京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的“玻璃地球”
如果地球像玻璃一样透明,我们可以清楚看到地球内部的一切,这将是怎样一幅景象?
“大数据时代,利用信息技术使地质结构和地质过程可视化的‘玻璃地球’计划有望带来地质研究、矿产勘察和工程勘察的巨大变革。”日前,中国地质大学(武汉)地矿信息系统研究所教授吴冲龙接受《中国科学报》记者采访时如是说。
让地球变得透明
使地球表层一定深度“像玻璃一样透明”一直是地质学家们的梦想。目前,业内人士认为,“玻璃地球”是一项基础性的地质信息系统工程,可被看作一种存储在计算机网络上的三维可视化虚拟地壳,该系统提供的地质、地理信息,可供开展地质、资源和环境决策分析。
近年来,世界各国都在各自的“玻璃地球”计划中开展了诸多工作。2001年,澳大利亚政府率先启动“玻璃地球”计划。荷兰、加拿大、英国、法国、德国和美国等多个国家也都将三维地质填图及三维地质模型放在了地质调查工作的核心位置。
对此,吴冲龙评价,尽管世界各国对“玻璃地球”所赋予的含义不同,建设内容也有所侧重,在建设中又面临技术性和体制性的诸多难题和难点,但都取得了一定的进展。
我国也开展了诸多探索性研究。例如,国土资源部和中国地质调查局在2006年和2011年,先后启动了三维城市地质填图试点和三维区域地质填图试点。据了解,这些试点工作围绕增强能源资源保障能力、保障地质环境安全、促进地球科学发展三大主题,开展了大陆地壳、含油气盆地、重要成矿带等综合研究。
地质学需要“大数据”
不少科学家在将地球“透明化”的探索过程中,发现“大数据”这一技术有望为全面掌握和了解地球运动规律提供解决方案。
中科院院士赵鹏大认为,大数据时代地球科学的工作方法包括三个层面。“一是数据的获取和保存;二是数据挖掘和数据分析,包括建模、可视化、管理和服务;三是知识层面,深化对地球系统的认识和理解。”他说。
例如,“数字矿山”便是建立在大数据应用基础上的矿山真实三维空间模型。中国矿业大学环境与测绘学院教授吴立新表示,“数字矿山”为矿山设计、生产作业、安全管理等提供了基础平台和决策支持。
以三维图像的方式呈现“看不见”的地球内部,成为大数据时代地质学家们关注的焦点。“采用可视化的方式进行三维建模,能让地质学家直观地感知和理解地质体、地质现象和地质过程,将有助于发现大型隐伏矿床,也将揭示地质灾害孕育机理。”吴冲龙指出。
中国的“玻璃地球”待建
然而,虽然“玻璃地球”建设与我国“国民经济信息化”和“地质勘察和矿业开发信息化”的战略目标一致。但目前已经建立的三维地质框架模型所承载的信息仍然有限,在资源、环境和灾害预测的实际应用中所体现的价值与所期盼的目标还存在一定距离。
日前,香山科学会议召开了以“中国玻璃地球建设核心技术及发展战略”为主题的讨论会。与会的专家指出,“玻璃地球”概念被提出后,尚缺乏成熟的理论和方法论指导,更缺乏强劲而适用的关键技术支持。
吴冲龙认为:“‘玻璃地球’建设的核心技术是信息技术,其中包括能满足大数据一体化储存与管理的三维地质信息系统技术,能实现地质结构和地质过程快速、动态、精细和全息构建的三维地质建模技术,能支持地质时空大数据分析与挖掘的三维地质信息处理技术等。”
与会专家一致认为,当务之急是应在国家层面开展战略规划和顶层设计,正式启动我国的“玻璃地球”建设计划,协调各部门力量着力开展关键技术研发,保证我国“玻璃地球”建设的健康发展。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14