新疆东昆仑西段铁矿预测区的圈定及资源量估算－基于ArcGIS平台

毛磊，弓小平，2，薛迎喜，刘艳宾

(1．新疆大学新疆乌鲁木齐830046;2．新疆大学地理学科博士后科研流动站，新疆乌鲁木齐830046; 3．中国地质调查局资源评价部，北京100037)

新疆东昆仑西段铁矿预测区的圈定及资源量估算－基于ArcGIS平台

毛磊1，弓小平1，2，薛迎喜3，刘艳宾1

(1．新疆大学新疆乌鲁木齐830046;2．新疆大学地理学科博士后科研流动站，新疆乌鲁木齐830046; 3．中国地质调查局资源评价部，北京100037)

研究区属华北板块的柴达木地块的早古生代陆缘活动带(祁曼塔格裂陷槽)，即祁漫塔格早古生代岩浆型被动陆缘。本文基于ArcGIS平台，通过建立研究区铁矿资源潜力评价模型，以沉积变质型铁矿为例，对新疆东昆仑西段的铁矿资源进行预测区的圈定，并对圈定的靶区进行优选。由于沉积变质型铁矿主要与沉积地层、岩石分布状况有关，总结出本研究区沉积变质型铁矿主要控矿因素包括沉积地层、Fe元素异常、岩石组合等。本文选取(1)沉积地层、(2)Fe元素异常这两个方面的证据图层对研究区铁矿资源进行预测，共圈定了3个沉积变质型预测区，其中A类1处，C类2处。在成矿区带圈定的基础上，估计区带内未发现矿床的个数;对预测区矿点的分布、品位、矿石量(吨位)的分布特征进行模拟，来获得资源量的估算，对研究区铁矿资源潜力做出快速、准确的评价。此次研究表明新疆东昆仑西段具有一定的铁矿资源潜力。

东昆仑西段ArcGIS平台预测区品位－吨位模型

Mao Lei，Gong Xiao－ping，Xue Ying－xi，Liu Yan－bin．Delineation of the predicted iron ore areas and resource estimation for the western section of the East Kunlun in Xinjiang－Based on ArcGIS platform［J］．Geology and Exploration，2012，48(5):1049－1057．

在我国GIS被用于矿产资源的研究工作始于20世纪80年代中后期，但是随着GIS在多元信息成矿预测方面的探索和研究，利用GIS在矿产资源预测已经得到了应用和推广(池顺都，1998;肖克炎，1999;陈建平，2005;刘岩峰，2008)。研究区位于东昆仑西段、柴达木盆地西南缘，新疆东昆仑西段铁矿资源潜力评价就是对新疆东昆仑西段铁矿可能蕴藏的资源数量进行估计并对其近、中、长期供应保证程度做出评价的工作。在利用基于ArcGIS平台的矿产资源潜力评价以被评价区的地质、地球物理、地球化学、遥感地质和矿产资料为依据。对东昆仑西段资源潜力的评价研究，预测区的圈定以及靶区优选可以为研究区的铁矿勘查部署工作提供有效的指导作用。

1 研究区地质概况

研究区以阿尔金南缘断裂为界，以北划分为阿尔金地层分区;以南划分为东昆仑地层分区，包括祁漫塔格地层小区和乌鲁克苏河地层小区。研究区是多个构造单元(柴达木、塔里木、秦岭－大别褶皱带、可可西里－巴颜喀拉构造带等)的交接地带，各构造旋回在本区的不同区段表现出的造山运动和造陆运动，是极不均衡的，其结果就造成了研究区现今复杂的断裂系统和褶皱系统的外貌。

研究区内最重要铁矿类型是沉积变质型和矽卡岩型。其中沉积变质型矿床主要形成于大陆边缘活动带。成矿时代主要为古生代。矽卡岩型铁矿主要位于东昆仑弧盆系之祁曼塔格蛇绿混杂岩带中。另外有奥陶－志留纪、早石炭世、晚石炭世、中二叠世蛇绿岩及混杂岩块。本文仅以沉积变质型为例研究基于ArcGIS平台的新疆东昆仑西段矿产资源潜力评价。

2 使用的基础数据

本次研究采用基于ArcGIS平台的铁矿资源潜力评价方法。以区域成矿理论为指导，以现代空间信息技术及方法为手段，以研究区沉积变质型铁矿资源潜力评价为目标，以规范而有效的资源评价方法、技术和各类基础数据为支撑，充分利用多元地质资料，从成矿带整体层面进行研究区铁矿成矿地质条件和成矿规律研究，全面、快速、准确、客观地评价研究区主要铁矿类型的资源潜力以及空间布局，建立研究区的基础地质数据库。基础数据包括:(1)研究区所涉及1∶25万区域地质图及报告共6套:瓦石峡幅(J45C002003)1∶25万区域地质矿产报告①、苏吾什杰幅(J45C002004)1∶25万区域地质矿产报告②、且末县一级电站幅(J45C003002)1∶25万区域地质矿产报告③、古尔嘎幅(J45C003003)1∶25万区域地质矿产报告④、阿牙克库木湖幅(J45C003004)1∶25万区域地质矿产报告⑤、库郎米其提幅(J46C003001)1∶25万区域地质矿产报告⑥。(2)J46C002001(茫崖镇幅)所涉及范围内1∶50万区域地质图。(3)已知矿床(点)数据，必须满足以下两个原则:①2km以内的所有矿化点和蚀变带均合并为1个矿床(点);②矿床(点)必须要有准确的品位－吨位数据，为建立准确的品位－吨位模型提供良好可靠的原始数据。据统计研究区已知矿床(点)累计20个，分布于且末县、若羌县等地。(4)品位－吨位模型。(5)ETM遥感影像。(6)地球化学数据。(7)航磁数据。

3 预测区的提取

3．1 典型矿床预测模型建模

此次研究涉及的铁矿矿产预测类型为沉积变质型铁矿，典型矿床选取迪木那里克沉积变质型铁矿。

3．2 成矿有利信息提取模型的建立

根据研究区成矿地质背景、ArcGIS空间数据库和典型矿床成矿模式，确定成矿预测类型和找矿标志，建立区域成矿要素表，明确两大类型铁矿的控矿构造和找矿标志。通过地质、矿化、物探(主要是磁法)等综合信息提取，建立典型铁矿床定性和资源量定量评价的预测模型，并确立各个预测要素与数据库中属性字段的对应关系，建立以ArcGIS空间数据库为基础的预测区提取模型，为快速、准确、高效地进行成矿有利因素的提取奠定基础。表1为东昆仑西段ArcGIS空间数据库沉积变质型铁矿预测区提取模型表。

表1 东昆仑西段ArcGIS空间数据库沉积变质型铁矿预测区提取模型表Table1 Extracted elements of forecast area about iron ores of sedimentary and metamorphic type in ArcGIS spatial database for the western section of the East Kunlun

3．3 证据图层的确定

根据预测区提取模型表所列数据库字段提取成矿因子，通过泛化分析将包含相同地层字段的有利沉积(火山)地层、侵入岩地层进行合并;由密度分析工具生成矿点密度图和断层密度图;对矿点、侵入体进行缓冲区分析，然后再进行双要素类组合分析。包括:断层证据图层(通过三种方式对断层数据进行处理:密度分析(图略)、距离分析(图略)和方向分析(图略))、侵入岩证据图层(图略)和沉积地层证据图层(图1)、自然岩石组合证据图层(图略)、化探数据图层(选取与铁矿密切相关的Fe(图2)、Mn、Cr元素化探数据，对其进行栅格化处理，经重分类后，得到化探证据图层)(其它图略)、物探数据图层(选取与铁矿成矿密切的物探数据，进行相关数据处理，经栅格化、重分类后，得到航磁异常、化激异常、原平面等重要证据图层)(图略)。

本此研究涉及的单因素分析主要包括:断层因素、沉积地层因素、自然岩石组合因素、化探数据因素、物探数据因素等。数据像元大小为100m，采用分析单元面积为4km2，通过单因素分析，判断断层的密度、距离、方向、侵入岩、沉积地层、自然岩石组合、化探异常Fe元素异常、Mn元素异常、Cr元素异常、物探航磁异常、原平面、化激异常等与铁矿床(包括矿(化)点)的空间关系。涉及的单因素分析主要包括:断层因素(从断层密度、断层距离、断层方向3个方面与铁矿床(包括矿(化)点)间的关系进行分析)、沉积地层因素(表2，图3)、自然岩石组合因素(图表略)、化探数据因素(Fe，表2，图4)、物探数据因素等(图表略)。

图1 东昆仑西段沉积地层分布图Fig．1 Map showing distribution of sedimentary strata in the western section of the East Kunlun

图2 东昆仑西段Fe元素异常分级图Fig．2 Grading graph of Fe anomalies in the western section of the East Kunlun

表2 东昆仑西段沉积变质型铁矿与Fe元素异常组合空间关系定量评价表Table2 Quantitative evaluation about the spatial relation between iron ores of sedimentary metamorphic type and Fe anomalies in the western section of the East Kunlun

分析表2可知，沉积地层对沉积变质型铁矿控制作用，主要表现为长沙沟蛇绿混杂岩和茫崖蛇绿混杂岩，落入前者147个单元内的矿床或矿(化)点数有4个，占所有矿床或矿(化)点数的57．1%，其学生化反差为5．2383，综合权值达到3．21，落入后者74个单元内的矿床或矿(化)点数有1个，说明沉积地层对成矿作用影响极大。而其它区间综合权值均为负值。因此，沉积地层应作为沉积变质型铁矿成矿有利度定量评价的主要影响因素之一。

分析表2可知，Fe元素异常对沉积变质型铁矿控制作用，主要表现在6．0～7．0区间内，落入该区373个单元内的矿床或矿(化)点数有4个，占所有矿床或矿(化)点数的57．1%，其学生化反差最高达3．9126，综合权值达到2．9737，说明Fe元素异常对成矿作用影响极大。而其它区间综合权值均为负值。因此，Fe元素异常应作为沉积变质型铁矿成矿有利度定量评价的主要影响因素之一。

在证据权模型中，假设参与模型的各证据层对于成矿影响必须是条件独立的。由于证据权模型的条件独立假设在地学中往往难以完全成立，由此提出了在证据权模型基础上加入加权Logistic回归方法，用回归方法替代贝叶斯法则计算后概率，解除贝叶斯法则中的条件独立假设对地学应用的种种限制，避免条件独立假设在预测结果中所造成的偏差。

3．4 预测区的圈定

基于单因素分析，选择与成矿关系密切的因素，用前概率和权值计算按证据权模型或加权Logistic回归模型综合，得到沉积变质型铁矿成矿有利度综合定量评价。

在ArcGIS平台下，圈出成矿有利区，结合区域地质背景及典型矿床的研究成果，综合地质、物化探等信息，核实各个成矿有利区的成矿条件，最终确定成矿预测区。本次研究共圈出3个沉积变质型铁矿预测区(见图5)。

主要采用加权证据权法计算各成矿有利因子权值，确定各预测区权重，进行预测区排序。

4 预测区优选和级别划分

采用成矿有利性分类方案，即根据后验概率，结合具体的地质情况对预测区按三类划分:Ⅰ类:成矿条件十分有利，可建议优先安排勘查工作的地区;Ⅱ类:成矿条件有利，有预测依据，找矿标志明显可供参考，地球化学异常评序分类属乙1、乙2类;Ⅲ类:具成矿条件，找矿标志不明显或尚未发现找矿线索，但地球化学异常评序属乙1、乙2、乙3类，可作为探索的地区或现有矿区外围和深部有预测依据，据目前资料认为资源潜力较小的地区。

划分原则:①成矿地质条件具备情况;②找矿标志及辅助标志明显程度;③矿床勘查程度及远景情况;④矿床成因类型及矿物组合;⑤各类异常的可信程度。

根据上述预测区级别划分原则，结合3个预测区的地质矿产特征及物化探异常信息，将其分别划分为A、B、C三等，见下表3。

5 预测资源量估算

5．1 品位模型和吨位模型的建立

总结全球或全国现有类型矿床的品位－吨位分布特征建立模型，将其应用到预测评价的成矿区带中;其次在成矿区带圈定基础上，估计区带内未发现矿床的个数;对预测区矿点的分布、品位、矿石量(吨位)的分布特征进行蒙特卡罗模拟，来获得不同概率(不同置信度)下的对资源量的估算。取估算值的数学期望作为预测区估算资源量。

图5 新疆东昆仑西段沉积变质岩型铁矿带预测区分布图Fig．5 Distribution of forecasting area about iron－ore belt of sedimentary metamorphic type in the west of the East Kunlun in Xinjiang

表3 新疆东昆仑西段沉积变质型铁矿预测区级别划分Table3 Distinction of forecasted metasediment iron ore areas in the western section of the East Kunlun in Xinjiang

根据研究区以及相似成矿条件区域主攻矿床类型的规模和品位的统计规律，根据已知矿床(点)品位－吨位模型，评估、修正各个未见矿区的品位和吨位数值;为研究区资源潜力评价提供可靠评价参数。图6为沉积变质型品位模型和吨位模型。

5．2 资源量估算结果

建立研究区沉积变质型铁矿的品位吨位模型，为资源潜力评价提供可靠的评价参数。

建立矿床描述模型并收集控制区(开发程度高的地区)资料，根据“密度=个数/面积”得到矿床的密度。一般使用单位面积(100，000km2)的矿床个数。

矿床数估计作为资源量评估的一大核心内容，其数量预测方法为:拟合回归曲线法。即获得散点图(X轴为有利区面积area，Y轴为单位面积(100，000km2)的矿床数量n)，然后拟合回归曲线，得线性回归方程:

R50=alog(area)+b=log(density);R50为置信度为50%时的矿床数系数，area为有利区面积，density为矿床的密度，b为线性回归方程常数项。

根据公式分别求得L90、U10时的log(density):

L90，U10=(R50±t×s×y/x/(1+1/n)+［log10分别为置信度为90%、10%时的矿床数系数，R50为置信度为50%时的矿床数系数，t为吨位平均值，s为标准差，y为铁矿床累计频率(0～1)，x为品位平均值，area为预测有利区面积，n为矿床数量。

根据数量=10R50，L90，U10分别求出50%、90%和10%置信度时的预测数量。

图6 沉积变质型品位模型和吨位模型(其中横轴分别为铁矿石的品位(单位:%)和吨位(单位:万吨)，纵轴为铁矿床累计频率(0～1))Fig．6 Grade and tonnage model of sedimentary－metamorphic type iron ores(horizontal axis shows the grade (%)and tonnage(tons)of iron ores，and the longitudinal axis shows the cumulative frequency of iron deposits (0～1))

研究区进行资源量估算的铁矿类型主要是沉积变质型，资源量级别为(334－2)即内蕴经济含量并经过概略研究的预测资源量。基于ArcGIS平台的资源潜力评价数据库，采用单要素组合和双要素组合等空间分析方法，圈定的预测区面积虽然较大，但不排除该区域内可能发现铁矿的潜力，且综合多源信息数据处理后，航磁、化探异常较明显，故在资源潜力评价过程中仍可看作成矿有利区域。

研究区内3个预测区的预测资源量结果显示，沉积变质型铁矿估计矿床数为8个之多，分布于3个预测区内。由于涉及数据的保密性，文章只给出部分数据。3个预测区平均品位高达31．374%，合计达此品位矿石量多达几亿吨，预测资源量共计更多。由此可见新疆东昆仑西段拥有强大的铁矿资源潜力。

6 结论

本次研究以中国地质调查局地质调查技术标准《数字地质图空间数据库》(DD2006－06)技术要求为依据，以资源潜力评价为目标，建立研究区面向对象空间数据库。建立数字地质图数据库，目的在于最有效地保存和交流使用数据，按规范对扫描地质图进行数字化;设计和建立东昆仑地区数字地质图数据库，实现地质图原始资料客观描述的、统一分类的、图文一体化的矢量入库，为东昆仑地区铁矿的GIS空间分析奠定了统一的基础和完整的数据平台。根据已知矿床建立品位－吨位数据的统计规律，拟合研究区未知区域主攻矿床类型的品位吨位模型，进行资源量的估算，总体工作质量较好，预测的铁矿石资源量较为可靠，显示研究区具备一定的铁矿资源潜力。

［注释］

①广西地质调查院．2000－2002．J45C002003(瓦石峡幅)1∶25万区域地质调查［R］．

②西安地质研究所．2001－2003．J45C003002(苏吾什杰幅)1∶25万区域地质调查［R］．

③湖南省地质调查院．2000－2002．J45C003002(且末县一级电站幅)1∶25万区域地质调查［R］．

④广西地质调查院．2000－2002．J45C003003(阿尔金山幅(古尔嘎幅)1∶25万区域地质调查［R］．

⑤陕西省地质调查院．2000－2002．J45C003004(阿牙克库木湖幅)1∶25万区域地质调查［R］．

⑥青海省地质调查院．2001－2003．J46C003001(库郎米其提幅) 1∶25万区域地质调查［R］．

⑦青海省地质调查院．2001－2003．J46C004001(布喀达坂峰幅) 1∶25万区域地质调查项目［R］．

Boyan B，Jordan H．2002．An Object Model for Geologic Map Information［C］．Proceedings of the Spatial Data Handling 2002 Sympo－sium: 5－43

Chen Chuan，Gong Xiao－ping．2010．Mineral resource assessment methodology study:Based on spatial information［J］．Journal of Northwest University，86(40):399－404(in Chinese with English abstract)

Chen Yu－chuan．1999．Mineral resources assessment of major metallogenic provinces［M］．Beijing:Geological Publishing House:384－392(in Chinese with English abstract)

Cheng Yu－qi．1994．An introduction to the regional geology of China［M］．Beijing:Geological Publishing House:16－17(in Chinese with English abstract)

Gao Wan－li，Zhang Xu－jiao，Wang Zhi－gang．2010．ASTER remote sensing image－based lithologic information extraction of the east Kunlun orogenic belt［J］．Journal of Geomechanics，16(1):59－69 (in Chinese with English abstract)

Geng Xin－xia，Yang Jian－min，Yao Fo－jun，Yang Fu－quan，Liu Feng，Cai Feng－mei．2010．Ore－search information extraction from remote sensing data and integrated analysis of multiple geochemical information for the Abagong lead－zinc deposit in the Altay region，Xinjiang，China［J］．Geology and Exploration，46(5):0942－0952(in Chinese with English abstract)

Guo Na，Chen Jian－ping，Tang Ju－xing．2008．Remote sensing information extraction of mineralizing anomaly in the Dongdashan area of Eastern Tibet［J］．Geology and Prospecting，44(4):69－73(in Chinese with English abstract)

Hammerbeck E，Veselinovic－Williams M．2000．Status of Metallogenic Mapping in the World Today［C］．Briskey J A，Schulz K J．Proceedings of a Workshop(Deposit Modeling，Mineral Resource Assessment，and Their Role in Sustainable Development)that followed 31st IGC．USGS Circular 1294．Rio de Janeiro:115－124

Huang Zhao－qiang，Li Xiang－qiang．2009．Extration of remote sensing geology for satellite photos and airscapes of Majiatang area in the middle part of Hunan province［J］．Geology and Prospecting，45(5): 605－610(in Chinese with English abstract)

Liu Lei，Zhang Bing，Zhou Jun，Wang Jue．2008．Synthetic analyses of remote sensing geochemical surveying and geology in the ore exploration in the Singu tin deposit，Yunnan Province［J］．Geology and Prospecting，44(5):70－75(in Chinese with English abstract)

Mccammon R B．1993．ProspectorⅡ－an expert systerm for mineral deposit models［C］．Geological Association of Canada Special Paper: 679－684

North American Geologic Map Data Model(NADM)Steering Committee Data Model Design Team．2004．NADM Conceptual Model 1．0－A Conceptual Model for Geologic Map Information［R］．USGS，2004－1334:3－16

Singer D A，Berger V I，Menzie W D．2005．Porphyry copper density［J］．Economic Geology，100(3):491－514

Singer D A，Berger V I，Moring B C．2008．Porphyry copper deposits of the world:Database and grade and tonnage［R］．USGS，2008－1155:3－42

Singer D A，Kouda R．1997．Use of a neural network to integrate geoscience information in the classification of mineral deposits and occurrences［C］．GUBINS A G．Proc Exploration 97．Fourth Decennial Intern．Conf．Mineral Exploration:127－134

Singer D A，Menzie W D．2008．Mineral deposit models［R］．USGS，2008－1253:3－59

Singer D A．1993．Basic concepts in three－part quantitative assessments of undiscovered mineral resources［J］．Nonrenewable Resources，2 (2):69－81

Wang Shi－cheng，Chen Yong－niang，Xia Li－xian．2000．The theory and methods of Comprehensive information mineral prediction［M］．Beijing:Science Press:2－30(in Chinese with English abstract)

Wittinger G．Tapponnier P．Poupinet G．Jiang M，Shi T N，Herquel G，Masson F．1998．Tomographic evidence for localized lithospheric shear along the Altyn fault［J］．Science，282:74－76

Xi’an Institute of Geology and Mineral Resources．2006．Mineral resources prospecting potential of Northwestern，China［M］．Beijing: Geological Publishing House:384－392(in Chinese with English abstract)

Xu Dong，Yin Guang－hou．2010．A prospecting model and prediction for iron－ore deposits of the Huimin－type in the western Yunnan Provice［J］．Geology and Exploration，46(5):0765－0778(in Chinese with English abstract)

［附中文参考文献］

陈川，弓小平．2010．基于信息科学思想的资源潜力评价体系研究［J］．西北大学学报，186(40):399－404

陈毓川．1999．中国主要成矿区带矿产资源远景评价［M］．北京:地质出版社:384－392

程裕淇．1994．中国区域地质概论［M］．北京:地质出版社:16－17

高万里，张续教，王志刚．2010．基于ASTER遥感图像的东昆仑造山带岩性信息提取研究［J］．地质力学学报，16(1):59－69

耿新霞，杨建民，姚佛军，杨富全，刘峰，柴凤梅．2010．新疆阿巴宫铅锌遥感找矿信息提取及地化多元信息综合分析［J］．地质与勘探，46(5):0942－0952

郭娜，陈建平，唐菊兴．2008．藏东东达山地区遥感找矿地质异常提取方法研究［J］．地质与勘探，44(4):69－73

黄照强，李祥强．2009．基于ASTER和ETM+数据的蚀变信息提取比较研究－以西藏泽当矿田为例［J］．地质与勘探，45(5):605－610

刘磊，张兵，周军，王珏．2008．云南思姑锡矿区地质、化探、遥感、多元信息综合找矿研究［J］．地质与勘探，44(5):70－75

王世称，陈永良，夏立显．2000．综合信息矿产预测理论与方法［M］．北京:科学出版社:2－30

西安地质矿产研究所．2006．西北地区矿产资源找矿潜力［M］．北京:地质出版社:384－392

许东，尹光侯．2010．滇西惠民式铁矿找矿模型及预测［J］．地质与勘探，46(5):0765－0778

Delineation of the Predicted Iron Ore Areas and Resource Estimation
for the Western Section of the East Kunlun in Xinjiang－Based on ArcGIS Platform

MAO Lei1，GONG Xiao－ping1，2，XUE Ying－xi3，LIU Yan－bin1
(1．Xinjiang University，Urumqi，Xinjiang830046;2．College of Geology and Mineral Exploration engineering，Xinjiang University，Urumqi，Xinjiang830046;3．Department of Mineral Resources Assessment of China Geological Survey，Beijing100037)

The research area lies in the early Palaeozoic epicontinental active belt(Qimantage rift trough)of the Qaidam block in the north China plate，which was the early Palaeozoic magma type passive epicontinental in Qimantage．Based on the ArcGIS platform，taking the sedimentary－metamorphic type iron ores as an example，this paper constructs an evaluation model for iron resource potential，delineates the forecasted iron ore areas in the western section of the East Kunlun，and optimizes the target areas．As the sedimentary－metamorphic type iron ores are related with sedimentary formation and rock association，we infer that the major ore－controlling factors for iron mineralization include sedimentary formation，Fe geochemical anomalies and rock association in the region．We use sedimentary formation and Fe geochemical anomalies as the evidence to predict iron ore resources．There are three prospecting areas，i．e．one A type and two C－type places，which are all of the sedimentary metamorphic type．After delineating the forecast areas of iron ores，we estimate the quantity of undiscovered ore deposits in these areas and simulate the distribution features，grade and tonnage about the ores in these areas．Then we estimate the resource with different probability and make the evaluation of resource potential fast and accurately．The result indicates some resource potential of iron ores in the area．This study can serve the exploration and deployment work of iron ores in the western section of the East Kunlun．

western section of East Kunlun，ArcGIS platform，forecast area，grade－tonnage model

book=9,ebook=548

P612

A

0495－5331(2012)05－1049－9

2011－05－05;

2011－11－06;［责任编辑］郝情情。

中国地质调查局“新疆西天山阿吾拉勒东段铜铁矿调查评价”(1212010880202)。

毛磊(1987年－)，女，新疆大学09级硕士研究生，从事综合信息成矿预测研究。E－mail:maolei19870130@163．com。

弓小平(1963年－)，男，河南中牟人，教授级高工，博士后，从事综合信息成矿预测研究。E－mail:gxiaoping01@163．com。