基于特征分析法的瓊南矽卡巖型礦床成礦預測研究

吳傳軍 ,許德如周迎春,候茂洲 ,于亮亮 ,胡國成

(1.中國科學院 廣州地球化學研究所 礦物學與成礦學重點實驗室,廣東 廣州 510640;2.中國科學院大學,北京 100049;3.海南省地質調查院,海南 海口 570206)

成礦預測是基于地質理論及科學方法,充分利用已有的地質、物探、化探、遙感等相關數據和資料,總結成礦條件和規律,指出未來有可能找到有經濟價值礦產產出的遠景區(盧作祥和佘宏全,1989;呂鵬等,2011;席振等,2013)。其研究內容主要涉及三個方面:一是應用物探、化探和遙感資料進行隱伏地質體如斷裂、巖體的推斷;二是在成礦規律研究過程中結合成礦特征的分析,充分應用地質、物探、化探、遙感等綜合異常資料,提取多元有利找礦信息;三是探索實現多元有利找礦信息有機分析和綜合的數學地質方法(陳建平等,2008)。GIS技術以其強大的空間數據管理、查詢、綜合分析及可視化功能,為礦產資源評價、成礦信息提取提供了主要的技術支撐手段。特征分析法則以相似類比理論為基礎,通過研究模型控制單元預測變量的內在聯系,并將其應用于具有相似成礦地質背景的未知預測單元,而實現多元找礦信息有機綜合,資源預測靶區快速定位的目的。

瓊南地區矽卡巖型礦產資源豐富,多年來有關該類型礦床的找礦工作持續進行,然而至今未取得明顯突破。因此,如何有效利用已積累的大量地質、物探、化探和遙感資料,為找礦工作服務,是當前面臨的關鍵科學問題。本文在系統分析瓊南矽卡巖型礦床區域地質背景與成礦規律的基礎上,充分運用GIS技術空間分析功能對多元數據資料進行了處理與解釋,建立了瓊南地區矽卡巖型礦床的特征分析預測模型,并據此圈定了找礦預測靶區,以期為該區的找礦工作提供科學依據。

1 區域地質背景

海南島位于太平洋板塊、印度–澳大利亞板塊和歐亞板塊結合部位,受太平洋和特提斯兩大構造域聯合控制,表現出極其復雜的構造格局(許德如等,2009)。以EW向九所–陵水斷裂為界,海南島可劃分為南北兩部分,以北為五指山地體,屬華南板塊,以南為三亞地體,屬南海–印支地臺(Xu et al.,2013),晚二疊世至早三疊世期間,兩塊體可能沿九所–陵水斷裂一帶發生拼合,從而進入統一的大地構造發展階段(龍文國等,2005)。

研究區橫跨九所–陵水斷裂,處于五指山地體與三亞地體交接部位,面積約 4000 km2(圖1a)。區域上出露的地層主要有寒武–奧陶系海相–淺海相含磷錳硅質碳酸鹽–碎屑巖建造,中下志留統海相砂–泥質類復理石夾碳酸鹽建造,下石炭統海相砂巖建造以及白堊系火山沉積巖和第四系沉積物。區內侵入巖發育,以二疊紀–三疊紀侵入巖分布最廣,巖性主要為二長花崗巖、正長花崗巖,其次為白堊紀侵入巖,主要沿九所–陵水斷裂帶分布,巖性以二長花崗巖為主(圖1b)。研究區褶皺及斷裂也很發育,褶皺主要由NE向崗阜雞倒轉復式背斜和NE向三道–晴嶺–荔枝灣倒轉復式向斜構成,前者位于五指山地體中,由古生界奧陶系、志留系及下石炭統組成,后者位于三亞地體中,由古生界寒武系、奧陶系組成。斷裂構造主要表現為近EW向、NE-NNE向、NNW及近SN向。其中,近EW向斷裂主要由區域性九所–陵水深大斷裂構成,控制著區內三疊紀–白堊紀巖體以及白堊紀同安嶺陸相火山巖盆地的展布。NE-NNE向、NNW向及近SN向次級斷裂則主要分布于古生界地層組成的兩大復式褶皺構造之中,是區內最重要的控礦構造。

研究區礦產資源豐富,已查明鐵、銅、鉛、鋅、金、銀、磷錳等多個礦種,礦床成因類型包括沉積巖型、巖漿熱液型和矽卡巖型。其中,沉積巖型礦床以大茅磷錳礦為代表,與寒武系含磷錳質沉積有關;巖漿熱液型礦床規模較小,主要為金銀礦點,分布于白堊系火山沉積盆地內;相比之下,矽卡巖型礦床在本區占絕對優勢,已發現多個成規模的礦床(圖1b)。因此,本文主要對矽卡巖型礦床進行成礦預測研究。

2 矽卡巖型礦床成礦規律

研究區矽卡巖型礦床形成于燕山晚期,具有明顯的空間分帶性,總體上受控于兩大礦田:其一是NNE向展布的南好鐵、銅、鉛、鋅多金屬礦田,空間上與崗阜雞倒轉復式背斜分布范圍一致,產出有紅石鐵、銅、鉛鋅礦床,情安嶺鐵、銅、硫礦床,南好 508銅、鐵、硫礦床以及南后山鉛鋅礦床,構成一與燕山晚期巖漿熱液作用有關并以產出鐵、銅、鉛、鋅為主的礦床成礦系列;其二是NNE向展布的大茅鐵(銅)、鉛、鋅、磷錳礦田,空間上與三道–晴坡嶺–荔枝溝倒轉復式向斜相應,產出有田獨鐵(銅)礦及荔枝灣鉛鋅礦等,形成于燕山晚期,構成一與中酸性花崗巖漿熱液活動有關的鐵(銅)、鉛、鋅礦床成礦系列(廖香俊等,2005)。

圖1 研究區地質簡圖Fig.1 Sketch geological map in southern Hainan Island

對已探明主要矽卡巖型礦床成礦地質特征的分析表明(表1),該區矽卡巖型礦床具有如下成礦規律:①礦床的形成與碳酸鹽巖地層及燕山晚期中酸性巖漿熱液活動密切相關,已探明礦床空間上分布于寒武系孟月嶺組、大茅組,志留系足賽嶺組以及石炭系南好組、青天峽組等碳酸鹽巖地層與燕山晚期花崗斑巖、花崗閃長巖、石英斑巖、石英閃長巖、閃長巖(脈)等的接觸部位;②與疊加于兩大復式褶皺構造之上的NNE向、NNW向及近EW向次級斷裂構造關系密切,這些斷裂通過之處,通常發育有矽卡巖化、綠簾石化、云英巖化、硅化、黃鐵礦化及碳酸鹽化等熱液蝕變現象,是鐵、銅多金屬礦重要的找礦標志;③根據礦物共生組合,礦床多具有兩個成礦階段,早期(高溫)矽卡巖階段,主要形成石榴石、透輝石、透閃石、綠簾石等矽卡巖礦物組合,并形成磁鐵礦、(白鎢礦)和少量黃鐵礦、黃銅礦等;晚期(低溫)石英硫化物階段,主要形成綠泥石、絹云母、黃鐵礦、黃銅礦、(自然金)、方鉛礦、閃鋅礦等。

表1 研究區主要矽卡巖型礦床成礦地質特征簡表Table1 Geological characteristics of the main skarn type deposits

3 特征分析法原理

為解釋地質、地球化學、地球物理等區域性多元數據,Botbol (1971)首次提出了特征分析法,隨后許多學者對該方法進行了詳細的研究(Botbol et al.,1978;McCammon et al.,1983;Pan and Harris,1992),目前已趨于成熟,在礦產預測中發揮著重要的作用。該方法總體上屬于“礦床模型法”范疇(趙鵬大等,1993),其應用前提是假設區域上礦床的存在與否是受多種地質因素綜合制約的,即服從地質組合因素控礦定律(肖克炎等,1995)。通過研究模型控礦單元變量特征以查明變量之間的內在聯系,確定各個地質變量的成礦和找礦意義,建立起某種類型礦床資源體的成礦有利度類比模型,然后將該模型應用到預測區,進而對預測區含礦單元進行圈定(趙鵬大等,1993)。其數學原理與計算方法如下:

3.1 數學模型

設研究區有m個預測變量xj(j=1,2,…,m),n個模型單元,第j個預測變量在第i個模型單元上的取值為xij(i=1,2,…,n;j=1,2,…,m),則其全部取值狀態可用如下矩陣表示:

對每個變量xj賦予適當的權值aj(j=1,2,…,m),代表變量 xj的重要程度,同時對每個單元賦予相應的聯系度 fi(i=1,2,…,n),代表單元的成礦有利度,則它們之間的關系可用如下公式表示(McCammon et al.,1983):

3.2 權系數的確定

特征分析預測模型的實質是一組特征標志的加權線性組合,建立特征分析模型的關鍵是求解變量權系數 aj。確定特征分析預測變量權系數的方法一般有 3種:矢量長度法、乘積矩陣主分量法和概率矩陣主分量法。本次預測過程中筆者采用的是矢量長度法,即平方和法,它的思想基礎是:變量與其他變量的關聯性越強,變量就越重要。用變量之間的匹配系數作為變量之間的關聯性的度量指標,即可確定變量兩兩之間的關聯性。變量k、j之間的匹配系數rkj的計算公式為:

其中,rkj表示第k個變量與第j個變量之間的匹配系數。m個變量兩兩之間的匹配系數構成如下矩陣:

R=X′X=(rkj)m×m

變量與所有其他變量的匹配數構成了一個m維向量,(rj1,rj2,…,rjm)’,該向量的長度

反映了變量 j與其他變量總的匹配程度,可作為變量j的權系數。

3.3 對預測單元成礦有利度進行評價

計算出模型控制區的單元聯系度之后,可以確定模型控制區單元聯系度的變化區間。然后可以用單元聯系度計算公式把所有預測單元的聯系度計算出來,據此可根據單元聯系度的相對大小來推測預測單元可能的成礦規模,并對成礦有利度進行排序,從中優選出成礦有利度較大的預測單元,進而快速圈定找礦預測靶區(堃李等,2009)。

4 預測變量分析與提取

在成礦預測中,預測效果的優劣在很大程度上取決于所選擇的有利找礦信息與礦化的直接和間接的關聯程度。這一方面需要加強礦床成因理論、成礦地質條件、成礦模式等方面的研究,另一方面需要運用數學地質方法對其合理性進行統計分析(趙鵬大等,1993)。本次預測是以區域地質背景及成礦規律的系統分析為基礎,同時結合數學統計分析,對研究區多元有利預測變量進行了分析與提取。最后共確定基礎地質、物探、化探、遙感等有利預測變量19個,分述如下:

4.1 基礎地質變量

(1)地層:研究區含有碳酸鹽巖的地層主要包括寒武系孟月嶺組、大茅組,奧陶系大葵組、牙花組、沙塘組、榆紅組,志留系空列村組、大干村組、靠親山組、足賽嶺組、上石炭統南好組等(陳哲培等,1997)。此外,一些地層由于受侵入巖影響,已發生矽卡巖化及角巖化,也是十分重要的有利找礦信息。

(2)侵入巖:與研究區矽卡巖型礦床有關的侵入巖主要是燕山晚期花崗斑巖、石英斑巖、石英閃長巖、花崗閃長巖、閃長巖等中酸性巖體(脈),為探討上述侵入巖對成礦作用的影響范圍,筆者利用MRAS軟件證據權重模塊對不同緩沖半徑的巖體(脈)與已知礦床(點)的相關程度進行計算,取相關系數 C值最大時的緩沖半徑作為巖體(脈)對成礦作用的影響域,其具體原理及計算過程參見席振等(2013)。結果表明當緩沖半徑為400 m時,相關系數C取最大值為3.5858(表2),大致與研究程度相對較高的紅石矽卡巖型礦床中酸性巖體對成礦的影響范圍相當。

表2 礦床(點)與侵入巖不同半徑緩沖帶相關程度表Table2 Correlation between the deposits and intrusive rocks of different radius buffers

(3)斷裂:研究區NNE向、NNW向及近SN向等次級斷裂與成礦關系密切。如紅石礦床與NNE- NE向狗嶺斷裂帶有關,田獨礦床與NNW向及近SN向斷裂密切相關。為獲取斷裂對成礦作用的影響范圍,利用MRAS軟件對其進行緩沖區分析及相關系數計算,當緩沖半徑為400 m時,相關系數C取最大值為2.4137。

(4)地層組合熵:熵是信息論中度量信息量的一種方法,反映了事物發生的不確定度。一般來說,斷裂構造、巖體接觸帶、地層邊界等地質構造特征越復雜,其不確定度越高,熵值越高(趙鵬大等,1993;陳建平等,2008)。本次研究采用MRAS軟件將研究區MapGis格式的1∶5萬地質圖劃分成1.5 km×1.5 km的網格單元進行地層組合熵計算。從已知礦床(點)分布來看,瓊南矽卡巖型礦床均處于地層組合熵值(40～80)梯度帶上(圖2)。

(5)構造線密度:成礦地質信息有些是顯式的,有些是隱蔽的,對于隱蔽的信息需要通過一定的分析、處理等才能獲得,斷裂構造信息包括斷裂構造等密度、斷裂中心對稱度、斷裂優益度、斷裂交點數等,它們均是屬于較隱蔽的信息,需要通過定量化處理才能被認識(董慶吉等,2010)。本文對研究區構造線密度進行了定理化處理,其值介于0～0.11之間,從礦床(點)與構造等密度圖疊合分析來看,大多位于 0.03～0.07的次高值等密度區域(圖3),這可解釋為等密度最高的地區是成礦后構造發育強烈的地區,對成礦有著破壞作用,而等密度次高值區為成礦提供了相對穩定的環境(董慶吉等,2010)。

4.2 地球物理變量

重磁場信息具有較深的穿透性,能夠用于揭示地殼深部地質構造特征,被廣泛地應用于基礎地質研究和資源評價中(陳永清等,2007)。本次收集了研究區1∶5萬航空磁測資料,精度為±7 nT,采用中國地質調查局發展中心研制的 RGIS重磁軟件對這些航磁資料進行了ΔT等值線繪制、低緯度化極處理、垂向一階導數處理以及航磁異常解譯。

圖2 地層組合熵等值線圖Fig.2 Contour map of strata combination entropy

在航磁ΔT等值線圖(圖4)上磁場具有如下特征:(1)在研究區北西部出現極強的正磁場區,航磁等值線從南至北由稀變密,形式橢圓形,長軸近 NE向,空間位置上與志仲花崗巖體相吻合;(2)在保國農場、千龍、毛感以南,加油南、什龍以北一帶,航磁表現出正負磁場相互過渡的特征,其ΔT等值線變化平緩,多呈NE向展布,與區域沉積地層空間位置和展布方向相一致,磁場強度的降低總體與沉積巖屬于非磁性或弱磁性有關。此外,該區產出的矽卡巖型鐵多金屬礦化未能引起強烈的磁場異常,可能與該區矽卡巖型鐵礦化較弱或含鐵矽卡巖較少,主要仍為弱磁性角巖和非含鐵矽卡巖有關。(3)中部地區以負磁場分布為主,其等值線變化平緩、NNE向展布,是區域上九所–陵水深大斷裂帶的反映。局部地方出現跳躍大、梯度陡且正負磁場交替現象,表現出火山巖地區的磁場特征,與地質特征相符。(4)西南部地區(即大對、六羅、羅葵洞至大田以南區域)總體以正磁場分布為主,局部出現高級、次高級磁異常區,由該區含鐵層位及基性巖所引起。

圖3 構造線密度等值線圖Fig.3 Contour map of linear density for faults

圖4 航磁ΔT等值線平面圖Fig.4 Contour map of ΔT aeromagnetic anomalies

將航磁ΔT等值線進行低緯度化極處理及垂向一階導數處理,結合研究區地質特征及巖石磁性參數進行了航磁異常的解譯及圈定,將解譯的磁性蝕變帶作為有利預測變量,參與成礦預測過程(圖5)。

4.3 地球化學變量

(1)化探元素異常:是一種比較直接的找礦信息,它在很大程度上直接反映了致礦地質異常和礦體的分布(廖崇高,2001)。研究區主要成礦元素有Fe、Cu、Pb、Zn等,次要成礦元素還包括Au、W。為確定對找礦有利的化探單元素異常,筆者首先對研究區 Au、Ag、Cu、Pb、Zn、W、Bi、As、Sb 等9種地表化探單元素異常下限進行了計算,計算過程中采用正態和對數正態逐步截尾法進行異常下限值的確定(劉曉玲和陳建平,2010),并據此圈定出單元素異常的分布范圍。經與已知礦床點對比,前 5種元素,即 Au、Ag、Cu、Pb、Zn的單元素異常與已知礦床(點)吻合情況較好,可作為有利找礦變量。

圖5 航磁推斷地質體Fig.5 Geological bodies inferred by aeromagnetic results

為確定化探相關元素組合,利用SPSS統計分析軟件對上述單元素異常提取的 9種元素進行主成分因子分析。取特征值大于1的前4個主成分因子(累積方差貢獻值達66%)作為最終的綜合因子(表3),并采用方差最大正交旋轉法對初始因子載荷矩陣進行正交旋轉(表4)。9種元素可分為4個綜合因子,即4種地球化學元素組合;F1因子為Cu、W、Mo元素組合;F2因子為Pb、Zn元素組合;F3因子為As、Sb元素組合;F4因子為Au、Ag元素組合,其中,F1、F2、F4均包含有主成礦元素,F1因子可能反映了早期成礦階段的元素組合狀態,而F2、F4主要反映晚期成礦階段的元素組合狀態。

表3 主因子方差貢獻表Table3 Variance distribution of the principal factors

根據因子分析得出的元素組合關系,查找每種元素的異常樣品(即元素含量高于其自身異常下限的樣品)構成元素異常數據表,然后將表中各元素的異常樣品進行標準化,繪制出 F1、F2、F4因子累加組合異常圖(圖6)。

(2)自然重砂:瓊南預測區Fe、Pb-Zn族礦物自然重砂異常與已知礦床吻合較好,其異常的圈定過程中,Fe族礦物自然重砂異常下限值是按98%的累積頻率值確定的,而 Pb-Zn族重砂礦物由于不易保存,故不做累頻計算,出現即圈定為異常。

何況，下雪天，不是孩子的最愛嗎？男孩彼得在冬天的早上醒來，發現雪下了一整夜，目之所及，白雪皚皚。他走出屋子享受雪天的樂趣：把雪堆成雪人天使；在雪地上印下串串腳印；把樹杈上的雪抖落一地……這些哪一件不是孩子們在下雪天愛做的事呢？繪本《下雪天》的故事簡單卻經久不衰，埃茲拉·杰克·濟慈繪制的插圖功不可沒。他用鏤空打孔、水彩上色以及拼貼繪制的方法讓畫面散發著獨特的藝術氣息。

4.4 遙感變量

巖石是由數種或(一種)主要礦物組成,這些礦物均含有各自獨特的光譜特征,圍巖蝕變作為金屬礦床(特別是內生礦床)重要的找礦標志,本身也具有獨特的光譜特征,這是利用遙感信息提取蝕變信息的主要依據(張玉君等,2007;趙少杰等,2011)。遙感蝕變異常信息主要有兩種:羥基蝕變異常和鐵染蝕變異常。前者是由OH-和CO2–3等基團振動產生的異常,后者是由 Fe3+等陽離子電子過程產生的異常(趙少杰等,2011)。研究區內圍巖蝕變主要有黃鐵礦化、褐鐵礦化、綠泥石化、絹云母化、碳酸鹽化等,可大致分為含Fe3+離子礦物及含OH-和CO2–3等基團礦物,是研究區提取礦化蝕變異常信息的基礎。本次收集了1999年11月2日Landsat ETM影像一景,其云層覆蓋少于 5%,沒有重要地物覆蓋,在 ENVI平臺上經水體、植被等掩膜處理后,運用主成分分析法和比值法,提取了研究區的鐵染蝕變異常和羥基異常信息(圖7),并進行緩沖區分析后參與成礦預測過程。

表4 主因子分析矩陣Table4 Principal factor analysis matrix

圖6 研究區元素組合異常圖Fig.6 Element association anomalies in the study area

圖7 研究區遙感蝕變信息提取圖Fig.7 Alteration extracted from the ETM data

5 成礦預測

5.1 網格單元的劃分

在礦產資源評價過程中,統計單元是建立評價區資源特征與多元地質信息的橋梁,也是統計分析的基礎。統計單元劃分方法主要有網格單元法,地質體單元法、物化遙異常單元法。其中,網格單元法劃分的關鍵問題是單元大小的選擇,單元面積越大,不含礦點或含一個礦點的單元數就越少,礦點趨向于均勻分布。反之,趨向于隨機分布。影響網格單元大小的因素可概括為:(1)統計預測研究所要求精度或比例尺大小;(2)研究區地質條件復雜程度、礦點數及空間分布;(3)研究區范圍大小及保證統計分析所必須的單元數(趙鵬大等,1993;鄧勇等,2007)。

本次找礦預測比例尺為1∶50000,以1.5 km×1.5 km的網格大小將研究區劃分為1936個網格單元,劃分過程中以區內已發現的矽卡巖型礦床(點)為基礎,使網格單元大小與單個礦床面積大致相當,并且使每個單元至多只含有一個礦床(點)。

5.2 特征分析模型的建立

預測工作區內僅發現 6個矽卡巖型含礦單元,存在模型控制單元代表性不足的問題。McCammon et al.(1983)詳細論述了在模型控制單元數較少的情況下建立特征分析模型的方法與步驟,他首先將有礦單元作為模型控制區,運用特征分析法原理對預測變量的權系數及單元聯系度進行了計算,建立起特征分析礦化模型 M1,然后將模型 M1計算的單元聯系度按大小進行分級,選擇聯系度較大、分級較高的單元作為新的模型控制單元(含已知含礦單元),重新建立了新的特征分析模型M2(即廣義礦化模型),用于最終的找礦靶區的圈定,取得了較好的預測效果(楊永華,1988;沈鐳,1990)。

5.2.1 礦化模型的建立

在礦化模型的建立過程中,首先要考慮模型控制單元與預測單元地質環境相似性問題,而相對可以忽略礦床規模的大小(趙鵬大等,1993;McCammon et al.,1983)。因此,本文未考慮礦床的相對規模大小,而主要研究其形成的地質環境與控礦因素等問題。通過前文的分析,矽卡巖型礦床的形成與碳酸鹽巖地層、燕山晚期花崗斑巖、石英斑巖、花崗閃長巖、閃長巖等中酸性巖體(脈)密切相關,主要分布在兩者接觸帶處,它們是形成該類礦床的必要條件。因此,預測工作區內一部分不具備上述條件的區域可以排除在外(圖8空白單元),而主要選擇具上述地層及巖體分布的區域進行預測(圖8彩色單元)。

圖8 礦化模型M1單元聯系度分級圖Fig.8 Classification of degree of match for cells of mineralized model M1

以 6個含礦單元為模型控制單元,利用 MRAS軟件提供的平方和法求出 19個預測變量的權系數,建立起礦化模型 M1,用該模型計算出網格單元的聯系度 f值,并按單元頻數及聯系度大小進行分級(表5),1級表示單元聯系度最低,6級表示單元聯系度最高。

5.2.2 廣義礦化模型的建立

取礦化模型M1中聯系度f≥4級的26個單元(包括 6個已知含礦單元),利用平方和法重新進行 19個變量權系數的計算(表6),建立礦化模型M2,并利用新模型再次對網格單元的聯系度 f進行計算,據此推斷各網格單元可能的成礦規模,并通過設定合適的閾值,圈定成礦遠景區。根據成礦地質條件與已知礦床(點)的分布關系,選取單元聯系度 f≥0.6作為閾值,圈定出4個一級找礦預測區(A1、A2、A3、A4)、2個二級找礦預測區(B1、B2)和 2個三級找礦預測區(C1、C2)(見圖9)。

表5 礦化模型M1特征權計算的預測單元聯系度f頻數分布Table5 Frequency distribution of degree of match for cells based on mineralized model M1

圖9 研究區成礦潛力預測圖Fig.9 Potential prospecting area in Southern Hainan Island

表6 礦化模型M1、M2各預測變量權系數Table6 Weights of variables for mineralized model M1 and M2

(1)A1區:該區是紅石礦床所在地,地層、構造、巖漿三者有利的配置控制著矽卡巖型礦床的產出。區內出露的地層均含有碳酸鹽巖層位,包括志留系空列村組、足賽嶺組、石炭系南好組,發育NNE向為主的構造帶,它們是巖體(巖脈)侵位的重要通道,燕山期侵入巖呈面狀和脈狀侵入到地層中。此外,尚發育Au-Ag、Cu-W-Mo元素組合異常,Pb-Zn、Fe自然重砂異常、航磁推斷磁性蝕變帶以及遙感羥基蝕變異常,不僅具有較好地成礦地質條件,也具有眾多的找礦標志。

(2)A2區:產出有情安嶺、南后山、南好 508三個矽卡巖型礦床,構造位置上處于 NNE向狗嶺斷裂帶的中部地區,斷裂構造非常發育。出露的有利地層有志留系靠青山組、足塞嶺組和石炭系南好組,侵入巖主要為不規則侵入的燕山晚期花崗巖脈、石英斑巖脈等。具有不同程度的Au、Ag、Cu、Pb、Zn等化探單元素異常和大面積的 Pb-Zn、Fe自然重砂異常。從航磁及遙感解譯結果來看,發育有磁性蝕變帶、鐵染蝕變異常及羥基蝕變異常。

(3)A3區:該區位于狗嶺斷裂帶東段,與A1、A2屬同一構造帶,遙感解譯NNE向及近SN向構造發育,成礦有利地層奧陶系大干村組、靠青山組、空列村組及足塞嶺組大面積分布,燕山期花崗巖、花崗斑巖脈呈不規則脈狀侵入到上述地層中,構成有利的成礦地質條件組合。不僅 Pb-Zn、Au-Ag元素組合異常發育,Pb-Zn、Sn自然重砂異常也呈大面積分布,遙感解譯環形構造發育,可能是深部有侵入巖的反映。此外,尚解譯出小面積的羥基蝕變異常出露。

(4)A4區:該區位于三道–晴坡嶺–荔枝溝復式倒轉向斜的南東翼,是田獨矽卡巖型礦床所在地,發育與復向斜褶皺軸走向相同的NNE向斷裂,大面積出露孟月嶺組、大茅組、大葵組,花崗巖體呈巖株狀侵入于預測區中部,并且除田獨礦區外,尚在東部地區發現多處矽卡巖產出。發育有Au-Ag組合元素異常、Fe自然重砂異常,處于地層組合熵值梯度帶中,航磁推斷有磁性蝕變帶。

(5)B1區:遙感解譯有一大型的NNE向右型走滑斷裂穿過預測區,出露的地層有空列村組、靠青山組、足賽嶺組、南好組。發育有 Pb-Zn元素組合異常以及 Pb-Zn自然重砂異常,航磁及遙感解譯發育有小面積的磁性蝕變帶和羥基蝕變異常。需要說明的是,該區尚未發現明顯的侵入巖分布,但不排除深部有侵入巖的可能。

(6)B2區:與A4區位于同一構造帶上,NNE向構造發育,成礦地質條件相似。奧陶系沙塘組、榆紅組地層大面積出露,不規則狀花崗斑巖呈面狀和脈狀在預測區中心侵入,具備成礦的地質基礎。具Fe族礦物自然重砂異常,遙感解譯有羥基和鐵染蝕變異常,具備一定的找礦潛力。

(7)C1區:構造位置上處于三道–晴坡嶺–荔枝溝復式倒轉向斜的軸部位置,NNE向構造發育,出露有奧陶系牙花組地層,晚白堊花崗斑巖呈巖株狀狀侵入,產出有荔枝溝鉛鋅礦床,且區內已多處發現具有直接找礦標志的矽卡巖。具有Pb-Zn組合元素異常,航磁及遙感解譯發育有磁性蝕變帶和羥基蝕變異常。

(8)C2區:它位于三道–晴坡嶺–荔枝溝復式倒轉向斜的北東端,發育 NNE向和近SN向斷裂,出露地層有寒武系大茅組和奧陶系沙塘組,未見明顯侵入巖分布,有矽卡巖產出。航磁解譯有磁性蝕變帶,遙感解譯發育鐵染蝕變異常和羥基蝕變異常,可能由熱液活動所引起。此外尚發育遙感解譯環型構造,可能是深部具侵入巖活動的反映。

6 結 論

經過多年的找礦勘查工作,瓊南地區積累了大量的基礎地質資料。本文應用MRAS平臺特征分析模塊首次將這些資料進行了詳細分析與綜合處理,圈定出瓊南矽卡巖型多金屬礦床找礦預測靶區,取得了良好的預測效果,形成如下認識:

(1)基于 GIS技術的成礦預測徹底改變了傳統成礦預測的方法體系,能夠將大量的找礦信息進行關聯與綜合,并可以實現從地質找礦模型到數學模型的轉換,提高了成礦預測的效率和數據綜合利用的程度。

(2)應用特征分析法進行成礦預測,關鍵在于對研究區成礦地質背景、控礦因素以及有利找礦信息進行歸納與總結。其預測的可靠性在于特征分析模型的建立是否合理,以及模型單元的選擇是否具有代表性。

(3)本文利用 MRAS系統分析和提取了包括地質、物探、化探、遙感在內的19個有利預測變量,并應用特征分析模塊進行了變量的綜合處理與成礦預測。圈定出了4個A級找礦預測區,2個B級找礦預測區和2個C級找礦預測區,已知礦床(點)均分布在預測異常區內,表明預測結果具有較高的可信度。其中,4個A級找礦預測區不僅具有良好的成礦地質條件,也具有眾多直接和間接的找礦標志,應作為以后優先安排找礦勘查的區域。

致謝:研究過程中得到了海南省地質調查院周慧文、吳小潔等同志的極大支持和幫助;中國地質科學院礦產資源研究所肖克炎研究員和另一位匿名審稿專家為本文的修改提出了建設性的意見。在此一并表示感謝！

陳永清,夏慶霖,黃靜寧,陳建國,李建國.2007.“證據權”法在西南“三江”南段礦產資源評價中的應用.中國地質,34(1):132–141.

陳哲培,鐘盛中,何圣華,陳貽川.1997.海南省巖石地層.武漢:中國地質大學出版社:1–128.

陳建平,陳勇,王全明.2008.基于GIS的多元信息成礦預測研究——以赤峰地區為例.地學前緣,15(4):18–26.

鄧勇,邱瑞山,羅鑫.2007.基于證據權重法的成礦預測——以廣東省鎢錫礦的成礦預測為例.地質通報,26(9):1228–1234.

董慶吉,肖克炎,陳建平,叢源.2010.西南“三江”成礦帶北段區域成礦斷裂信息定量化分析.地質通報,29(10):1479–1485.

廖崇高.2001.蘭坪盆地成礦預測中的多源信息定量分析.礦床地質,20(3):292–296.

劉曉玲,陳建平.2010.基于GIS的證據權重法在內蒙古阿魯科爾沁旗地區成礦預測中的應用.地質通報,29(4):571–580.

龍文國,丁式江,馬大銓,林義華,莫位明,周進波.2005.海南島前寒武紀基底組成及演化.地球科學——中國地質大學學報,30(4):421–429.

李 堃 ,胡光道,段其發.2009.基于MORPAS平臺特征分析法的成礦遠景區預測——以個舊西區錫多金屬礦為例.地質科技情報,28(4):65–70.

盧作祥,佘宏全.1989.國內外層控改造型金銻鎢綜合礦床的成礦特征與成礦機理.地質科技情報,8(1):59–65.

廖香俊,王平安,丁式江,黃香定,董法先,劉曉春,雷偉志.2005.海南島主要成礦系列與礦床成礦規律研究.地質力學學報,11(2):187–194.

呂鵬,朱鵬飛,畢志偉,陳建平.2011.基于GIS和證據權模型的克什克騰旗有色金屬成礦預測與評價.地質與勘探,47(5):909–917.

沈鐳.1990.特征分析法在廣西南丹芒場錫——多金屬礦田隱伏礦床預測中的應用.地質找礦論叢,5(4):80–89.

肖克炎,孫建和,晉佩東,王仁鐸.1995.特征分析問題與對數線性模型研究及其應用.地球科學——中國地質大學學報,20(2):185–190.

席振,高光明,林騰.2013.基于GIS和證據權法的秘魯中南部成礦預測研究.大地構造與成礦學,37(2):340–349.

許德如,肖勇,夏斌,蔡仁杰,候威,王力,劉朝露,趙斌.2009.海南石碌鐵礦床成礦模式與找礦預測.北京:地質出版社:16–17.

楊永華.1988.特征分析模型構造原理.長春地質學院學報,18(1):100–110.

趙鵬大,胡明亮,李紫金.1993.礦床統計預測.北京:地質出版社:198–209.

趙少杰,錢建平,陳宏毅.2011.遙感線性構造分形統計和蝕變信息提取在桂東地區金鉛鋅錫多金屬成礦預測中的應用.大地構造與成礦學,35(3):364–371.

張玉君,楊建民,姚佛軍.2007.多光譜遙感技術預測礦床資源的潛能——以蒙古國歐玉陶勒蓋銅金礦床為例.地學前緣,14(5):63–70.

Botbol J M.1971.An application of Characteristic analysis to mineral exploration—Proceedings of 9thInternational Symposium on Techniques for Decision-making in the Mineral Industry.Montreal,Canada:Canadian Institute of Mining and Metallurgy,12:92–99.

Botbol J M,Sinding-Larsen R,McCammon R B and Gott G B.1978.A regionalized multivariate approach to target selection in geochemical exploration.Economical Geology,73(4):534–546.

McCammon R B,Botbol J M,Sinding-Larsen R and Bowen R W.1983.Characteristic analysis—1981:Final program and a possible discovery.Mathematical Geology,15(1):59–83.

Pan G C and Harris.1992.Decomposed and weighted characteristic analysis for the quantitative estimation of mineral resources.Mathematical Geology,24(7):807–823.

Xu D R,Wang Z L,Cai J X,Wu C J,Nonna B C,Wang L,Chen H Y,Michael J B and Monika A K.2013.Geological characteristics and metallogenesis of the Shilu Fe-ore deposit in Hainan Province,South China.Ore Geology Reviews,53:318–342.