特约主编致读者

摘要

随着科学技术的飞速发展，“地学大数据、智能方法和虚拟仿真技术”在地球科学领域取得了广泛应用，为地球科学的发展提供了新的研究方法和手段。根据国际数学地质协会（IAMG）统计，2019年是人工智能应用幂指数增长元年，迄今，中国、加拿大、澳大利亚、美国、英国、法国、德国、南非、巴西、智利、俄罗斯等国学者在矿产资源预测评价研究领域位居前列，地质矿产大数据、人工智能和虚拟仿真成为地质学和地质类理工科科教融汇前沿，知识驱动、数据驱动及智能驱动深层次关联了地质事件与资源环境研究。为了及时总结和展示这些领域的最新研究成果，在历经2023、2024、2025年三届“地质学、地质类”虚拟仿真全国高校会议的基础上，本专题论文集主要关注“大数据、智能方法和虚拟仿真技术”在地球科学领域科教融汇，最新研究进展主要为如下5个方面。

（1）大数据在地球科学领域的应用与挑战。《青海省地学大数据系统构建关键技术与智能化决策》，该文根据青海省传统的区域、矿床、勘查等多元大数据，结合当今天空地深一体化观测、探测、监测等实时性测量的多模态大数据，构建了国内自主知识产权的数智管理平台，借助国际通用地学软件和科研创新以深层次分析和提取资源环境变量信息，探讨了典型矿集区的地质地球物理三维/四维建模及其资源智能评价，支撑了大数据挖掘、机器学习和深度学习方法在国家矿产资源预测批评中战略需求。

（2）知识图谱在地球科学数据挖掘与知识发现中的应用。《矿产资源国情调查中数据挖掘创新应用与知识图谱构建》《面向地下水位与城市安全的知识图谱构建方法：以北京市平原区为例》《基于多源异构数据的地质知识图谱构建与应用》这三篇文章，运用知识图谱深层次挖掘资源环境信息，其形成智能化的知识发现乃至空间动态决策。

（3）智能深度网络方法在地球科学中的空间决策。《基于深度学习的辽东半岛五龙金矿集区三维矿产资源定量预测》《新疆喀拉通克铜镍矿集区三维成矿预测与不确定性评价》《基于近似全局最优解的三维矿产预测不确定性定量评价》《基于自适应全连接深度神经网络和多点地质统计学方法的地质结构三维重建研究》《基于Lap-SAGAN的多尺度三维地质模型重构方法》这5篇文章，在地质矿产多元、多维、多尺度的时空智能建模（机器学习、深度学习（LSTM、CNN））与决策方面给予了准确表征，深层次关联了地质要素的时空特征以减少不确定性，提升了定量化找矿预测的智能决策水平。

（4） 深度网络学习在地球科学中的智能识别。《基于融合时空注意力机制LSTM 模型的地下水位短临预测研究:以永定河东岸北京首钢园周边为例》《基于SID-SGA_tan的随机森林高光谱遥感蚀变矿物识别》《基于改进DeeplabV3+模型与可见光近红外遥感影像的石冰川识别研究》这3篇文章,运用机器学习和深度学习等人工智能方法准确识别复杂场景的环境地物目标,凸显了智能方法在地球科学领域的通用性和普适性。

（5） 虚拟仿真技术在地球科学中的应用。《智能矿山大数据挖掘与知识发现及四维智慧管控》《地下空间多元数据融合与可视化关键技术研究》《利用机器学习与地震数据约束重力反演南海海盆莫霍面深度》《陕西山阳夏家店金矿找矿预测模型构建与找矿示范》这4篇文章， 运用传统的经验模型与数字地质和空间分析乃至仿真技术，旨在深层次构建精准的地质与矿产模型以服务于地质工程一体化的“数字孪生”发展，也是数据、知识、模型、智能多重驱动的融合集成，已形成智慧管控的新范式。

在《地学前缘》编辑部的大力支持下，出版了“地学大数据、智能方法和虚拟仿真技术”专辑。真诚感谢《地学前缘》编辑部的信任与帮助，同时感谢作者们的卓越贡献以及审稿专家的辛勤劳动。谨以此专辑推动地球科学的新科学范式研究。