方思源，董少春，胡 欢

南京大学 地球科学与工程学院，南京 210023

1 前言

近年来，基础地质数据表现出了爆炸性增长的态势，复杂且大量的地质数据开始被系统性的积累整合，形成了具有相当规模的大数据集，地球科学从一个数据匮乏的时代逐步迈入大数据时代（Guo et al.，2017；吴冲龙等，2018；董少春等，2019）。地球科学大数据巨大的信息量改变了地球科学研究的方法、思路和理论，提供了多样化的数据挖掘手段和知识发现途径（翟明国等，2018；Karpatne et al.，2019）。地球科学大数据分析更加注重挖掘和分析数据之间隐藏的内在联系与特征，以数据驱动来发现规律，解释现象，探求问题，减少了主观经验上的人为干扰（张旗等，2015；张旗和周永章，2017；张旗等，2018；周永章等，2018；罗建民和张旗，2019）。地球科学大数据的处理也给地学研究带来了新的挑战。大数据的处理通常离不开超级计算机、云计算、并行计算等计算机技术的支撑（Wyborn and Evans，2015；廖湘科等，2016）。但是由于缺乏适合于地球科学大数据的专门算法、模型和软件，因此难以对大规模数据集进行快速、有效的处理，一定程度上限制了地球科学大数据的应用发展。因此，根据大数据的特点和数据处理需求开发适合地球科学大数据的处理、分析和可视化算法、模型或软件势在必行。

以岩石地球化学研究为例，元素协变图（Element Variation Diagram）常被用来研究元素之间的相关关系，对岩浆演化和不同构造背景下元素的地球化学行为进行分析。元素协变图清晰、直观地展现了元素在岩浆演……