E2 · 出版卷 24

地学数据语义、格式、存储、元数据与来源追溯

将地学数据视为具有语义、身份、元数据与血缘的受治理实体，而不是孤立数值。

本书目的与边界

本书是一部通用、机构中立的教程，讨论如何设计能够在观测、解释、处理、交换与复用过程中保留含义的地学数据。它与任何公司和个人没有关系。练习中出现的项目名、标识符、位置、数值和工作流全部为合成教学材料，不对应真实对象。

承载本教程的网站仅提供托管，是内容承载方，不是出版机构，不构成科学权威，也不是课程对象。课程对象是这里描述的可迁移方法：识别真实世界实体，声明观测语义，保留不确定性与来源，验证契约，并使每次发布都能被独立检查。

本书不指定某一种产品、数据库或组织结构，而是教授可由多种技术实现的推理方法。敏感数据示例只讨论信息架构与审查控制，不构成法律意见；当真实使用受法律、许可或合同约束时，仍需合格审查。

含义优先的架构

核心主张很简单：数据不只是存储值。可信记录结合身份、类型、上下文、值状态、有效性、质量与来源；可信数据集还声明逻辑模式、受控概念、时空参考、分发、访问条件与发布历史；可信管线在记录每次转换的同时保留这些声明。

课程采用一条控制链：

  1. 识别真实世界实体以及记录所回答的问题；
  2. 分离观测、解释与派生产品；
  3. 分配持久标识符与版本化概念；
  4. 显式建模单位、缺失、限值、限定符和时间；
  5. 把逻辑契约映射到适用的文件、数据库与服务；
  6. 附加元数据、血缘、验证与访问政策；
  7. 发布含义可由独立使用者检验的不可变数据包。

这种顺序避免存储便利性反过来决定科学含义。物理编码可以改变，声明的语义不变量必须始终可测试。

学习成果

完成本教程后，学习者应能够：

  • 区分一个值与解释该值所需的语义上下文；
  • 为勘查与地质证据设计实体和观测模型；
  • 管理持久身份、别名、合并与受控概念；
  • 表示单位、值状态、检出限、质量标记和多种时间轴；
  • 选择并配置交换格式，同时不把编码混同于含义；
  • 在数据库、不可变对象、分析存储与缓存之间划分责任；
  • 编写资源元数据、字段字典、来源图与处理清单；
  • 对数据契约进行版本化并证明方向性互操作；
  • 应用分类、许可与访问约束，同时保持可追溯性。

完成标准是产出经过验证的语义数据包，而不只是阅读章节。最终数据包包含标识符、概念、单位、元数据、处理血缘、契约夹具与发布决定。

先修知识、符号与约定

本教程假定学习者掌握 A1 的定量与不确定性基础，并对勘查记录有基本认识；不要求特定数据库语言或软件平台。示例采用简洁表格、图和伪记录，使相同推理可迁移到关系、文档、图、列式或对象存储实现。

实体是身份可持续的对象；观测是关于实体或关注要素的主张；解释是基于证据作出的推理结论；分发是数据集的一种可访问表示；契约是生产者与使用者之间的版本化约定。“必需”表示硬性发布条件；除非明确声明决定阈值，指标只用于诊断。

除非章节另有说明，区间采用左闭右开约定。单位、坐标参考、时区偏移、标识符命名空间与概念方案版本均显式记录。公式定义诊断度量，绝不授权悄然替代、丢失或把硬性失败平均掉。

合成教学数据集

所有算例使用“开岭”合成学习数据集，其中包含虚构的项目、场地、钻孔、测斜、样品、观测、分析结果、模型版本与分发。该名称不指向真实地点、公司或个人。坐标采用有意设置的非地理局部值，代码为虚构内容，数值不适合任何实际决定。

数据集随课程逐步演化。早期章节暴露含糊值与重复标签；后续章节加入实体身份、观测支撑、概念方案、显式值状态、时间历史、格式配置、存储角色、元数据、血缘与政策。分阶段构建让学习者看到每项控制存在的原因及其预防的失败。

每个练习从保留的源证据开始，以派生物与清单结束。信息不可获得时，正确结果是显式未知、待审或阻止发布，而不是编造数值。

学习工作流

每章使用同一套可重复工作流：定义决定、建模含义、声明不变量、量化诊断质量、保留证据、设计接口、分配治理、完成合成算例并产出考核成果。教学图是推理地图，不是装饰图片。

学习者应维护一个持续演进的语义数据包。新章节扩展它而不抹去先前主张。例如，身份注册表新增别名而不是替换源标签；单位换算生成派生结果而不是覆盖报告值；更正记录替代早期事务而不是改写历史。

同伴审查应只依据数据包完成。如果审查者必须询问原生产者某字段“真正是什么意思”，说明文档或契约仍不完整。

证据架构与质量门

证据分为四层。源证据保留接收字节与来源上下文；语义证据把记录链接到实体、属性、概念、单位、支撑与时间；过程证据记录转换、参数、版本与指纹；决定证据记录验证、审查、接受、拒绝或隔离。

每个发布质量门都回答五个问题：

  • 每个必需身份与依赖是否可解析？
  • 语义不变量和值状态组合是否有效？
  • 空间、时间、单位与概念参考是否明确且适用？
  • 输出能否复现，或能否依据声明政策证明等价？
  • 请求目的是否满足访问与许可条件？

高汇总分数不能覆盖身份、单位、来源或政策质量门失败。失败应保持可见，并带记录路径、观测值、预期条件与解决状态。

考核与完成标准

考核产品是一个合成、版本化语义数据包，包含实体注册表、观测记录、概念方案、值状态模型、时间历史、至少两种已配置分发、存储责任图、元数据记录、数据字典、处理清单、兼容矩阵与访问政策决定。

验收要求标识符准确解析、关系有效、单位和值状态明确、模式与词汇版本对齐、依赖指纹完整、契约夹具通过、格式往返有记录且没有未授权披露。数据包还必须从不可变输入复现一个派生数据集。

最终审查应说明限制与未解决不确定性。带明确理由的阻止发布是有效工程结果；依靠猜测元数据得到的表面完整数据包不是。

核心来源