GIS支持下的地质异常分析及金属矿产经验预测

任海鹏　左莉莉

摘要：GIS是基于地理信息采集技术，其可以通过相关手段对多种地理地质信息进行采集和分析。在金属矿产预测中，GIS技术被广泛运用。地质异常是金属矿产预测的重要理论，其根据矿产埋藏地质条件的异常，可以判断出是否存在矿产及品类、赋存等。文章对GIS及地质异常进行了介绍，并分析了GIS下地质异常分析和金属矿产经验预测。

关键词：GIS；地质异常；金属矿产预测；地理地质信息；地理信息采集技术 文献标识码：A

中图分类号：P618 文章编号：1009-2374（2015）35-0141-02 DOI：10.13535/j.cnki.11-4406/n.2015.35.070

矿产预测是找矿工作的核心，相关的经验理论较多，地质异常就是矿产预测中较为有效的一项理论。地质异常理论弥补了相似理论等存在的不足，有效提升了找矿的成功率。在GIS下对地质异常进行更加深入全面的分析，可以促进地质异常矿产预测上升到一个新的台阶。

1 GIS与地质异常

1.1 GIS

GIS主要是指地理信息系统，其是一种十分重要又比较特定的空间信息系统。通过计算机技术，GIS可以对地球整体或部分进行多类数据的采集、传输、整合、计算、分析和显示等。通过GIS，可以对地层的物理、化学和地质信息形成全面了解，不仅可以为地质异常分析提供更加全面的参考数据，也可以凭借GIS强大的分析能力强化地质异常分析，促进地质异常分析结果更加精准可靠。

根据实际运用，GIS表现出了四个方面的基本特点：（1）GIS可以作为公共地理定位的基础，可以为公共地理定位提供可靠的信息数据；（2）GIS可以对多种地理空间信息进行采集、整合、管理、分析和输出等，具有十分广阔的应用前景；（3）GIS系统分析主要是通过建立模型展开，具备十分强大的综合分析能力以及动态预测性能，能够根据模型产生高水平的地理信息；（4）GIS系统的目的在于进行地理研究和相关地理决策，其实现了深层次的人机交互，能够对相关决策起到积极的促进作用。

1.2 地质异常

地质异常主要是指对象地质在地质结构、地质成分、地质构造、地质成因次序等方面和周边地质存在显著差异，这种差异就称为地质异常。地质异常具有很高的实用性，尤其是在矿产预测中，更是具有很高的运用价值。根据地质异常的基本理论，可以对某些地质条件特殊的矿体进行全面的地质信息数据采集整合，并且可以建立矿产特殊地质模型。通过这一特殊地质模型，再对实际地质条件进行对比。如果与模型地质条件相符，那么就可以据此推断存在同类矿床的概率很高，也可以借此进行更加精细的预测。

2 GIS下的地质异常分析

地质异常分析在金属矿产预测中具有十分重要的作用，其是进行预测的理论数据基础。也只有根据地质异常的分析结果进行预测，预测结果才会更加贴近实际。地质异常包括的内容较多，异常分析也需要从不同的内容分别展开。

2.1 线性地质

线性地质是地质异常分析的一个重要内容，其主要包括了矿点和异常线性地质之间的关系。这里所指的矿点主要是各型矿床的产地，是一个泛指。根据实际预测经验来看，矿点和异常线性地质之间是存在一定关联的，可以根据GIS获取的地理信息对其存在的规律进行一个比较模糊的归纳，但是还是无法对其进行精准的定义。一般而言，矿点和异常线性地质存在一定的距离关系，即在异常线性地质一定距离范围内，可能存在某类矿产。对于不同的异常线性地质而言，其与矿点之间的关系也是不一样的。比如，断层地质和矿点之间的距离关系，就会受到断层地质的具体形式以及矿产类型的约束。如图1所示，就表明了断层和矿点之间的直接关系。图1中1代表断层，2代表了铜矿矿点，3代表了断层影响带。

2.2 面状地质物化探异常

面状地质上的物化探异常，是地质物化平面异常数量最多的一种物化探异常。通常情况下，矿产预测需要解决两个方面的基本问题：首先是矿产预测中的面状信息必要性，其可以从要素层是否存在大量矿点进行表现；其次是矿产预测中的面状信息有效性，这可以通过对单位矿产当量进行计算来验证。利用单位矿产当量来评价面状信息的有效性，可以根据经验公式kN=N/S来进行，其中S代表了地层露出面积，N可以通过相关计算式得出，其主要表示了矿点个数。在GIS技术下，可以十分便利地获取到面状信息，进而可以根据相关公式进行有效性验证，再将其用于金属矿产预测中。

2.3 组合异常

组合异常对于矿体预测具有一定的有利性，通常情况下，组合异常可以分为面异常和线异常、线异常和面异常、线异常和线异常以及面异常和面异常。在四种基本的异常组合之下，还可能存在一些更为复杂的异常组合。对于组合异常，其需要进行分析的内容相较单一异常而言增加了许多，需要采集的数据也更多。在这一背景下，利用GIS对组合异常的面状信息和现状信息进行综合采集，通过计算机技术处理，可以建立其面信息和线信息的综合模型，通过面信息和线信息的综合约束，可以有效提升金属矿产预测结果精度。

3 GIS下的金属矿产经验预测

金属矿产经验预测的基础是相似理论，而地质异常理论和相似理论有异曲同工之妙。所以，在对金属矿产进行经验预测的时候，可以在相似理论和地质异常理论的基础上，通过GIS技术展开矿产预测。

3.1 采集数据

通过GIS对经验预测所需的数据进行采集，是GIS运用的第一步。采集数据主要包括了地质、地理、物理、化学、化探、重砂、遥感等多方面的测量数据。在采集数据完成之后，还需对数据进行整合建库。整合建库需要注意四个基本事项：（1）将各种数据转化为GIS系统支持的数据，便于数据识别处理；（2）根据数据类型建立相应的图层，对于同一组数据也可以从不同的视角建立不同的图层，以便用于地质异常分析和矿产预测；（3）对相关数据要进行数字化处理，在各图层之间构建拓扑关系，再对其进行修改，以便完善数据系统；（4）对数据进行预处理，即统一各类数据的比例尺、精度、格式等。

3.2 建立模型

建立模型是金属矿产经验预测不可获缺的步骤，建立模型主要可以分为三个环节：第一个环节，根据模型建立目标选择可用数据、图层。在矿体预测中，模型是多种多样的，根据不同的使用目的，得出的模型也是不一样的。因此，根据模型的使用目标，选择适当的数据、图层等进行模型构建，是进行预测的第一步；第二个环节，建立模型。在已经选定的数据、图层等基础上，展开模型构建。模型构建一般以三维模型为主，这就要求确定好模型边界。其既可以通过异常地质和矿点之间的关系作为边界展开模型构建，也可以对已有模型按照实采数据进行修改；第三个环节，优化模型。在模型建立完成之后，还需对模型进行优化。由于数据采集过程、处理过程等环节中，可能存在一定误差，因此需要结合相关经验对模型进行优化。

3.3 圈定矿区

圈定成矿预测区域，是建立模型之后最为关键的一个环节。圈定成矿预测区需要根据经验类比法的基础理论以及GIS实采数据综合进行。其主要可以分为以下五个步骤：（1）确定矿产当量标志，并对其着色加以区分；（2）对选定的证据层进行合并分析，确定各区域成矿有利度；（3）对着色进行统计，划分出矿产有利地的具体等级；（4）根据着色的成矿有利地进行有利地段的划定；（5）整合各个有利地段，统计其面积，再通过GIS输出预测结果。

4 结语

金属矿产经验预测涉及的内容很多，地质异常分析是经验预测的一个重要基础理论。通过GIS技术对地质异常信息进行采集，建立经验分析模型，结合实际数据对模型中的成矿区域进行圈定，可以有效提升金属矿产经验预测的准确性。

参考文献

[1] 范晓，王裕琴，等.GIS支持下的梭罗沟金矿远景评价[J].金属矿山，2010，（7）.

[2] 毛先成，曹芳，等.GIS支持下的线性回归证据权法扩展及成矿预测[J].测绘科学，2013，（3）.

[3] 曾文波.GIS技术在桂西-滇东南大型锰矿预测评价中的应用[D].中南大学，2009.

（责任编辑：蒋建华）