赵 博
(河北省地球物理勘查院,河北 廊坊 065000)
地球化学异常是对矿产进行勘测的重要方法,同时也是对矿区进行评价的重要凭证和证据,其中的异常信息提取更是勘测过程中的关键部分。随着大计算和人工智能的迅速崛起,针对异常提取的研究也有了很大的突破,方法也更加多样化,如利用滑动平均法来帮助勘察低背景区的异常情况,利用含量面积分形的方法来帮助确定异常的下限等等。因此,要根据不同的矿区实际地质情况可以选择不同的方法进行有效的预测和勘察,同时还要进行不同方法的比对,帮助提取更多的异常信息。
图1 地区主要结构示意图
金矿的分布位于准格尔-哈萨克斯坦东北边缘活动带附近,矿区内断裂分布走向差异较大,有NW 向断裂、NNE 向断裂以及近EW向断裂,其中NW向断裂占主要部分(图1),而且矿区内的矿产分布和规模大小受其影响[1]。矿区内的矿石结构主要有氧化矿和原生矿。其中氧化矿石金属矿中褐铁矿占多数,其次为黄铁矿和毒砂。原生矿的主要成分为毒砂和黄铁矿。而脉石矿物则有石英、方解石、正长石等。氧化矿的分布深度在地表下三十米,再往下大多是原生矿区域。
经过对该金矿区的相关资料进行研究之后,发现在其矿床元素中,Au 和Ag 与Pb 和Sn 与Mo 和As 等元素的衬度值大于一,同时它们的浓度克拉克值也明显大于一,与其他元素对比来看相对较高,As 会低一点,而Cu,Pb,Zn 等元素则没有表现出类似的异常,这就表明Au 是该矿区的主矿元素,经过复杂的活化、变迁和富集作用之后,让毒砂成为该矿区的主要硫化物[2]。此外,大量的As 元素,对于毒砂的富集也有着很好的促进作用,使得该区域内的毒砂含量丰富。
而经过分析比对,不同于其他的元素与Au 的相似性差,W 和Mn 与Mo 和Hg 则显示出一定的相似性,而与Pb、Zn、Ag、As 等元素则表现出相似度不高。W、Mn、Mo 和Au 则具有一些相同的特征,总结得出在该金矿区明显存在着剥蚀的现象,就目前的开采情况来看,主要集中在原生矿区域的中下部分。Hg 和Au 存在相似特征,则表明在矿区的深部区域有隐伏矿体的存在。
经过对该矿区的地球化学元素分析比对发现,该区域内的元素演变十分地复杂。因为火山的因素,该区域的岩体物质形成受到火山物质和周围沉淀物的相互影响,导致物质出现融合,而南明水组地层的水分则和大气降水形成对流作用,演变成高温热液,在温度的作用下,不断冷却形成沉淀物,最后累积成矿床。首先,Au 元素的独立性非常强,因为该区域在经过不断的进行活化、迁移等地层活动,受到这些活动的影响,从而出现大量的富集现象。这同样给金元素积累成矿奠定了很好的基础,同时因为这些地层活动一直在进行,且不断地累积,导致了该区氧化矿的含量比原生矿的含量要高出很多。其次,因为金元素和W、Cr、Bi、Mo 等元素存在一定的相似性的特征,表明了金元素的富集与W、Mo、Bi 元素有很大的关联,为金元素富集成矿提供了非常好的条件。这些特征与矿区内的硅化反应,以及和钠长石的蚀变,还有电气石化的蚀变呈现出一致性。再者,砷元素的富集会经历三个以上的阶段,金元素矿化主要出现在第二个阶段,在金元素成矿之后,砷元素的富集规模会变得很大,导致其含量很高。虽然这个特征显示砷元素的分布会影响着金元素的分布,但是这不是必备条件,因此不能把砷元素的含量分布当作是寻找金矿的重要条件,根据其元素类聚分析来看,应该着重于As,Sb,Bi,W,Mo,Hg等元素的集合,寻找它们的共同分布区域。在金元素的初步富集阶段,呈现出与Mn,Ni,Co,As,Pb,Sn 元素有很强的相似性,根据这一特征可以得出,硫化物与金元素有很强的关联性,有助于金元素的富集矿化。
在萨尔布拉克金矿区内,呈现出NW-SE 向的分布状态,呈现出整体分段矿化的现象。矿体展布为波状,整体的矿体分布有抖倾状的特点,在矿带中的分散分布,其大小和品级都不尽相同。矿化较差的是东西侧,存在明显的蚀变矿化特征。同时,从所有的矿体元素分布来看,金元素的富集现象相对突出。
Au 元素和Hg,Sb,W,Bi,Pb,Ag,Mo,Sn 等元素整体表现出高氧化的现象,而在原生矿内这种现象则比较少。在主断裂的区域内,Co,Mn,B,Cu,Ni,Zn 等元素的分布含量较少见,主要分布在破碎化程度高的氧化矿中,而在两侧区域的围岩中,这些元素的含量则比较高。
金元素在地表垂直向下六十米富集现象明显,在十米到四十米之间的位置,品级较高,且比较稳定。同时,金元素的品级差异较大的现象,则表明其元素在矿区内分布分散,这不利于对矿体的数量预测和开采。在垂直方向上,金元素有连续聚集的特征,从而显现出多层矿化的特征。
近年来随着矿质勘测手段和技术的进步,地球化学异常信息的提取方法也有了很大的进步,针对不同的勘测要求,则有不同的信息提取方法进行有针对性的应用。本文主要针对传统的统计方法和含量面积分形方法以及滑动平均法这三种方法进行阐述。
这种方式的关键在于数据要符合正态分布,亦或者要符合对数正态分布。主要利用Surfer 软件对矿区内的元素含量展开统计运算。其对应的特征值有最小值、最大值、平均值、中位数、标准离差、变化系数、偏度、峰度和K-S 吻合度。其中,检测偏度则是为了检查其正态分布的偏离程度,数值小于20 则表明符合正态分布,反之则符合对数正态分布。对于符合前者的数值,同时还要满足大于平均值+2 倍的标准离差的概率要小于2.5%的条件。对于符合后者的数值,要满足其值大于eμ+2σ的概率要小于2.5%的条件。然后进行异常圈定,单一元素的异常下限检测公式为T=C0+KS,测出T 的值后,再根据其值绘制异常图。
这个方法是比较简单的计算异常下限的方法,优点是容易操作,但是也有其弊端。因为在计算时要进行有必要的踢值处理,这样做就会破坏掉原有的数据,而且在K 值的选取上比较主观,很难比较精确地反映出详细的地质情况。
这个方法的关键是要大于或者等于某一条件的数,其关系模型为N(r)=Cr-D(r>0)。其中,N 代表元素的含量,N(r)代表N 大于等于r 时围成的面积,C 代表常数,D 代表分维数。为了得到公式中的D 值,要将(Nr1,Nr2,Nr3,...,Nrn)和(r1,r2,r3,...,rn)带入到公式N(r)=Cr-D(r>0)中,两边取对数,得到:logN(r)=Dlgr+lgC,然后得出D 的值。
这个方法相对于上面的统计方法,能够客观有效地反映出异常下限,而且不受到正态分布的限制和影响,是一种很好的异常分析方法。
该方法是根据具体的地质图,从而对区域进行探测。首先要对采集的样品进行化学处理和分析,并对这些数据进行网格化处理,每一个格子里面只能放一个值,如果在格子内的是数个点,那么则要求取平均值,将其放置在格子内。然后根据实际的地质情况开窗口,窗口的选择对于信息收集是非常重要的一步,过大则会漏掉一些异常较小的数据,过小则会受到取样、分析过程的干扰。通常来说,大窗口主要应用于地化背景变化的模拟,小窗口则应用于局部变化中。
该方法的应用是因为主张数据分布在空间上具有连续性的特点。基于这个特点,模拟出具有起伏的曲面,可以帮助突出低背景区异常较弱的信息,从而有针对性地找出符合要求的矿产区域。相对于前两者来说,它圈定的异常范围比较可控,不像含量面积方法的范围那样大,也不像统计法的那样小。同时不需要对数据进行一系列的处理,排除了干扰因素,是一种可控有效的异常提取方法。
随着经济和科技的指数型增长,我国的矿产消耗也随着加剧。地化异常不但是进行矿产数量估计的有效手段,同时也是寻找矿脉的重要方法。而随着矿产开采的进程推进,矿产的探测技术和异常提取方面的研究也有了一定的突破,针对不同的开采要求,应用不同的方法进行地化数据分析。在萨尔布拉克金矿区的地质分析基础上,对元素特征和空间分布进行了分析研究。在地化信息的提取方法中,传统的统计方法比较简单,但受到的干扰较大,不够精确。含量面积方法是一种很有效的异常分析方法,能够客观地反映出异常下限。滑动平均法则避免了前两者的弊端,能够可控的反映出地化异常,范围可大可小,比较精确有效。