简介这份PDF文档是Surpac Vision地质数据库的官方培训教程面向矿山地质、测量及采矿工程领域的技术人员与初学者帮助其系统掌握地质数据的建库、管理与三维可视化方法。资源包内仅含1个PDF文件大小约2.32MB内容按章节组织涵盖数据库介绍、结构解析、创建流程、编辑浏览管理、三维空间显示、地质解译与剖面品位计算、组合样品、地质统计与分析、线文件剖面输出及信息提取报告等模块并附有3D转换实例与多边形资源评估两个附件。教程从表与字段分析、空库创建、数据导入验证到映射数据库逐步展开同时讲解钻孔显示风格、隐藏刷新、勘探线定义与矿体圈定等实操要点便于读者对照软件界面完成练习。目前已有221人学习适合作为Surpac入门与日常功能查阅的参考手册。1. 从一份 PDF 说起Surpac 地质数据库到底在管什么如果你手里正拿着一份名为“2-surpac地质数据库教程.pdf”的资料大概率你已经被 Surpac 里那套“数据库”概念绕得有点晕。钻孔、探槽、坑道、样品、岩性、品位、测斜——这些词单独看都认识一旦塞进 Surpac 的数据库结构里很多人第一次打开就懵了为什么一个钻孔要拆成 collar、survey、geology、sample 好几张表为什么样品长度和品位要按区间存为什么合并数据库时总提示字段不匹配这份教程真正要解决的不是“怎么点按钮”而是让你理解 Surpac 地质数据库的底层逻辑它本质上是一套以“孔口坐标 测斜 区间数据”为核心的关系型数据组织方式。你把它想成 Excel 也行但比 Excel 多了空间约束和区间校验。适合谁看地质勘查、矿山地质、测量、三维建模岗位的从业者尤其是需要把野外原始数据整理成能直接用于品位估算和资源量分类的人。这一章先把“数据库在 Surpac 里到底管什么”讲清楚后面再动手建库、导数据、排错。2. 建库之前先想清楚表结构、字段类型与区间逻辑2.1 为什么 Surpac 要把一个钻孔拆成四张表常见做法是collar 表存孔口坐标和孔深survey 表存测斜数据geology 表存岩性区间sample 表存样品区间和品位。这样拆的好处是每张表只负责一类信息更新岩性不会动到品位补测斜也不会影响样品。坏处是新手容易在关联时搞错孔号字段导致“数据明明导进去了三维视图里却看不到孔”。我一般会先画一张字段对照表把每张表的必填字段列出来再开始建库。Surpac 对字段类型很敏感孔号用字符串坐标和品位用浮点区间起止深度用浮点岩性代码用字符串。如果你把孔号存成数字前导零会丢后面合并数据库时就会对不上。2.2 用命令行方式建一个最小可用的数据库Surpac 的数据库可以通过界面建但更稳的方式是用命令脚本建方便复现。下面是一个最小示例建一个名为geo_demo的数据库包含 collar、survey、geology、sample 四张表。# 进入 Surpac 命令行环境后执行 # 创建数据库目录 create-dir geo_demo # 建 collar 表孔号、东坐标、北坐标、标高、孔深 create-table geo_demo/collar \ hole_id string 16 \ east float \ north float \ rl float \ depth float # 建 survey 表孔号、测点深度、倾角、方位角 create-table geo_demo/survey \ hole_id string 16 \ depth float \ dip float \ azimuth float # 建 geology 表孔号、起始深度、终止深度、岩性代码 create-table geo_demo/geology \ hole_id string 16 \ from_depth float \ to_depth float \ litho string 8 # 建 sample 表孔号、起始深度、终止深度、品位 create-table geo_demo/sample \ hole_id string 16 \ from_depth float \ to_depth float \ grade float逻辑说明每张表都用hole_id作为关联键深度字段统一用浮点岩性代码留 8 位字符串足够。参数说明string 16表示最大 16 个字符float默认双精度。建完后用list-table检查字段是否和预期一致尤其是字段顺序Surpac 导入时按位置匹配顺序错了会直接串列。2.3 区间数据必须遵守的三条硬规则第一条from_depth必须小于to_depth且不能为负。第二条同一孔同一类型的区间不能重叠比如样品区间不能和另一个样品区间交叉。第三条区间不能超出 collar 表里的孔深。这三条在导入时不会全部自动检查很多错误是到三维显示或品位估算时才暴露。我习惯在导入前用一段 Python 脚本先做区间校验把重叠和超深的数据筛出来。# 校验 sample 表区间是否重叠或超深 import csv holes {} with open(collar.csv) as f: for row in csv.DictReader(f): holes[row[hole_id]] float(row[depth]) with open(sample.csv) as f: samples list(csv.DictReader(f)) errors [] for s in samples: hid s[hole_id] fd float(s[from_depth]) td float(s[to_depth]) if fd td: errors.append((hid, fd, td, 起止深度倒置)) if td holes.get(hid, 0): errors.append((hid, fd, td, 超出孔深)) # 检查同孔重叠 from collections import defaultdict by_hole defaultdict(list) for s in samples: by_hole[s[hole_id]].append((float(s[from_depth]), float(s[to_depth]))) for hid, intervals in by_hole.items(): intervals.sort() for i in range(1, len(intervals)): if intervals[i][0] intervals[i-1][1]: errors.append((hid, intervals[i-1], intervals[i], 区间重叠)) for e in errors: print(e)这段脚本不依赖 Surpac纯 Python 就能跑适合在导入前做一轮清洗。参数说明collar.csv和sample.csv是导出后的文本文件字段名要和脚本里一致。跑完没有输出才说明区间逻辑干净。3. 把野外数据导进 SurpacCSV 映射、测斜计算与三维显示3.1 CSV 导入时字段映射的四个关键点Surpac 导入 CSV 时界面会让你把 CSV 列映射到数据库字段。这里最容易翻车的地方有四个第一分隔符选错中文环境下的 CSV 有时用逗号有时用制表符第二孔号列被识别成数字前导零丢失第三深度列带了单位“m”导入后变成字符串第四空行没删导入后生成空记录。我一般会先把 CSV 用文本编辑器打开确认第一行是字段名没有多余空格所有深度和品位列都是纯数字。然后在 Surpac 里选择“按字段名映射”而不是“按位置映射”这样即使列顺序变了也不会串。如果孔号有前导零在 CSV 里就写成001这种形式或者干脆在导入前把孔号列统一加一个字母前缀。3.2 测斜数据怎么算从倾角方位角到三维轨迹测斜表里存的是每个测点的深度、倾角和方位角。Surpac 用这些数据计算钻孔的三维轨迹。常见做法是孔口点已知第一个测点从孔口开始按测段长度和平均倾角方位角推算下一个点。如果测斜数据缺失Surpac 会默认垂直孔这时候倾斜孔的三维显示就会明显偏位。下面是一个用 Python 快速验算测斜轨迹的片段方便你在导入前检查数据是否合理。import math def compute_trace(collar, surveys): # collar: (east, north, rl) # surveys: list of (depth, dip, azimuth) e, n, rl collar trace [(0.0, e, n, rl)] prev_depth 0.0 for depth, dip, az in surveys: seg depth - prev_depth if seg 0: continue # dip 为负表示向下 rad_dip math.radians(dip) rad_az math.radians(az) de seg * math.cos(rad_dip) * math.sin(rad_az) dn seg * math.cos(rad_dip) * math.cos(rad_az) drl seg * math.sin(rad_dip) e de n dn rl drl trace.append((depth, e, n, rl)) prev_depth depth return trace # 示例孔口 (1000, 2000, 500)两个测点 collar (1000.0, 2000.0, 500.0) surveys [(0.0, -90.0, 0.0), (50.0, -80.0, 45.0), (100.0, -75.0, 45.0)] for p in compute_trace(collar, surveys): print(p)逻辑说明dip为负表示向下钻进azimuth从北顺时针。参数说明seg是测段长度rad_dip和rad_az是弧度转换。算出来的轨迹点可以和你在地质图上看到的孔位做对比偏差大就说明测斜数据有问题。3.3 三维显示前必须检查的三项第一collar 表的孔口坐标是否和测量坐标一致尤其是标高正负号。第二survey 表的深度是否从 0 开始如果第一个测点深度不是 0Surpac 会从第一个测点开始画孔口到第一个测点之间会缺失。第三geology 和 sample 表的区间是否连续如果中间有空白段三维显示时会出现断孔。我一般会在 Surpac 里先用“显示钻孔轨迹”功能看一遍整体形态再叠加岩性区间确认没有明显错位。4. 避坑与排查Surpac 地质数据库最常见的五类翻车4.1 导入后孔号对不上三维视图里钻孔消失现象CSV 导入成功数据库里也有记录但三维视图里看不到钻孔。原因collar 表的孔号字段和 survey 表的孔号字段类型不一致一个是字符串一个是数字关联失败。解决用list-table检查两张表的孔号字段类型统一改成字符串重新导入 survey 表。4.2 样品区间重叠导致品位估算报错现象做品位估算时提示“区间重叠”或“样品长度为零”。原因sample 表里同一孔有两个样品区间交叉或者from_depth等于to_depth。解决用第 2 章里的 Python 脚本先筛一遍把重叠区间拆开或合并确保每个区间起止深度严格递增。4.3 测斜数据缺失倾斜孔被画成直孔现象三维视图里所有钻孔都是垂直的但实际是斜孔。原因survey 表为空或者测点深度没有从 0 开始。解决补测斜数据确保第一个测点深度为 0倾角和方位角单位是度不是弧度。如果确实没有测斜至少在 survey 表里加一条深度 0、倾角 -90、方位角 0 的记录表示垂直孔。4.4 中文岩性代码导入后变成乱码现象geology 表里的岩性代码显示为问号或乱码。原因CSV 文件编码是 GBKSurpac 默认按 UTF-8 读取。解决导入前把 CSV 另存为 UTF-8 无 BOM 格式或者把岩性代码改成英文缩写。我一般直接用英文代码比如GRN表示花岗岩SCH表示片岩省去编码麻烦。4.5 合并两个数据库时字段顺序不一致现象合并数据库时提示“字段不匹配”或者合并后品位列变成了岩性列。原因两个数据库的 sample 表字段顺序不同Surpac 按位置合并。解决合并前用list-table对比两张表的字段顺序用reorder-field命令调整成一致。更稳的做法是统一用同一套建表脚本从源头保证字段顺序相同。5. 进阶技巧用 Surpac 命令脚本批量更新品位与生成报告5.1 批量更新样品品位的命令写法当化验室返回一批新品位数据时手动逐条改容易出错。常见做法是准备一个 CSV包含孔号、起始深度、终止深度、新品位然后用 Surpac 命令脚本批量更新。# 批量更新 sample 表品位 # 假设 new_grade.csv 格式hole_id,from_depth,to_depth,grade open-database geo_demo update-table sample from new_grade.csv \ match hole_id,from_depth,to_depth \ set grade close-database逻辑说明match后面跟的是用来定位记录的字段组合set后面是要更新的字段。参数说明CSV 里的字段名要和数据库字段名一致深度匹配允许微小误差时加tolerance 0.01。更新前先备份数据库避免匹配错误导致品位被覆盖。5.2 用报告模板输出品位区间统计Surpac 的报告功能可以按岩性、按孔、按区间统计品位。我一般会建一个报告模板包含孔号、岩性、样品数、平均品位、最大品位、最小品位。模板建好后每次更新数据只需重新运行报告不用重新配置。字段含义示例hole_id孔号ZK001litho岩性代码GRNsample_count样品数12avg_grade平均品位1.85max_grade最大品位4.20min_grade最小品位0.30报告生成后导出为 CSV方便在 Excel 里做进一步统计。注意平均品位要按样品长度加权不能直接算术平均否则长样品和短样品权重一样结果会偏。5.3 一个我常用的习惯每次导入前先跑校验脚本这些年我养成了一个习惯不管数据来自哪里导入 Surpac 之前先跑一遍校验脚本检查孔号重复、区间重叠、深度超限、品位为空。脚本不长但能省掉后面大量排查时间。有一次一批样品数据里混了三个孔号重复的记录导入后三维视图里多出三条短孔查了半天才发现是 CSV 里复制粘贴多出来的。从那以后校验脚本就成了固定动作。希望帮到你。本文还有配套的精品资源点击获取