ArcGIS证据权模型在铜矿成矿预测中的应用——以博格达-哈尔里克成矿带为例

2013-08-20 09:53徐仕琪赵同阳朱志新川2
地质与勘探 2013年5期
关键词:火山岩铜矿图层

徐仕琪,赵同阳,朱志新,刘 新,陈 川2,

(1.新疆地质调查院,新疆乌鲁木齐 830000;2.新疆中亚造山带大陆动力学与成矿预测实验室,新疆乌鲁木齐 830046;3.新疆大学,新疆乌鲁木齐 830046)

新疆博格达-哈尔里克位于北天山东段,包括博格达山、哈尔里克山等,地质调查工作开展相对较早,但由于工作条件所限,以往工作程度相对较低。近年来随着工作重点的转移,该区完成了一批重要的区域地质调查、找矿、科研等项目,积累了一些成果资料,同时也发现了一批重要的金属矿产①,其中以铜、金矿为主,主要矿床类型为层控砂页岩型铜矿(如达板城、博斯塘铜矿)、火山热液型铜(如阔木达坂铜矿)等。

传统的成矿预测做法是把研究区内地球化学异常和地球物理异常叠加在相同比例尺的地质图上,根据地质、地球化学以及地球物理特征的叠合程度圈定目标矿床类型的成矿预测区;或者采用多元统计预测的方法进行数学概率预测(赵鹏大,1983)。近几十年来,人们提出了各种基于GIS的快速而有效的综合信息矿产资源潜力评价方法,这些方法具有传统矿产资源评价方法无法比拟的优点(王世称等,2000;Agterberg,2005;丁清峰等,2005;陈川,2010)。其中,较为引人注目的是 Agterberg等人1993年提出的加权Logistic回归法(WLR)(Raines,2002);娄德波等(2010)在MapGIS平台上开发矿产资源评价系统(MRAS);张会琼等(2010),吕鹏等(2011),黄照强等(2010)基于GIS空间分析模块,在栅格数据环境下建立空间数据库,进行二次信息提取,依据专家打分模型、权重计算等数学方法,进行适宜性分析,获得适宜成矿靶区。这些方法的实质是通过数学模型结合相应的GIS软件,对多源信息进行空间位置的叠加、复合处理,是求异和定量组合控矿理论的应用。只有采用适宜的数学模型和高效的GIS分析平台,才可获得新的、全面反映区域内地质要素空间特征的综合变量,使成矿预测的结果具有可信性和客观性(陈川等,2010)。笔者在对新疆博格达-哈尔里克一带铜矿成矿预测研究中,采用美国地质调查所和加拿大地质调查所合作开发的基于ArcGIS平台的证据权模块(WofE),成功实现了基于ArcGIS的铜矿证据权法预测,最后利用加权逻辑斯回归模型计算得出其后验成矿概率图及其置信度图,完成了对区内铜矿成矿远景区的圈定。

1 区域地质成矿背景

从大地构造划分看,研究区位于天山-兴蒙造山系(Ⅰ)准噶尔-吐哈地块(Ⅰ-13)(潘桂棠,2009),其北侧为早石炭世卡拉麦里蛇绿混杂岩带(汪帮耀,2009),南侧为晚寒武世-早奥陶世康古尔塔格蛇绿混杂岩带(李文铅,2008),就其古生代大地构造属性,由博格达晚古生代裂谷和哈尔里克古生代复合岛弧组成(顾连兴,2001),见图1所示。根据近年高精度同位素年代学资料(王银喜,2005;孙桂华,2005),二者具有大体相同的岩浆活动历史。

1.1 哈尔里克古生代复合岛弧

哈尔里克-大南湖晚古生代岛弧以奥陶系、志留系火山岩为主。奥陶系地层为中酸性火山岩,中上志留统中酸性火山岩不整合于其上,中下泥盆统为双峰式岛弧型火山岩建造,上泥盆统为陆相中酸性火山岩建造(图1b)。下石炭统为酸性火山-陆源碎屑岩建造,上石炭统为滨海-陆相陆源碎屑岩建造。下二叠统与下伏地层为不整合,为陆相中性火山岩建造或海相磨拉石建造。上二叠统为陆相碎屑岩。区内岩浆活动十分强烈。区内构造变形以发育NW向线(带)状的韧-脆性构造变形带为特征,并发育有与火山机构有关的构造断裂系统,在哈尔里克北坡一带形成强应变构造带,为成矿热液的运移提供了很好的通道。

带内以已发现铜、金、钨、稀有金属矿为主,并有膨润土、珍珠岩、沸石、石墨、泥炭、石盐、芒硝等多种矿产。主要矿床类型为酸性火山-深成岩有关的铜、钼、金矿(如依格尔、八大石及小铺铜矿)、花岗岩型钨、稀有金属矿(如琼洛克钨矿、小铺稀有金属矿)等。此外,在山间盆地中有现代盐湖石盐、芒硝及晶间卤水矿(如巴里坤湖石盐、芒硝矿)。

1.2 博格达晚古生代裂谷

博格达造山带主要出露石炭系地层,下石炭统火山岩主要是海相环境下的产物,东段七角井组(C1q)火山岩为块状、枕状玄武岩与流纹岩互层的双峰式火山岩建造;上石炭统柳树沟组(C2l)大面积出露,为一套安山岩-玄武岩-英安质凝灰岩建造(图1c)。该造山带侵入岩很少,除造山后期拉张环境下大量辉绿岩顺层贯入和岩株外,仅有个别花岗闪长岩和钾长花岗岩小岩体和岩株。该裂谷拉张始于早石炭世,在七角井一带出现双峰式火山岩建造,向上为滨海相火山碎屑-陆缘碎屑岩,石炭系上统-下二叠统为滨浅海相陆源碎屑岩夹中酸性火山岩,结束于晚石炭世末期,早二叠世进入后造山伸展的演化阶段。上二叠统为陆相含磷、油页岩的正常碎屑岩,中新生界不整合其上,为含煤建造和红层。该造山带构造挤压活动较弱,断裂构造发育,褶皱开阔,反映出急剧拉张后平稳隆起为陆的夭折裂谷特点。

区内以铜、金矿为主,并有已发现铜、金、铁、锰、硼、磷、油页岩等多种矿产。主要矿床类型有层控砂页岩型铜矿(如达板城、博斯塘铜矿等)、海相火山岩型铜、硼矿(如西西尔塔克硼矿)、陆相沉积型磷矿和油页岩矿(如五工河、冰草沟磷块岩矿和雅马里克油页岩矿等)。此外,区内山间盆地中有现代盐湖石盐、芒硝及晶间卤水矿(如达坂城及七角井石盐、芒硝矿)。

1.3 铜矿控矿地质要素

通过对研究区内铜矿床成矿特征和空间位置的研究,认为博格达-哈尔里克地区铜矿与下述地质因素关系密切:

(1)有利成矿地层:研究区铜矿(化)点分布于上于二叠系上石炭柳树沟组(C2l),为碎屑岩和海相中基性火山岩建造;其次为下石炭统七角井组(C1qj)、下-中奥陶统恰干布拉克组(O1-2q),为一套碎屑岩夹中基性火山岩。

(2)区内总体构造线呈北东走向,地层挤压较强烈,褶皱和断裂发育,为后期岩浆热液、火山热液及地下水热液的活动提供了十分便利的条件;位于研究区中部柳树沟组、七角井组、恰干布拉克组之间的两条大断裂为区内明显的控矿构造,已发现矿化点均与这两条断裂有关。

(3)区内岩浆活动主要集中在泥盆纪、石炭纪和二叠纪,其中石炭纪是岩浆侵入活动最活跃的时期。石炭纪侵入岩、辉绿岩脉、花岗闪长岩脉与铜矿成矿有密切关系,是寻找热液型铜矿的重要部位。

(4)区内的岩石光谱成果分析表明,区内火山岩地层的安山岩Cu、Zn元素平均含量高出新疆北部元素丰度值,Au元素含量亦明显偏高,安山质火山碎屑岩(包括安山质凝灰岩、集块岩等)中 Cu元素高于新疆北部元素丰度值5~40倍,酸性火山岩及火山碎屑岩(主要有英安岩、石英斑岩、英安质凝灰、酸性凝灰岩等)中Au、Ag含量明显偏高,Cu、Zn元素普遍偏高,尤其是英安质凝灰岩Cu元素平均含量高于新疆北部元素丰度值约30倍,所以,区内火山岩是铜矿重要的矿物来源。

(5)根据区域化探资料,总体上全区元素高值区在研究区北部下涝坝一带分布较多、较集中,尤其是Cu、铁族元素呈大面积分布。该地区主要对应地质单元为下泥盆统大南湖组(D1d)、下石炭统七角井组第一段(C1qj1)及石炭柳树沟组(C2l)。加之中酸性到中基性岩浆岩分布较多,断裂构造发育,热液活动频繁,成矿地质-地化环境好,是本区重要的找矿地段。

2 加权逻辑斯(Logistic)回归模型(WLR)简介

证据权模型是数据驱动型成矿有利区评价方法之一,该方法是在信息量模型基础上发展起来的一种评价模型。传统方法是在成矿有利度评价中,将已知矿点作为参照标准(响应因子),各种与成矿作用发生有关的影响因素相关数据作为“证据图”,这些预测因子图的分类是依据成矿有利度(已发现矿点与各证据层间的空间联系的密切程度),这些预测因子图最终组成成矿有利度评价模型的证据层,利用这些证据层,根据贝叶斯概率最终生成成矿有利度评价图(吕鹏,2011;黄晓强,2011)。

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验概率,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,而且在计算过程中不受因变量的影响(Agterberg,1993;Raines,2002,1999)。因此在成矿预测研究中得到了很多地质学家的青睐。笔者应用WLR法对博格达-哈尔里克成矿带的铜矿进行预测研究,快速生成成矿后验概率图,圈定成矿远景区。

2.1 WLR模型的原理

假定存在一个研究区,该研究区可以被分割成大小相等的单元(像元),同一空间范围内的各类影响因子也可以做同样的分割,这样,每一个像元就对应着多个影响因子中的具体类别(分类代码)。现假定有P个这样的影响因子(各类影响因素数据)参与成矿有利度评价;另外还有一个响应因子(已知矿点),它包含两类数据:① 已发生矿点的个数;②已发生矿(化)点的二值栅格数据,栅格数据中各像元的值用两个值表现,即发现矿(化)点(=1),或未发现矿(化)点(=0)。此时,研究区中任意像元i中发现矿(化)点的概率θi可以用P个影响因子的函数表示:

函数f通常使用线性函数,即研究区第i像元成矿的概率为θi=X'ib,对于研究区任一像元,X'i=(1,Xi1,Xi2...Xip)为 P+1 维常数向量,b 是 P+1 个待估计的回归参数,在线性回归中,常用最小二乘法估计该参数。但应用该参数估计方法估计参数,再计算成矿概率时,往往会超出0~1的范围,这和概率的定义是矛盾的。为解决这一矛盾,同时克服证据权法中的条件独立问题,Cox和Snell提出了加权Logistic回归模型,其回归方程如下:

用最大似然率法估计第i像元回归参数b的值,进一步得到该像元成矿概率θi,最终就可获得研究区成矿有利度评价结果。

2.2 ArcGIS平台证据权模型计算过程

在WLR中,证据层的选择依然采用证据权模型的方法,即用W+、W-以及C值定量评价单一影响因子对成矿的影响。在ArcGIS平台上实现证据权模型的计算,一般需如下步骤:

①选择证据因子,包括矿点图层、沉积岩、火山岩、侵入岩、变质岩、断裂等图层;

②各证据因子的栅格化处理,或称二值图像化处理,即利用ArcGIS空间分析工具中的“Conversion Tools”,可快速将所有矢量证据图层转换为栅格图像,在转换过程中需注意栅格图像文件命名不得超过13个字符,且不能以数字开头,输出数据类型为连续短整型数据,同时设定栅格单元的大小;

③先验概率估算。据各因子与已知矿点的统计关系计算各证据因子在各单元内的成矿概率,该值在ArcGIS证据权模块(WofE)计算矿点与某证据图层的证据权大小过程中,会以信息窗的形式显示出来,同时包括整个计算区域的面积,矿点数量等信息;

④计算证据因子的权重值、反差以及学生化反差,即计算 W+、W-、C、S(C),W+代表影响因子中某一特定类别存在时,对响应因子的影响程度;W-则表示影响因子中某一特定类别不存在时,对响应因子的影响程度;C值提供了度量矿(化)点和影响因子之间相关性的有效依据(C=W+-W-);上述权值和反差的计算结果,还需对其显著性水平进行定量评价,评价公式如下:

以上公式中,S2(W+)、S2(W-)、S2(Contrast)表示 W+、W-、Contrast的方差,Studentized(Contrast)是对反差Contrast(即C值)做学生化处理,该值反映了C值的显著性水平,二者对应关系见表1。

表1 学生化反差(Studentized(Contrast))与C值显著性水平关系Table 1 Studentized contrasts versus their levels of significance

虽然W+、W-、C、S(C)值的计算公式看似复杂,但借助于ArcGIS证据权模块(WofE),可方便快捷的完成这些参数的计算,并且计算结果以dbf数据库的格式输出,可在Excel中方便的进行分析和筛选。

⑤证据因子成矿有利度影响程度分类,根据各证据图层单因素计算结果,以S(C)或综合权重值的大小将各种影响因素对矿(化)点的影响程度进行分类,可分为主要影响因素、参与评价的重要影响因素、参与评价的次要影响因素、非影响因素四大类。S(C)值大于1.96的,其成矿置信度为97.5%,可归类为成矿主要影响因素,S(C)值在(1.28,1.96)区间的,其成矿置信度高于90%,可归类为参与评价重要影响因素,S(C)值在(0.542,1.28)区间的,其成矿置信度高于70%,可归类为参与评价次要影响因素,S(C)值在(0,0.542)区间的,其成矿置信度低于60%,可归类为非影响因素。

⑥成矿后验概率图层输出,选择成矿主要影响因素、参与评价的次要影响因素、参与评价的次要影响因素为加权Logistic回归模型的证据图层,利用ArcGIS证据权模块(WofE)计算成矿后验概率,得出其成矿后验概率图层、成矿置信度图层以及成矿概率标准差图层。

⑦成矿远景区的圈定,根据加权Logistic回归模型计算得出的成矿后验概率图层、成矿置信度图层,按概率值的大小进行分级,较高的为成矿有利地区,其成矿置信度也较高,可叠加这两个图层结合已知矿床(点)、地球化学元素异常、地球物理异常等信息进行成矿远景区的圈定。

3 加权逻辑斯(Logistic)回归模型应用

3.1 证据图层的确定

本次研究涉及的单因素分析主要包括:断层因素、沉积地层因素、侵入岩因素、火山岩因素等,以上数据栅格像元大小为100m,采用分析单元面积为1km2。在单因素分析中,矿床(矿(化)点)与上述因素的关系按2.2节所述技术方法得到。研究区总面积102856.33 km2,单元面积 2 km2,铜矿(包括矿(化)点)共73 个,铜矿先验概率:0.001419,用于分析的栅格数据像元大小100m×100m。

3.2 证据图层的矢量-栅格转换及信息提取

上述证据图层中,断层为线状要素,笔者利用ArcGIS空间分析工具进行密度分析(density analysis)、距离分区(distance)、方向分析(aspect analysis)后,可将断层线状矢量要素转换为栅格图层,同时衍伸出断层密度、断层距离、断层方向3个图层作为证据层,为分析区域铜矿与不同断层密度、断层距离、断层方向下的成矿权值大小提供了有效数据。

其余图层均可根据其不同属性内容进行重分类,获得更多单因素证据图层。沉积地层可根据地层名称、地层时代、岩性组合等属性字段进行提取,获得3个不同地质信息的沉积岩栅格图层;侵入岩可根据侵入岩时代、岩性组合进行提取,获得2个侵入岩栅格图层;火山岩亦可根据火山岩组合、时代、构造旋回等属性字段进行提取,获得多个火山岩栅格图层;变质岩亦可根据其不同属性内容进行单要素提取形成多个证据图层。

3.3 证据权值计算

断层密度权值计算 采用前述模型中W+、W-、C以及S(C)值计算公式,利用ArcGIS证据权模块(WofE)得出研究区断层密度与铜矿床(点)的空间关系计算结果。断层密度对铜矿控制作用,主要表现在第3级和第6级断层密度区间,即断层密度在0.071 ~0.09975 m/km2和 0.18449 ~0.2754m/km2之间,落入该区间4175个单元内的矿床或矿(化)点数有19个,占所有矿床或矿(化)点数的26.1%,其学生化反差均大于2.7,但综合权值较小。

断层距离权值计算断层距离对铜矿控制作用,主要表现在第1级、第2级和第3级断层距离区间,即断层密度在0~1000 m、1000~2000 m和2000~3000m之间,落入该区间19842个单元内的矿床或矿(化)点数有49个,占所有矿床或矿(化)点数的67.1%,其学生化反差均大于0.5,综合权值较小。

断层方向权值计算断层方向对铜矿控制作用,主要表现在第3级、第5级断层方向区间,即断层密度在90 ~135°、180 ~224°之间,落入该区间8516 个单元内的矿床或矿(化)点数有24个,占所有矿床或矿(化)点数的32.9%,其学生化反差均大于1.59。

沉积岩地层时代权值计算沉积岩地层对铜矿控制作用,主要表现在第1级、第6级、第14级、第18级、第41级、第30级,即为石炭纪七角井组(C1-2q)、三叠纪克拉玛依组(T2-3k)、中二叠世塔什库拉组(P2t)、晚二叠世大河沿组(P3dh)、早二叠世石人子沟组(P1s)、晚-中志留世恰干布拉克组(O1-2q)沉积地层,落入该类型沉积岩控制区域内的924个单元内的矿床或矿(化)点数有15个,占落入沉积岩区域矿床或矿(化)点数的20.6%,其学生化反差均大于2.44,综合权值均大于1.9,说明对成矿作用影响很大。

沉积岩岩石组合权值计算沉积岩岩石组合对铜矿控制作用,主要表现在第15级、第19级、第31级、第24级、第34级,即为砂岩-凝灰质砂岩-安山岩、砂岩-粉砂岩、粉砂岩-砂岩-玄武岩、砾岩-砂岩-泥岩、粉砂岩-长石砂岩等组合,落入该类型沉积岩控制区域内的956个单元内的矿床或矿(化)点数有17个,占落入沉积岩区域矿床或矿(化)点数的 23.3%,其学生化反差均大于2.4,综合权值均大于2.22。

火山岩时代权值计算火山岩时代对铜矿控制作用,主要表现在第4级、第10级,即为早泥盆世大南湖组(D1d)、晚石炭世柳树沟组(C2l)火山岩地层,落入该类型火山岩控制区域内的1782个单元内的矿床或矿(化)点数有7个,占落入沉积岩区域矿床或矿(化)点数的9.59%,其学生化反差均大于1.8,综合权值均为负值。

火山岩岩性组合权值计算火山岩岩性对铜矿控制作用,主要表现在第7级、第8级,即为玄武岩-安山岩-英安质凝灰岩、玄武岩-安山岩-集块岩-凝灰岩火山岩地层,落入该类型火山岩控制区域内的3272个单元内的矿床或矿(化)点数有8个,占落入沉积岩区域矿床或矿(化)点数的11%,其学生化反差均大于0.4,综合权值均为负值。

侵入岩权值计算 侵入岩对铜矿控制作用,主要表现在第45级、第49级、第50级、第51级,即为早石炭世正长花岗岩、早石炭世辉绿岩、早石炭世辉长闪长岩、早石炭世闪长岩,落入该类型侵入岩控制区域内的85个单元内的矿床或矿(化)点数有5个,占落入侵入岩区域矿床或矿(化)点数的6.85%,其学生化反差均大于3.1,综合权值均大于 2.7。

变质岩权值计算因区域内变质岩分布极少,通过铜矿点与变质岩面图层的空间叠加分析,落入变质岩图层中的矿床点为0,无法计算其权值,故将变质岩列为非影响因素。

3.4 影响因子的确定及分类

Logistic回归模型合成前应根据各影响因子权重值进行影响成矿重要性评价,依据学生化反差S(C)值,根据前文2.2所述分类划分区间,提出单因素因子对区内铜矿成矿有利度影响程度分类,见表1。

表1 影响因子对博格达-哈尔里克成矿带铜矿成矿有利度影响程度分类表Table 1 Classification of influencing factors for copper mineralization in the Bogda-Harlik metalloginic belt

4 成矿有利度综合评价

鉴于研究区已知成型铜矿床较少,成矿规律研究薄弱,缺少对成型铜矿床成矿模式、预测模型等的研究和总结,所以笔者本次采用ArcGIS系统下证据权模块(WofE)的成矿有利度综合评价,只能以数据驱动方式为主,应用该模块中的加权逻辑斯(Logistic)回归模型将3.4节、3.4节所确定的8个影响因子进行计算,获得最终定量评价结果,输出研究区铜矿成矿有利度评价图和成矿置信度图。

将成矿后验概率图层按后验概率进行重分类得到连续性栅格数据,表中后验概率最大的区间(表2),即表中第4 级区间,概率在 0.0405 ~0.4268,落入该区间367个单元内的矿床或矿(化)点数有13个,占所有矿床或矿(化)点数的17.8%,其学生化反差为11.08,综合权值达到3.25。显然,后验概率最大的区间即为矿床产出最有利地区。根据成矿后验概率区间划分研究区成矿有利地区,依次可分为成矿非成矿有利区、低成矿有利区、中成矿有利区和高成矿有利区,这些有利区级别的划分为区内铜矿找矿提供了很好的依据和参考。

表2 博格达-哈尔里克成矿带铜矿数据驱动评价图层与矿点权值计算结果Table 2 Weighted values calculated for copper mineralization evaluation in the Bogda-Harlik metalloginic belt

5 成矿远景区圈定

在采用WLR模型进行计算过程中,仅依据地质条件,即按断层、侵入岩、沉积岩、火山岩、变质岩等要素对研究区铜矿进行了有利度评价,得到了研究区综合评价结果。但在成矿远景区圈定过程中,必须结合一定的物化探数据进行验证,仅依据WLR模型得到的综合评价后验概率图是不够的,即使综合评价置信度区间均高于1.96(即可信度概率大于96%),所以仍然要借助已知物探、化探等数据等进行验证(刘磊,2008;黄文斌,2011)。本次研究仅收集到区内化探资料,利用ArcGIS的空间叠加,将研究区影响因素加权Logistic合成后铜矿成矿有利度图与区域Cu地球化探异常图进行叠加,最终圈定了7个铜矿成矿远景区,如图2所示。

本次成矿远景区分类采用成矿有利性分类方案,即根据成矿有利度、成矿概率,结合具体的地质情况对预测区按三类(第1类、第Ⅱ类、第Ⅲ类)划分,所圈定的7个成矿远景区内第1类有4处,第Ⅱ类有2处,第Ⅲ类有1处。所圈定的成矿远景区,均为有利地层出露区域,涵盖了区域内大部分已知矿床(点),其中 V -1、V -2、V -3、V -5等均与铜地球化学异常套合较好,位于Cu元素异常浓集中心。

6 结论

在GIS的支持下,结合加权Logistic回归法对研究区铜矿床进行成矿预测,由于避免条件独立假设在预测结果中所造成的偏差,在证据权重模型的基础上加入加权Logistic回归替代贝叶斯法则,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。加权Logistic回归法提高了成矿预测的自动化程度、预测效率和水平,简化了预测过程,节约了时间,缩短了研究周期。通过建立数学模型,挖掘了多源数据的潜在信息,大大提高了数据的综合利用程度,提高了矿产预测的智能化程度。

本文以已知矿床(点)与地质要素的空间相关性作为预测依据,以栅格数据为基础,利用ArcGIS平台下的加权Logistic回归模型,实现了成矿有利度定量评价,从而更加准确、真实地反映了研究区内成矿潜力,对博格达-哈尔里克成矿带的铜成矿潜力进行了评价,并结合区域地球化学异常圈定了区内铜矿成矿远景区,为研究区铜矿勘探提供理论依据、技术支持及数据支撑,以服务于研究区铜矿勘查部署工作。

随着计算机的发展,GIS作为一种强有力的工具在成矿预测中得到了广泛应用。它的优势在于能提供集成管理多源地学数据、方便建立模型及进行空间分析的能力,是使数据的分析更有效和定量化。但它目前还不能代替地质专家,也不能解决数据或数据库本身存在的问题。在成矿预测中起决定性作用的还是各地质科学领域的专家,还需要有经验的专家参与。在未来的发展中,基于GIS的成矿预测应该向更准确、高精度以及智能化的方向发展。

[注释]

① 王世新等.2005.《新疆哈密市沁城一带1∶5万区域地质矿产调查报告》.新疆地矿局第一区域地质调查大队[R].

Agterberg F P,Bonham Charter G F,Cheng Q,Wright D F.1993.Weights of evidence modeling and weighted logistic regression for mineral potential mapping:Computers in Geology[M].Cambridge:Oxford University Press:13-32

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

Deng Yong,Qiu Rui-shan,Luo Xin.2007.Minerogenetic prediction based on the weight-of-evidence approach:A case study of the prediction of tungsten and tin deposits in Guangdong[J].Geological Bulletin of China,26(9):1228-1234(in Chinese with English abstract)

Huang Wen-bin,Xiao Ke-yan,Ding Jian-hua.2011.Potential assessment of solid mineral resources based on GIS[J].Acta Geologica Sinica,85(11):1834-1843(in Chinese with English abstract)

Huang Zhao-qiang,Huang Shu-feng,Fu Yong,Zhao Zhen-mei,Cheng Ming-hua.2011.Mineralization prediction and potential evaluation based on GIS and multi-source information for copper polymetallic deposits in the eastern Gangdise Belt,Tibet[J].Geology and Exploration,47(1):113-120(in Chinese with English abstract)

Gu Lian-xing,Hu Shou-xi,Yu Chun-shui,Wu Chang-zhi ,Yan Zhengfu.2001.Initiation and evolution of the Bogda subduefion-torn-type rift[J].Acta Petrologic Sinca,17(41):585 - 597(in Chinese with English abstract)

Li Wen-Qian,Ma Hua-Dong,Wang Ran,Wang He,Xia Bin.2008.SHRIMP dating and Nd-Sr isotopic Tracing of Kangguertage ophiolite in eastern Tianshan,Xinjiang[J].Acta Petrologica Sinica,24(4):773-780(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)

Lou De-bo,Xiao Ke-yan,Ding Jian-hua.2010.Application of MRAS in national mineral resource potential assessment[J].Geological Bulletin of China,29(11):1677 -1684(in Chinese with English abstract)

Lu Peng,Zhu Peng-fei,Bi Zhiwei,Chen Jian-ping.2011.Metallogenic prognosis and evaluation of non-ferrous metal deposits based on GIS and weights of evidence modeling in Keshiketeng Qi of Inner Mongolia[J].Geology and Prospecting,47(5):909 -907(in Chinese with English abstract)

Pan Gui-tang,Xaio Qing-hui,Lu Song-nian,Den Jin-fu,Feng Yi-min,Zhang Ke-xin.2009.Subdivision of tectonic units in China[J].Chinese Geology,36(1):1-28(in Chinese with English abstract)

Raines G L,Mihalasky M J.2002.A reconnaissance method for delineation of tracts for regional-scale mineral·resource assessment based on geologic—map data[J].Natural Resources Research,11(4):241-248(in English with English abstract)

Su Hong-qi,Ge Yan,Liu Dong-lin.1999.Weights of evidence method in mineral prediction system based on GIS[J].Geology and Prospecting,35(1):44 -46(in Chinese with English abstract).

Sun Gui-hua,Li Jin-yi,Gao Li-ming,Yang Tian-na.2005.Zircon SHRIMP U-Pb Age of a Dioritic Pluton in the Harlik Mountain,Eastern Xinjiang,and Its Tectonic Implication[J].Geological Review,51(4):463-469(in Chinese with English abstract)

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)

Wang Yin-xi,Gu Lian-xing,Zhang Zun-zhong,Zhang Kai-jun,Li Huimin,Wu Chang-zhi,Yang Jie-dong.2005.Isotopic chronologic evidence of bogda rift closure and regional uplift and its geological significance[J].Acta Geoscienca Sinica,26(B09):102 - 104(in Chinese with English abstract)

Wang Bang-yao,Jiang Chang-yi,Li Yong-jun,Wu Hong-en,Xia Zhao-de,LuRong-hui.2009.Geochemistry and tectonic implications of Karamali ophiolite in east Junggar of Xinjiang[J].Journal of Mineralogy and petrology,29(3):74-82(in Chinese with English abstract)

Xiao Ke-yan,Ye Tian-zhu,Li Jing-chao.2010.Integrated Geo-Information Modeling Reserve Estimation Method[J].Geologcal Bulletin of China,29(10):1405-1412(in Chinese with English abstract)

Xiao Ke-yan,Cheng Song-lin,Lou De-bo.2010.Integrated Information Evaluation Model for Regional Mineral Resources Quantitative Assessment[J].Geological Bulletin of China,29(10):1430 - 1444(in Chinese with English abstract)

Ye Tian-zhu,Xiao Ke-yan,Yan Guang-sheng.2007.Methodology of deposit modeling and mineral resource potential assessment using integrated geological information[J].Earth Science Frontiers,14(5):11-19(in Chinese with English abstract)

Zhao Peng-da.1983.Statistical prediction of mineral deposit[M].Beijing:Geological Publishing House:1-100(in Chinese with English abstract)

Zhang Hui-qiong,Zhang Shou-ting,Wei Chang-shan,Wang Jing-bin,Wang Yu-wang.2010.Metallogenic prediction based on comprehensive information on the ArcGIS platform[J].Mineral Exploration,1(2):165 -172(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

邓 勇,邱瑞山,罗 鑫.2007.基于证据权重法的成矿预测:以广东省钨锡矿的成矿预测为例[J].地质通报,26(9):1228-1234

黄文斌,肖克炎,丁建华.2011.基于GIS的固体矿产资源潜力评价[J].地质学报,2011,85(11):1834 -1843

黄照强,黄树峰,付 勇,赵珍梅,程明华.2011.基于GIS的冈底斯东段铜多金属矿多元信息成矿预测与潜力评价[J].地质与勘探,47(1):113-120

顾连兴,胡受奚,于春水,吴昌志,严正富.2001.论博格达俯冲撕裂型裂谷的形成与演化[J].岩石学报,17(4):585-597

李文铅,马华东,王 冉,王 核,夏 斌.2008.东天山康古尔塔格蛇绿岩SHRIMP年龄、Nd-Sr同位素特征及构造意义[J].岩石学报,24(4):773-780

刘 磊,手长兵,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

娄德波,肖克炎,丁建华.2010.矿产资源评价系统(MRAS)在全国矿产资源潜力评价中的应用[J].地质通报,29(11):1677-1684

吕 鹏,朱鹏飞,毕志伟,陈建平.2011.基于GIS和证据权模型的克什克腾旗有色金属成矿预测与评价[J].地质与勘探,47(5):909-907

潘桂棠,肖庆辉,陆松年,邓晋福,冯益民,张克信.2009.中国大地构造单元划分[J].中国地质,36(1):1-28

苏红旗,葛 艳,刘冬林.1999.基于GIS的证据权重法矿产预测系统(EWM)[J].地质与勘探,35(1):44 -46

孙桂华,李锦轶,高立明,杨天南.2005.新疆东部哈尔里克山闪长岩锆石SHRIMPU-Pb定年及其地质意义[J].地质论评,51(4):463-469

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

王银喜,顾连兴,张遵忠,张开均,李惠民,吴昌志,杨杰东.2005.博格达裂谷闭合和区域隆起的同位素年代学证据及地质意义[J].地球学报,26(B09):102-104

汪帮耀,姜常义,李永军,吴宏恩,夏昭德,卢荣辉.2009.新疆东准噶尔卡拉麦里蛇绿岩的地球化学特征及大地构造意义[J].矿物岩石,29(3):74-82

肖克炎,叶天竺,李景朝.2010a.矿床模型综合地质信息预测资源量的估算方法[J].地质通报,29(10):1405 -1412

肖克炎,程松林,娄德波.2010b.区域矿产定量评价的矿床综合信息评价模型[J].地质通报,29(10):1430-1444

叶天竺,肖克炎,严光生.2007.矿床模型综合地质信息预测技术研究[J].地学前缘,14(5):11 -19

赵鹏大.1983.矿床统计预测[M].北京:地质出版社:1-100

张会琼,张寿庭,韦昌山,王京彬,王玉往.2010.在ArcGIS栅格数据环境下的综合信息成矿预测[J].矿产勘查,1(2):165-172

猜你喜欢
火山岩铜矿图层
接财接福
全球十大铜矿公司
西部矿业迈向国内铜矿“新巨头”
渤中34-9油田古近系火山岩岩相特征与分布预测
特大型井下铜矿山采选工程管理与实践
解密照片合成利器图层混合模式
巧用混合图层 制作抽象动感森林
牛东火山岩油藏压裂技术研究与应用
氧化铜矿硫酸搅拌浸出工艺研究
跟我学添加真实的光照效果