе с данными нужно редактировать и указатели. Подобные модели хорошо работают в случае решения сетевых, коммуникационных задач. Пример графический.

Реляционные БД завоевали самую широкую популярность. Эти модели имеют табличную структуру. Строки таблицы соответствуют одной записи об объекте, а столбцы - содержат однотипные характеристики всех объектов. Эта модель характеризуется высокой скоростью поиска и запроса к данным.

Рис.9. Модели баз данных: а - иерархическая; б - сетевая; в - реляционная

Позиционная и атрибутивная составляющая данных. Пространственные данные подразделяются на две взаимосвязанные составляющие - позиционные и непозиционные.

Позиционная составляющая характеризует положение географических объектов в координатах двух- и трёхмерного пространства прямоугольных, декартовых (x, y, z) или географических (широта, долгота).

К непозиционной составляющей относится качественная характеристика пространственных объектов (семантика) и статистика. Эта информация называется атрибутивной и представляется в виде текстов и числовых параметров.

Любая база данных (БД) состоит из цифровых представлений о пространственных, дискретных объектах реального мира. Пространственные объекты, моделируемые с помощью цифровой карты, имеют три формы представления:

1.Объект в действительности.

2.Объект, представленный в базе данных.

3.Знак, который используется для показа объекта на визуализированной карте.

Основными элементами базы данных (БД), являются слои или темы, которые объединяются на основе однотипности или однородности. Так, например, точки рудопроявлений или контуры массивов гранитоидов, определённого комплекса, должны быть объединены в свои слои и будут элементами базы пространственных данных. При этом, точки рудопроявлений будут обозначены одинаковыми значками и носить один идентификационный номер, а каждая точка будет иметь свои координаты местоположения. Массивы гранитоидов, так же будут иметь свой идентификационный номер и координаты точек полилиний контуров.

Важное значение, при создании БД, имеет сомасштабность элементов базы с детальностью исследований. Например, при мелкомасштабных работах будет оконтуриваться площадь распространения эффузивных пород, а при более детальном рассмотрении в этих образованиях можно будет выделить покровные и жерловые фации. И тогда удобнее создать новую БД для новой площади более крупного масштаба, где эти породы будут относиться к разным слоям, и будут иметь разные идентификационные номера.

Обработка данных представляет собой преобразование исходной информации для получения новой информации или новых знаний и, в зависимости от поставленной цели, предусматривает использование различных математических аппаратов оценки параметров признака. Весь спектр возможных обработок пространственных данных мы рассматривать не будем, остановимся только на тех, которые позволяют районировать территорию по степени аномальности площадных значений признака. По сути, это моделирование условных поверхностей по дискретным значениям признака, которые в виде точек, имеющих географическую привязку, нерегулярной или регулярной сети размещаются на площади исследований. Процесс обработки чаще бывает многоэтапным и конечные, результирующие карты представляют собой генерализированную оценку признака, что позволяет оконтуривать аномальные участки с заданной вероятностью. Создание моделей поверхности, по имеющимся в БД количественным характеристикам таким, как отметки высот, содержание химических элементов, значения замеров геофизических полей, позволяет решать следующие задачи:

1.Построение поверхностей по оценкам высот.

2.Построение изолиний содержаний химических элементов.

3.Выполнение арифметических операций с поверхностями.

4.Построение профилей.

5.Трёхмерная визуализация поверхностей.

6.Построение поверхности тренда, заданной генерализованности.

Все эти поверхности могут быть визуализированы на дисплее и совмещены с топографической основой, содержащей другую информацию, анализ связи с которой и знаменует подобные исследования.

Контрольные вопросы

1. Требования к базам данных?

2. Наиболее распространённые логические структуры - модели баз данных?

3. Три формы представления моделируемых объектов?

4. Элементы базы данных и их обозначение?

5. Моделирование условных поверхностей по дискретным количественным характеристикам?

4.Обработка информации

пространственный геоинформационный обработка

Информация, которая обрабатывается для решения поставленных задач, представлена в основном количественными данными по результатам литогеохимических, гидрогеохимических и биогеохимических съёмок, а также по данным опробования донных осадков малых водных источников и водоемов. Кроме того, исходные данные могут быть представлены результатами аэрогаммаспектрометрической (АГСМ) и других геофизических съёмок. Для оценки экологической заражённости местности используются данные опробования почвенного слоя, его поверхности, воздуха и мелких водоёмов.

Исходная информация, которую мы получаем в результате геохимической съёмки, представлена результатами химического или, чаще, спектрометрического анализа проб отобранных по заданной сети наблюдения. Расстояния между точками отбора проб и профилями определяются масштабом съёмки. Геофизическую информацию получают с приборов в процессе проведения съёмочных работ.

Все съёмочные работы стремятся проводить по равномерной сети наблюдения, но, к сожалению, особенно при геохимических съёмках это не всегда возможно.

Литогеохимическая съёмка имеет две основных разновидности: по коренным образованиям и по вторичным ореолам рассеяния. Понятно, что выходы коренных пород встречаются эпизодически и поэтому сеть наблюдения при этом методе опробования имеет неравномерный характер. Литогеохимическая съёмка по вторичным ореолам рассеяния так же имеет свои ограничения. Эта съёмка проводится только по делювиальным и элювиальным образованиям, то есть только по тем породам, которые образовались на месте разрушения коренных пород. Никогда не отбираются пробы по аллювиальным, пролювиальным, коллювиальным и другим дальне приносным образованиям. Понятно, по какой причине - они характеризую геохимический состав не изучаемого участка, а того, где они образовались и откуда были перемещены потоком воды или в результате скатывания со склона.

При гидрогеохимической съёмке пробы воды отбираются в мелких водоёмах и из естественных водных источников. Поэтому сеть наблюдения полностью зависит от гидросети исследуемой территории.

Биохимическая съёмка представляет собой довольно редкие, можно сказать, экзотические исследования, при которых объектом опробования являются растения и животные.

Цель обработки исходных данных должна быть обусловлена возможностью получения новой информации, выявляющей закономерности, которые без обработки не выявляются.

Каждый метод обработки решает вполне определённые геологические и экологические задачи, которые и определяют применяемый математический аппарат. Полученные данные обработки всегда должны иметь геологическую интерпретацию и выводы, полученные в результате сравнения с известной информацией.

Задачи, решаемые математическими методами, используют геоинформационные технологии. К ним относятся такие пакеты программ как Surfer 10, Geo S. P., QGIS. и другие.

4.1 Методы оценки статистических характеристик с помощью геоинформационных технологии

Исходная информация, обрабатываемая с помощью геоинформационных систем (ГИС), должна обязательно иметь географическую привязку на поверхности земли. Это значит, что вся информация имеет координаты по широте и долготе (в географической системе координат) или в прямоугольной системе координат её положение определяется по значениям Х и У.

Исходные данные, как правило, имеют табличную форму в которой столбец А и В содержат привязку по осям Х и У, столбец С - значение параметра в точке наблюдения.

Оценка закономерной составляющей поля, заданного масштаба рассчитывается посредством сглаживания поля статистическим окном адекватным иерархическому уровню исследований.

Целью сглаживания является оценка тенденций поля данного иерархического уровня, посредствам выражения его в виде тренда в результате генерализации исходных данных.

При решении поисково-прогнозных задач размер окна сглаживания (генерализации) должен быть сомасштабен элементу неоднородности данного уровня исследований, то есть прогнозируемому рудному объекту.

При решении экологических задач окно сглаживания должно быть сопоставимо по площади с промышленными объектами. В зависимости от масштаба исследований это могут быть отдельные предприятия, железные и автомобильные дороги, посёлки, города и другие объекты, являющиеся возможным источником вредных химических элементов.

Сглаживание результатов геохимических съёмок осуществляется по карте содержаний отдельных химических элементов с помощью статистического скользящего окна, в пределах которого рассчитывается среднее арифметическое или математическое ожидание, и результат относится к центру расчётной палетки. Операция повторяется в пределах всей карты, при этом палетка смещается на одну точку оцифровки, как по столбцам, так и по строкам.

Важным достижением сглаживания является перевод дискретного характера исходной информации, по отдельным точкам опробования, - в трендовый вид, что позволяет полученные результаты выразить в изолиниях. Это достигается за счёт увеличения базиса наблюдения при использовании скользящего окна, в котором исходные значения признака при сглаживании многократно используются при расчёте среднего арифметического в соседних точках, вследствие чего, между ними возникает закономерная связь.

На первом этапе, с помощью программы Surfer табличные данные преобразуются в сеточный Grid-файл с определёнными, равными расстояниями между столбцами и строками цифровой матрицы. Это позволит точно определиться с размером статистического окна сглаживания. В соответствии с расстояниями между столбцами и строками Grid-файла, рассчитываются параметры окна сглаживания в масштабе карты. Они определяются количеством точек оцифровки по оси X и Y, попадающие в статистическое окно сглаживания. Например, при сеточном Grid-файле, с расстоянием между строками и столбцами равным одному сантиметру по карте, статистическое окно сглаживания будет 5 х 5 значений для любого масштаба. Сглаживание и визуализация результатов также осуществляется с помощью программы Surfer.

Оценка случайной (относительной) составляющей поля заданного масштаба осуществляется методом расчёта надфоновых превышений.

При экологических исследованиях в качестве фона используются максимально допустимые значения содержания вредных химических элементов.

При проведении прогнозно-поисковых работ фон может быть рассчитан как среднее арифметическое значение или математическое ожидание признака в пределах оцениваемой территории. Но в этом случае не будет учтена закономерная составляющая геохимического поля, связанная с геологическим строением данной территории. Поэтому, в качестве фона принимается поле, сглаженное статистическим окном адекватным предыдущему иерархическому уровню исследований, то есть генерализированное палеткой 25 х 25 значений сеточного файла. Использование подобного фона важно ещё и потому, что полученное поле является переменным фоном, в связи, с чем приуменьшается ошибка первого рода - пропуск объекта, в пределах площадей с низкими фоновыми значениями.

Расчёт надфоновых аномалий производится методом вычитания из геохимического поля, сомасштабного иерархическому уровню исследований поля принятого в качестве фона в пакете программ Surfer.

При экологических работах в качестве фона принимаются максимально допустимые значения содержания вредных химических элементов.

При прогнозно-поисковых исследованиях используется переменный фон, полученный в результате сглаживания окном сомасштабным рудному объекту предыдущего иерархического уровня.

Полученные результаты визуализируются в виде изолиний признака. Положительные значения признака, оконтуренные нулевой линией, рассматриваются как надфоновые аномалии или области привноса.

Оценки степени перераспределения геохимического поля

Оценка степени перераспределения геохимического поля позволяет выявлять зоны участия геохимического элемента в наложенных метасоматических и гидротермальных процессах.

Для оценки этого показателя рассчитывается значение дисперсии в статистическом окне сомасштабном прогнозируемому объекту. В математике дисперсия характеризует степень рассеяния, разбросанности значений случайной величины около её математического ожидания. Это свойство дисперсии может быть использовано, как характеристика степени перераспределения содержаний химических элементов относительно геохимического палеофона земной коры. Любое перераспределение является следствием приложения энергии. Таким образом, выявление аномалий значения дисперсии признака позволит выделять области подвергшиеся воздействию энергетических потоков и, соответственно, зоны участия геохимического элемента в наложенном гидротермальном процессе. Расчёт дисперсии признака в статистическом окне сомасштабном прогнозируемому рудному объекту осуществляется с помощью системы программ Geo.s.p. (функции VA) по формуле:

D = vE (xi - xср) 2 / N-1,

где xi - значение признака в точке i; xср - среднее арифметическое признака в статистическом окне сглаживания; N - количество точек значений признака в окне.

Другим показателем степени перераспределения является оценка значения градиента геохимического поля элемента в статистическом окне сомасштабном прогнозируемому объекту.