E-mail Alert Rss
 

物探与化探, 2025, 49(4): 768-777 doi: 10.11720/wtyht.2025.1267

地质调查资源勘查

区域化探数据地质矿产信息提取研究——以甘肃省徽县高桥地区为例

田辽东,1, 龙登红,2,3, 杨涛2,3, 刘海2,3, 马敏雄2,3, 姜洪颖2,3

1.甘肃省地质矿产勘查开发局 水文地质工程地质勘察院, 甘肃 张掖 734000

2.甘肃省矿产资源综合勘查利用与保护工程研究中心, 甘肃 天水 741020

3.甘肃省地质矿产勘查开发局 第一地质矿产勘查院, 甘肃 天水 741020

Extracting geological mineral information from regional geochemical exploration data: A case study of the Gaoqiao area in Huixian County, Gansu Province, China

TIAN Liao-Dong,1, LONG Deng-Hong,2,3, YANG Tao2,3, LIU Hai2,3, MA Min-Xiong2,3, JIANG Hong-Ying2,3

1. Institute of Hydrogeology and Engineering, Gansu Bureau of Geology and Mineral Exploration and Development, Zhangye 734000, China

2. Gansu Engineering Research Center for Comprehensive Exploration Utilization and Protection of Mineral Resources, Tianshui 741020, China

3. The First Institute of Geology and Mineral Exploration, Gansu Bureau of Geology and Mineral Exploration and Development, Tianshui 741020, China

通讯作者: 龙登红(1987-),男,高级工程师,主要从事区域基础地质调查和找矿研究工作。Email:625571323@qq.com

第一作者: 田辽东(1980-),男,高级工程师,主要从事区域地质和水工环地质调查工作。Email:1057484214@qq.com

责任编辑: 蒋实,沈效群

收稿日期: 2024-06-26   修回日期: 2024-11-23  

基金资助: 甘肃省自然资源厅科技项目“西秦岭锑矿找矿预测的化探数据处理方法研究”(202228)
2024年自然资源重点人才项目“甘肃省宕昌—西和锑矿矿集区成矿规律与找矿方向研究”(2024-1)
自然资源部新一轮找矿突破战略行动科技支撑项目“甘肃李子园—太阳寺金矿区构造岩浆控矿体系及深边部找矿预测”(ZKKJ202415)

Received: 2024-06-26   Revised: 2024-11-23  

摘要

化探数据中地质矿产信息的深入挖掘,是数学地质学和地质大数据的热点研究之一。目前国内积累了丰富的区域化探数据,但对数据中的地质矿产信息深入挖掘有限,需要尝试建立科学有效、简单易行的数据处理流程和分析研究方法。本次以甘肃省徽县高桥地区为研究区域,依据地质背景,根据元素性质与地球化学行为理论对相关元素数据进行处理,挖掘化探数据中蕴藏的地质矿产信息,初步建立了侵入岩体边界圈定和岩相划分的数学模型,科学指导地质填图工作;初步建立构造蚀变岩型金矿床靶区圈定模型,并进行了有效性验证,圈定了7个新的、有较好找矿前景的靶区,通过矿产检查已发现矿点5处,提交矿致异常4处,其中2处正在开展甘肃省地勘基金矿产勘查工作。本次研究成果证明,根据元素地球化学性质原理对数据进行计算处理,可进一步挖掘区域化探数据中的隐藏信息,有效指导和修正地质填图工作,提升填图效率和工作质量;可进一步高质量提取化探异常信息,高质量指导新区找矿工作。

关键词： 数据处理; 地质矿产; 化探数据挖掘; 找矿靶区

Abstract

The deep mining of geological mineral information from geochemical exploration data has been a hot research topic in mathematical geology and geological big data. Despite China's abundant regional geochemical exploration data, the deep mining of geological mineral information from these data remains limited, necessitating a scientific, efficient, simple, and feasible data processing workflow and analytical methodology. This study investigated the Gaoqiao area in Huixian County, Gansu Province, China. According to the geological background and the theories of element properties and geochemical behavior, this study processed relevant element data to mine the geological mineral information in geochemical exploration data. It established preliminary mathematical models for the boundary delineation and lithofacies classification of intermediate-acid rock masses, and the boundary delineation of mafic volcanic rocks in the Gaoqiao area to scientifically guide geological mapping. It preliminarily established the target delineation model for tectonic altered rock-hosted gold deposits. The model's effectiveness was substantiated by seven newly delineated target areas with promising prospecting potential. The mineral inspection identified five ore occurrences, including four reported for anomalies related to mineralization, with two currently under provincial geological exploration. The results of this study show that by calculating and processing data based on the geochemical properties of elements, the hidden information in regional geochemical exploration data can be further mined to effectively guide and modify geological mapping, thereby enhancing mapping efficiency and quality. High-quality anomaly information can be further extracted from geochemical exploration data to effectively guide mineral prospecting in new areas.

Keywords： data processing; geological minerals; mining of geochemical exploration data; prospecting target

PDF (6159KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

田辽东, 龙登红, 杨涛, 刘海, 马敏雄, 姜洪颖. 区域化探数据地质矿产信息提取研究——以甘肃省徽县高桥地区为例[J]. 物探与化探, 2025, 49(4): 768-777 doi:10.11720/wtyht.2025.1267

TIAN Liao-Dong, LONG Deng-Hong, YANG Tao, LIU Hai, MA Min-Xiong, JIANG Hong-Ying. Extracting geological mineral information from regional geochemical exploration data: A case study of the Gaoqiao area in Huixian County, Gansu Province, China[J]. Geophysical and Geochemical Exploration, 2025, 49(4): 768-777 doi:10.11720/wtyht.2025.1267

0 引言

地质大数据来源于地质调查工作和信息科学技术的融合,主要应用于开展地质调查综合资料的深度分析与挖掘,进行成矿信息挖掘和找矿预测[1-3]。其中,地球化学找矿预测异常信息识别方法研究是数学地球科学领域的热点[4-6],也是地质大数据研究的重要方向之一[7-10]。地质体中元素的分布不仅受地质背景、矿化类型和强度等诸多因素的影响,而且与风化类型和强度、次生富集和贫化、覆盖等因素的干扰有关,尤其在复杂地质条件下,这些影响因素往往使得背景噪声与成矿信息混杂,导致各类真实的地质矿产信息被弱化,给地质矿产信息直接识别带来诸多困难。因此,对弱小化探异常信息的提取需要从多空间、多尺度和多元素等方面进行化探数据深入挖掘。

1 研究现状

地球化学场是地球化学变量在各种时空尺度上的分布,它与时空分布的温度场、流体运动场及各种化学反应相互耦合、相互作用、互为因果[11]。地球化学场将元素时空分布看作一个连续数值场,可以使用数学场理论及其数值模拟方法来研究地球化学场的时空结构,找出场中数值之间的依赖关系[12]。关于元素的性质和地球化学习性的研究,已取得大量的地球化学理论成果,包括地质体元素的地球化学性质、赋存状态、硬软酸碱理论与络合物理论、元素迁移和沉淀富集地球化学机理等[13-15]。应用地球化学信息解决地质找矿问题,主要是通过将地质背景、控矿因素和找矿标志转化为地球化学标志,建立地球化学找矿预测指标与模型[10,16-17]。目前,化探数据处理分析方法包括经典的统计方法[18-19]、概率图法[20]、多元统计分析[21]、地质统计学[22]、成分数据分析[23]、分形/多重分形方法[24-28]、衬值法[29]等。这些方法研究中,理论研究较多,且在矿区化探数据分析处理中进行了较多实践研究,但在如何处理小比例尺的化探数据方面则研究不足。

目前,全国已完成了大量区域化探扫面工作,项目均按照规范完成了地球化学图、单元素异常图、组合异常图、综合异常图等系列图件的绘制,对元素特性及分布规律也进行了初步探讨。但当前仍面临着蕴藏在化探数据中的大量地质矿产信息尚未被充分挖掘、部分研究方法的适用性范围窄、数据处理和研究方法不能有效推广等问题[30],亟待运用地质大数据的思路,建立一套科学有效、简单易行的数据处理流程,在大批量化探数据中挖掘更多的关键地质矿产信息。

2 地质背景

西秦岭地区已发现超大型金矿床7处、大型金矿床9处、中小型金矿床137处,累计查明金资源量1 046 t,是继胶东半岛之后第二个千吨级金资源勘查开发基地[31]。研究区位于西秦岭地区中北部地区,以娘娘坝—太阳寺(区域上称为商丹断裂带)为界,分属北、中秦岭两个次级构造单位(图1),属柴家庄—太阳寺金及多金属矿整装勘查区[32]。北秦岭构造带主要出露古元古界、中—新元古界、奥陶系等,岩性主要为绿片岩等变质岩系,主要发育党川、百花等早古生代中酸性岩体和柴家庄、磨扇沟等三叠纪酸性岩体,已发现有湘潭子、柴家庄、李子等大中型金矿。中秦岭构造带主要出露泥盆系、石炭系和三叠系,以碎屑岩、碳酸盐岩等为主,自西向东主要发育有美武、中川、教场坝、碌础坝、闾井、柏家庄、八卦山、天子山等三叠纪花岗—闪长岩体,已发现有寨上、李坝超大型金矿床和九条沟、金山、马泉、小东沟等大中型金矿床(图1)。对于金矿成矿类型,北侧李子园、柴家庄、湘潭子等金矿床一般被认为是造山型金矿床[33-34];寨上、李坝、小东沟等金矿被认为是类卡林型金矿床[35]。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   西秦岭金矿地质简图

Fig.1   Geological and mineral map of the west Qinling Orogenic


研究区内地层主要出露新元古界木其滩岩组斜长角闪岩、下古生界李子园群和太阳寺组变质沉积岩—火山岩建造、中泥盆统舒家坝组砂板岩夹灰岩建造和上泥盆统大草滩群砂砾岩建造,少量分布下石炭统成河组砂岩建造和界河街组板岩—灰岩建造、上石炭统包舍口组板岩夹灰岩建造和月亮寨组砂板岩夹灰岩建造、侏罗系炭和里组砂砾岩建造等(图2)。区内岩浆活动强烈,岩浆岩出露面积占研究区近半,主要分布晚三叠世八卦山、天子山、太白二长花岗岩,中三叠世迷署岭二长闪长岩体;中酸性及基性脉岩较发育,主要以花岗岩、闪长岩、煌斑岩等岩脉为主。区内断裂较为发育,主要以EW—NW向为主,是重要的赋矿和控矿断裂构造[36]。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   研究区地质矿产简图

Fig.2   Geological and mineral map of the research area


区内已发现九条沟、湘潭子大型金矿床,水洞沟、天子坪、东峪、王湾等中小型金矿床,以及柳稍沟银多金属矿和白音峡萤石矿等,区内主要赋矿地层为新元古界木其滩岩组、古生界李子园群和太阳寺组、泥盆系舒家坝组,矿床分布在八卦山岩体东南角地区和天子山岩体东侧地区,显示岩体与成矿关系密切。

3 数据准备

研究数据为甘肃省徽县高桥矿调(甘肃省级基础地质调查项目)的1∶5万矿产远景调查成果数据,采样方法为1∶5万水系沉积物测量,采样点主要分布于一级水系,一般控制的汇水域面积在0.125~0.25 km2,采样部位主要为现代活动性流水线上的水流变缓地段各种粒级样品汇集处。研究区面积853 km2,共采集样品4 044件,平均采样密度为4.63个/km2,其中重复样92件(2.33%)。样品测试分析Au、Ag、Cu、Pb、Zn、As、Sb、Bi、Hg、W、Sn、Mo、Cd、Co、Cr、Ni、Nb、Li共18种元素,由具有部级地质实验测试甲级资质的甘肃省地矿局第一地质矿产勘查院地质实验测试中心承担,Au、W、Cd、Li采用电感藕合等离子体质谱法测定,Cu、Pb、Zn、Co、Cr、Nb、Ni采用X荧光光谱法测定,As、Sb、Bi采用氢化物发生-原子荧光光谱法测定,Hg采用冷原子荧光光谱法测定,Ag、Sn、Mo采用垂直电极-发射光谱法测定,元素检出限均符合规范要求,报出率均达到100%;采用180件国家一级标样进行监控,均符合质量要求;重复样合格率均大于90%。

目前1∶5万化探数据已覆盖全国大部分成矿有利地区。对该大批量数据进行研究分析前,必须先期进行预处理,使其能够相互对比研究。以往研究中一般通过不同变换差比方式进行调平,但是由于调平中存在过多的人为因素,丢失了较多的真实信息和细节信息,为后期研究带来了许多干扰。

本次研究采用背景值衬值法,对各元素原始数据进行处理,处理后得到的数据均为相对比值,且共同以1为背景值,使得含量差异显著的各元素间可直接进行相关性研究和对比分析,进行各类运算时不存在台阶或者数量级差的问题。对于不同研究区,采用衬值法进行数据处理后,得到的不同研究区内的数据具有一定的对比性,其值的大小仅代表样点处元素含量相对本研究区内的相对高低关系,但不同研究区间不能直接使用该值的大小进行对比。

4 地质体解译方法试验

地质填图主要采用路线调查识别露头岩石特征,确定地质体基本特征和分布范围,辅助使用遥感地质解译。该项工作不仅耗费时间长、人力成本大,而且很大程度上受限于填图人员的技术水平。因此,为了解区内地质单元概略分布特征,或者快速检查地质填图成果的合理性,急需寻找便捷、快速的解决办法。本次研究通过对1∶5万化探数据的进一步处理,初步建立了不同类型地质体的快速圈定办法,为大面积同一单元地质体的进一步细化填绘提供了科学指导依据。

从理论上分析,各元素的原子结构特征(离子半径、配位数、化学键长、电中性)和类质同象规律控制了大部分微量元素在不同类型岩浆岩中的结合分配规律,如:Ni、Co、Cr等主要集中在超基性岩中,这与在超基性岩中Fe、Mg矿物的大量结晶析出有关;在酸性岩中,Li、Be、Rb、Cs、Ba、Y、W、Sn、Pb的高含量往往与 K、Na、Si矿物的富集有关。岩浆岩中微量元素的含量高低及其变化实际上反映了元素间的结合规律。

岩浆热液温度变化是造成元素分带的主要因素之一[37],元素沉淀析出顺序具有从高温到低温的分带特征,依次为:Cr-Ni(Co1,Cu1)-Ti-V-P-Nb-Be-F-Sn-W-Zn-Ga-In-Mo-Re-Co2(Au1,As1)-Bi-Cu2-Ag-Zn2-Cd-Pb-W2-Au2-As2-Sb-Hg-Ba-Sr(图3)。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   岩浆热液矿床原生晕垂直分带模式示意[38]

Fig.3   Schematic diagram of vertical zoning pattern of primary halo in magmatic hydrothermal deposits[38]


根据不同类型地质体的元素富集和贫化规律进行数据实验计算后,可获得相应的地质体圈定算法。本文给出了对中酸性岩体及基性火山岩的圈定方法,通过实际地质填图已证明该方法有效。

4.1 中酸性岩体的圈定

根据理论分析和模拟实验,认为高温环境指示元素组为W-Sn-Mo,低温环境指示元素组为As-Sb-Hg。高温元素组的背衬值进行累乘获得高温累乘积,低温元素组的背衬值进行累乘获得低温累乘积;高温累乘积除以低温累乘积获得高低温比值(X),使用该值制作累频地球化学图进行可视化研究。

中酸性岩体圈定的数据处理数学方法表示为

$X=\frac{X_{\mathrm{W}}^{\mathrm{eli}} \times X_{\mathrm{Sn}}^{\mathrm{eli}} \times X_{\mathrm{Mo}}^{\mathrm{eli}}}{X_{\mathrm{As}}^{\mathrm{eli}} \times X_{\mathrm{Sb}}^{\mathrm{eli}} \times X_{\mathrm{Hg}}^{\mathrm{eli}}},$

式中:${X}_{W}^{eli}$为元素W的背衬值,其他元素同理。

西秦岭高桥地区作为典型花岗岩研究区,区内分布多个复式岩基,中酸性岩体出露面积约占全区面积的50%,岩体相带发育,是化探数据研究圈定岩体边界和划分岩相的典型区域。

以往常规化探使用单个高温元素进行研究,图4中显示岩体分布区与元素分布规律不一致,说明按照常规方法不能圈定岩体边界。本次通过中酸性岩体圈定模型对数据处理后成图(图5),可清晰看出各中酸性岩体内呈显著正异常,无岩体分布区均为显著负异常,异常边界与已填绘的岩体边界吻合程度高;从异常上显示南侧迷署岭岩体与北侧的八卦山岩体和天子山岩体显著不同,与地质野外调查和研究的结论完全一致,显示其可有效区分差异性岩体。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   高桥地区W元素地球化学分布

Fig.4   Geochemical Geochemical distribution of W in Gaoqiao area


图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   高桥地区花岗岩岩体相带推断

Fig.5   Granite disintegration map in Gaoqiao area


从图5上可见各岩体内的不均一性,不同岩性或岩相变化可清晰鉴别,可有效辅助岩体的相带划分。例如:八卦山岩体中部与边部差距明显,存在两种显著岩相变化;天子山岩体内部结构较为复杂,中心部位为1个单元,南侧边部存在不同的3个相似单元,并且整体均在1个较大单元中;糜署岭岩体东西两侧差异显著,与前人将该岩体填绘为同心状多期次演化复式岩基不一致,故认为在以往填绘中可能存在对该岩体认识不足的问题。

4.2 基性火山岩的圈定

根据上文叙述的元素性质可知,基性火山岩中的Cu、Co、Ni、Cr等显著富集,考虑到热液型铜矿(化)的零散分布,故剔除Cu,以免造成干扰。采用Co-Ni-Cr元素组合,将各元素作衬值处理以及元素组合、叠合、累乘等系列运算后,对得到的数据进行成图(图6)。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   利用Co-Ni-Cr组合圈定的基性火山岩

Fig.6   Basic volcanic rocks delineated by Co-Ni-Cr combination


从图6中推断基性火山主要分布在尖坪山地区和尖山子地区,其中尖坪山地区主要分布木其滩岩组(Pt3m.)变质基性火山岩。以往由于认识程度的原因,填绘的李子园群(Pz1Lz)分布在尖山子和柳梢沟地区,即将其归为了不同的地质单元。由于基性火山岩不发育,并且柳梢沟地区与尖山子地区的异常特征不一致,故推测尖山子地区与尖坪山地区可能分布着相同的地质单元。通过本次研究,建议将尖山子地区的李子园群(Pz1Lz)划分为木其滩岩组(Pt3m.)。

从图6中亦可以看到,中酸性岩体分布地区呈现出显著负异常,岩体酸性程度越高负异常愈强;而且相似岩体的异常特征相似,例如天子山岩体与八卦山岩体异常相似,而与迷署岭岩体异常显著不同。因此,该图解亦可辅助中酸性岩体的圈定和研究。

5 找矿信息挖掘

成矿作用的内因是成矿元素的地球化学特征,外因是地质作用引起的物理化学条件的变化[15]。对内因的研究,主要为元素迁移沉淀的地球化学相关理论,包括元素离子电位、硬软酸碱理论和络合物理论等。根据不同元素的地球化学性质研究,部分元素间的地球化学性质相近,部分元素间的地球化学性质差距较大,具有元素的亲和性和类质同象规律,这就导致元素的分布富集具有一定的规律可循,利用这种规律对化探大数据找矿研究具有重要的引领意义[39]。

具有经济价值的热液矿床,其成矿期次的热液是多组分的,矿区会显著出现多元素异常,并且同类型矿床的异常元素组合具有一定的规律性,这取决于元素的地球化学共生关系。研究和利用共生关系中的某一个或某几个成员的存在、预测其他成员的存在,对异常解释推断和找矿预测具有十分重要的参考依据。一般有共生关系的元素均可作为找矿指示元素,当主要成矿元素不能有效地作为指示元素应用时,可运用探途元素作为成矿的标志[38,40]。本次使用相同类型矿床中的异常元素组合进行对比研究,从元素的性质和地球化学习性进行判别分析,确定相应的找矿共性组合元素。该方法对小比例尺(1∶5万~1∶20万)化探研究效果最为有效,可缩小找矿靶区,有效圈定异常范围。

高桥研究区为西秦岭地区金矿主要聚集区之一,主要成矿类型为构造蚀变岩型金矿,是该类型矿床研究的典型区域。目前已发现的中型以上矿床均集中在水洞沟—柳梢沟找矿靶区和天子坪—九条沟找矿靶区,已取得大量的找矿突破,累计提交的金资源量达100 t以上,但是区内其他地方找矿进展缓慢。这是因为以往重点对高强异常区查证已取得显著找矿成果,其他众多弱小异常区查证程度低,因此亟待在众多弱小异常中筛选出最优找矿区域。

通过对天子坪金矿、九条沟金矿、水洞沟金矿等典型矿床的大比例化探资料进行分析研究,确定各矿区相同典型找矿元素组合为Au-Ag-Pb-As-Sb-Hg,本次将其元素的衬背值进行累乘,进行分析研究和靶区圈定。

构造蚀变岩型金矿靶区圈定的数据处理数学表达式为:

$X=X_{\mathrm{Au}}^{\mathrm{eli}} \times X_{\mathrm{Ag}}^{\mathrm{eli}} \times X_{\mathrm{Pb}}^{\mathrm{eli}} \times X_{\mathrm{As}}^{\mathrm{eli}} \times X_{\mathrm{Sb}}^{\mathrm{eli}} \times X_{\mathrm{Hg}}^{\mathrm{eli}},$

式中:${X}_{Au}^{eli}$为元素Au的背衬值,其他元素同理。

根据数据处理模型对数据进行处理后成图(图7),图中可见区内已知矿床、矿点均分布在正异常地区,天子坪、九条沟、水洞沟、湘潭子、柳稍沟、黑水沟、东峪、王湾等已知金矿床的分布位置与异常吻合程度高,证明该方法圈定的异常能够指导找矿。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   高桥地区Au-Ag-Pb-As-Sb-Hg元素叠加异常

Fig.7   Au-Ag-Pb-As-Sb-Hg superposition anomaly in Gaoqiao area


通过该方法新圈定了熊北、松树、西山梁、四坪、伯家庄、老洼沟、桑树垭共7个找矿靶区,并进行了验证工作。通过野外查证,目前有5个靶区已发现矿点,提交金矿致异常4处,其中松树和熊北2个靶区已由省地勘基金投入开展矿产普查工作。各矿点特征如下。

1)熊北金矿:新发现金矿化带1条、铜矿化带1条。金矿化带长约480 m,宽为3~10 m,产出于NW向断裂中,带内圈定金矿体2个(AuⅠ-1、AuⅠ-2)。AuⅠ-1矿体长80 m,厚0.84 m,金品位2.60 g/t;AuⅠ-2矿体长80 m,厚0.81 m,金品位1.65 g/t。铜矿化带长度大于400 m,带宽1~3 m,带内圈定铜矿化体1个(CuⅡ-1)。铜矿化体长220 m,矿体厚度0.77~2.47 m,平均厚1.34 m,铜品位0.20%~0.51%,平均品位0.21%,并伴生有金矿化,金品位0.57 g/t。

2)西山梁金矿:新发现矿化带1条,宽度20~30 m,延伸长度大于500 m,带内圈定金矿体1条、金矿化体4条。金矿体控制长度170 m,金品位1.16~1.67 g/t,厚0.87 m;金矿化体品位0.50~0.69 g/t,厚度0.99~8.20 m。

3)松树金矿:新发现金矿化带2条,控制金矿体1条,金矿化体6条。Ⅰ号金矿化带长约1.5 km,宽150~200 m,圈定相互平行的金矿体1条、金矿化体4条,其中AuⅠ-1矿体厚0.87 m,金品位1.90 g/t;金矿化体厚度0.5~0.8 m,金品位0.68~1.79 g/t。Ⅱ号金矿化带长1.5 km,宽度在50~250 m左右,金拣块样2.01~12.09 g/t。

4)老洼沟铅锌矿:新发现铅多金属矿化带1条,圈定铅及多金属矿体4条,矿体长度160~200 m,厚度0.89~1.86 m。矿体品位:铅0.96%~3.76%、锌7.30%、银55.88%~115.0 g/t、铜0.22%~1.31%、铁39.75%。

5)桑树垭金及多金属矿:新发现金及金属矿化带1条,圈定4条薄脉状多金属矿(化)体,长为100~400 m,厚度为0.10~0.83 m。矿体平均品位:金3.76~31.32 g/t、银30.85~167.51 g/t、铅0.42%~4.25%。

6 结论

1)探索研究建立简单易行、科学有效的1∶5万化探数据地质矿产信息挖掘方法。根据不同岩石中元素组合和地球化学习性特征,初步建立了不同的化探数据处理方法,可有效圈定中酸性花岗岩岩体的边界和岩相分界、基性火山岩的边界范围,为甘肃省徽县高桥地区的地质填图提供支撑。

2)根据成矿作用中元素的富集规律,结合典型矿床的化探资料分析,初步建立起构造蚀变岩型金矿的找矿靶区圈定模型。本次在徽县高桥地区圈定找矿靶区7个,通过野外详细查证后,在熊北、松树、西山梁、老洼沟、桑树垭等5个靶区取得了较好的找矿成果,其中松树和熊北靶区已转化为矿产勘查项目进行进一步勘查。

参考文献

严光生, 薛群威, 肖克炎, 等.

地质调查大数据研究的主要问题分析

[J]. 地质通报, 2015, 34(7):1273-1279.

[本文引用: 1]

Yan G S, Xue Q W, Xiao K Y, et al.

An analysis of major problems in geological survey big data

[J]. Geological Bulletin of China, 2015, 34(7):1273-1279.

[本文引用: 1]

赵鹏大.

大数据时代呼唤各科学领域的数据科学

[J]. 中国科技奖励, 2014(9):29-30.

Zhao P D.

The era of big data calls for data science in various scientific fields

[J]. China Awards for Science and Technology, 2014(9):29-30.

赵鹏大.

大数据时代数字找矿与定量评价

[J]. 地质通报, 2015, 34(7):1255-1259.

[本文引用: 1]

Zhao P D.

Digital mineral exploration and quantitative evaluation in the big data age

[J]. Geological Bulletin of China, 2015, 34(7):1255-1259.

[本文引用: 1]

左仁广, 王健, 熊义辉, 等.

2011—2020年勘查地球化学数据处理研究进展

[J]. 矿物岩石地球化学通报, 2021, 40(1):81-93.

[本文引用: 1]

Zuo R G, Wang J, Xiong Y H, et al.

Progresses of Researches on Geochemical Exploration Data Processing During 2011—2020

[J]. Bulletin of Mineralogy,Petrology and Geochemistry, 2021, 40(1):81-93.

[本文引用: 1]

左仁广.

勘查地球化学数据处理方法研究进展

[J]. 地质论评, 2013, 59(S):1027-1028.

Zuo R G.

Research progress on data processing methods for exploration geochemistry

[J]. Geological Review, 2013, 59(S):1027-1028.

左仁广.

勘查地球化学数据挖掘与弱异常识别

[J]. 地学前缘. 2019, 26(4):67-75.

DOI:10.13745/j.esf.sf.2018.6.25      [本文引用: 1]

我国积累的大量高质量、多元素、多尺度的地球化学数据，为矿产勘查与环境评价提供了有效的数据支撑。如何对这些数据进行二次开发和再利用，提取有价值的地球化学异常信息并带动找矿突破，是缓解当前矿产资源短缺的重要途径之一。在覆盖区和深部的找矿实践中，由于矿体埋深和覆盖层的影响，往往在表生介质中形成弱小的地球化学异常，识别和评价弱小地球化学异常是当前勘查地球化学数据处理的重要方向之一。本文围绕地球化学异常信息的提取和评价，主要从以下几个方面讨论了相关的国内外研究进展和发展趋势：勘查地球化学数据处理与异常识别方法和模型，勘查地球化学数据闭合效应的影响及其解决方案，基于大数据和机器学习的勘查地球化学数据处理以及弱小地球化学异常的识别和评价。研究发现，在地质环境的约束下,基于大数据思维和机器学习相结合的方法，注重地球化学空间分布模式与已发现矿床的相关关系，同时使用所有地球化学变量能有效刻画具有非线性特征的地球化学空间分布模式，可识别出传统方法无法识别的异常，为开展地球化学空间模式识别与异常提取提供了新的途径。

Zuo R G.

Exploration geochemical data mining and weak geochemical anomalies identification

[J]. Earth Science Frontiers, 2019, 26(4):067-075.

[本文引用: 1]

张宝一, 陈伊如, 黄岸烁, 等.

地球化学场及其在隐伏矿体三维预测中的作用

[J]. 岩石学报, 2018, 34(2):352-362.

[本文引用: 1]

Zhang B Y, Chen Y R, Huang A S, et al.

Geochemical field and its roles on the 3D prediction of concealed ore-bodies

[J]. Acta Petrologica Sinica, 2018, 34(2):352-362.

[本文引用: 1]

任文秀, 罗建民, 孙柏年, 等.

化探数据挖掘在金矿找矿及靶区优选中的应用——以甘肃玉石山地区为例

[J]. 岩石学报, 2018, 34(11):3225-3234.

Ren W X, Luo J M, Sun B N, et al.

Application of geochemical data in gold prospecting and target selecting:Taking the Yushishan area in Gansu Province as a case

[J]. Acta Petrologica Sinica, 2018, 34(11):3225-3234.

罗建民, 张旗.

大数据开创地学研究新途径:查明相关关系,增强研究可行性

[J]. 地学前缘, 2019, 26(4):6-12.

DOI:10.13745/j.esf.sf.2019.4.28     

人类已经进入大数据时代，大数据研究的思想、方法在地学领域也备受关注。笔者认为，大数据研究的对象是数据，研究的工具是计算机，研究的方法、手段是查明数据间相关关系，研究的特点是取向高概率做出决策。大数据是通过对大量数据的挖掘，查明数据间的相关关系，研究问题并做出正确决策的思想、方法。本文提出大数据是应用“归纳法”开展科学研究的思想、方法，以及高性能计算机和大数据计算技术使“归纳法”得以升华的观点。文章通过对统计学、机器学习算法的深入探讨，得出大数据将改变人们对自然的理解和认知方式，改变科学研究的思想和方法，改变长期以来人们通过查找因果关系开展科学研究的习惯。大数据必将开创一条跨越复杂的因果关系、直接获得研究结果的全新的科学研究途径。随着数据爆发式增长，随着高性能计算机的普及和计算技术的迅猛发展，统计分析方法将很大程度地突破数据体量的限制，统计分析预测模型以其真实可靠的处理结果、对条件和结果良好的解释能力、结合机器学习算法对半结构化与非结构化数据的处理优势，将推动地质科学进入定量化研究的新高度。

Luo J M, Zhang Q.

Big data pioneers new ways of geoscience research:Identifying relevant relationships to enhance research feasibility

[J]. Earth Science Frontiers, 2019, 26(4):6-12.

毛先成, 王迷军, 刘占坤, 等.

基于勘查数据的胶东大尹格庄金矿床控矿地质因素定量分析

[J]. 地学前缘, 2019, 26(4):84-93.

DOI:10.13745/j.esf.2019.04.010      [本文引用: 2]

胶东金矿床集中产于伸展构造系统内，常常显示出明显的构造控矿特征，但前人提出的阶梯式成矿模式难以回答哪些构造特征真正控制了金矿床的形成。大数据时代的到来为地质勘查数据的挖掘、成矿规律的探索提供了新的途径。选择胶东地区的大尹格庄金矿床为研究对象，在系统收集勘查资料的基础上，通过空间分析技术对控矿因素的不同特征进行定量表达，进而分析其与金矿化的相关关系。分析结果显示招平断裂带的距离场因素与金品位和金属量均呈双峰分布特征，与大尹格庄金矿床存在的两类矿化相对应，直观反映了不同类型矿石的相对空间位置。断层的坡度与金品位近似呈高斯分布，品位峰值区累积了大量的金属量，暗示了成矿流体更多地在某一特定的坡度范围内汇聚、停留。断裂面的陡缓变化和起伏程度显著地影响了金的富集程度，能够清晰地区分出经济品位的矿石和矿化体并确定矿体的最有利部位。在蚀变带中最强烈的蚀变部位，金的沉淀量急剧增加，暗示蚀变带内相同的部位可能叠加了持续的热液交代或多次成矿作用。控矿因素大数据分析表明，招平断裂面的形态特征是控制大尹格庄形成的关键因素，这种规律可被推广到整个胶东地区的金矿床。

Mao X C, Wang M J, Liu Z K, et al.

Quantitative analysis of ore-controlling factors based on exploration data of the Dayingezhuang gold deposit in the Jiaodong Peninsula

[J]. Earth Science Frontiers, 2019, 26(4):84-93.

DOI:10.13745/j.esf.2019.04.010      [本文引用: 2]

The Jiaodong gold deposit typically occurs in an extensional fault system and often exhibits obvious structural ore-control characteristics. However, the step metallogenic model of the Jiaodong gold deposit is inadequate to delineate the structural features that essentially control the formation of the deposit. The big data technology has provided a new approach to mine exploration data and explore minerogenetic regularities. In this paper, we studied the Dayingezhuang gold deposit in the Jiaodong peninsula. Based on the collected exploration data and using the spatial analysis method, we performed quantitative assessment of different features of ore-controlling factors to determine their association with gold mineralization. The results show a bimodal distribution between either gold grade or quantity and the fault distance factor. The bimodal distribution is consistent with the occurrence of two ore types in the gold deposit and directly indicates the relative spatial positions between the two ore types. Plot of gold grade vs. fault slope showed a near Gaussian distribution peaking at a slope range for large gold accumulation, suggesting that ore-forming fluids prefer to converge and remain at certain sloped sections. We observed that slope change and undulation of fault have significant effects on ore distribution and can clearly distinguish the locations of orebodies in terms of ore quality. We also observed sharp increase of gold accumulation in the intense alteration zone, where continuous hydrothermal process or multiple mineralization most likely had occurred. We conclude that the morphological features of the Zhaoping fault played key roles in the formation of the Dayingezhuang gold deposit. This conclusion may be applied to other Jiaodong gold deposits.

Omaljev VT.

Definitions of the concepts of geochemical field,background,and noise

[J]. Geochemical. 1987, 24(2):1-6.

[本文引用: 1]

谢学锦.

从勘查地球化学到应用地球化学

[J]. 物探与化探, 2003, 27(6):412-415.

[本文引用: 1]

Xie X J.

From exploration geochemistry to applied geochemistry

[J]. Geophysical and Gechemical Exploration, 2003, 27(6):412-415.

[本文引用: 1]

韩吟文, 马振东, 张宏飞, 等. 地球化学[M]. 北京: 地质出版社. 2003.

[本文引用: 1]

Han Y W, Ma Z D, Zhang H F, et al. Geochemistry[M]. Beijing: Geological Publishing House, 2003.

[本文引用: 1]

张德会, 赵仑山, 张本仁, 等. 地球化学[M]. 北京: 地质出版社, 2013.

Zhang D H, Zhao L S, Zhang B R, et al. Geochemistry[M]. Beijing: Geological Publishing House, 2013.

叶天竺, 吕志成, 庞振山, 等. 勘查区找矿预测理论与方法:总论[M]. 北京: 地质出版社, 2014.

[本文引用: 2]

Ye T Z, Lyu Z C, Pang Z S, et al. Theory and method of prospecting prediction in exploration area:General introduction[M]. Beijing: Geological Publishing House, 2014.

[本文引用: 2]

张本仁, 谷晓明, 蒋敬业.

应用成矿环境标志于地球化学找矿的研究

[J]. 物探与化探, 1989, 13(2):108-115.

[本文引用: 1]

Zhang B R, Gu X M, Jiang J Y.

The application of ore-forming environmentalindicators to geochemical exploration

[J]. Geophysical and Geochemical Exploration, 1989, 13(2):108-115.

[本文引用: 1]

李惠, 张国义, 禹斌. 金矿区深部盲矿预测的构造叠加晕模型及找矿效果[M]. 北京: 地质出版社, 2006.

[本文引用: 1]

Li H, Zhang G Y, Yu B. Structural superimposed halo model for deep blind ore prediction in gold mining area and its prospecting effect[M]. Beijing: Geological Publishing House, 2006.

[本文引用: 1]

陈建国, 王仁铎, 陈永清.

利用分形统计学提取化探数据中的隐蔽信息并圈定地球化学异常

[J]. 地球科学, 1998, 23(2):175-178.

[本文引用: 1]

Chen J G, Wang R D, Chen Y Q.

The extraction of concealed fractal information and the delineation of geochemical anomalies by fractal methods

[J]. Earth Science, 1998, 23(2):175-178.

[本文引用: 1]

肖斌, 赵鹏大, 侯景儒.

归来庄金矿床综合化探金异常的地质统计学研究

[J]. 北京大学学报:自然科学版, 2000, 36(4):531-538.

[本文引用: 1]

Xiao B, Zhao P D, Hou J R.

Geostatistical study of Au-comprehensive chemical exploratory anomaly at Guilaizhuang Au-deposit

[J]. Acta Scicentiarum Naturalum Universitis Pekinesis, 2000, 36(4):531-538.

[本文引用: 1]

刘向冲, 侯翠霞, 申维, 等.

MML-EM方法及其在化探数据混合分布中的应用

[J]. 地球科学, 2011, 36(2):355-359.

[本文引用: 1]

Liu X C, Hou C X, Shen W, et al.

MML-EM algorithm and its application on mixed distributions of geochemical data

[J]. Earth Science, 2011, 36(2):355-359.

[本文引用: 1]

李鸿儒. 东天山奥特奥尔拉地区化探异常信息的提取及评价[D]. 兰州: 西北师范大学, 2013.

[本文引用: 1]

Li H R. Extraction and assessment of geochemical anomaly information of aoteaoerla area in east Tianshan[D]. Lanzhou: Northwest Normal University, 2013.

[本文引用: 1]

黄静宁. 应用地质统计学方法圈定和评价地球化学异常[D]. 北京: 中国地质大学(北京), 2007.

[本文引用: 1]

Huang J N. Delineation and estimation of geochemical anomaly using geostatistical methods[D]. Beijing: China University of Geosciences, 2007.

[本文引用: 1]

林鑫, 周军, 张兵.

基于主成分分析的化探异常圈定新方法—以新疆西准噶尔地区1∶50 000岩屑数据为例

[J]. 地质找矿论丛, 2012, 27(4):516-521.

[本文引用: 1]

Liu X, Zhou J, Zhang B.

A new principal component analysis-based method for lineation of geochemical anomalies:A case study of detritus data (1/50 000) of Western Junggar,Xinjiang

[J]. Contributions to Geology and Mineral Resources Research, 2012, 27(4):516-521.

[本文引用: 1]

李随民, 姚书振.

基于MAPGIS的分形方法确定化探异常

[J]. 地球学报, 2005, 26(2):187-190.

[本文引用: 1]

Li S M, Yao S Z.

The determination of thresholds by the fractal method based on MAPGIS

[J]. Acta Geosicientia Sinica, 2005, 26(2):187-190.

[本文引用: 1]

李宾, 李随民, 梁玉明, 等.

分形方法圈定河北省龙关地区化探元素异常

[J]. 地质调查与研究, 2011, 34(2):154-161.

Li B, Li S M, Liang Y M, et al.

Determination of geochemical anomalies by the fractal method in the longguan area,Heibei Province

[J]. Geological Survey and Research, 2011, 34(2):154-161.

Cheng Q M, Agterberg F P, Ballantyne S B.

The separation of geochemical anomalies from background by fractal methods

[J]. Journal of Geochemical Exploration, 1994, 51(2):109-130.

Cheng Q M.

Mapping singularities with stream sediment geochemical data for prediction of undiscovered mineral deposits in Gejiu,Yunnan Province,China

[J]. Ore Geology Reviews, 2007, 32(1/2):314-324.

徐明钻, 朱立新, 马生明, 等.

多重分形模型在区域地球化学异常分析中的应用探讨

[J]. 地球学报, 2010, 31(4):611-618.

[本文引用: 1]

Xu M Z, Zhu L X, Ma S M, et al.

A tentative discussion on the application of multi-fractal models to the analysis of regional geochemical anomalies

[J]. Acta Geoscientica Sinica, 2010, 31(4):611-618.

[本文引用: 1]

邱炜, 李杰, 杨鸿鹏.

衬值法在大数据地球化学图件处理中的应用——以青海锡铁山地区为例

[J]. 矿产勘查, 2018, 9(6):1271-1275.

[本文引用: 1]

Qiu W, Li J, Yang H P.

The application of contrast value method on processing big data geochemical maps:The case of the Xitieshan area in Qinghai

[J]. Mineral Exploration, 2018, 9(6):1271-1275.

[本文引用: 1]

王瑞廷, 毛景文, 任小华, 等.

区域地球化学异常评价的现状及其存在的问题

[J]. 中国地质, 2005, 32(1):168-175.

[本文引用: 1]

Wang R T, Mao J W, Ren X H, et al.

Facts and problems of the evaluation of regional geochemical anomalies

[J]. Chinese Geology, 2005, 32(1):168-175.

[本文引用: 1]

第鹏飞, 吴建福, 王蓉, 等.

甘肃省紧缺战略性矿产资源国情调查成果报告(金矿)

[R]. 甘肃省自然资源厅, 2022.

[本文引用: 1]

Di P F, Wu J F, Wang R, et al.

Report on the national survey results of strategic mineral resources in gansu province (Gold Mine)

[R]. Department of Natural Resources of Gansu Province, 2022.

[本文引用: 1]

吴建福, 郝贺超, 刘海, 等.

甘肃省天水市柴家庄—太阳寺地区金及多金属矿整装勘查区矿产调查与找矿预测

[R]. 中国地质调查局发展研究中心, 2019.

[本文引用: 1]

Wu J F, Hao H C, Liu H, et al.

Mineral investigation and prospecting prediction in the integrated exploration area of Chaijiazhuang Taiyangsi gold mine in Gansu Province

[R]. Development and Research Center,China Geological Survey, 2019.

[本文引用: 1]

Mao J W, Qiu Y M, Goldfarb R J, et al.

Geology, distribution,and classification of gold deposits in the western Qinling belt,Central China

[J]. Mineralium Deposita, 2002, 37(3):352-377.

[本文引用: 1]

Yang T, Zhu L M, Wang F, et al.

Geochemistry, petrogenesis and tectonic implications of granitic plutons at the Liziyuan orogenic goldfield in the Western Qinling Orogen,Central China

[J]. Geological Magazine, 2013, 150(1):50-71.

[本文引用: 1]

Zeng Q T, McCuaig T C, Hart C J R, et al.

Structural and geochronological studies on the liba goldfield of the west Qinling Orogen,Central China

[J]. Mineralium Deposita, 2012, 47(7):799-819.

[本文引用: 1]

刘海, 马敏雄, 张润晖, 等.

甘肃省陇南市高桥—太白地区1∶5万矿产远景调查成果报告

[R]. 甘肃省地矿局第一地质矿产勘查院, 2022.

[本文引用: 1]

Liu H, Ma M X, Zhang R H, et al.

1∶50 000 Mineral Prospect Survey Report in Gaoqiao District,Longnan City,Gansu Province

[R]. The First Institute of Geology and Mineral Exploration,Gansu Provincial Bureau of Geology and Mineral Exploration, 2022.

[本文引用: 1]

邵跃.

矿床元素原生分带的研究及其在地球化学找矿中的应用

[J]. 地质与勘探, 1984, 20(2):47-55.

[本文引用: 1]

Shao Y.

Study on primary zoning of elements in mineral deposits and its application in geochemical prospecting

[J]. Geology and Prospecting, 1984, 20(2):47-55.

[本文引用: 1]

张大伟. 基于多元素数据融合的化探异常评判[D]. 长春: 吉林大学, 2015.

[本文引用: 3]

Zhang D W. Evaluation of geochemical anomalies based on the multiple element data fusion[D]. Changchun: Jilin University, 2015.

[本文引用: 3]

Xiong Y H, Zuo R G, Wang K X, et al.

Identification of geochemical anomalies via local RX anomaly detector

[J]. Journal of Geochemical Exploration, 2018,189:64-71.

[本文引用: 1]

Zuo R G.

Selection of an elemental association related to mineralization using spatial analysis

[J]. Journal of Geochemical Exploration, 2018,184:150-157.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-3
版权所有 © 2021《物探与化探》编辑部
通讯地址：北京市学院路29号航遥中心 邮编：100083
电话：010-62060192；62060193 E-mail：whtbjb@sina.com , whtbjb@163.com