基于特征分析法的琼南矽卡岩型矿床成矿预测研究

吴传军 ,许德如周迎春,候茂洲 ,于亮亮 ,胡国成

(1.中国科学院 广州地球化学研究所 矿物学与成矿学重点实验室,广东 广州 510640;2.中国科学院大学,北京 100049;3.海南省地质调查院,海南 海口 570206)

成矿预测是基于地质理论及科学方法,充分利用已有的地质、物探、化探、遥感等相关数据和资料,总结成矿条件和规律,指出未来有可能找到有经济价值矿产产出的远景区(卢作祥和佘宏全,1989;吕鹏等,2011;席振等,2013)。其研究内容主要涉及三个方面:一是应用物探、化探和遥感资料进行隐伏地质体如断裂、岩体的推断;二是在成矿规律研究过程中结合成矿特征的分析,充分应用地质、物探、化探、遥感等综合异常资料,提取多元有利找矿信息;三是探索实现多元有利找矿信息有机分析和综合的数学地质方法(陈建平等,2008)。GIS技术以其强大的空间数据管理、查询、综合分析及可视化功能,为矿产资源评价、成矿信息提取提供了主要的技术支撑手段。特征分析法则以相似类比理论为基础,通过研究模型控制单元预测变量的内在联系,并将其应用于具有相似成矿地质背景的未知预测单元,而实现多元找矿信息有机综合,资源预测靶区快速定位的目的。

琼南地区矽卡岩型矿产资源丰富,多年来有关该类型矿床的找矿工作持续进行,然而至今未取得明显突破。因此,如何有效利用已积累的大量地质、物探、化探和遥感资料,为找矿工作服务,是当前面临的关键科学问题。本文在系统分析琼南矽卡岩型矿床区域地质背景与成矿规律的基础上,充分运用GIS技术空间分析功能对多元数据资料进行了处理与解释,建立了琼南地区矽卡岩型矿床的特征分析预测模型,并据此圈定了找矿预测靶区,以期为该区的找矿工作提供科学依据。

1 区域地质背景

海南岛位于太平洋板块、印度–澳大利亚板块和欧亚板块结合部位,受太平洋和特提斯两大构造域联合控制,表现出极其复杂的构造格局(许德如等,2009)。以EW向九所–陵水断裂为界,海南岛可划分为南北两部分,以北为五指山地体,属华南板块,以南为三亚地体,属南海–印支地台(Xu et al.,2013),晚二叠世至早三叠世期间,两块体可能沿九所–陵水断裂一带发生拼合,从而进入统一的大地构造发展阶段(龙文国等,2005)。

研究区横跨九所–陵水断裂,处于五指山地体与三亚地体交接部位,面积约 4000 km²(图1a)。区域上出露的地层主要有寒武–奥陶系海相–浅海相含磷锰硅质碳酸盐–碎屑岩建造,中下志留统海相砂–泥质类复理石夹碳酸盐建造,下石炭统海相砂岩建造以及白垩系火山沉积岩和第四系沉积物。区内侵入岩发育,以二叠纪–三叠纪侵入岩分布最广,岩性主要为二长花岗岩、正长花岗岩,其次为白垩纪侵入岩,主要沿九所–陵水断裂带分布,岩性以二长花岗岩为主(图1b)。研究区褶皱及断裂也很发育,褶皱主要由NE向岗阜鸡倒转复式背斜和NE向三道–晴岭–荔枝湾倒转复式向斜构成,前者位于五指山地体中,由古生界奥陶系、志留系及下石炭统组成,后者位于三亚地体中,由古生界寒武系、奥陶系组成。断裂构造主要表现为近EW向、NE-NNE向、NNW及近SN向。其中,近EW向断裂主要由区域性九所–陵水深大断裂构成,控制着区内三叠纪–白垩纪岩体以及白垩纪同安岭陆相火山岩盆地的展布。NE-NNE向、NNW向及近SN向次级断裂则主要分布于古生界地层组成的两大复式褶皱构造之中,是区内最重要的控矿构造。

研究区矿产资源丰富,已查明铁、铜、铅、锌、金、银、磷锰等多个矿种,矿床成因类型包括沉积岩型、岩浆热液型和矽卡岩型。其中,沉积岩型矿床以大茅磷锰矿为代表,与寒武系含磷锰质沉积有关;岩浆热液型矿床规模较小,主要为金银矿点,分布于白垩系火山沉积盆地内;相比之下,矽卡岩型矿床在本区占绝对优势,已发现多个成规模的矿床(图1b)。因此,本文主要对矽卡岩型矿床进行成矿预测研究。

2 矽卡岩型矿床成矿规律

研究区矽卡岩型矿床形成于燕山晚期,具有明显的空间分带性,总体上受控于两大矿田:其一是NNE向展布的南好铁、铜、铅、锌多金属矿田,空间上与岗阜鸡倒转复式背斜分布范围一致,产出有红石铁、铜、铅锌矿床,情安岭铁、铜、硫矿床,南好 508铜、铁、硫矿床以及南后山铅锌矿床,构成一与燕山晚期岩浆热液作用有关并以产出铁、铜、铅、锌为主的矿床成矿系列;其二是NNE向展布的大茅铁(铜)、铅、锌、磷锰矿田,空间上与三道–晴坡岭–荔枝沟倒转复式向斜相应,产出有田独铁(铜)矿及荔枝湾铅锌矿等,形成于燕山晚期,构成一与中酸性花岗岩浆热液活动有关的铁(铜)、铅、锌矿床成矿系列(廖香俊等,2005)。

图1 研究区地质简图Fig.1 Sketch geological map in southern Hainan Island

对已探明主要矽卡岩型矿床成矿地质特征的分析表明(表1),该区矽卡岩型矿床具有如下成矿规律:①矿床的形成与碳酸盐岩地层及燕山晚期中酸性岩浆热液活动密切相关,已探明矿床空间上分布于寒武系孟月岭组、大茅组,志留系足赛岭组以及石炭系南好组、青天峡组等碳酸盐岩地层与燕山晚期花岗斑岩、花岗闪长岩、石英斑岩、石英闪长岩、闪长岩(脉)等的接触部位;②与叠加于两大复式褶皱构造之上的NNE向、NNW向及近EW向次级断裂构造关系密切,这些断裂通过之处,通常发育有矽卡岩化、绿帘石化、云英岩化、硅化、黄铁矿化及碳酸盐化等热液蚀变现象,是铁、铜多金属矿重要的找矿标志;③根据矿物共生组合,矿床多具有两个成矿阶段,早期(高温)矽卡岩阶段,主要形成石榴石、透辉石、透闪石、绿帘石等矽卡岩矿物组合,并形成磁铁矿、(白钨矿)和少量黄铁矿、黄铜矿等;晚期(低温)石英硫化物阶段,主要形成绿泥石、绢云母、黄铁矿、黄铜矿、(自然金)、方铅矿、闪锌矿等。

表1 研究区主要矽卡岩型矿床成矿地质特征简表Table1 Geological characteristics of the main skarn type deposits

3 特征分析法原理

为解释地质、地球化学、地球物理等区域性多元数据,Botbol (1971)首次提出了特征分析法,随后许多学者对该方法进行了详细的研究(Botbol et al.,1978;McCammon et al.,1983;Pan and Harris,1992),目前已趋于成熟,在矿产预测中发挥着重要的作用。该方法总体上属于“矿床模型法”范畴(赵鹏大等,1993),其应用前提是假设区域上矿床的存在与否是受多种地质因素综合制约的,即服从地质组合因素控矿定律(肖克炎等,1995)。通过研究模型控矿单元变量特征以查明变量之间的内在联系,确定各个地质变量的成矿和找矿意义,建立起某种类型矿床资源体的成矿有利度类比模型,然后将该模型应用到预测区,进而对预测区含矿单元进行圈定(赵鹏大等,1993)。其数学原理与计算方法如下:

3.1 数学模型

设研究区有m个预测变量xj(j=1,2,…,m),n个模型单元,第j个预测变量在第i个模型单元上的取值为xij(i=1,2,…,n;j=1,2,…,m),则其全部取值状态可用如下矩阵表示:

对每个变量xj赋予适当的权值aj(j=1,2,…,m),代表变量 xj的重要程度,同时对每个单元赋予相应的联系度 fi(i=1,2,…,n),代表单元的成矿有利度,则它们之间的关系可用如下公式表示(McCammon et al.,1983):

3.2 权系数的确定

特征分析预测模型的实质是一组特征标志的加权线性组合,建立特征分析模型的关键是求解变量权系数 aj。确定特征分析预测变量权系数的方法一般有 3种:矢量长度法、乘积矩阵主分量法和概率矩阵主分量法。本次预测过程中笔者采用的是矢量长度法,即平方和法,它的思想基础是:变量与其他变量的关联性越强,变量就越重要。用变量之间的匹配系数作为变量之间的关联性的度量指标,即可确定变量两两之间的关联性。变量k、j之间的匹配系数rkj的计算公式为:

其中,rkj表示第k个变量与第j个变量之间的匹配系数。m个变量两两之间的匹配系数构成如下矩阵:

R=X′X=(rkj)m×m

变量与所有其他变量的匹配数构成了一个m维向量,(rj1,rj2,…,rjm)’,该向量的长度

反映了变量 j与其他变量总的匹配程度,可作为变量j的权系数。

3.3 对预测单元成矿有利度进行评价

计算出模型控制区的单元联系度之后,可以确定模型控制区单元联系度的变化区间。然后可以用单元联系度计算公式把所有预测单元的联系度计算出来,据此可根据单元联系度的相对大小来推测预测单元可能的成矿规模,并对成矿有利度进行排序,从中优选出成矿有利度较大的预测单元,进而快速圈定找矿预测靶区(堃李等,2009)。

4 预测变量分析与提取

在成矿预测中,预测效果的优劣在很大程度上取决于所选择的有利找矿信息与矿化的直接和间接的关联程度。这一方面需要加强矿床成因理论、成矿地质条件、成矿模式等方面的研究,另一方面需要运用数学地质方法对其合理性进行统计分析(赵鹏大等,1993)。本次预测是以区域地质背景及成矿规律的系统分析为基础,同时结合数学统计分析,对研究区多元有利预测变量进行了分析与提取。最后共确定基础地质、物探、化探、遥感等有利预测变量19个,分述如下:

4.1 基础地质变量

(1)地层:研究区含有碳酸盐岩的地层主要包括寒武系孟月岭组、大茅组,奥陶系大葵组、牙花组、沙塘组、榆红组,志留系空列村组、大干村组、靠亲山组、足赛岭组、上石炭统南好组等(陈哲培等,1997)。此外,一些地层由于受侵入岩影响,已发生矽卡岩化及角岩化,也是十分重要的有利找矿信息。

(2)侵入岩:与研究区矽卡岩型矿床有关的侵入岩主要是燕山晚期花岗斑岩、石英斑岩、石英闪长岩、花岗闪长岩、闪长岩等中酸性岩体(脉),为探讨上述侵入岩对成矿作用的影响范围,笔者利用MRAS软件证据权重模块对不同缓冲半径的岩体(脉)与已知矿床(点)的相关程度进行计算,取相关系数 C值最大时的缓冲半径作为岩体(脉)对成矿作用的影响域,其具体原理及计算过程参见席振等(2013)。结果表明当缓冲半径为400 m时,相关系数C取最大值为3.5858(表2),大致与研究程度相对较高的红石矽卡岩型矿床中酸性岩体对成矿的影响范围相当。

表2 矿床(点)与侵入岩不同半径缓冲带相关程度表Table2 Correlation between the deposits and intrusive rocks of different radius buffers

(3)断裂:研究区NNE向、NNW向及近SN向等次级断裂与成矿关系密切。如红石矿床与NNE- NE向狗岭断裂带有关,田独矿床与NNW向及近SN向断裂密切相关。为获取断裂对成矿作用的影响范围,利用MRAS软件对其进行缓冲区分析及相关系数计算,当缓冲半径为400 m时,相关系数C取最大值为2.4137。

(4)地层组合熵:熵是信息论中度量信息量的一种方法,反映了事物发生的不确定度。一般来说,断裂构造、岩体接触带、地层边界等地质构造特征越复杂,其不确定度越高,熵值越高(赵鹏大等,1993;陈建平等,2008)。本次研究采用MRAS软件将研究区MapGis格式的1∶5万地质图划分成1.5 km×1.5 km的网格单元进行地层组合熵计算。从已知矿床(点)分布来看,琼南矽卡岩型矿床均处于地层组合熵值(40～80)梯度带上(图2)。

(5)构造线密度:成矿地质信息有些是显式的,有些是隐蔽的,对于隐蔽的信息需要通过一定的分析、处理等才能获得,断裂构造信息包括断裂构造等密度、断裂中心对称度、断裂优益度、断裂交点数等,它们均是属于较隐蔽的信息,需要通过定量化处理才能被认识(董庆吉等,2010)。本文对研究区构造线密度进行了定理化处理,其值介于0～0.11之间,从矿床(点)与构造等密度图叠合分析来看,大多位于 0.03～0.07的次高值等密度区域(图3),这可解释为等密度最高的地区是成矿后构造发育强烈的地区,对成矿有着破坏作用,而等密度次高值区为成矿提供了相对稳定的环境(董庆吉等,2010)。

4.2 地球物理变量

重磁场信息具有较深的穿透性,能够用于揭示地壳深部地质构造特征,被广泛地应用于基础地质研究和资源评价中(陈永清等,2007)。本次收集了研究区1∶5万航空磁测资料,精度为±7 nT,采用中国地质调查局发展中心研制的 RGIS重磁软件对这些航磁资料进行了ΔT等值线绘制、低纬度化极处理、垂向一阶导数处理以及航磁异常解译。

图2 地层组合熵等值线图Fig.2 Contour map of strata combination entropy

在航磁ΔT等值线图(图4)上磁场具有如下特征:(1)在研究区北西部出现极强的正磁场区,航磁等值线从南至北由稀变密,形式椭圆形,长轴近 NE向,空间位置上与志仲花岗岩体相吻合;(2)在保国农场、千龙、毛感以南,加油南、什龙以北一带,航磁表现出正负磁场相互过渡的特征,其ΔT等值线变化平缓,多呈NE向展布,与区域沉积地层空间位置和展布方向相一致,磁场强度的降低总体与沉积岩属于非磁性或弱磁性有关。此外,该区产出的矽卡岩型铁多金属矿化未能引起强烈的磁场异常,可能与该区矽卡岩型铁矿化较弱或含铁矽卡岩较少,主要仍为弱磁性角岩和非含铁矽卡岩有关。(3)中部地区以负磁场分布为主,其等值线变化平缓、NNE向展布,是区域上九所–陵水深大断裂带的反映。局部地方出现跳跃大、梯度陡且正负磁场交替现象,表现出火山岩地区的磁场特征,与地质特征相符。(4)西南部地区(即大对、六罗、罗葵洞至大田以南区域)总体以正磁场分布为主,局部出现高级、次高级磁异常区,由该区含铁层位及基性岩所引起。

图3 构造线密度等值线图Fig.3 Contour map of linear density for faults

图4 航磁ΔT等值线平面图Fig.4 Contour map of ΔT aeromagnetic anomalies

将航磁ΔT等值线进行低纬度化极处理及垂向一阶导数处理,结合研究区地质特征及岩石磁性参数进行了航磁异常的解译及圈定,将解译的磁性蚀变带作为有利预测变量,参与成矿预测过程(图5)。

4.3 地球化学变量

(1)化探元素异常:是一种比较直接的找矿信息,它在很大程度上直接反映了致矿地质异常和矿体的分布(廖崇高,2001)。研究区主要成矿元素有Fe、Cu、Pb、Zn等,次要成矿元素还包括Au、W。为确定对找矿有利的化探单元素异常,笔者首先对研究区 Au、Ag、Cu、Pb、Zn、W、Bi、As、Sb 等9种地表化探单元素异常下限进行了计算,计算过程中采用正态和对数正态逐步截尾法进行异常下限值的确定(刘晓玲和陈建平,2010),并据此圈定出单元素异常的分布范围。经与已知矿床点对比,前 5种元素,即 Au、Ag、Cu、Pb、Zn的单元素异常与已知矿床(点)吻合情况较好,可作为有利找矿变量。

图5 航磁推断地质体Fig.5 Geological bodies inferred by aeromagnetic results

为确定化探相关元素组合,利用SPSS统计分析软件对上述单元素异常提取的 9种元素进行主成分因子分析。取特征值大于1的前4个主成分因子(累积方差贡献值达66%)作为最终的综合因子(表3),并采用方差最大正交旋转法对初始因子载荷矩阵进行正交旋转(表4)。9种元素可分为4个综合因子,即4种地球化学元素组合;F1因子为Cu、W、Mo元素组合;F2因子为Pb、Zn元素组合;F3因子为As、Sb元素组合;F4因子为Au、Ag元素组合,其中,F1、F2、F4均包含有主成矿元素,F1因子可能反映了早期成矿阶段的元素组合状态,而F2、F4主要反映晚期成矿阶段的元素组合状态。

表3 主因子方差贡献表Table3 Variance distribution of the principal factors

根据因子分析得出的元素组合关系,查找每种元素的异常样品(即元素含量高于其自身异常下限的样品)构成元素异常数据表,然后将表中各元素的异常样品进行标准化,绘制出 F1、F2、F4因子累加组合异常图(图6)。

(2)自然重砂:琼南预测区Fe、Pb-Zn族矿物自然重砂异常与已知矿床吻合较好,其异常的圈定过程中,Fe族矿物自然重砂异常下限值是按98%的累积频率值确定的,而 Pb-Zn族重砂矿物由于不易保存,故不做累频计算,出现即圈定为异常。

何况，下雪天，不是孩子的最爱吗？男孩彼得在冬天的早上醒来，发现雪下了一整夜，目之所及，白雪皑皑。他走出屋子享受雪天的乐趣：把雪堆成雪人天使；在雪地上印下串串脚印；把树杈上的雪抖落一地……这些哪一件不是孩子们在下雪天爱做的事呢？绘本《下雪天》的故事简单却经久不衰，埃兹拉·杰克·济慈绘制的插图功不可没。他用镂空打孔、水彩上色以及拼贴绘制的方法让画面散发着独特的艺术气息。

4.4 遥感变量

岩石是由数种或(一种)主要矿物组成,这些矿物均含有各自独特的光谱特征,围岩蚀变作为金属矿床(特别是内生矿床)重要的找矿标志,本身也具有独特的光谱特征,这是利用遥感信息提取蚀变信息的主要依据(张玉君等,2007;赵少杰等,2011)。遥感蚀变异常信息主要有两种:羟基蚀变异常和铁染蚀变异常。前者是由OH-和CO2–3等基团振动产生的异常,后者是由 Fe3+等阳离子电子过程产生的异常(赵少杰等,2011)。研究区内围岩蚀变主要有黄铁矿化、褐铁矿化、绿泥石化、绢云母化、碳酸盐化等,可大致分为含Fe3+离子矿物及含OH-和CO2–3等基团矿物,是研究区提取矿化蚀变异常信息的基础。本次收集了1999年11月2日Landsat ETM影像一景,其云层覆盖少于 5%,没有重要地物覆盖,在 ENVI平台上经水体、植被等掩膜处理后,运用主成分分析法和比值法,提取了研究区的铁染蚀变异常和羟基异常信息(图7),并进行缓冲区分析后参与成矿预测过程。

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

图6 研究区元素组合异常图Fig.6 Element association anomalies in the study area

图7 研究区遥感蚀变信息提取图Fig.7 Alteration extracted from the ETM data

5 成矿预测

5.1 网格单元的划分

在矿产资源评价过程中,统计单元是建立评价区资源特征与多元地质信息的桥梁,也是统计分析的基础。统计单元划分方法主要有网格单元法,地质体单元法、物化遥异常单元法。其中,网格单元法划分的关键问题是单元大小的选择,单元面积越大,不含矿点或含一个矿点的单元数就越少,矿点趋向于均匀分布。反之,趋向于随机分布。影响网格单元大小的因素可概括为:(1)统计预测研究所要求精度或比例尺大小;(2)研究区地质条件复杂程度、矿点数及空间分布;(3)研究区范围大小及保证统计分析所必须的单元数(赵鹏大等,1993;邓勇等,2007)。

本次找矿预测比例尺为1∶50000,以1.5 km×1.5 km的网格大小将研究区划分为1936个网格单元,划分过程中以区内已发现的矽卡岩型矿床(点)为基础,使网格单元大小与单个矿床面积大致相当,并且使每个单元至多只含有一个矿床(点)。

5.2 特征分析模型的建立

预测工作区内仅发现 6个矽卡岩型含矿单元,存在模型控制单元代表性不足的问题。McCammon et al.(1983)详细论述了在模型控制单元数较少的情况下建立特征分析模型的方法与步骤,他首先将有矿单元作为模型控制区,运用特征分析法原理对预测变量的权系数及单元联系度进行了计算,建立起特征分析矿化模型 M1,然后将模型 M1计算的单元联系度按大小进行分级,选择联系度较大、分级较高的单元作为新的模型控制单元(含已知含矿单元),重新建立了新的特征分析模型M2(即广义矿化模型),用于最终的找矿靶区的圈定,取得了较好的预测效果(杨永华,1988;沈镭,1990)。

5.2.1 矿化模型的建立

在矿化模型的建立过程中,首先要考虑模型控制单元与预测单元地质环境相似性问题,而相对可以忽略矿床规模的大小(赵鹏大等,1993;McCammon et al.,1983)。因此,本文未考虑矿床的相对规模大小,而主要研究其形成的地质环境与控矿因素等问题。通过前文的分析,矽卡岩型矿床的形成与碳酸盐岩地层、燕山晚期花岗斑岩、石英斑岩、花岗闪长岩、闪长岩等中酸性岩体(脉)密切相关,主要分布在两者接触带处,它们是形成该类矿床的必要条件。因此,预测工作区内一部分不具备上述条件的区域可以排除在外(图8空白单元),而主要选择具上述地层及岩体分布的区域进行预测(图8彩色单元)。

图8 矿化模型M1单元联系度分级图Fig.8 Classification of degree of match for cells of mineralized model M1

以 6个含矿单元为模型控制单元,利用 MRAS软件提供的平方和法求出 19个预测变量的权系数,建立起矿化模型 M1,用该模型计算出网格单元的联系度 f值,并按单元频数及联系度大小进行分级(表5),1级表示单元联系度最低,6级表示单元联系度最高。

5.2.2 广义矿化模型的建立

取矿化模型M1中联系度f≥4级的26个单元(包括 6个已知含矿单元),利用平方和法重新进行 19个变量权系数的计算(表6),建立矿化模型M2,并利用新模型再次对网格单元的联系度 f进行计算,据此推断各网格单元可能的成矿规模,并通过设定合适的阈值,圈定成矿远景区。根据成矿地质条件与已知矿床(点)的分布关系,选取单元联系度 f≥0.6作为阈值,圈定出4个一级找矿预测区(A1、A2、A3、A4)、2个二级找矿预测区(B1、B2)和 2个三级找矿预测区(C1、C2)(见图9)。

表5 矿化模型M1特征权计算的预测单元联系度f频数分布Table5 Frequency distribution of degree of match for cells based on mineralized model M1

图9 研究区成矿潜力预测图Fig.9 Potential prospecting area in Southern Hainan Island

表6 矿化模型M1、M2各预测变量权系数Table6 Weights of variables for mineralized model M1 and M2

(1)A1区:该区是红石矿床所在地,地层、构造、岩浆三者有利的配置控制着矽卡岩型矿床的产出。区内出露的地层均含有碳酸盐岩层位,包括志留系空列村组、足赛岭组、石炭系南好组,发育NNE向为主的构造带,它们是岩体(岩脉)侵位的重要通道,燕山期侵入岩呈面状和脉状侵入到地层中。此外,尚发育Au-Ag、Cu-W-Mo元素组合异常,Pb-Zn、Fe自然重砂异常、航磁推断磁性蚀变带以及遥感羟基蚀变异常,不仅具有较好地成矿地质条件,也具有众多的找矿标志。

(2)A2区:产出有情安岭、南后山、南好 508三个矽卡岩型矿床,构造位置上处于 NNE向狗岭断裂带的中部地区,断裂构造非常发育。出露的有利地层有志留系靠青山组、足塞岭组和石炭系南好组,侵入岩主要为不规则侵入的燕山晚期花岗岩脉、石英斑岩脉等。具有不同程度的Au、Ag、Cu、Pb、Zn等化探单元素异常和大面积的 Pb-Zn、Fe自然重砂异常。从航磁及遥感解译结果来看,发育有磁性蚀变带、铁染蚀变异常及羟基蚀变异常。

(3)A3区:该区位于狗岭断裂带东段,与A1、A2属同一构造带,遥感解译NNE向及近SN向构造发育,成矿有利地层奥陶系大干村组、靠青山组、空列村组及足塞岭组大面积分布,燕山期花岗岩、花岗斑岩脉呈不规则脉状侵入到上述地层中,构成有利的成矿地质条件组合。不仅 Pb-Zn、Au-Ag元素组合异常发育,Pb-Zn、Sn自然重砂异常也呈大面积分布,遥感解译环形构造发育,可能是深部有侵入岩的反映。此外,尚解译出小面积的羟基蚀变异常出露。

(4)A4区:该区位于三道–晴坡岭–荔枝沟复式倒转向斜的南东翼,是田独矽卡岩型矿床所在地,发育与复向斜褶皱轴走向相同的NNE向断裂,大面积出露孟月岭组、大茅组、大葵组,花岗岩体呈岩株状侵入于预测区中部,并且除田独矿区外,尚在东部地区发现多处矽卡岩产出。发育有Au-Ag组合元素异常、Fe自然重砂异常,处于地层组合熵值梯度带中,航磁推断有磁性蚀变带。

(5)B1区:遥感解译有一大型的NNE向右型走滑断裂穿过预测区,出露的地层有空列村组、靠青山组、足赛岭组、南好组。发育有 Pb-Zn元素组合异常以及 Pb-Zn自然重砂异常,航磁及遥感解译发育有小面积的磁性蚀变带和羟基蚀变异常。需要说明的是,该区尚未发现明显的侵入岩分布,但不排除深部有侵入岩的可能。

(6)B2区:与A4区位于同一构造带上,NNE向构造发育,成矿地质条件相似。奥陶系沙塘组、榆红组地层大面积出露,不规则状花岗斑岩呈面状和脉状在预测区中心侵入,具备成矿的地质基础。具Fe族矿物自然重砂异常,遥感解译有羟基和铁染蚀变异常,具备一定的找矿潜力。

(7)C1区:构造位置上处于三道–晴坡岭–荔枝沟复式倒转向斜的轴部位置,NNE向构造发育,出露有奥陶系牙花组地层,晚白垩花岗斑岩呈岩株状状侵入,产出有荔枝沟铅锌矿床,且区内已多处发现具有直接找矿标志的矽卡岩。具有Pb-Zn组合元素异常,航磁及遥感解译发育有磁性蚀变带和羟基蚀变异常。

(8)C2区:它位于三道–晴坡岭–荔枝沟复式倒转向斜的北东端,发育 NNE向和近SN向断裂,出露地层有寒武系大茅组和奥陶系沙塘组,未见明显侵入岩分布,有矽卡岩产出。航磁解译有磁性蚀变带,遥感解译发育铁染蚀变异常和羟基蚀变异常,可能由热液活动所引起。此外尚发育遥感解译环型构造,可能是深部具侵入岩活动的反映。

6 结 论

经过多年的找矿勘查工作,琼南地区积累了大量的基础地质资料。本文应用MRAS平台特征分析模块首次将这些资料进行了详细分析与综合处理,圈定出琼南矽卡岩型多金属矿床找矿预测靶区,取得了良好的预测效果,形成如下认识:

(1)基于 GIS技术的成矿预测彻底改变了传统成矿预测的方法体系,能够将大量的找矿信息进行关联与综合,并可以实现从地质找矿模型到数学模型的转换,提高了成矿预测的效率和数据综合利用的程度。

(2)应用特征分析法进行成矿预测,关键在于对研究区成矿地质背景、控矿因素以及有利找矿信息进行归纳与总结。其预测的可靠性在于特征分析模型的建立是否合理,以及模型单元的选择是否具有代表性。

(3)本文利用 MRAS系统分析和提取了包括地质、物探、化探、遥感在内的19个有利预测变量,并应用特征分析模块进行了变量的综合处理与成矿预测。圈定出了4个A级找矿预测区,2个B级找矿预测区和2个C级找矿预测区,已知矿床(点)均分布在预测异常区内,表明预测结果具有较高的可信度。其中,4个A级找矿预测区不仅具有良好的成矿地质条件,也具有众多直接和间接的找矿标志,应作为以后优先安排找矿勘查的区域。

致谢:研究过程中得到了海南省地质调查院周慧文、吴小洁等同志的极大支持和帮助;中国地质科学院矿产资源研究所肖克炎研究员和另一位匿名审稿专家为本文的修改提出了建设性的意见。在此一并表示感谢！

陈永清,夏庆霖,黄静宁,陈建国,李建国.2007.“证据权”法在西南“三江”南段矿产资源评价中的应用.中国地质,34(1):132–141.

陈哲培,钟盛中,何圣华,陈贻川.1997.海南省岩石地层.武汉:中国地质大学出版社:1–128.

陈建平,陈勇,王全明.2008.基于GIS的多元信息成矿预测研究——以赤峰地区为例.地学前缘,15(4):18–26.

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.地质通报,26(9):1228–1234.

董庆吉,肖克炎,陈建平,丛源.2010.西南“三江”成矿带北段区域成矿断裂信息定量化分析.地质通报,29(10):1479–1485.

廖崇高.2001.兰坪盆地成矿预测中的多源信息定量分析.矿床地质,20(3):292–296.

刘晓玲,陈建平.2010.基于GIS的证据权重法在内蒙古阿鲁科尔沁旗地区成矿预测中的应用.地质通报,29(4):571–580.

龙文国,丁式江,马大铨,林义华,莫位明,周进波.2005.海南岛前寒武纪基底组成及演化.地球科学——中国地质大学学报,30(4):421–429.

李 堃 ,胡光道,段其发.2009.基于MORPAS平台特征分析法的成矿远景区预测——以个旧西区锡多金属矿为例.地质科技情报,28(4):65–70.

卢作祥,佘宏全.1989.国内外层控改造型金锑钨综合矿床的成矿特征与成矿机理.地质科技情报,8(1):59–65.

廖香俊,王平安,丁式江,黄香定,董法先,刘晓春,雷伟志.2005.海南岛主要成矿系列与矿床成矿规律研究.地质力学学报,11(2):187–194.

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.地质与勘探,47(5):909–917.

沈镭.1990.特征分析法在广西南丹芒场锡——多金属矿田隐伏矿床预测中的应用.地质找矿论丛,5(4):80–89.

肖克炎,孙建和,晋佩东,王仁铎.1995.特征分析问题与对数线性模型研究及其应用.地球科学——中国地质大学学报,20(2):185–190.

席振,高光明,林腾.2013.基于GIS和证据权法的秘鲁中南部成矿预测研究.大地构造与成矿学,37(2):340–349.

许德如,肖勇,夏斌,蔡仁杰,候威,王力,刘朝露,赵斌.2009.海南石碌铁矿床成矿模式与找矿预测.北京:地质出版社:16–17.

杨永华.1988.特征分析模型构造原理.长春地质学院学报,18(1):100–110.

赵鹏大,胡明亮,李紫金.1993.矿床统计预测.北京:地质出版社:198–209.

赵少杰,钱建平,陈宏毅.2011.遥感线性构造分形统计和蚀变信息提取在桂东地区金铅锌锡多金属成矿预测中的应用.大地构造与成矿学,35(3):364–371.

张玉君,杨建民,姚佛军.2007.多光谱遥感技术预测矿床资源的潜能——以蒙古国欧玉陶勒盖铜金矿床为例.地学前缘,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.