我院与纳米比亚地球科学理事会联合举办地质与矿产资源学术交流会
2026年8月19日，由中山大学地球科学与工程学院主办、纳米比亚地球科学理事会（Geoscience Council of Namibia）协办的“地质与矿产资源学术交流会”在中山大学珠海校区举行。会议采用线上线下相结合方式，在海琴4号楼C306会议室与Zoom平台同步进行。中山大学地球科学与工程学院成秋明院士出席会议并致辞。来自纳米比亚地质调查局（Geological Survey of Namibia）、纳米比亚大学（University of Namibia）及纳米比亚地球科学理事会的7位外国专家学者与我院师生共同参会。与会人员围绕纳米比亚区域地质填图、典型Au-Cu矿床、地球化学数据融合、成矿潜力分析以及矿床数据库建设与智能预测等议题展开深入交流。
成秋明院士在开场致辞中对纳米比亚地质调查局副局长、纳米比亚地球科学理事会主席Anna Nguno女士的到访，以及线上参会的各位专家学者表示欢迎，并简要介绍了本次交流会的背景与目的。他指出，纳米比亚地质构造环境多样、矿产资源丰富，是开展区域成矿规律研究和智能找矿预测方法验证的理想案例区，希望未来双方以此为契机深化合作。
专题分享：聚焦纳米比亚地质与矿产资源
在专题分享环节，7位纳米比亚专家围绕该国基础地质与矿产评价共作9场学术分享。Anna Nguno女士首先系统介绍了纳米比亚区域地质填图工作的总体进展，阐述了填图方法从传统野外调查向多源数据综合解释的发展过程，指出系统的区域地质填图是开展地质大数据分析和智能找矿研究的基础。
随后，纳米比亚地质学家Josia T. Shilunga博士以“纳米比亚关键Au-Cu矿床及其找矿启示”为题，重点分析了Damara造山带的构造演化过程及其与成矿事件的关系，认为总结关键矿床的地质特征和成矿规律可为矿产远景区评价和靶区优选提供依据。纳米比亚大学Ester Shalimba博士汇报了基于南部纳米比亚水系沉积物地球化学数据与地质资料融合开展矿产潜力制图的研究，表明地球化学异常与区域地质背景相结合能够显著提高预测制图的科学性。纳米比亚地质调查局Abner Nghoongoloka博士从区域地质格架、主要构造单元和成矿地质条件等方面分析了纳米比亚的成矿潜力。纳米比亚地质学家Mary Barton女士围绕“从数据融合到智能预测”作报告，强调矿产预测的关键在于将分散、多源、异构的数据整理为具有地质含义、可解释、可计算的高质量预测数据，并从矿床模型出发提取可观察、可制图的地质证据，在地质专家知识约束下实现矿床模型、数据图层与人工智能方法的有机结合。纳米比亚地质专家Ndawedapo Shaanika女士介绍了回溯式地统计学方法在矿产潜力制图中的应用，通过校验、清洗、统一坐标等预处理流程挖掘非洲地区历史勘查数据的内在价值，同时指出预测结果必须结合野外地质事实进行校验。纳米比亚地质专家Halleluya Ekandjo博士以“让老矿床焕发新活力”为题，阐述了高分辨率地球物理、遥感高光谱、机器学习等新技术在老矿床深部及外围再评价中的作用。
本次交流会还特别设置了两场导师专题（Mentorship）分享。Mary Barton女士以“Geology–Beyond the Rocks”为题，探讨了地质行业生态、人才培养与社会责任；Ndawedapo Shaanika女士以“A Deposit into the Future”为题，围绕矿床全生命周期评价与青年人才成长分享了思考，鼓励青年学生参与国际学术交流。
研讨交流：新技术须以地质规律为约束
在研讨环节，与会人员围绕Damara造山带构造演化与控矿因素、地球化学异常识别与数据质量控制、多源信息融合与预测结果验证、历史勘查数据回溯利用等问题进行了热烈讨论。会议形成共识：人工智能、地统计学等现代技术手段是矿产勘查的有力工具，但必须建立在扎实的野外地质认知和矿床模型之上，不能脱离地质事实单纯依赖模型输出；历史勘查数据具有重要利用价值，但必须严格开展数据校验、清洗与标准化处理。
成秋明院士在总结中指出，成矿预测不能停留在资料收集层面，更重要的是理解和利用数据，把地质证据、预测准则和人工智能模型有机结合起来。未来可借助人工智能和大模型技术提高对地质特征和成矿证据的识别能力，同时应重视高质量标准化数据集建设，将区域地质填图、地球化学、遥感、地球物理和矿床数据库等多源资料规范整合，为资源评价、矿产预测和可持续发展研究提供支撑。
深化中非合作，共育青年人才
会议期间，双方还就以非洲及纳米比亚为案例区开展合作研究进行了深入交流，一致同意围绕矿产资源评价、地下水及其他资源环境问题，结合标准化数据集、矿床模型和人工智能工具，探索新的预测模型和应用场景，并可选取纳米比亚典型老矿床和重点成矿区带开展联合再评价研究。双方表示，将进一步发挥导师制传帮带作用，强化青年人才培养，推动地质大数据和智能预测方法更好服务矿产资源评价与可持续发展需求。
供稿：何宗聪 肖凡
编辑:张耀中
初核：梁秋芸
复审：徐永怡
审核发布：孔晓慧
