中國東北淺覆蓋區地質填圖物化探信息協同輔助技術

趙玉巖，李 兵，陸繼龍，郝立波，趙 禹，王東明

1.吉林大學地球探測科學與技術學院，長春 130026 2.中國地質調查局西安地質調查中心，西安 710054 3.黑龍江省區域地質調查所，哈爾濱 150080

0 引言

我國幅員遼闊，景觀類型多樣。森林、草原、荒漠、沼澤等特殊地質地貌區占陸地面積的1/3以上。東北森林沼澤淺覆蓋區是其中的一種主要類型，分布于大興安嶺、小興安嶺、長白山、張廣才嶺和完達山等地區，面積約700 000 km2[1]。該類地區由于植被覆蓋嚴重，隱伏的巖體、地層、構造、礦化等無法直接進行觀察研究(圖1)，通常采用轉石法、槽探法等進行地質填圖工作。傳統的工作方法在精度、效率及經濟角度都存在一定問題，難以滿足現代地質填圖要求。目前，國家層面的地質填圖工作重點已逐步轉向特殊地質地貌區[2-3]，能夠提高上述地區地質填圖效率、精確度和準確度的方法技術將具有重要的應用價值。利用勘查技術方法(物探、化探和遙感)獲得基巖的多種性質信息來輔助填圖，是可行的解決方案。如，物探局部場信息可以反映近地表地質體的地球物理性質，而繼承性較好的土壤則反映了基巖的地球化學特征。基于不同地質體物化探特征的差異，可以實現基巖巖性判別。

國內外學者基于不同勘查技術理論開展的輔助覆蓋區填圖的方法實驗，可以概括為以下幾個方面：1)從上覆土壤對基巖物質繼承性的角度出發，以單元素或多元素背景值、特征元素組合的富集或貧化特征為依據，通過人工對比或采用多元統計分析的方法建立地球化學特征(元素組合特征)與地質體單元的對應關系，通過這些特征完成對整個研究區巖性分布的推斷[4-10]。2)基于不同地質體存在物性特征差異的前提假設，通過建立重力、磁性或放射性等物性特征與基巖巖性的對應關系，實現巖性判斷。其中，磁法由于廣泛存在面積性數據，且采樣點密集，研究程度相對深入，有如“多頻段磁異常”、“單元特征”等對原始數據進行衍生后增加信息量的方法探討[11-15]。3)遙感技術在識別覆蓋區巖性中應用的主要前提是建立基巖巖性-土壤地球化學特征-生化成分-植物葉片成像光譜特征-遙感光譜和波段的關聯關系，然后進行快速、大面積地劃分。目前，遙感技術的傳統優勢仍在于構造的識別[16]。4)由于單方法可能存在的多解性，“綜合方法技術”或“多源數據融合整合”近來成為受關注的手段。目前應用在輔助地質填圖時多表現為在“決策層融合”，即先由被融合的各單方法分別解譯出成果圖件，再由專家根據經驗結合地質判斷，完成取舍，給出結論，尚不能實現在地質體單元劃分時充分利用不同信息以降低多解性或相互印證[17]。

圖1 大興安嶺地區森林沼澤淺覆蓋區地貌Fig.1 Landform of area covered by forests and swamps at Great Khingan

上述各技術手段在實現巖性判別以輔助地質填圖時，采用的根本思路多是分類(或識別)，即通過判別指標實現地質體單元的劃分或識別。由于地質情況的復雜性，一個(套)指標在實現兩三類地質體判別時擁有較高的準確度，而在實現較多地質體單元判別時準確度難以保證。選用多套指標是常用做法，這種做法可能在多元空間內造成信息冗余：假設地質體A和B在指標組合1上存在明顯差別，地質體B和C在指標組合2上存在明顯差別，地質體C和D在指標組合3上存在明顯差別，……，如果把所有指標組合(指標組合1, 2, 3，…)都疊加起來組合成一套更大的指標體系，那么，多元空間信息的冗余會導致分類效果的迅速降低，如地質體A和B在指標組合1上的差別會被多元空間的其他維度拉近，從而降低分辨率甚至最終失去判別的意義。針對上述困難，本文提出協同利用物化探信息、多步判別、逐步聚類的解決方案，即從一個研究區所有地質體單元的宏觀特點出發，每一步僅針對擬識別地質體單元的特點選擇物化探特征參數進行判別分析，把確定的地質體單元(組)從整體統計數據中拆分開，逐步分級，細化分類，逐層逼近，從而實現有針對性的巖性劃分，以達到提高精確度和準確度的目的。

關于物化探特征的聯合使用，作者認為這2種信息的特征是地質體單元不同性質的表現，它們產生的機理存在根本差異，本文中將不討論2類信息的對應關系而重點研究這2類信息的協同利用，使之在地質體識別中發揮各自的優勢。

地質填圖面積性工作的特點決定了用來輔助地質填圖的勘查技術方法的數據應是面積性數據。很明顯，區域化探數據滿足上述要求，而且有公開的由“區域地球化學掃面計劃”獲得的覆蓋全國的化探數據可供使用。常規物探方法包括重力、磁法、電法、地震和放射性等。其中，航磁數據覆蓋面廣、采樣密度高，地質研究的重點區域和成礦區帶也已基本覆蓋。所以本文將探討如何利用化探、航磁這2種數據的二次開發來輔助淺覆蓋區地質填圖，這從經濟角度考慮也是很有價值的。

1 基本步驟

1∶25萬區域化探數據的特點是分析指標多，有39個指標，但采樣密度較低，2 km×2 km采一個樣；1∶5萬航磁測量數據的特點是采樣密度較高，每平方公里約150個測量點，但每個測量點只有一個指標，即剩余磁異常(ΔZ)。為了將2種信息協同使用，需分步解決如下問題：1)物化探采樣單元(統計單元)的統一；2)將統計單元內航磁數據轉化為多個特征參數；3)統計單元內篩選化探指標并構建其特征參數；4)采用分類及判別的方法逐步實現地質體單元類型的判別。據此，可將本文數據處理的基本步驟總結為圖2。下面將分別介紹物化探特征的構建方法和基于這些特征的地質單元逐步識別方法。

2 物化探特征的構建方法

2.1 統計單元的建立

已知航磁數據采樣密度遠大于化探數據，本文采用的方法是將化探單個采樣點代表的區域面積設定為統計單元，航磁數據按此單元劃分并分別統計計算。1∶25萬比例尺的區域化探測量是每2 km×2 km測試1件樣品，對應的面積內有約150個航磁數據ΔZ(1∶5萬比例尺數據)。可以將研究區內物化探數據按照2 km×2 km方格劃分為網格單元，每個單元內化探樣品的位置作為新特征數據的坐標，每個單元內有39個化探指標和約150個航測數據，下一步分別將這些數據構建成特征參數，即在形式上實現了對研究對象的統一(圖3)。

2.2 物探數據轉化為特征參數

航磁方法的優勢在于其具有穿透性，用于地質體識別時不受覆蓋區景觀條件的限制。由于組成礦物的差異，不同巖石會表現出不同的磁性特性。磁性特征表現在單點級別上是ΔZ數值的變化，宏觀表現則是區域磁場特征的變化。地質體單元之間的特征差別是識別基巖類型的依據。從巖類的角度看：大多數沉積巖幾乎不含鐵磁礦物，它們通常具有最弱的磁性；巖漿巖從酸性到堿性，具有逐漸增多的鐵磁性礦物含量，因而有逐漸增強的磁性；變質巖由于其母巖組成的原因而表現出較為復雜的磁性特征。巖石磁性特征主要受巖性和時代的控制。從地質體類型的角度看：多數情況下，古老的地臺會表現出“無方向性的寬緩的正異常”的特征；褶皺區通常表現出“具有明顯方向性的正負交替的條帶異常”的特征；花崗巖地帶是“中等或弱磁性”，其磁性與巖石的成巖年齡成反比；玄武巖地區是“以高值為特點的變化大的磁異常，有跳變異常”；沉積巖區表現為“穩定的弱異常”。因此，可以通過建立統計單元內帶有地質意義的ΔZ統計參數來定量描述物探特征。

圖2 物化探數據處理流程圖Fig.2 Flow chart summarising the method of data processing

圖3 單個統計單元內物化探數據轉化為特征參數示意圖Fig.3 Geochemical and geophysical data and parameters generated from them in one sampling unit

地質填圖工作研究的是地表附近的地質體信息，而航磁信息反映從居里面至地表數十千米范圍內的所有地質體的磁場疊加場，它們客觀上也是不對應的。因此，需要先對航磁數據進行場分離處理，獲得局部場數據以進行下一步研究。由于區域場為低頻信號，局部場為高頻信號，通過數學計算將局部場分離出來是可行的。目前，實現場分離的數學方法有很多，如解析延拓、匹配濾波、小波變換和切割法等[18-20]。其中切割法可以將距離較近磁性體單元的局部異常較好地分離開來，非常適用于巖性劃分研究。因此，本文選用切割法[21]進行了區域場和局部場的分割。切割因子構建方法如下：

設切割半徑為R，測量值為z=z(x,y)，Q為計算確定的區域場，則切割因子為

其中：

z(x,y+R)+z(x,y-R)]，

a=b+c，

Δzx=z(x+R,y)-z(x-R,y)，

Δzy=z(x,y+R)-z(x,y-R)。

在多次連續切割之后，當計算的區域場非常接近真實值時(小于設定的誤差值)，就可以將它作為區域場(背景場)。從測量數據中減去該值可以獲得局部場。然后，利用局部場分別對每個統計單元進行特征統計計算即可得到全區各單元的特征參數表。本文使用的航磁特征參數列于表1。

2.3 化探數據轉化為特征參數

化探信息能夠用于識別基巖類型的關鍵因素是研究區風化產物(土壤)與母巖(基巖)成分之間需具有明顯的相關性。高寒氣候導致東北森林沼澤淺覆蓋區的風化作用以物理風化為主、化學風化為輔。該區土壤中含有相當多的殘留造巖礦物，如長石、石英、黑云母等。元素組成因子分析結果[22]表明，土壤相對基巖造巖元素的組成沒有明顯變化，并且主要造巖元素的組合特征基本一致，證明了土壤對基巖組成的繼承性。因此，在該類地區通過土壤組分來識別基巖類型是可行的。此外，土壤與其基巖之間的位移距離也是不容忽視的。土壤位移過大，會影響識別精度。研究結果[22]表明，在坡度小于25°的情況下，東北森林沼澤淺覆蓋區內土壤相對于基巖的位移一般小于200 m(表2)，能夠滿足編制用于輔助填圖的推斷解釋地質圖的需要。明確了上述關系，就可以以土壤指向母巖，根據土壤的組成完成基巖的判別。

表1 航磁特征參數表

表2東北森林沼澤淺覆蓋區土壤相對于基巖的位移統計

Table2SummarycharacteristicsofthedistancefromweatheringresiduetotheirbedrockatshallowoverburdenareainNortheastChina

注：據文獻[22]。

構建化探特征參數的思路是，從化探數據二次利用的思路出發，基于區域化探39種指標來構建組合指標，組合指標應在不同巖性間存在較明顯的差別。如：常見超基性巖石的酸度低，堿度低，但鐵、鎂含量高；碳酸鹽巖酸度低，鈣含量高；泥巖砂巖等則以硅鋁含量高為特點。因此，地球化學特征指標應當包括巖石化學參數中常見的酸度、堿度、鋁飽和度等，也可以包括稀土元素、微量元素組合、個別造巖元素等在不同巖性間有區別度的參數。本文構建的化探特征參數列于表3。

2.4 特征數據的標準化

依據表1和表3的描述，可以通過編程計算出研究區所有統計單元的物化探特征參數，并將所有參數構建到一個新數據表中，令參數為列、樣品為行。但是，還不能直接將這個參數表用于判別分析；這是由于，不同參數數量級的差異可能造成權重不同，有的參數可能失效。因此，這些新參數需要進行標準化或正規化。本文研究中采用如下標準化方法：

Xij=(xij-xi)/Si。

式中：Xij是輸出的標準化結果；xij是第i行和第j列中的數據；xi是第i列的平均值；Si是第i列的方差。

標準化之后的數據可用于樣品的逐級分類研究。對于上述所有計算步驟的Matlab語言程序代碼，讀者可聯系作者索取使用。樣品分類計算可采用K均值聚類分析方法，該算法能指定分類數量，是一種高效、可伸縮的經典算法。本文采用Minitab 軟件中的K均值聚類模塊進行計算。

3 基于物化探特征的地質單元逐步識別

在給定的研究區，地質體的種類一般為十幾類(或二十幾類)左右，在這樣較小的范圍內，由于其地質作用背景基本相同，巖性識別是容易的。通過3個層次的分類，每層劃分2～4類，就可以實現不超過30類巖性的劃分。

第一層次的分類應當是巖漿巖、沉積巖和變質巖(以下簡稱三大巖)的分類。通常情況下，三大巖的區別表現在成分和物性等的各個角度，分類特征明顯。在這一分類層次，首先應當結合研究背景推測研究區超基性巖存在的可能性，如果有，需要首先利用航磁特征和Mg、Fe含量識別出超基性巖。第二步，利用航磁特征和化探特征把三大巖類的數據分開，特征參數的選擇需要根據研究區地質背景確定。也可以嘗試基于航磁特征劃分三大巖類，通過分類數據的重心距離和已知地質情況判斷分類結果的正確性，如果結果正確則進行下一層次。即使不能正確地分為3類，通常也能識別出巖漿巖區域，可以采用化探特征進一步劃分沉積巖和變質巖。

表3 化探特征參數表

完成上述第一層次的分類之后，可以得到巖漿巖、沉積巖和變質巖3類數據。對這3類數據分別進行進一步分類。1)關于巖漿巖數據的進一步分類。成分類似的侵入巖和噴出巖是無法通過化探特征區分的，而它們的磁性特征有較大差異。因此，可以考慮首先嘗試用化探特征進行分類，如酸度、鈣度、稀土等參數。再進一步觀察每一子類的物探特征： 如果相似就不再分類；如果不同，則用物探特征進行第三層次的分類，區分出侵入巖和噴出巖，或產于不同時代的類似巖性。這樣可以基本實現巖漿巖數據的分類。2)關于沉積巖數據的進一步分類。應當首先利用化探特征把碳酸鹽巖和鋁硅酸巖2類巖石分開，如選用參數X(CaO+MgO)和X(SiO2+Al2O3)，然后再進一步利用物探特征把鋁硅酸巖數據分為陸源沉積巖、火山-沉積碎屑巖等2類數據。3)關于變質巖數據的進一步分類。當前研究針對面積較大的區域變質，區域地球化學數據在數據精度上無法實現其變質類型的研究。在區域變質作用過程中，巖石的主要造巖元素相對其母巖基本保持不變。由于已經把三大巖數據分別單獨處理，也就避免了進一步分類時與其他2類巖石中成分相似巖類的混淆。所以，變質巖的進一步劃分應當依據主要造巖元素的特征進行分類。

由于分類手段只是實現巖性識別的工具，任何階段分類結果的正確性都需要研究人員結合已知地質情況分析判斷其正確性，只有認為當前分類層次的結果合理了才能進行下一步的分類。由于地質情況的復雜性，不能把所有工作簡單機械的委托計算機完成。這也是無法給出“逐步分類判別”標準步驟的根本原因。

在完成所有樣品的分類之后，就可以制作研究區的地質體單元分類圖。進一步工作是將各類轉換為地質體單元名稱。分類結果只代表某些樣品屬于同一類，要確定其代表的地質體類型，需要建立分類與地質體(或巖性)之間的對應關系。確定某類樣品對應的地質體名稱有如下幾個途徑：1)采用包括了該分類位置地質報告(前人研究資料)中的野外描述；2)結合該分類的物化探特征估計可能的地質體類型；3)下一步地質工作中，在交通方便利于施工的地方槽探觀察。

通過上述工作獲得的圖件僅可稱作推斷解釋圖，是不能代替地質圖的。在正式的野外工作開始之前獲得該圖件，可以參考其布置野外工作的重點和路線。如在不確定巖性地質體上易于工作的位置布置少量槽探坑探，面積較大、確定的地質體可以少安排野外路線工作，而把精力關注在巖性邊界或特殊地質體位置。由于每個研究區的地質情況不同，規定出標準的分類步驟和參數是不科學的，實際工作中需要根據地質體的根本特點進行調整，如忽略不存在地質體類型的判別步驟。顯然，參數選定和分類結果確認都需要較為熟悉該研究區地質背景的科研人員來完成。

4 實例分析

4.1 地質概況及數據分析

本文以黑龍江省大興安嶺某地區為研究區進行試驗研究。該區位于大興安嶺火山巖帶、上黑龍江盆地、北興安地塊和興華地塊的交界地帶[22]，面積約為8 000 km2，主要地質體可分為古元古代巖漿巖、古生代花崗巖、中生代火山巖和沉積巖等，巖石類型包括正長花崗巖、花崗閃長巖、二長花崗巖、玄武巖、安山巖、英安巖、流紋巖、凝灰巖、礫巖、砂巖、泥巖等。該地區地質露頭少，植被覆蓋嚴重，是典型的森林沼澤淺覆蓋區。研究區幾乎完全被土壤和植被覆蓋，相對高差小于200 m，腐殖質層和殘余礫石層的厚度一般大于2 m(部分地區可達3 m)。由于覆蓋影響嚴重，在國土資源大調查工作之前，該區的地質研究程度較低，當時的地質簡圖如圖4所示。

1.第四系；2.中生代火山巖；3.中生代沉積巖；4.古生代花崗巖；5.古元古代巖漿巖；6.古元古代變質巖；7.中基性巖體；8.斷裂；9.地名。圖4 研究區地質簡圖Fig.4 Geological map of the study area

本文研究使用的區域地球化學數據來自區域化探全國掃面計劃[23]。樣品主要為在草層或腐殖質層下的土壤，樣品數為1 973，采樣密度為1點/(4 km2)。比例尺為1∶25萬(圖5)。每個樣品分析39種指標，包括Ag、As、Au、B、Ba、Be、Bi、Cd、Co、Cr、Cu、F、Hg、La、Li、Mn、Mo、Nb、Ni、P、Pb、Sb、Sn、Sr、Th、Ti、V、W、Y、Zn、Zr、Al2O3、CaO、Fe2O3、K2O、MgO、Na2O、SiO2和Rb。樣品分析測試嚴格，分析質量可靠[23]。

航磁數據是通過20世紀80年代由黑龍江省地質局物探大隊實施的航磁數據調查項目獲得的，比例尺為1∶5萬[24]。航磁測量的線距為200 m，點據為5 m，飛行高度為120 m。研究區磁傾角為11°51′，磁偏角為69°23′，共使用209 740個數據點(圖6)。統計結果表明，磁異常值的范圍為-3 498～7 257 nT，中值為127 nT，平均值為157 nT，標準差為238，方差為56 851。

4.2 統計單元劃分與特征參數提取

以研究區區域化探樣品的采樣密度為標準，設置單元網格，網格尺寸為2 km×2 km，每個網格內有1個化探樣品的39個指標，以及約150個航磁ΔZ數據(圖5)。根據表1和表3描述的特征建立方法，建立統一的特征參數統計表，其格式如表4所示(數據量太大，只舉例列出)。

4.3 逐級分類

根據已有的地質資料分析，研究區內沒有較大面積的基性-超基性巖出露，將不再嘗試識別基性超基性巖。因此，樣品第一層次分類的目標是將巖漿巖類與沉積巖等其他巖類樣品分開。采用2種指標分別進行分類試驗：一是采用磁異常眾數、磁異常寬度、磁異常變化頻率、磁異常峰度和磁異常偏度等地球物理特征指標進行分類；二是上述地球物理特征指標和酸度、鋁含量、鈣鎂含量等幾個地球化學特征指標聯合進行分類。為了驗證分類效果，將分類數分別設為2類、3類和4類。在所有分類結果中，位于研究區中部的一批樣品總是被分為一類。據此，可以判斷這類樣品在物理性質和化學性質上與全區其他樣品有明顯區別，它們可以首先被確認出來。結合地質資料判斷，這類樣品應屬于巖漿巖類。而其他樣品在各種分類方案中，則難以發現類型穩定的趨勢。因此，在當前分類參數下的沉積巖類或其他巖類無法被區分開，需要在下一步的研究中進行劃分。所以，樣品第一層次的分類結果是：能夠明顯將巖漿巖類和非巖漿巖類分開(圖6)。在Excel表中將2類數據進行篩選、分別存入不同的數據文件，分別記為A和B。

針對上一步篩選產生的2類數據：巖漿巖類數據(A)和非巖漿巖類數據(B)，分別進行進一步分類。根據已知的地質資料(圖4)，本區巖漿巖主要為古生代花崗巖和古元古代巖漿巖，這2類巖石在形成時代上有較大差異；因此，在數據A的進一步分類中將這2類樣品分開。由于區內巖漿巖較為古老，磁異常變化頻率和寬度的差異不太明顯，而酸度等在相同巖石類型、不同巖相間的差異大于這兩大類巖石之間的差異；故選擇一些特征明顯的參數用于分類研究，包括：磁異常眾數、堿度、X(CaO)、X(B)、X(Be)、X(Ba)、X(Li)、X(V)、X(Ti)、X(Ni)、X(Cr)等。利用上述指標，采用K均值聚類分析方法，將巖漿巖類樣品分為古元古代巖漿巖和古生代花崗巖2類(圖7)，其分布都相對集中，也符合已知地質資料和地質常識。在Excel表中將2類數據進行篩選、分別存入不同的數據文件，分別記為A1和A2。非巖漿巖類數據(B)代表了區內的中生代火山巖類、中生代沉積巖類等地質體。考慮到區內火山巖和沉積巖的磁性特征差別不明顯，而其化學組成差異較大，因此，選擇用于分類的參數為磁異常眾數和地球化學特征參數，包括：X(Al2O3)、X(CaO+MgO)、X(Al2O3+SiO2)和X(B)、X(Be)、X(Ba)、X(Li)、X(V)、X(Ti)、X(Ni)、X(Cr)等。利用上述指標，采用K均值聚類分析方法，將樣品分為中生代沉積巖和中生代火山巖2類(圖8)。在Excel表中將2類數據進行篩選、分別存入不同的數據文件，分別記為B1和B2。

在完成A1、A2、和B1、B2的數據準備之后，開始第三個層次的樣品分類研究，這一部分包括對古元古代巖漿巖類(A1)、古生代花崗巖類(A2)、中生代沉積巖類(B1)和中生代火山巖類(B2)的進一步分類。

古元古代巖漿巖類(A1)的分類結果如圖9所示。研究區古元古代巖漿巖以和花崗閃長巖為主，因此，在選擇分類參數時，主要采用巖石化學參數及微量元素指標，包括酸度、堿度X(CaO)、X(Al2O3)

空白位置無數據。圖5 研究區樣品位置和單元劃分Fig.5 Location of geochemical and geophysical samples and description of units

以及X(B)、X(Be)、X(Ba)、X(Li)、X(V)、X(Ti)、X(Ni)、X(Cr)等。

古生代花崗巖類(A2)的分類結果如圖10所示。研究區古生代花崗巖發育面積較大，巖石類型以正長花崗巖和二長花崗巖為主，分布時代為奧陶紀和石炭紀。將樣品同時劃分2個時代和2種巖石類型需要4個維度，可能導致分類結果不確定性增加；因此，在這一步，僅將樣品根據時代劃分為奧陶紀花崗巖和石炭紀花崗巖類2類，劃分依據采用地球物理特征參數。需要指出的是，在多次嘗試分類過程中，圖10中淺黃色的一類樣品始終獨立存在，結合地質知識判斷，這類樣品的位置是沉積巖(或火山巖)類和花崗巖類的邊界位置，應為深部花崗巖類上覆沉積巖(或火山巖)的復合結構。因此，在本類細分研究時它們的磁性特征與沉積巖、火山巖和花崗巖類均不同。由于處于2類地質體的邊界附近，風化的土壤也繼承了邊界附近2類地質體的特點而變得復雜。所以在圖10中，以淺黃色標記的一類樣品屬于邊界附近的特殊樣品，這類樣品在最終解譯時應根據其接觸的地層類型進行歸類。

表4 研究區部分物化探特征數據

圖7 巖漿巖類樣品(A)分類圖Fig.7 Sample classification of magmatic rocks

圖8 非巖漿巖類樣品(B)分類圖Fig.8 Sample classification of non-magmatic rocks

圖9 古元古代巖漿巖類(A1)分類圖Fig.9 Sample classification of Early Proterozoic magmatic rocks (A1)

圖10 古生代花崗巖類(A2)分類圖Fig.10 Sample classification of Paleozoic granite (A2)

圖11 中生代沉積巖類(B1)分類圖Fig.11 Sample classification of Mesozoic sedimentary rocks (B1)

中生代沉積巖類(B1)的分類結果如圖11所示。研究區中生代沉積巖主要為陸源沉積巖，其進一步分類的主要依據是碎屑組分的粒徑，而沉積巖中某些微量元素的含量與沉積礦物粒徑大小密切相關；因此，采用地球化學特征參數中的X(B)、X(Be)、X(Ba)、X(Li)、X(V)、X(Ti)、X(Ni)、X(Cr)等為指標對中生代沉積巖進行分類。分類結果中，深綠色方塊標記的樣品位置與區內已知的以泥巖、粉砂巖為主的地層位置完全吻合，以淺綠色方塊標記的樣品位置則與區內以礫巖、砂巖為主的地層位置吻合。

中生代火山巖類(B2)的分類結果如圖12所示。研究區中生代火山巖主要為英安流紋巖(英安巖、流紋巖)系列和玄武粗安巖(玄武巖、粗安巖)系列兩大類。這兩大類的主要造巖元素比較接近且均為噴出巖，磁性特征的差別不明顯。因此，選擇其分類依據為X(Ba)、X(Li)、X(Ti)、堿度、X(CaO)、X(MgO+Fe2O3)等巖石化學參數。

圖12 中生代火山巖類(B2)分類圖Fig.12 Sample classification of Mesozoic volcanic rocks (B2)

至此，完成了A1、A2、B1、B2樣品的進一步分類。但是，在古生代花崗巖(A2)的分類結果(圖10)中僅完成了奧陶紀花崗巖和石炭紀花崗巖的時代劃分，還需分別進一步分別進行巖石類型劃分。將奧陶紀花崗巖類數據保存為A2-O，將石炭紀花崗巖類數據保存為A2-C，分別采用巖石化學參數及微量元素指標：酸度、堿度、X(CaO)、X(Al2O3)、X(B)、X(Be)、X(Ba)、X(Li)、X(V)、X(Ti)、X(Ni)、X(Cr)等進行分類。分類結果如圖13、14所示：奧陶紀花崗巖分為奧陶紀正長花崗巖和奧陶紀二長花崗巖；石炭世花崗巖分為石炭紀正長花崗巖和石炭紀二長花崗巖。

圖13 奧陶紀花崗巖類(A2-O)分類圖Fig.13 Sample classification of Ordovician granite (A2-O)

圖14 石炭紀花崗巖類(A2-C)分類圖Fig.14 Sample classification of Carboniferous granite (A2-C)

將上述最終分類結果(圖9、11、12、13、14)合并到一張圖上，得到研究區樣品最終分類圖(圖15)。根據各分類的可能地質體類型進行解譯并進行標注，結果如圖16所示。

4.4 效果分析

圖例同圖9—14。圖15 研究區樣品最終分類圖Fig.15 Final sample classification of the study area

從解譯圖和已知地質信息對比分析來看：1)本文方法是有效的。本文地質體單元劃分結果(圖16)與已知地質信息(圖4)的吻合度較高；且劃分結果更詳細，能為野外地質路線布置和解釋提供較多信息。2)本文方法的分類結果是可靠的。第四系發育的位置基本位于巖性邊界附近的薄弱地帶，而巖性分類結果與之匹配，印證了分類結果的合理性。對A2類樣品進行分類時，圖10中淺黃色一類樣品始終獨立存在。這類樣品的分布位置是沉積巖(或火山巖)類和花崗巖類的邊界位置，應為深部花崗巖上覆沉積巖(或火山巖)的復合結構。根據物化探特征給出的分類結果與地質現象完全吻合。3)解譯圖精確度受地球化學樣品采樣密度的控制，與方法本身無關。本文作為方法驗證的地球化學樣品的采樣密度為1點/(4 km2)，地質體單元解譯的精度受限；如果地球化學信息采用的采樣密度為8～12點/km2的比例尺為1∶5萬的數據，地質體單元解譯的精度將會大幅度提高。4)解譯成果對于野外調查工作具有明確的指導意義。在類似的淺覆蓋區開展填圖工作時，建議可以先制作解譯圖件。野外路線布置時，可以根據分類情況有所側重，如解譯圖中新識別出地質體與2類或多類性質相似地質體的邊界位置；而對于面積較大、可信度較高的同一地質體內部可以較少安排工作，從而提高效率，節約成本。

5 結論

本文提出了采用逐級分類的思想、基于基巖磁性特征及其風化產物的物質成分特征信息對淺覆蓋區基巖巖性進行分類識別的理論和方法，并以黑龍江某典型淺覆蓋區的數據為例進行了方法驗證，結果表明：

1)將區域物、化探數據通過變換，轉化為可以共同使用的特征信息，2類特征指向同一研究單元，有利于降低物探或化探單一方法的多解性，提高地質研究結果的準確度。

2)協同使用物、化探信息，分層次有針對性地選用參數，實現采樣單元逐級分類，并應用于淺覆蓋區地質體識別中，能提高識別精確度，為這類地區的地質填圖提供豐富的信息。

3)本文方法利用已有的區域化探和物探數據，通過數據的二次處理即可得到更多地質信息，經濟成本較低，計算方法簡單，數據處理效率高。

[1] 馬曉陽. 我國東北森林沼澤淺覆蓋區化探異常查證方法技術研究[D]. 北京: 中國地質大學(北京), 2006:1-3.

Ma Xiaoyang. Study on the Techniques and Methods for the Geochemical Anomaly Verification in Swamp-Forest Areas, Northeast China[D]. Beijing: China University of Geosciences (Beijing), 2006: 1-3.

[2] 周飛飛,楊健. 現代地質填圖，走向特殊地質地貌區[N]. 中國國土資源報, 2016-01-26(6).

Zhou Feifei, Yang Jian. Modern Geological Mapping, Towards Special Geological Landform [N]. China Land and Resources News, 2016-01-26](6).

[3] 王濤,計文化,胡建民,等. 專題地質填圖及有關問題討論[J].地質通報,2016,35(5):633-641.

Wang Tao, Ji Wenhua, Hu Jianmin, et al. Geological Mapping for Special Issues and a Discussion on Related Topics [J]. Geological Bulletin of China, 2016, 35(5): 633-641.

[4] Green P M. Digital Image Processing of Integrated Geochemical and Geological Information[J]. Journal of the Geological Society of London, 1984, 141(5): 941-949.

[5] 郝立波,陸繼龍,李龍. 區域化探數據在淺覆蓋區地質填圖中的應用方法研究[J]. 中國地質, 2007, 34(4): 710-715.

Hao Libo, Lu Jilong, Li Long. Method of Using Regional Geochemical Data in Geological Mapping in Shallow Overburden Areas[J]. Geology in China, 2007, 34(4): 710-715.

[6] 徐國志,徐錦鵬,段玲玲.化探資料在地質填圖中的應用[J]. 物探與化探, 2015, 39(3): 450-455.

Xu Guozhi, Xu Jinpeng, Duan Lingling. The Application of Geochemical Data in Geological Mapping [J]. Geophysical and Geochemical Exploration, 2015, 39(3): 450-455.

[7] Kirkwood C, Everett P, Ferreira A, et al. Stream Sediment Ggeochemistry as a Tool for Enhancing Geological Understanding: An Overview of New Data from South West England[J]. Journal of Geochemical Exploration, 2016, 163: 28-40.

[8] 戴慧敏，金鑫，孫中任，等. 大比例尺地球化學方法在地質填圖中的應用[J]. 地質與資源, 2015, 24(1): 33-38.

Dai Huimin, Jin Xin, Sun Zhongren, et al. The Application of Large Scale Geochemical Mapping Method[J]. Geology and Resources, 2015, 24(1): 33-38.

[9] 時艷香，郝立波，陸繼龍，等. 因子分類法在黑龍江塔河地區地質填圖中的應用[J]. 吉林大學學報(地球科學版)，2008, 38(5): 899-903.

Shi Yanxiang, Hao Libo, Lu Jilong, et al. Application of Factor Classification in Geological Mapping in Tahe Area, Heilongjiang Province[J]. Journal of Jilin University (Earth Science Edition), 2008, 38(5): 899-903.

[10] 翁仕明，湯正江，張雷. 用多元素背景值法進行地質單元劃分[J]. 物探與化探, 2006, 30(1): 38-40.

Weng Shiming, Tang Zhengjiang, Zhang Lei. The Application of Multi-Element Background Value Method to the Division of Geological Units[J]. Geophysical and Geochemical Exploration, 2006, 30(1): 38-40.

[11] 劉菁華,王祝文. 地面綜合物探方法在淺覆蓋區地質填圖單元的劃分研究[J].中國地質, 2005, 32(1): 162-167.

Liu Jinghua, Wang Zhuwen. Division Scheme of the Geological Mapping Units in Shallow Cover Areas Based on Ground Integrated Geophysical Methods [J]. Geology in China, 2005, 32(1): 162-167.

[12] 趙玉巖,吳燕岡,郝立波,等. 利用航磁數據識別淺覆蓋區地質體的方法研究[J]. 物探化探計算技術，2008, 30(2): 125-127.

Zhao Yuyan, Wu Yangang, Hao Libo, et al. A Study on Lithologic Identification in Shallow Cover Areas from Aeromagnetic[J]. Computing Techniques for Geophysical and Geochemical Exploration, 2008, 30(2): 125-127.

[13] 孫中任，趙雪娟，賈立國，等. 地面高精度磁測數據在區域地質填圖中應用研究[J]. 地質與資源, 2010, 19(2): 173-179.

Sun Zhongren, Zhao Xuejuan, Jia Liguo, et al. Application of Ground High-Precision Magnetic Measurement in Regional Geological Mapping [J]. Geology and Resources, 2010, 19(2): 173-179.

[14] 賴月榮,韓磊,楊樹生. 高精度磁測在阿勒泰冰磧物覆蓋區地質填圖中的應用[J]. 物探與化探, 2014, 38(6): 1181-1185.

Lai Yuerong, Han Lei, Yang Shusheng. The Rffects of Applying High Precision Magnetic Survey to Geological Mapping in Altay Glacial till Covering Area[J]. Geophysical and Geochemical Exploration,2014,38(6):1181-1185.

[15] 祁光. 重力反演在立體地質填圖中的應用[D]. 長春：吉林大學, 2009:15-22.

Qi Guang. Application of Gravity Inversion for Spatial Geological Mapping [D]. Changchun: Jilin University, 2009: 15-22.

[16] 馬超飛,馬建文,韓秀珍,等. 應用多元數據提取高植被覆蓋地區巖性信息：以湖南黔陽地區為例[J]. 地質科學,2002, 37(3): 365-371.

Ma Chaofei, Ma Jianwen, Han Xiuzhen, et al. Extraction of Lithological Information Using Multi-Data in Densely Vegetated Area: An Example from Qianyang, Hunan[J]. Chinese Journal of Geology, 2002, 37(3): 365-371.

[17] 郭奎成,馬江水,孫廣瑞,等. 淺覆蓋區多源數據融合整合的技術方法[J]. 地質通報，2008, 27(7): 1097-1102.

Guo Kuicheng, Ma Jiangshui, Sun Guangrui, et al. Multi- Source Data Integration Technique in Shallow Cover Areas[J]. Geological Bulletin of China, 2008, 27(7):1097-1102.

[18] 徐世哲,張研,文百紅,等.切割法在路東地區磁異常解釋中的應用[J]. 石油物探，2006,45(3):316-318.

Xu Shizhe, Zhang Yan, Wen Baihong, et al. The Application of Cutting Method to Interpretation of Magnetic Anomaly in Region of Ludong[J]. Geophysical Prospecting for Petroleum, 2006, 45(3): 316-318.

[19] El-Ata A S, EI-Khafeef A A, Ghoneimi A E, et al. Applications of Aeromagnetic Data to Detect the Basement Tectonics of Eastern Yemen Region[J]. Egyptian Journal of Petroleum, 2013, 22(2): 277-292.

[20] 尚世貴.小波變換在磁異常分離中的應用：以安徽廬樅礦集區小包莊鐵礦床為例[J]. 物探與化探, 2014, 38(6): 1119-1123.

Shang Shigui. The Application of Wavelet Transform in the Separation of Magnetic Anomaly: A Case Study of the Lu-Zong Ore District Xiaobaozhuang Iron Deposit, Anhui Province[J]. Geophysical and Geochemical Exploration, 2014, 38(6): 1119-1123.

[21] 文百紅,程方道. 用于劃分磁異常的新方法：插值切割法[J]. 中南礦冶學院學報,1990, 21(3): 229-235.

Wen Baihong, Cheng Fangdao. A New Interpolating Cut Method for Identifying Regional and Local Fields of Magnetic Anomaly[J]. J Cent South Inst Min Metall, 1990, 21(3): 229-235.

[22] 趙玉巖. 區域地球物理地球化學數據在淺覆蓋區地質填圖中的應用[D]. 長春: 吉林大學, 2009:6-11.

Zhao Yuyan. Application of Regional Geophysical and Geochemical Data to Geological Survey in Shallow Overlay Area[D]. Changchun: Jilin University, 2009: 6-11

[23] Xie X, Mu X, Ren T. Geochemical Mapping in China[J]. Journal of Geochemical Exploration, 1990, 60: 99-113.

[24] 黑龍江省地礦局物探大隊. 塔河縣幅1/5萬航磁編圖[R]. 哈爾濱：黑龍江省地礦局物探大隊，1980.

Geophysical Team of Geological and Mineral Bureau of Heilongjiang Province. Aeromagnetic Map of Tahe County at 1∶50 000-Scale[R]. Harbin: Geophysical Team of Geological and Mineral Bureau of Heilongjiang Province, 1980.