本仓库是参加 AI4S Future ScienceSkills Hackathon —— “AI × 气候与地球科学”赛道（Task 04: 全球地球化学元素分布图谱 Skill） 的完整参赛作品。
作品围绕“国际深时数字地球 (DDE)”大科学计划与 “OneGeochemistry” 规范，通过融合经典固体地球物理/化学原理与现代无监督机器学习算法 (Unsupervised Machine Learning)，构建了一个从原始多介质数据清洗到学术级报告生成、空间绘图和靶区预测的闭环智能协同 Skill。
- 高水准：全篇采用地质科研、地球化学学报、Frontiers in Earth Science 等顶级学术期刊标准语境与符号体系，公式推导严谨，地质学机理完备，杜绝任何AI生成的陈词滥调与生硬格式。
- 多介质一体化融合管线 (Unified Science Pipeline)：首次打通岩石 (Rock)、土壤 (Soil)、沉积物 (Sediment)、水体 (Water) 等异质介质的化学丰度统一标准，通过摩尔折算、量纲归一，彻底消除固-液态介质分析的单位和机理鸿沟。
- 学术级科学投图模块 (Academic-Grade Plotting)：内置 TAS 侵入岩/火山岩岩石学分类、Chondrite (Boynton 1984) 球粒陨石标准化稀土元素（REE）蜘蛛网图（配有 Eu/Eu* 与 Ce/Ce* 异常计算）、元素连续场反距离权重（IDW）空间插值等值线图等，分辨率均达 300 DPI 出图标准。
- 统计与机器学习双驱异常圈定 (MAD & Isolation Forest)：集成地质统计学经典的鲁棒中位数绝对偏差 (MAD) 单元素异常检测，与高维孤立森林 (Isolation Forest) 多变量协同算法，能高效捕获复杂隐伏矿体的多元素协同富集指纹。
- 地质先验专家系统反演 (Geochem Expert System)：内置矿床成因规则判定引擎，自动对 5 个高优先级成矿异常进行地球化学指纹判定，成功输出：
- LCT 型伟晶岩花岗岩锂-稀土矿床 (Rare-metal Pegmatite Li-REE)
- 岩浆型铜-镍-铬-铂族硫化物矿床 (Magmatic Cu-Ni-Cr-PGE)
- 碳酸盐岩型 (MVT) 铅锌矿床 (Carbonate-hosted Pb-Zn)
- 碳酸质岩浆型轻稀土矿体 (Carbonatite-hosted Light-REE)
- 黏土型风化壳离子吸附锂矿 (Clay-type Weathering Crust Li)
项目文件组织遵循 SCNet 平台规范的 Skill 目录结构：
AI4S-Future-ScienceSkills-Hackathon/
├── .gitignore
├── README.md # 本说明文档
└── geochem-element-mapping/ # 核心 Skill 主文件夹
├── SKILL.md # SCNet 核心 Skill 部署说明文档（含数学公式、流程与机制）
├── geochemical_mapping_report.md # 运行 Pipeline 后自动生成的学术级成矿综合报告
├── agents/
│ └── openai.yaml # 平台智能体 UI 元数据配置文件
├── references/
│ ├── geochem_baseline_data.csv # 全球多克拉通/构造单元 145 个实测基准样品库
│ ├── geochem_standards.json # 氧化物折算因子、克拉克值及球粒陨石标准化基准值
│ ├── literature_citations.json # 溯源文献引用库（如 USGS, EarthChem, CGB, GEOROC）
│ └── standardized_geochem_database.csv # 运行后输出的标准统一化数据库
├── scripts/
│ ├── data_standardizer.py # 数据单位统一、主量氧化物换算、REE配分指数计算
│ ├── quality_control.py # QA/QC 检测、氧化物总量校验、坐标筛查、置信度 DCI 打分
│ ├── anomaly_detector.py # 单变量 MAD 阈值 + 多维孤立森林成矿预测与专家指纹判定
│ ├── spatial_interpolator.py # 基于 NumPy/SciPy 的反距离权重 (IDW) 二维连续场网格插值
│ ├── visualizer.py # 学术图表绘制（TAS 分类、REE 配分、元素空间等值线图）
│ └── demo_run.py # 一键运行测试主脚本
└── assets/
├── report_template.md # 专业地球化学分析报告 MarkDown 模板
├── tas_diagram.png # 输出：TAS分类投图 (300 DPI)
├── ree_spider_diagram.png # 输出：稀土蜘蛛网图 (300 DPI)
└── lithium_spatial_map.png # 输出：锂元素插值丰度与找矿靶区圈定图 (300 DPI)
运行本项目需要标准 Python3 环境，并安装以下常见的科学计算与绘图包：
pip install numpy pandas scipy matplotlib seaborn scikit-learn进入仓库根目录，运行 demo_run.py 即可一键自动执行：数据加载
python geochem-element-mapping/scripts/demo_run.py- 控制台将输出详细的管线执行日志、质检 DCI 得分以及孤立森林识别出的成矿靶区属性。
- 在
geochem-element-mapping/assets/下可直接查看 3 个学术期刊级的高分辨率投图。 - 在
geochem-element-mapping/geochemical_mapping_report.md中可查看最新生成的成矿预测学术报告。
本系统的核心计算和模型公式均在 SKILL.md 中进行了极为详尽的展示，主要包含：
-
主量氧化物摩尔原子比换算：
$$\text{Element_ppm} = \text{Oxide_wt.%} \times \phi_{\text{oxide_to_element}} \times 10000$$ -
Eu/Eu 与 Ce/Ce 铕/铈异常公式**：
$$\left(\frac{Eu}{Eu^*}\right)_N = \frac{Eu_N}{\sqrt{Sm_N \times Gd_N}}$$ -
中位数绝对偏差 (MAD) 鲁棒化探阈值：
$$\text{MAD} = 1.4826 \times \text{median}\left( |x_i - \text{median}(X)| \right)$$ - 孤立森林多维路径剖分异常度得分。
-
反距离权重 (IDW) 连续空间场插值算法：
$$Z(x_0) = \frac{\sum_{i=1}^n w_i Z(x_i)}{\sum_{i=1}^n w_i}, \quad w_i = d_i^{-2.0}$$
- 作者 (Author): 蒋泽宇 (Zeyu Jiang)
- 所属高校 (Institution): 中央民族大学
- 联系邮箱 (Email): `2494538726@qq.com
- 研究方向 (Research): 智能体自演化架构 (HDM-Agent)、自演化材料催化计算 (MatEval-Agent)、AI for Science (AI4S) 固体地球化学大数据分析。
感谢 SCNet (国家超算网络) 为本次黑客松提供的高效算力与运行时长支持。本 Skill 将持续更新，不断推动人工智能与深时地球化学勘查大数据的交叉融合。