摘要：在研究矿床地质特征的基础上，运用矿床统计预测方法和GIS技术，对地质、化探、遥感等成矿信息分析提取，选取有利矿化标志及控矿因素，借助矿产资源评价分析系统Morpas，采用信息量法计算出矿化、断裂构造、地层、遥感、化探异常18个单变量信息，地层组合熵、构造复杂度2个复合变量信息和综合信息量，厘定找矿信息量临界值(3)，进而圈定有利成矿靶区8处，其中3个A级，3个B级，2个C级，提高了预测的准确度和精度，为下一步工程验证提供了科学依据。
关键词：找矿信息量法;定量预测;铅锌矿;成矿靶区
0引言
信息量法属统计学方法，一种简捷有效的综合预测法，它在一定的成矿理论指导下，以地(质)、物(探)、化(探)、遥(感)信息为基础，定量地评价各控矿要素在找矿作用中的权重，以确定有利成矿地段[1]。该理论由E.B.维索科奥斯特罗夫斯卡娅(1968)及N.N恰金(1969)先后提出，赵鹏大院士提出的以矿床统计预测为基础的地质异常成矿预测理论方法发展和完善了综合信息成矿预测理论[2]，此理论是结合我国地质工作的特点，而研究出的具中国特色的矿产预测理论，经过多年的研究和应用，取得了较好的效果。研究区与澜沧老厂同属“三江”银铅锌铜多金属成矿带，矿床是一个火山喷流沉积-岩浆热液叠加的多因复成矿床[3-4];2011年，高建国等对该区做了初步的成矿规律分析与找矿远景评价工作[5]。本次工作在前人研究的基础上运用成矿预测理论对研究区铅锌矿各成矿信息色块图做了统计，计算出综合成矿信息量值和信息量临界值，定量圈定成矿远景区，为进一步工程验证提供了依据。
1研究区地质概况
研究区位于昌宁-孟连裂谷之中，与老厂同属“三江”成矿带(南段)，成矿条件优越[5]。区内(矿化点)主要出露地层为泥盆中上统，下石炭统依柳组下段、依柳组上段，中石炭统与上石炭统。区内断裂复杂，北北东、北东、北西向断裂发育，纵横交错，主要断裂有两条：田坝一阿吾德断裂和三岔河断裂,均为NW-SE向断裂。区内见磁铁矿—黄铁矿矿化、红土型锰矿化，前者主要在勘查区的东部，并受NW-SE向断裂构造的控制与影响。
1.下二叠统景冒组 2.下二叠统回行组 3.上石炭统4.中石炭统 5.下石炭统
依柳组上段6.下石炭统依柳组下段 7.下石炭统南段组上段 8.下石炭统南段组中段
9.下石炭统南段组下段 10.中上泥盆统 11.地质界线 12.实测/推断正断层 13.勘查区范围
图1 三岔河坝子铅锌矿勘查区地质图
2成矿预测模型的建立
综合信息成矿预测是以地质、地球物理、地球化学和遥感信息为基础，从中提取能够反映矿床形成、分布规律的有效控矿信息，并研究分析信息间的相互关系和转换规律，借助数学方法、计算机技术和GIS技术对矿产资源所做的预测和评价工作[2,6]。
2.1信息量法概述
2.1.1信息量法数学原理
某种地质因素及标志对研究对象的作用，可以通过对这些因素和标志所提供研究对象的信息量的计算来评价，及用信息量的大小来评价地质因素、标志与研究对象的关系密切程度，信息量用条件概率计算，但在实际计算中用频率估计概率，采用常用对数[7-9]，
IA(B)=lg(P(A/B)/P(A))=lg((Nj/N)/(Sj/S)) (2-1)
式中，S为控制单元总数，Sj为有标志A的控制单元数;N为控制单元中含矿单元数，Nj为有标志A的含矿单元数。
IA(B)为正，说明对找矿有利;反之，则不利。且值越大，对找矿越有利。
2.1.2单元划分
预测单元划分是资源评价过程中的基础环节，单元类型大小的确定影响了预测评价的精确性。结合实际情况，这里选用网格单元划分法，它是基于数理统计的一种规则划分方法。用于信息量计算的图形原始比例尺为1:10000。因此，在研究区采用250m×250m规格划分单元格[10]。
2.2成矿有利信息分析
(1)地质信息：研究区位于老厂矿床以东，同处昌宁-孟连裂谷之中，属“三江”成矿带(南段)，成矿条件优越。总体上，区内成矿受地层与NW-SE向断裂构造“双重”控制。区内见磁铁矿—黄铁矿矿化、红土型锰矿化，前者主要在勘查区的东部，并受NW-SE向断裂构造的控制与影响(图2)。区内(矿化)点主要出露地层为泥盆中上统，下石炭统依柳组下段、依柳组上段，中石炭统和上石炭统。
图2 勘查区东部见磁铁矿体
(2)遥感信息：分析处理区域TM影像，结果表明研究区与老厂同处于南老环与东西轴向透镜体的交叠部位，线性构造以北东向、北西向为主。线性体等密度和优益度反映了区域内线性构造密度分布的空间特征和数字特征，它是多组断裂交汇和断裂密集程度在一定范围内的反映;对称度异常高值区可以圈定火山机构、侵入岩体和穹窿构造[11]。通过对这些参数进行统计，定量分析了线性构造空间分布规律，然后将其属性图层与矿化信息图层叠加，从而推测不同环形构造中心或边缘，以及线性构造、线环构造交汇处是成矿与找矿的有利部位。
(3)地球化学信息：笔者对研究区做了1/10000土壤测量，通过对3790余件样品Au、Ag、As、Co、Cr、Cu、Ni、Pb、Zn、Mo、Mn 11个元素统计分析，绘制等值线图和综合异常图。根据元素共生组合规律选取主成矿及伴生元素做为主要指示元素并对Pb、Zn、Ag、Cu、Mo异常区进行分析，并与矿化点图层叠加，分析化探异常区与矿化点的关系。
2.3成矿有利信息提取
根据对前面各种有利成矿信息分析，选取有利控矿因素和找矿标志，在研究区内划分的1353个预测单元内分析、提取上述各成矿信息，包括18个单变量：矿化信息(X1)、断裂构造信息(X2)、地层信息(X3～X7)、遥感信息(X8～X13)、化探信息(X14～X18)，2个综合变量：地层组合熵(X19)、构造复杂度(X20)。其中综合变量是将若干单变量用一定的数学表达式有机地组合起来，间接地反映成矿信息特征。
对各变量成矿信息属性特征进行统计，得到如下信息属性分布特征表，如表1所示。
表1 勘查区变量信息属性特征表
| 变量 |
Ni |
Si |
变量 |
Ni |
Si |
变量 |
Ni |
Si |
| X1 |
57 |
57 |
X8 |
30 |
400 |
X15 |
19 |
70 |
| X2 |
7 |
118 |
X9 |
35 |
319 |
X16 |
17 |
51 |
| X3 |
11 |
25 |
X10 |
18 |
401 |
X17 |
9 |
37 |
| X4 |
5 |
21 |
X11 |
23 |
380 |
X18 |
5 |
25 |
| X5 |
36 |
285 |
X12 |
23 |
214 |
X19 |
16 |
199 |
| X6 |
4 |
190 |
X13 |
2 |
26 |
X20 |
10 |
152 |
| X7 |
19 |
187 |
X14 |
50 |
105 |
|
|
|
注：Ni为既含某变量又含矿(化)点信息单元数，Si为含某一变量单元数
2.4信息量计算
勘查区内预测单元总数为S=41×33=1353个，矿(化)点单元总数为57(N)个，利用公式2-1计算各变量信息量，结果如表2所示。
表2 勘查区各变量信息量分布表
| 变量类型 |
变量 |
信息量 |
| Ni/N |
Si/S |
lg[(Ni/N)/(Si/S)] |
| 地质变量 |
1.矿化信息（X1） |
1.0000 |
0.0421 |
1.3754 |
| 2.断裂构造（X2） |
0.1228 |
0.0872 |
0.1486 |
| 3.泥盆中上统(X3) |
0.1930 |
0.0185 |
1.0189 |
| 4.下石炭统依柳组下段(X4) |
0.0877 |
0.0155 |
0.7522 |
| 5.下石炭统依柳组上段(X5) |
0.6316 |
0.2106 |
0.4769 |
| 6.中石炭统(X6) |
0.0702 |
0.1404 |
-0.3013 |
| 7.上石炭统(X7) |
0.3333 |
0.1382 |
0.3823 |
| 遥感变量 |
8.线性体等密度(X8) |
0.5263 |
0.2956 |
0.2505 |
| 9.线性体条数(X9) |
0.6140 |
0.2358 |
0.4157 |
| 10.线性体平均方位(X10) |
0.3158 |
0.2964 |
0.0276 |
| 11.线性体优益度(X11) |
0.4035 |
0.2809 |
0.1574 |
| 12.线性体中心对称度(X12) |
0.4035 |
0.1582 |
0.4067 |
| 13.线性体交点数(X13) |
0.0351 |
0.0192 |
0.2615 |
| 化探变量 |
14.Pb异常区(X14) |
0.8772 |
0.0776 |
1.0532 |
| 15.Zn异常区(X15) |
0.3333 |
0.0517 |
0.8091 |
| 16.Ag异常区(X16) |
0.2982 |
0.0377 |
0.8983 |
| 17.Cu异常区(X17) |
0.1579 |
0.0273 |
0.7615 |
| 18.Mo异常区(X18) |
0.0877 |
0.0185 |
0.6765 |
| 复合变量 |
19.地层组合熵(X19) |
0.2807 |
0.1471 |
0.2807 |
| 20.构造复杂度(X20) |
0.1754 |
0.1123 |
0.1936 |
对表2中各变量信息量的大小进行排序，得到信息量贡献值表3。
表3 勘查区信息量贡献值排序表
| 变量 |
lg[(Ni/N)/(Si/S)] |
| 1.矿化信息（X1） |
1.3754 |
| 2.Pb异常区(X14) |
1.0532 |
| 3.泥盆中上统(X3) |
1.0189 |
| 4.Ag异常区(X16) |
0.8983 |
| 5.Zn异常区(X15) |
0.8091 |
| 6.Cu异常区(X17) |
0.7615 |
| 7.下石炭统依柳组下段(X4) |
0.7522 |
| 8.Mo异常区(X18) |
0.6765 |
| 9.下石炭统依柳组上段(X5) |
0.4769 |
| 10.线性体条数(X9) |
0.4157 |
| 11.线性体中心对称度(X12) |
0.4067 |
| 12.上石炭统（X7) |
0.3823 |
| 13.地层组合熵(X19) |
0.2807 |
| 14.线性体交点数(X13) |
0.2615 |
| 15.线性体等密度(X8) |
0.2505 |
| 16.构造复杂度(X20) |
0.1936 |
| 17.线性体优益度(X11) |
0.1574 |
| 18.断裂构造（X2） |
0.1486 |
| 19.线性体平均方位(X10) |
0.0276 |
| 20.中石炭统(X6) |
-0.3013 |
2.5找矿信息量
选用表3前19位变量做找矿信息量统计，获得找矿信息量等值线特征图，通过多变量成矿有利信息的提取与分析，利用MORPAS评价分析系统作出找矿信息量等值线图(图2)，由图可知，共形成了3条北东向信息量高值区域(1～3)，2条北西向的信息量高值区带(4～5)。其中南部的北西向高值区分布在北西向、近东西向断裂交汇处和下云山一带，3条北东向高值区分布于上合汗珠-三岔河小寨-道班一带。
图3 三岔河坝子铅锌矿勘查区找矿信息量等值线图
3靶区定位预测与优选
3.1临界值的确定
通过综合评价预测单元内找矿信息量值、矿(化)点信息、变量信息之间的关系，将属性统计数据导入Excel获得找矿信息量-单元频数散点图3。由图可知，曲线在横坐标3处出现拐点，3以前曲线急剧减小，尔后趋于平缓。因此，以3为临界值作为预测靶区的下限。勘查区中矿(化)点信息单元共57个，信息量值>3的单元共364个，而57个矿(化)点信息单元均落入信息量>3的单元内，表明单元中57/364×100%=15.7%的单元与矿化单元重合，即在信息量>3的单元内找矿可靠率为15.7%，找矿成功率较高，故认为用此法预测靶区较为合理。
图4 三岔河坝子铅锌矿勘查区信息量-单元频数图
3.2预测靶区级别划分
根据地质资料、蚀变信息、化探异常及找矿信息量，按以下准则将勘查区进行靶区分级，得到靶区分级表
表4 靶区级序表
| 级别 |
信息量下限 |
成矿背景 |
划分依据 |
| A |
3 |
成矿地质条件优越，构造控矿、化探高值区、遥感找矿信息明显 |
矿（化）点十分发育 |
| B |
成矿地质条件、构造控矿较好，化探异常区、遥感找矿信息较明显 |
矿（化）点较发育 |
| C |
成矿地质条件、化探异常、遥感找矿信息一般 |
见有少数矿（化）点或无矿（化）点 |
3.3靶区定位优选
结合信息量、矿化点分布及地质、化探、遥感信息，圈定出8个靶区：3个A类靶区，3个B类靶区，2个C类靶区(图4)。
1)A1靶区：该靶区位于复兴以西，呈北西向狭长条带状分布，处于近东西向和北北西向断裂交汇部位。出露地层为上石炭统、下石炭统依柳组下段、下石炭统依柳组上段和泥盆系中上统，灰岩，火山岩发育。综合信息量值高，套合性较好，该处发现多处矿化点，具有一定找矿远景。
2)A2靶区：靶区位于F2断裂两侧，道班一带，呈北东向带状延F2断裂展布。出露地层为下石炭统依柳组上段，信息量值较高，异常范围较大，受断裂控制明显，找矿潜力较大。
3)A3靶区：靶区位于山岔河小寨西南处，F1断裂以西，呈南北向近椭圆状分布，出露地层主要为下石炭统依柳组上段、上石炭统，信息量值高，异常范围一般。
4)B1靶区：靶区位于工作区北部，上合汗珠附近，整体呈近东西向狭长带状分布，出露地层为中石炭统、上石炭统和下石炭统依柳组上段。信息量值中等，化探显示，此处有Pb高值异常分布，有一定的找矿潜力。
5)B2靶区：靶区位于山岔河小寨附近，F1断裂两侧，呈北西向带状分布，出露地层主要为下石炭统依柳组上段，信息量值中等，异常范围较大。
6)B3靶区：靶区位于工作区中西部，云山村委会一带，呈北西向狭长不规则带状分布，北北西向、北西向和近东西向断裂发育，出露地层为下石炭统依柳组上段。信息量值较高，异常范围大，见有多处Pb异常分布，具有一定找矿潜力。
7)C1靶区：靶区呈北西向近椭圆状分布于工作区西部，F1、F2断裂交汇处，出露地层为下石炭统依柳组上段、上石炭统，信息量值一般，异常范围较小。
8)C2靶区：靶区位于道班东北方位，呈北东向近三角状分布，出露地层为下石炭统依
柳组上段,信息量值一般，异常范围较小。
图5 三岔河坝子铅锌矿勘查区找矿靶区预测图
4结论
研究中以矿床地质理论为指导，吸收融合地球化学、遥感技术、信息技术等学科的新思想、新方法和新技术，将多源地学信息进行融合并做定量化分析处理，建立数学预测模型，将抽象具体化，将定性定量化，以此来评价研究区内铅锌矿成矿条件与成矿规律，确定成矿有利地段，利用信息量法建立了预测靶区模型，优选出了8个成矿远景区：3个A级靶区，3个B级靶区，2个C级靶区。
信息量法属单变量统计方法，变量之间的相互关系考虑较少。只考虑了成矿有利的一面，而未考虑不利的一面。因此，为了使预测结果更加精确、可靠，应结合其它方法对找矿区段进行预测对比，确定最佳成矿远景区。
参考文献：
[1]何海洲,杨志强.找矿信息量法在广西大厂矿田新一轮成矿预测中的应用[J].矿产与地质，2007,21(5)：560-562.
[2]赵鹏大,陈永清,刘吉平.地质异常成矿预测理论与实践[M].武汉：中国地质大学出版社,1999.
[3]杨贵来,杨伟光,莫宣学等.云南澜沧地区南角河银多金属矿床的地质特征及成因[J].地质通报，2006,25(9)：1225-1232.
[4]龙汉生,蒋绍平,石增龙等.云南澜沧老厂大型银铅锌多金属矿床地质地球化学特征[J].矿物学报，2007,27(3)：360-365.
[5]高建国.澜沧老厂外围探矿区块范围内成矿规律分析及找矿远景评价[R].昆明：昆明理工大学矿产地质研究所，2012.
[6]王世称,陈永良,夏立显.综合信息矿产预测理论与方法[M].北京：科学出版社,2000.
[7]高建国.云南澜沧银铅锌多金属矿床综合成矿信息定量预测[M].北京：科学出版社，2010.
[8]于瑞奇,高建国,赵晓琳.云南澜沧坝老铅多金属矿综合信息成矿预测[J].中国地质，2013,40(3)：967-973.
[9]马宏斌，高建国，贾福聚.陕西楼房沟钒矿三维地质建模及找矿预测[J].矿产保护与利用，2014(5)：12-16.
[10]MORPAS3.0使用手册[Z].武汉：中国地质大学，2005.
[11]隋志龙,李德威,黄春霞.断裂构造的遥感研究方法综述[J].地理学与国土研究，2002,18(3)：34-37.
|
甘公网安备 62052202000109号