本文认为地学数据仓库的设计必须考虑地学数据以空间为主的特点,跳出原有商业数据仓库基于时间的框框,重新设计基于空间的地学数据仓库模型:用比例尺作为粒度级别代替商业数据库中的时间粒度级别,以实现海量数据的分级存储和不同粒度的数据综合;以空间控制点代替时间控制点(日,月,年),通过空间控制点将不同类别的数据叠加,以实现多源地学数据的集成;以此模型为基础,可实现任意类型、任意比例尺、任意区块的数据输出.(说明:为简化设计,没有考虑时间维,如考虑时间,此模型还能实现任意时间段的数据输出).地学数据仓库可以设计成金字塔形式.将地学数据自底向上按比例尺从大到小分层,在每一个层内又分为多个图层,每个图层代表某一地学类型的数据,多个图层依照控制点的空间对应关系进行叠合.一个比较简单和容易实现的模型是基于图幅的控制点模型:选取图幅角点为空间控制点,不同比例尺不同类型的数据按图幅对应关系进行存取和叠合.为提高地学数据仓库的可用性,讨论了其它3个模型:数据分级存储模型、无级比例尺模型和数据剪裁模型.数据分级存储交换模型可分为数据查询子模型与数据交换子模型,数据查询子模型的目的在于建立基于控制点的快速索引模型,数据交换子模型主要考虑下层数据的更改所引起上层数据的级联式更新问题;无级比例尺模型不是传统的单向的从下往上走的形式,而是根据地学的特点,采取从上和下两个方向同时往中间走的方式:由小比例尺利大比例尺数据共同生成中比例尺数据,以充分参考小比例尺数据的信息;数据剪裁模型应是地学数据仓库的一个常用功能,可以利用GIS提供的数据裁剪技术,在控制点框架内进行数据剪裁,可以设想,如果空间控制点以规则的矩形排列,那么所剪裁的数据将是锯齿形状.作为上述理论研究的实例,设计了一个省级数据仓库原形系统,它支持省一级50万、25万、20万、10万、5万图幅的地学数据的管理,数据种类涉及地、物、化、遥、矿产、成果等常规的地质数据,数据格式有文本、影像(遥感)、MapGIS、Morpas等.本系统通过了科技部农业规划与社会发展司组织的专家组的测试和验收.地学数据仓库建立的一个重要目的是为上层的矿产资源预测系统服务.因此,本文最后讨论了基于数据驱动的矿产资源预测系统模型,其核心在于将不同类型的数据与不同方法关联起来,为不同的数据提供不同的处理方法;数据给定后,系统会自动给出适合这一数据的一个或多个方法,由用户选择其中一个方法,并给出这个方法的相关参数,然后计算开始;重要的是,本次计算的结果数据又作为下一次计算的输入数据,再由系统给出匹配的方法;如此不断循环直到得出"最终"结果.它可以描述为一个5元组(Data,Meta-data,Method,Rmm,Fdm),而现有的系统可以描述成3元组(Data,Method,Fdm).5元组模型与3元组模型相比,多考虑了2个因素,Rmm和Meta-data:Rmm将数据和方法关联起来,因而根除了数据和方法的失配,而失配是普通用户经常犯的一种错误,同时,可能通过定义Rmm将推荐的预测工作流程隐含于其中;Meta-data将无限的数据分成了有限的类别,从而有助于数据处理过程的半自动化甚至自动化.