随着计算机技术和网络技术的发展,数据存储、处理、统计分析和共享能力日益增强,海量数据的综合集成成为可能,这预示着“大数据”时代已经到来。大数据使我们不再依靠单一的或小部分的样本数据,而是使用可以代表全局的所有数据来探寻相关关系,挖掘出更多、更直观、更有价值的信息^{[ 1~ 3]}。大数据引发了第二次数据革命,它改变了传统的基于样本的科学研究范式,成为继实验科学、理论推演和计算机仿真这三者之后的第四种科研范式-数据密集型科学^{[ 4]}。在地学和海洋科学领域,各种观测数据、实验数据、理论数据、统计数据、模拟数据等已汇集成各类的专题数据库或数据集,广泛应用于科研、生产和社会实践中。这表明地学海洋领域的“大数据”时代已然悄悄降临,PetDB就是其中一个范例^{[ 5]}。

PetDB集成了海量的海底岩石数据,并正在不断更新扩容,可以为海底岩石地球化学研究提供全方位的“大数据”支持。在个体样本数据不断增加、空间覆盖不断加密的现实条件下,个体数据的重要性变得越来越小,除了人类从未涉足的新领域或新地域。如何有效地综合分析、消化吸收已积累的数据资源,即合理使用“大数据”工具是新时代科学研究的新挑战。本文将详细介绍时下流行的海底岩石地球化学“大数据”工具-PetDB数据库,包括PetDB的设计理念、使用方法和应用特色,旨在抛砖引玉,呼吁广大岩石地球化学工作者重视基础数据的积累,为建立我国自主的研究型数据库奠定基础,为迎接“大数据”时代的到来做足准备。

除了PetDB,目前影响力较大的岩石地球化学数据库还有GEOROC,PANGAEA,GANSEKI,MetPetDB,以及同属于EarthChem旗下的NAVDAT（表1）。其中GEOROC,PANGAEA 和PetDB是Nature杂志推荐使用的3个地学数据库。

GEOROC（Geochemistry of Rocks of the Oceans and Continents）,是大陆和海洋岩石的地球化学数据库,由德国Max Planck化学研究所的Bärbel Sarbas博士研究小组负责建设和维护^{[ 8, 9]}。GEOROC包括板内洋岛火山岩以及汇聚板块边缘和大火成岩省的火山岩数据, 2012年11月1日更新后数据库共含有数据条目599 450条,其中全岩（包括玻璃）数据298 700条,矿物数据277 370条,包裹体数据23 380条。GEOROC可支持按作者文献查询、地质环境查询、按地理坐标（经纬度）查询、按化学元素（包括主量、微量、稀土元素和放射性同位素）含量查询、按岩石类型查询等多种查询方式。GEOROC与PetDB的不同点在于, GEOROC预先按各种不同专题对数据进行了整编,形成csv文件,可供直接下载,方便使用。

PANGAEA是地球和环境科学数据的发布平台,由德国阿尔弗雷德-魏格纳极地与海洋研究所、布莱梅大学海洋环境科学中心共建^{[ 10, 11]}。1987年开始筹建,1995年开始正式在网络上运行,主要数据包括沉积物柱状样数据、航次报告和数据、海洋观测数据、海底照片、海冰物性、Polarstern极地考察船气象学资料、Hausgarten深海观测资料、南大洋海图资料等,也包含岩石和矿物数据。PANGAEA数据库查询界面非常简洁,类似Google搜索页面。但其查询功能异常强大,可以使用全部字顺查询、使用模糊查询、使用通配符查询、使用排除式查询以及针对特定字段内查询等方法。PANGAEA不仅是Nature杂志推荐使用的地学数据库之一,也成为世界数据中心（WDC）海洋环境科学分支的长期归档资料库。与PetDB不同,PANGAEA除了收藏有岩石、矿物数据之外,还有更多环境科学数据,如水、冰、大气和沉积物等数据。

GANSEKI是日本JAMSTEC所建立的深海岩石样品数据库,既有实体的样品,也有样品对应的分析数据,旨在建立固体地球的综合知识体系^{[ 12]}。GANSEKI数据库的特色之外在于大部分样品均配有手标本照片,少量还附有显微薄片照片,方便了用户对样品进行直观的了解。GANSEKI数据库目前拥有22 614件样品数据,手标本照片11 525幅,薄片照片1 767幅。

MetPetDB是由伦斯勒理工学院的全球变质岩岩石学家社团和计算机科学家合作开发的变质岩岩石学数据库,旨在归档整理发表的数据,为科研人员使用便利提供^{[ 13]}。2006年MetPetDB数据库受到美国自然科学基金会资助。MetPetDB的样品按来源不同分为不同级别,包括公共样品、共享样品、发表样品、私人样品,目前MetPetDB含有发表样品8 541件、公共样品9 040件、私人样品6 639件。样品的数据分为2种类型,一是实测数据,二是解释数据。

上述各个数据库各有特色。GEOROC,PANGAEA和GANSEKI在数据上与PetDB有部分重叠,而MetPetDB和NAVDAT则与PetDB定位明显不同,MetPetDB主要侧重变质岩,NAVDAT主要侧重北美地区。GEOROC包含更多陆地火成岩的数据,PANGAEA包含了环境科学方面的数据。GANSEKI和PetDB的数据库定位最为相似,都是存档海底岩石数据。不同的是GANSEKI提供了实体样品信息以及样品图片信息,可供样品申请,数据库的数据来源主要为日本自主调查研究数据。而PetDB则是目前针对海底岩石数据最齐全的数据库,拥有样品数是GANSEKI的3倍多。

PetDB数据库还具体其他一些独有的特色。PetDB包含了细致的航次信息、站位信息,以帮助介绍样品的来源。PetDB拥有详细的数据质量控制信息,明确各个数据的分析测试方法。PetDB引入了IGSN国际地质样品统一编号（The International Geo Sample Number）,由SESAR（System for Earth Sample Registration）统一管理。编号共由9个字符组成,前3个是唯一的用户编码,后6位字符随机,字符可以是26个英文字母或10个阿拉伯数字。因此一个用户编码,可以有2 176 782 336个样品标识符。PetDB数据完全一体化,支持任何单个化学数据的查询或各种复杂条件的组合查询。PetDB可以实现与MGDS的交叉查询。PetDB数据库的更新非常及时,平均每季度更新一次。

表1

Table 1

表1(Table 1)

表1 PetDB及相关岩石地球化学数据库信息表（截至2013年8月） Table 1 General Information for PetDB and similar databases (by August 2013) 数据库名称 所属机构或系统 主要功能 数据保有量 网址链接 PetDB EarthChem 海底岩石地球化学数据库[ 5] 64 526件 http://www.earthchem.org/petdb NAVDAT EarthChem 北美火山岩和侵入岩数据库。包括岩石年龄、化学元素和同位素数据[ 14, 15] 64 985件 http://www.navdat.org/ GEOROC MPG* 大陆和海洋岩石地球化学数据库 355 000件 http://georoc.mpch-mainz.gwdg.de/georoc GANSEKI JAMSTEC 深海岩石样品数据库 22 614件 http://www.godac.jamstec.go.jp/ganseki/e MetPetDB NSF* 变质岩岩石学数据库 24 220件 http://metpetdb.rpi.edu/ PANGAEA ICSU* 地球和环境科学数据库 海底样品11 771件 http://pangaea.de/ *MPG-Max Planck Society. 马克斯·普朗克学会；NSF-NationalScienceFoundation. 美国自然科学基金会；ICSU-International Council for Science. 国际科学理事会

表1 PetDB及相关岩石地球化学数据库信息表（截至2013年8月） Table 1 General Information for PetDB and similar databases (by August 2013)

PetDB提供了最全面的海底岩石信息,包括岩石类型、矿物组成、化学成分、同位素特征、岩石分布、年龄信息等等。基于这些数据,全球尺度或区域尺度的岩石地球化学研究成为可能,区域对比、综合研究更加方便。目前已有超过400篇的高质量学术论文引用了PetDB,并且这一数据正以每年40-50篇的速度不断增加。论文绝大部分发表于地学领域的主流Top期刊,并且被引频次较高（如 Saal等^{[ 16]} 2002年在Nature发表的文章已被引用254次,Herzberg等^{[ 17]} 2007在Geochemistry Geophysics Geosystems杂志发表的文章被引用176次,数据来源于Google Scholar）。

基于PetDB提供的数据,采用新思路或新方法解决一系列重要科学问题,如地幔的化学和矿物组成^{[ 18, 19]})、大陆和大洋地壳的形成和演化^{[ 20, 21]}、熔体运移^{[ 22]}以及全球海水的地球化学平衡^{[ 23]}等。Salters & Stracke^{[ 18]}利用MORB、OIB以及地幔橄榄岩的成分估算了亏损地幔的主量元素和微量元素组成,Thirlwall等^{[ 19]}利用玄武岩的Sr-Nd-Pb同位素数据研究了冰岛及附近洋脊的地幔同位素组成。Weyer等^{[ 20]}通过估算亏损地幔中的Nb/Ta,Zr/Hf和REE组成,研究壳幔分异作用的历史。 Cipriani等^{[ 21]}研究洋中脊玄武岩-橄榄岩对的Sr、Nd同位素,提示洋壳形成过程。Spiegelman & Kelemen^{[ 22]}利用熔体包裹体和MORB数据,研究了通道式熔体运移对化学成分不均一性的影响效应。van de Flierdt等^{[ 23]}通过研究海底岩石和结壳的Pb-Hf-Nd同位素组成,恢复海底热液输入历史以及热液成因Hf对海水的补偿作用。

此外,还有更多有趣的研究课题,如Yamagishi等^{[ 24]}利用PetDB数据探索岩石和沉积物地球化学数据的Google Earth可视化,Rauch^{[ 25]}研究了地球表层的Fe,Al,Cu和Zn的全球分布,Rubin和Sinton^{[ 26]}从洋中脊玄武岩推测洋中脊热结构和岩浆结构。利用PetDB中提供的岩石地球化学数据,可以开展地幔中He同位素演化研究^{[ 27]},应用Ne同位素限定地幔对流和挥发份起源^{[ 28]},洋脊跃迁对洋中脊岩浆分段性的影响^{[ 29]},拆离断层对慢速扩张大洋岩石圈增生的关键作用^{[ 30]},地幔、地壳和碳质球粒陨石中的Cl同位素均一性^{[ 31]},等等。由此可见,PetDB数据库在地学研究方面的应用已十分广泛。

不过,由于目前数据库中的数据来源于各个发表文献,且录入数据库时尊重原文中的数据样式,未作深入的整编和归一化处理,同一类型不同来源的数据可能存在分析方法和分析精度不一致的问题,不同样品的新鲜程度和蚀变程度也会有差异,同一站位可能有多个样品数据,甚至同一样品也可能存在不同批次分析的数据结果,诸如此类。因此使用PetDB数据时应小心谨慎,宁缺勿滥。首先,要选择合适的数据。从研究的需求出发,挑选恰当的数据条目,注重数据的代表性、规范性和完整性,优选年代较新的数据,优选分析方法先进的数据,优选精度较高的数据,优选样品较新鲜的数据,忌求全求多。其次,对数据进行深入的分析和处理,剔除异常数据和无用字段。从PetDB下载的数据一般都包括较全的字段或参数,其中冗余字段在数据处理时非常不便,必须果断删除,精简数据表,利用统计工具对数据进行深入的分析,剔除异常值,剔除时可以参照元数据进一步查验。再次,也是最重要的环节,进行数据溯源。对于重要的数据必须查看原文出处,详细了解数据产出的相关背景资料。数据库的存在不单是为了方便用户获取数据,而更主要的是方便用户进行数据溯源。

PetDB的成功指明了岩石地球化学研究新的发展方向,研究对象由点发展到面,从表层深入到地核地幔,研究意义由局部扩展到区域或全球,体现了地球系统科学的特点,这也是“大数据”时代的显著特征。当个体数据积累到一定阶段,各领域或地域均有数据覆盖时,“大数据”就形成了。一旦“大数据”形成,个体数据的重要性就会变得越来越小,除非技术的进步拓展了人类新的认知领域或地域。大数据可以代表全局,揭示出全局特有的宏观信息,这些信息是单个数据或单批数据难以挖掘的。PetDB,GEOROC,PANGAEA,GANSEKI,MetPetDB等数据库已经清晰地勾勒出了岩石地球化学的“大数据”趋势,未来它们将进一步融合,形成从陆地到海洋、从地表到地下各岩类全覆盖的全球岩石地球化学“大数据”,离“数字地球”、“玻璃地球”的目标将更进一步^{[ 32]}。不同行业的数据积累也都朝着“大数据”方向发展,并且在时间和空间体系内相互关联,至此地球系统科学的框架将逐渐明朗。

我国在海洋科学和地质学领域的科研成就有目共睹,但数据库建设工作重视和投入仍显不足^{[ 33]}。前人做过很多尝试和努力,但发展仍然缓慢,这可能与数据共享机制以及数据开放度有一定的关系^{[ 34~ 41]}。中国地质科学院曾建立有火成岩数据库、矿物数据库和同位素地球化学数据库等,但存在数据比较分散,未作系统地关联等问题,且可能由于经费问题,更新比较缓慢,推广仍有待加强。中国科学院广州地球化学研究所也“十五”期间的“中国岩矿地球化学数据库”的基础上开发了地球化学研究数据库,包括常量元素地球化学数据、微量元素地球化学数据和稀土元素地球化学数据等。数据库为国内外地球化学工作者、在校师生及生产部门专业人员提供了良好的数据平台,为科研项目提供了科技服务。不过与PetDB等国外主流数据库相比,数据总量仍有待提升。

身处“大数据”时代,我们必须紧跟世界的脚步,谁掌握了“大数据”谁就能主导下一个未来。国内外岩石地球化学数据库建设的差距,对我们既是机遇,更是挑战。若今天我们出卖数据,不注重数据积累,明日我们将需花重金赎回它们,个中利害不言自明。PetDB为我们建立地学和海洋科学领域的数据库提供了参考,指明了方向。对于自主获得的特色数据,应组建自己的数据库,并不断更新和积累,为实现“大数据”而努力,为“数字地球”建设奠定基础。对于国际上已比较成熟的数据库,则应学习借鉴其建库方法和数据管理方法,消化吸收已有的数据,建立适合自身需求的数据库,掌握数据自主权。数据库建设贵在积累与坚持,需要不断地投入,不断地维护,与时俱进。