Extraction and Assessment of Cu-Au Anomalies of the East Tianshan Ore-Forming Belt, Northwestern China
-
摘要: 东天山成矿带是我国重要的铜金矿集区之一.复杂的地质演化历史导致了成矿地质背景的复杂性、成矿作用的多期性和多样性.本文分别应用地质统计学和多重分形滤波法(S-A法)对Cu、Au含量数据进行分析，获取了不同层次的致矿异常信息.结果表明：(1)东天山地区Cu、Au含量最大变程分别为80 km和47 km，最大变程方向与深大断裂走向一致，表明Cu、Au异常受深大断裂控制；Cu含量分布比Au具有更好的连续性，Cu的含量变化表现出较强的结构性特征，而Au的含量变化表现出更强的随机性特征.(2)泛克立格法和多重滤波分形分析中的低通滤波获取致矿异常信息具有相似性，均反映Cu、Au区域上的分布趋势和浓集特征.(3)多重分形滤波法能够提取不同层次的致矿异常信息，包括区域异常信息和局部异常信息，S-A法揭示的局部Cu异常突出了某些低背景中的隐蔽异常；而呈北东向串珠状分布的局部Au异常，可能暗示区内NE向次级断裂系统控制了金矿床的发育.Abstract: The east Tianshan ore-belt is one of the most important ore concentrated districts of Cu-Au in China. Long and complicated geological evolution created a complex geological background, multi-periods and diversity of mineralization. In this study, stream sediment survey data of Cu-Au are used for spatial distribution analysis, and then Geostatistical method and Spectrum-Area (S-A) method are implemented to obtain ore-forming information at different scale. The research results are as follows: (1) the modeling semivirograms show the max range of Cu and Au are 80 km and 47 km, the direction of max range is along the trend of regional deep faults, which are the major factors controlling the distribution of Cu, Au concentration. Cu concentration exhibits more strong structure character than Au in region. (2) Both low pass filtering in S-A and universal Kringing can obtain the similar ore forming information which reflect the regularity of enrichment of ore-forming elements caused by regional mineralization. (3) Multi-fractal filtering can effectively decompose the concentration data from stream sediment survey in complicated geological setting into different hierarchy, including local anomalies and regional anomalies. Different anomaly filters defined in ln(Spectrum)-ln(Area) plot can be constructed to obtain Cu and Au anomalies at different scale. The local Cu anomalies obtained by S-A method are spatially associated with known Cu deposits, which reveal some conceal ore-forming information in low background. The local anomalies of Au in pinch-and-swell and oriented in North-East trend obtained by S-A method may imply that the gold mineralization is controlled by sub-fault system in NE trend.
-
多元统计学方法将区域地球化学元素含量视为随机分布，通过研究地球化学元素含量的整体数学分布特征，为地球化学异常评价和异常信息提取方法的选择提供基本的参数和判断依据.地球化学元素含量的空间分布作为一种地质变量，存在空间相关性，具有随机性和结构性的双重特征.地质统计学将区域地球化学元素表征为区域化变量，认为其结构性反映了区域地球化学元素在空间上的自相关特征，这种自相关性可能代表了特定地质过程的某种连续性，而那些次要的、规律性不强的地质特征则以随机变化的形式表现出来(赵鹏大等，1990).其中变差函数用来建立元素空间变化的数学模型来反映区域地球化学元素在空间的变化特征，而基于变差函数模型，用泛克立格估计绘制的区域地球化学异常图，可以为区域找矿提供信息.
自然界现象的谱特征更有利于理解事物的本质，Chork and Mazzucchelli(1989)认为，除空间特征外，不同地质过程(成岩过程和成矿过程)引起的地质背景和地质异常(组分异常和结构异常)，其频率特征亦能够用于定量描述与识别背景和异常，这一认识为地球化学场和地球物理场的异常识别提供了另一思路.实质上，谱只是对数据记录的另一种表达形式，它将数据记录按频率排列而不是按空间序列排列.Mandellbrot(1962)率先提出矿床在空间上的产出在不同尺度上服从分形分布，Carloson(1991)通过研究美国内华达州大盆地(Great Basin)贵金属矿床的空间分布得出矿床的空间分布服从于多重分形分布.许多学者(Agterberg et al., 1993；Sanderson et al., 1994；Allegre and Eric, 1995; Cheng and Agterberg, 1995；McCaffrey and Johnson, 1996; Roberts et al., 1998；Blenkinsop and Sanderson, 1999；Herzfeld and Overbeck, 1999；成秋明，2004；李庆谋和成秋明，2004；Hronsky and Groves, 2008)通过研究发现地球化学元素、矿床以及矿脉的空间分布在特征空间域具有局部不均一性和各向异性，而且通常表现出服从多重分形分布的特征，因此，尺度不变性和广义自相似性是各种地质过程和地质事件所产生的地质特征和模式的本质属性，分形和多重分形模型可以用来表征地质体的尺度不变性特征.Cheng(1994, 1999, 2004)探索将非线性理论和方法应用于深层次致矿信息提取上，他将多重分形C-A模型(Cheng, 1994)推广到傅立叶能谱空间，提出广义自相似模型的多重分形滤波方法(Spectrum-Area，Cheng et al., 1999；成秋明，2004)，通过保持和加强数据的局部结构信息来达到异常识别的目的.该方法在国内外地球化学、地球物理和遥感致矿异常信息提取中取得了良好的应用效果(Cheng et al., 2000；成秋明, 2001, 2004, 2006；Xu and Cheng, 2001；陈永清等，2006；Chen et al., 2007).
本文分别采用地质统计学方法和多重分形滤波技术，通过对东天山水系沉积物Cu、Au含量数据的空间变化特征分析，提取研究区Cu、Au致矿异常信息，并结合东天山地区的成矿地质背景，分别对Cu、Au异常进行评价.
1. 东天山地区Cu-Au成矿地质背景
东天山成矿带处于西伯利亚板块和塔里木板块的结合地带，在长期的演化过程中经历了极其复杂的裂解和拼合，具有复杂的地质背景.区内4条东西向的深大断裂构成了研究区的基本构造格架(图 1)，西伯利亚板块和塔里木板块之间的碰撞引发了大规模构造岩浆活动并导致东天山区域内的铜、金矿化.东天山成矿带是我国重要的大型铜金镍矿集区之一，区域内现已发现一些大中型矿床，如延东铜矿、土屋铜矿、土墩铜镍矿、黄山东铜镍矿、香山铜镍矿和马庄山金矿、金窝子金矿、拾金坡金矿等(秦克章等，2002；胡霭琴等，2006；王登红等，2006；王京彬等，2006；王义天等，2006；王学求等，2007).该区复杂的地质背景、成矿作用的多样性和多期性使得水系沉积物地球化学数据具有多重地球化学背景.
图 1 东天山地质矿产简图1.新生界；2.中晚元古代结晶基底；3.泥盆纪大南湖-头苏泉岛弧；4.三叠-白垩纪盆地沉积；5.二叠纪盆地沉积；6.中石炭世低坎儿组伸展间歇期浅水盆地沉积；7.早石炭世雅满苏裂谷；8.早石炭世干墩-苦水裂陷槽边缘相带；9.早石炭世小热泉子-梧桐窝子裂陷槽；10.震旦-泥盆纪塔北缘沉积盖层；11.中晚元古代基底；12.早元古代结晶基底；13.华力西期花岗岩；14.晋宁期花岗岩；15.华力西期斜长花岗岩；16.华力西期超基性杂岩；17.基性-超基性杂岩；18.华力西期闪长岩；19.深大断裂；20.一般断裂；21.金矿；22.铜矿；23.镍矿；24.铜镍矿；F1.大草滩断裂；F2.康古尔塔格断裂；F3.雅满苏-苦水断裂；F4.阿奇库都克断裂；F5.星星峡断裂Fig. 1. The simplified geological map of the east Tianshan ore-forming belt2. 应用地质统计学方法提取Cu、Au异常
2.1 基本原理
地质统计学方法是在区域化变量内蕴假设条件下利用变量的相关性估计未知点的值与估计方差(Matheron，1963).变差函数是研究区域化变量的重要工具，最常见的计算方法为1965年Matheron提出的矩估计方法, 其中，N(h)为滞后距为h时参加实验变差函数计算的样品个数，h为滞后距，其数学表达式如下：
$$ {\gamma ^*}(h) = \frac{1}{{2N(h)}}\sum\limits_{i = 1}^{N(h)} {{{\left[ {Z\left({{x_i} + h} \right)} \right]}^2}} . $$ (1) 应用实验变差函数拟合出的变差函数曲线称为变差函数图或变差图，变差图通常用方向(direction)、块金值(nugget)、基台值(sill)和变程(range)4个参数来表征.基台值是指变量随距离h的增加，变差函数趋向于一个定值，该定值称为基台值，该距离称为变程.变程大小能反映区域化变量在某一方向上变化的大小，块金值是指由于观测误差和变量随机变化而产生的差异.在作出实验变差函数之后，选择一个最优的理论变差函数模型进行最优拟合.其中，球状模型是变差函数拟合中用得最多的一种模型，一方面，一般地质变量的变差函数曲线都是跃迁型的，另一方面，球状模型能够保证克立格方程有解.
克立格法是一种求线性最优无偏内插估计量的方法，它的优势包括两个方面：一是无偏估计，也就是估计值与已知点值一致；二是能给出空间相关意义下的最小方差估计.其中泛克立格法就是在漂移的形式和非平稳随机函数的协方差或变差函数为已知的条件下，给出的一种考虑到漂移的无偏线性估计量的地质统计学方法(王仁铎和胡光道, 1983).
2.2 Cu、Au含量统计特征分析
研究区位于东经92°~96°，北纬41°~43°.本文采用我国20世纪70年代末以来实施的国家填图计划分析的铜、金地球化学含量数据，以水系沉积物测量为主，石质戈壁荒漠景观区采用岩屑测量，采样密度为1/km2，按2 km×2 km组合一个样品分析，覆盖面积约6.8万km2，共计14 695个样品，详细统计参数参见表 1.研究区内铜的平均含量为19.21×10-6，最高达到2 940×10-6，金的平均含量为1.70×10-9，最高达到700×10-9(表 1).研究区内Cu、Au元素含量变化均达到了2个数量级.偏度和峰度是检验元素含量分布形式的重要参数，偏度越接近于0，峰度越接近于3，数据分布越接近于正态分布(梁小筠，2000).本文首先分别计算出Cu、Au原始值及对其取自然对数的统计参数，然后以原始值的均值加3倍的方差剔除特异值，再对剔除特异值的数据集进行参数统计.由表 1可以看出，对原始数据取对数可以显著改善数据的分布形态，使其接近于正态分布，虽然特异值在Cu、Au原始数据中仅占极小部分(Cu剔除6个，Au剔除22个)，但对其数据形态的分布影响较大，这些高含量的数据可能服从Pareto或分形分布，有可能代表后期矿化异常组分(Agterberg，2007；成秋明，2007).剔除特异值之后，再对Cu、Au含量数据取对数，其偏度和峰度分别接近于0和3，因此，其分布基本服从对数正态分布.
表 1 东天山地区Cu-Au含量统计参数Table Supplementary Table Statistical parameters of Cu and Au concentration统计参数 Cu(10-6) Au(10-9) 原始值 原始值取自然对数 剔除特异值后 剔除特异值后取自然对数 原始值 原始值取自然对数 剔除特异值后 剔除特异值后取自然对数 统计数 14 695 14 695 14 689 14 689 14 695 14 695 14 673 14 673 最小值 0.3 -1.2 0.3 -1.2 0.1 -2.3 0.1 -2.3 最大值 2 940 7.99 88.60 4.48 700 6.55 30 3.4 均值 19.21 2.81 18.97 2.80 1.70 0.06 1.45 0.05 中位数 17.00 2.83 17.00 2.83 1.10 0.10 1.10 0.10 标准差 26.24 0.55 10.14 0.05 9.69 0.81 1.62 0.79 偏度 93.95 -0.39 1.42 -0.47 55.9 0.26 6.41 -0.02 峰度 10 443 4.47 6.48 3.93 3 667.4 5.34 72.66 3.77 X+3S 97.94 / / / 30.77 / / / 基于上述Cu、Au的统计特征分析, 剔除东天山地区Cu、Au特异值后，对其数据集取对数计算实验变差函数.在计算过程中采用两倍的取样间距4 km作为步长，角度容差22.5°，带宽为2 km，用球状模型拟合变差函数.首先计算其在0°、45°、90°、135°四个方向上的实验变差函数计算值点图，最后给出拟合后的变差函数参数(表 2).东天山地区的Cu、Au含量变化呈现明显的各向异性，其基台值均为块金常数的2倍以上，表明元素含量变化在变程范围内具有较强的相关性，Cu、Au含量连续性最佳方向(最小变化方向)分别为79°和76°(0°为正北向)，这与区域内深大断裂走向一致，表明在该区铜金含量变化显著受到北东东走向的深大断裂控制，在变差函数中表现为影响Cu、Au元素含量连续性变化的最大变程分别为80 km和47 km，表明在区域内，Cu含量变化具有较好的连续性，而Au含量则变化性更强，这与铜、金的富集特征一致，同时，金的块金值/基台值比值略高于铜，表明金的富集表现出相对更强的块金效应，金的含量变化表现出更强的随机性特征，铜的含量变化表现出相对更强的结构性特征，在较大范围内，铜含量会呈现出比金强的空间相关性.
表 2 东天山地区Cu-Au含量数据变差函数拟合参数Table Supplementary Table Fitting semi-variogram parameters of Cu and Au concentration元素 Cu Au 参与计算数据点 14 689 14 673 数据变换法 对数变换 对数变换 拟合模型 球型 球型 最大变程方向 79° 76° 最大变程(km) 80 47 最小变程(km) 26 34 块金常数 0.125 7 0.320 4 基台值 0.273 8 0.670 4 块金常数/基台值×100 46 48 2.3 Cu、Au地球化学异常提取
由于东天山地区Cu、Au含量的变化较为平缓，采用一次函数拟合背景趋势面，再根据以上拟合的变差函数，应用泛克立格法编制Cu、Au地球化学图(图 2a和2b).泛克立格法的优势不仅是线性无偏和最小估计方差的最优估计，还可给出指标定量评价其预测精度(Johnston et al., 2001；王景雷等，2004).通常要求平均误差的绝对值与标准化平均误差接近于0、平均标准误差与均方根误差较小、标准化均方根误差接近于1，由表 3所示，泛克立格法达到了较好预测精度.
表 3 预测精度参数Table Supplementary Table Precision parameter of prediction元素 平均误差 均方根误差 平均标准误差 标准化平均误差 标准化均方根误差 Cu 0.173 2 6.171 7.893 0.115 5 0.896 1 Au -0.012 55 1.39 1.354 -0.030 16 1.221 泛克立格法获取的区域Cu异常和区域Au异常分别见图 2a和图 2b.
3. 应用多重分形滤波方法提取Cu、Au异常
3.1 基本原理
多重分形滤波(S-A)方法(Cheng, 1999；成秋明，2000)的基本假设是一定的地质过程所产生的地球化学场或图像在分形意义下是可区分的.地球化学场的分布与尺度之间服从一定的指数关系，即尺度不变性，也称为自相似性.这种具有空间自相似性的成分往往突出反映了空间相关的特定地质现象或地质过程.在频率域空间，这种尺度不变性(自相似性)主要通过能谱密度的分布来反映(成秋明, 2000, 2004；Cheng, 1999)，可由以下指数模型(式2)刻画(成秋明, 2000, 2003)：
$$ A(\ge S) \propto {S^{ - \beta }}, $$ (2) 其中：S是能谱密度，A(≥S)是在能谱密度空间上能谱密度大于S的面积，β为分形模型的指数系数.若S与A(≥S)服从指数关系，对其同时取对数绘制的双对数图上，lnS与lnA(≥S)之间存在线性关系，其斜率与S与A(≥S)的指数系数相对应.通常在lnS-lnA(≥S)图上，S的不同取值区间对应于不同的线性关系.不同的直线段代表了不同的分形关系，2条直线的交点所对应的横坐标值(谱能量密度值)可被用来确定分形滤波器的阈值.
借助lnS-lnA(≥S)图，3种类型的分形滤波器可被构造：低通、高通和带通谱能量密度滤波器，两条线段相交，取交点横坐标S0、S1作为阈值，在S0、S1两边的两条线段均具有不同的斜率，反映了满足不同的分形规律，通常三类滤波器被定义：
$$ {G_A}(\omega) = \left\{ {\begin{array}{*{20}{l}} 1&{S(\omega) \le {S_0}, }\\ 0&{{S_{(\omega)}} > {S_0}.} \end{array}} \right. $$ (3) $$ {G_B}(\omega) = \left\{ {\begin{array}{*{20}{l}} 1&{S(\omega) \ge {S_1}, }\\ 0&{\left. {{S_{(\omega }}} \right) ＜ {S_1}.} \end{array}} \right. $$ (4) $$ {G_C}(\omega) = \left\{ {\begin{array}{*{20}{l}} 1&{{S_1} \le S(\omega) \le {S_0}, }\\ 0&{其他.} \end{array}} \right. $$ (5) 业已证明(李庆谋和成秋明，2004)，谱能量密度与波谱频率成反比关系，而GA(ω)中的谱能量密度是低于GB(ω)，所以，GA(ω)中的波数ω大于滤波器GB(ω)的波数.在这个意义上，GB(ω)对应于低频部分，GA(ω)对应于高频部分.所以，GA(ω)是一个高频低能谱密度滤波器，而GB(ω)则是低频高能谱量密度滤波器.通常GA(ω)被称为异常滤波器，GB(ω)被称为背景滤波器.GC(ω)将滤掉能谱密度小于S0或者大于S1的能谱成份，只保留在区间(S1, S0)的能谱成份，所以，可以看作是具有特定区间带通分形滤波器.应用Fourier逆变换，把在频率域滤波后的结果变回到空间域(Cheng et al., 1999, 2000).
3.2 Cu、Au地球化学异常提取
图 3为用S-A法获取的东天山地区Cu、Au"能谱密度(spectrum)-面积(area)"关系双对数图，由最小二乘法拟合的线段具有不同斜率，这代表了不同的自相似性特征，它们通常对应于空间域中不同级次的地球化学异常模式，其中铜的双对数图(图 3a)拟合了3条斜率不同的线段，K2→-∞，K1=-0.97，K0=-2.06，金的双对数图(图 3b)拟合了2条斜率不同的线段，K1=-1.39，K0=-3.28.由此对铜确定S1=6.74，S0=9.36作为构建滤波器的阈值，对金确定S0=8.72作为构建滤波器的阈值.对东天山地区铜元素地球化学分布而言，S＜S1可能代表了噪声，S1＜S＜S0可能代表了局部异常，S＞S0可能代表区域异常；对金而言，S＜S0可能代表了局部异常，S＞S0可能代表区域异常.
图 3 lnA(≥S)-lnS图，表明元素能谱密度与其面积的数量关系Fig. 3. ln-ln plot showing the relationships between the element spectrum energy density and its "area" of A (≥S) : for Cu and Au由低通滤波获取的Cu、Au地球化学异常分别见图 4a和图 4b；带通滤波获取的局部Cu异常和高通滤波器获取的局部Au异常分别见图 4c和4d.
图 4 (a) 低通滤波器提取的Cu区域异常: (b)低通滤波器提取的Au区域异常; (c)带通滤波器提取的Cu局部异常: (d)高通滤波器提取的Au局部异常Fig. 4. (a) Regional anomaly component (low frequency) of Cu; (b) Regional anomaly component (low frequency) of Au; (c)Localanomaly component of Cu (intermediate frequency); (d) Local anomaly component of Au decomposed (high frequency)4. 结果与讨论
泛克立格法获取的区域Cu异常(图 2a)主要集中在康古尔塔格深大断裂的北侧，呈东西向分布，结合东天山地质矿产图(图 1)，其高值中心主要集中在华力西期花岗岩和华力西期闪长岩出露区，异常分布受到区域内东西向和北东东向深大断裂线性构造系统的控制，呈东西走向的带状分布.已知铜矿床和铜镍矿床多数位于异常变化的梯度变化带附近，例如区域内两大重要类型的矿床，与古生代基性-超基性杂岩体有关的岩浆熔离型Cu-Ni硫化物矿床，香山铜镍矿、香山东铜镍矿、黄山铜镍矿都位于异常浓集中心的边部，而不是正好位于异常中心也就是岩体出露区，这与以上矿床产出于岩体边部位是相一致的.
由泛克立格法获取区域Au异常(图 2b)具有明显的浓度分带特征，其高值主要位于研究区的北部和东南部，在阿其库都克断裂和星星峡断裂中间中元古代结晶基底形成一个低值区，表现出与Cu所不同的异常分布特征.其中，南庙儿沟-烟墩金异常与上述圈定的Cu异常重叠，表明该异常可能与铜金矿化有关.另两个明显的Au异常带位于星星峡断裂南东侧，一是与金窝子、照壁山侵入岩型金矿床(聂凤军等，2003)有关的异常，已知金矿床大多位于异常中心的边部；另一个是分布在尖子山断裂两侧，
受多组次级断裂交汇控制的金异常，无明显的异常浓集分带，已知金矿床沿断裂东西走向分布，该异常带内沿花牛山断裂有华力西期花岗岩和闪长岩大量侵入和出露，表明该区曾有强烈的与金富集有关的构造岩浆活动.
由S-A法低通滤波获取的区域Cu、Au异常(图 4a和图 4b)与泛克立格法获取的异常具有相似的空间分布特征.泛克立格法的求解过程建立在空间相关系数矩阵极小意义下，决定了它是一个空间滑动平均或低通滤波的过程，高频的局部或弱信号在相关系数矩阵的方差中占的比例很小，具有这些特征的信号被压低或消除；多重分形滤波法中的低通滤波器通过的是低频高能谱信号，屏蔽掉高频低能谱信号.因此，泛克立格法与多重滤波法中的低通滤波相对应，所获得的异常图突出显示了地球化学元素在区域上的分布趋势和浓集特征，它所对应的往往是区域背景下的重大致矿地质异常事件.如康古尔剪切带东西向构造格局的形成以及晚古生代大规模的岩浆侵入活动，从区域上控制了东天山地区铜、金矿床的整体分布.
由S-A法带通滤波器获取的局部Cu异常(图 4c)和高通滤波器获取的局部Au异常(图 4d)，与泛克立格法和低通滤波获取的异常图相比，异常范围缩小并突出了弱异常或隐蔽异常，局部异常呈现出更强的方向性.空间域中，偏离正态分布的异常值通常与周围样品相关性较差而在低通滤波过程中屏蔽掉，这些局部、不均匀的信息往往反映了元素在地质过程中的贫化与富集规律，与特定的矿化过程相关.多重分形滤波通过度量这些空间信号的奇异性特征来刻画这些局部、高频或弱信号.结合区域成矿地质背景(图 1)，局部Cu异常(图 4c)在空间上多数与二叠纪花岗岩和基性-超基性侵入体密切相关，与已知的铜矿、铜镍矿在空间上吻合，具有较高的空间相关性.在区域上没有异常显示而存在铜矿的地区，在局部异常图上对这些弱矿化信息有了显示(如马庄山北部的Cu异常).局部Au异常(图 4d)与已知金矿床在空间上具有较高的一致性，其呈NE向串珠状空间分布特征可能暗示由区内的韧性剪切构造作用所形成的NE向次级断裂系统控制了金矿床的发育，而这些局部异常带可以为确定新的Au找矿靶区提供依据.
5. 结论
(1) 变差函数研究表明，东天山地区Cu、Au含量最大变程分别为80 km和47 km，最大变程方向分别为79°和76°，表明该区铜金含量变化主要受到北东东向深大断裂的控制.Cu含量变化比Au具有更好的连续性，铜的含量变化表现出较强的结构性特征，而金的含量变化表现出更强的随机性特征.(2)泛克立格法获取的Cu、Au异常反映它们在区域上的分布趋势和浓集特征，具有明显的裂控特征.这与多重滤波分形方法中的低通滤波获取的异常具有相似特征.(3)多重分形滤波法(S-A法)能够提取不同层次的致矿异常信息，包括区域Cu、Au异常，和隐含在低背景中的局部Cu、Au异常.局部Au异常呈NE向的串珠状分布可能暗示区内NE向次级断裂系统对金矿床的控制作用.(4)上述两种方法确定的Cu、Au异常，为研究区寻找该类矿床提供了科学依据.
-
图 1 东天山地质矿产简图
1.新生界；2.中晚元古代结晶基底；3.泥盆纪大南湖-头苏泉岛弧；4.三叠-白垩纪盆地沉积；5.二叠纪盆地沉积；6.中石炭世低坎儿组伸展间歇期浅水盆地沉积；7.早石炭世雅满苏裂谷；8.早石炭世干墩-苦水裂陷槽边缘相带；9.早石炭世小热泉子-梧桐窝子裂陷槽；10.震旦-泥盆纪塔北缘沉积盖层；11.中晚元古代基底；12.早元古代结晶基底；13.华力西期花岗岩；14.晋宁期花岗岩；15.华力西期斜长花岗岩；16.华力西期超基性杂岩；17.基性-超基性杂岩；18.华力西期闪长岩；19.深大断裂；20.一般断裂；21.金矿；22.铜矿；23.镍矿；24.铜镍矿；F1.大草滩断裂；F2.康古尔塔格断裂；F3.雅满苏-苦水断裂；F4.阿奇库都克断裂；F5.星星峡断裂
Fig. 1. The simplified geological map of the east Tianshan ore-forming belt
图 3 lnA(≥S)-lnS图，表明元素能谱密度与其面积的数量关系
Fig. 3. ln-ln plot showing the relationships between the element spectrum energy density and its "area" of A (≥S) : for Cu and Au
图 4 (a) 低通滤波器提取的Cu区域异常: (b)低通滤波器提取的Au区域异常; (c)带通滤波器提取的Cu局部异常: (d)高通滤波器提取的Au局部异常
Fig. 4. (a) Regional anomaly component (low frequency) of Cu; (b) Regional anomaly component (low frequency) of Au; (c)Localanomaly component of Cu (intermediate frequency); (d) Local anomaly component of Au decomposed (high frequency)
表 1 东天山地区Cu-Au含量统计参数
Table 1. Statistical parameters of Cu and Au concentration
统计参数 Cu(10-6) Au(10-9) 原始值 原始值取自然对数 剔除特异值后 剔除特异值后取自然对数 原始值 原始值取自然对数 剔除特异值后 剔除特异值后取自然对数 统计数 14 695 14 695 14 689 14 689 14 695 14 695 14 673 14 673 最小值 0.3 -1.2 0.3 -1.2 0.1 -2.3 0.1 -2.3 最大值 2 940 7.99 88.60 4.48 700 6.55 30 3.4 均值 19.21 2.81 18.97 2.80 1.70 0.06 1.45 0.05 中位数 17.00 2.83 17.00 2.83 1.10 0.10 1.10 0.10 标准差 26.24 0.55 10.14 0.05 9.69 0.81 1.62 0.79 偏度 93.95 -0.39 1.42 -0.47 55.9 0.26 6.41 -0.02 峰度 10 443 4.47 6.48 3.93 3 667.4 5.34 72.66 3.77 X+3S 97.94 / / / 30.77 / / / 
下载: 导出CSV
表 2 东天山地区Cu-Au含量数据变差函数拟合参数
Table 2. Fitting semi-variogram parameters of Cu and Au concentration
元素 Cu Au 参与计算数据点 14 689 14 673 数据变换法 对数变换 对数变换 拟合模型 球型 球型 最大变程方向 79° 76° 最大变程(km) 80 47 最小变程(km) 26 34 块金常数 0.125 7 0.320 4 基台值 0.273 8 0.670 4 块金常数/基台值×100 46 48
下载: 导出CSV
表 3 预测精度参数
Table 3. Precision parameter of prediction
元素 平均误差 均方根误差 平均标准误差 标准化平均误差 标准化均方根误差 Cu 0.173 2 6.171 7.893 0.115 5 0.896 1 Au -0.012 55 1.39 1.354 -0.030 16 1.221
下载: 导出CSV
-
[1] Agterberg, F., 2007. New applications of the model of de Wijs in regional geochemistry. Mathematical Geology, 39(1): 1-25. doi: 10.1007/s11004-006-9063-7 [2] Agterberg, F.P., Cheng, Q.M., Wright, D.F., 1993. Fractal modeling of mineral deposits. In: Elbrond, J., Tang, X., eds., Proceedings 24th APCOM Symposium. Canadian Inst. Mining, Metallurgy, and Petroleum Engineers, Montreal, 43-53. [3] Allegre, C.J., Eric, L., 1995. Scaling laws and geochemical distributions. Earth and Planetary Science Letters, 132: 1-13. doi: 10.1016/0012-821X(95)00049-I [4] Blenkinsop, T.G., Sanderson, D.J., 1999. Are gold deposits in the crust fractals? A study of gold mines in the Zimbabwe craton. Geological Society, 155: 141-151 (Spel). doi: 10.1144/GSL.SP.1999.155.01.11 [5] Carloson, C.A., 1991. Spatial distributions of ore deposits. Geology, 19: 111-114. doi: 10.1130/0091-7613(1991)019<0111:SDOOD>2.3.CO;2 [6] Chen, Y.Q., Huang, J.N., Zhang, S.Y., 2007. Application of multi-fractal filtering in geochemistry data decomposing—a case study from the south region of "Sanjiang ore-forming belt", south-western China. In: Milkereit, E., ed., Proceedings of Fifth Decennial International Conference on Mineral Exploration, Exploration 07, Toronto, 985-988. [7] Chen, Y.Q., Zhang, S.Y., Xia, Q.L., et al., 2006. Application of multi-fractal filtering to extraction of geochemical anomalies from multi-geochemical backgrounds: a case study of the southern section of "Sanjiang ore-forming zone", southwestern China. Earth Science—Journal of China University of Geosciences, 31(6): 861-866 (in Chinese with English abstract). http://www.cnki.com.cn/Article/CJFDTotal-DQKX200606016.htm [8] Cheng, Q.M., 1994. Multifratal modeling and spatial analysis with GIS: gold potential estimation in the Mitchell-Sulphurets area, northwestern British Columbia (Dissertation). School of Graduate Studies and Research, University of Ottawa. [9] Cheng, Q.M., 1999. Spatial and scaling modeling for geochemical anomaly separation. Journal of Exploration Geochemistry, 65: 175-194. doi: 10.1016/S0375-6742(99)00028-X [10] Cheng, Q.M., 2000. Multifractal theory geochemical element distribution pattern. Earth Science—Journal of China University of Geosciences, 25(3): 311-318 (in Chinese with English abstract). http://www.researchgate.net/publication/284071739_Multifractal_theory_and_geochemical_element_distribution_pattern [11] Cheng, Q.M., 2001. Spatial self-similarity and geophysical and geochemical anomaly decomposition. Development of Geophysics, 16(2): 8-17 (in Chinese with English abstract). http://d.wanfangdata.com.cn/Periodical/dqwlxjz200102002 [12] Cheng, Q.M., 2003. No-linear mineralization model and information processing methods for prediction of unconventional mineral resources. Earth Science—Journal of China University of Geosciences, 28(4): 1-10 (in Chinese with English abstract). http://www.researchgate.net/publication/288010626_No-linear_mineralization_model_and_information_processing_methods_for_prediction_of_unconventional_mineral_resources [13] Cheng, Q.M., 2004. A new model for quantifying anisotropic scale invariance and for decomposition of mixing patterns. Mathematical Geology, 36(3): 345-360. doi: 10.1023/B:MATG.0000028441.62108.8a [14] Cheng, Q.M., 2004. Quantifying the generalized self-similarity of spatial patterns for mineral resources assessment. Earth Science—Journal of China University of Geosciences, 29(6): 733-743 (in Chinese with English abstract). http://www.researchgate.net/publication/285721690_Quantifying_the_generalized_self-similarity_of_spatial_patterns_for_mineral_resource_assessment [15] Cheng, Q.M., 2006. Singularity-generalized self-similarity—fractal spectrum(3S) models. Earth Science—Journal of China University of Geosciences, 31(3): 337-348 (in Chinese with English abstract). http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dqkx200603009 [16] Cheng, Q.M., 2007. Singular mineralization processes and mineral resources quantitative prediction: new theories and methods. Earth Science Frontiers, 14(5): 42-53 (in Chinese with English abstract). [17] Cheng, Q.M., Agterberg, F.P., 1995. Multifractal modeling and spatial point processes. Mathematical Geology, 27(7): 831-845. doi: 10.1007/BF02087098 [18] Cheng, Q.M., Xu, Y.G., Grunsky, E., 1999. Integrated spatial and spectrum analysis for geochemical anomaly separation. In: Lip-pard, S.J., Naess, A., Sinding-Larsen, R., eds., Proceedings of International Association for Mathematical Geology Meeting. Trondheim, Norway, v1: 87-92. [19] Cheng, Q.M., Xu, Y.G., Grunsky, E., 2000. Integrated spatial and spectrum method for geochemical anomaly separation. Nature Resources Research, 9(1): 43-52. doi: 10.1023/A:1010109829861 [20] Chork, C.Y., Mazzucchelli, R.H., 1989. Spatial filtering of exploration geochemical data using EDA and robust statistics. Journal Geochemical Exploration, 34(3): 221-243. doi: 10.1016/0375-6742(89)90114-3 [21] Herzfeld, U.C., Overbeck, C., 1999. Analysis and simulation of scale-dependent fractal surfaces with application to seafloor morphology. Computer and Geosciences, 25(9): 979-1007. doi: 10.1016/S0098-3004(99)00062-X [22] Hronsky, J.M.A., Groves, D.I., 2008. Science of targeting: definition, strategy, targeting and performance measurement. Australian Journal of Earth Sciences, 55: 101-122. doi: 10.1080/08120090701673328 [23] Hu, A.Q., Zhang, G.X., Chen, Y.B., et al., 2006. Geochronology and geochemical characters of the major geological events in Xinjiang crust evolution, China. Geological Publishing House, Beijing (in Chinese). [24] Johnston, K., Ver Hoef, J.M., Krivoruchko, K., et al., 2001. Using ArcGIS Geostatistical Analyst. Environmental Systems Research Institute. http://www.researchgate.net/publication/200043204_Using_ArcGIS_geostatistical_analyst/download [25] Li, Q.M., Cheng, Q.M., 2004. Fractal singular value (Eginvalue) decomposition method for geophysical and geochemical anomaly reconstruction. Earth Science—Journal of China University of Geosciences, 29 (1): 109-118 (in Chinese with English abstract). http://d.wanfangdata.com.cn/Periodical/dqkx200401019 [26] Liang, X.J., 2000. Normality test(Ⅱ). Shanghai statistics, 11: 29-31 (in Chinese). [27] Liang, X.J., 2000. Normality test(Ⅲ). Shanghai statistics, 12: 24-28 (in Chinese). [28] Liang, X.J., 2000. Normality test(Ⅰ). Shanghai statistics, 10: 22-25 (in Chinese). [29] Mandellbrot, 1962. Statistics of natural resources and the law of Petro. Watson Research Center, New York, LBM Research Note NC-146, 1-131. [30] Matheron, G., 1963. Principles of geostatistics. Economic Geology, 58: 1246-1266. doi: 10.2113/gsecongeo.58.8.1246 [31] McCaffrey, K.J.W., Johnston, J.D., 1996. Fractal analysis of a mineralised vein deposit: Curraghinalt gold deposit, County Tyrone. Mineralium Deposita, 31: 52-58. doi: 10.1007/BF00225395 [32] Nie, F.J., Jiang, S.H., Bai, D.M., et al, 2003. Temporal-spatial distribution and metallogenic processes of gold and copper deposits in Inner Mongolia-Gansu-Xinjiang Border (Beishan) region. Mineral Deposits, 22(3): 234-245 (in Chinese with English abstract). [33] Qin, K.Z., Fang, T.H., Wang, S.L., et al., 2002. Plate tectonics division, evolution and metallogenic settings in eastern Tianshan Mountains, NW-China. Xinjiang Geology, 20(4): 302-308 (in Chinese with English abstract). http://en.cnki.com.cn/Article_en/CJFDTOTAL-XJDI200204002.htm [34] Roberts, S., Sanderson, D.J., Gumiel, P., 1998. Fractal analysis of Sn-W mineralization from central Iberia: insights into the role of fracture connectivity in the formation of an ore deposit. Economic Geology, 93(3): 360-365. doi: 10.2113/gsecongeo.93.3.360 [35] Sanderson, D.J., Roberts, S., Gumiel, P., 1994. A fractal relationship between vein thickness and gold grade in drillcore from La Codosera, Spain. Economic Geology, 89: 68-173. [36] Wang, D.H., Li, C.J., Chen, Z.H., et al., 2006. Metallogenic characteristics and direction in mineral search in the East Tianshan, Xinjiang, China. Geological Bulletin of China, 25(8): 910-915 (in Chinese with English abstract). [37] Wang, J.B., Wang, Y.W., He, Z.J., 2006. Ore deposits as a guide to the tectonic evolution in the East Tianshan Mountains, NW China. Geology in China, 33(3): 461-469 (in Chinese with English abstract). http://www.cnki.com.cn/Article/CJFDTotal-DIZI200603001.htm [38] Wang, J.L., Sun, J.S., Zhang, J.Y., et al, 2004. Generating water isoline of crop required based on GIS and geostatistics. Journal of Farm engineering, 20(5): 51-54 (in Chinese with English abstract). http://en.cnki.com.cn/Article_en/CJFDTOTAL-NYGU200405010.htm [39] Wang, R.D., Hu, G.D., 1988. Linear geostatistics. Geological Publishing House, Beijing (in Chinese). [40] Wang, X.Q., Shen, W.J., Zhang, B.M., et al., 2007. Relationship of geochemical blocks and ore districts: examples from eastern Tianshan metallogenic belt, Xinjiang, China. Earth Science Frontiers, 14(5): 116-123 (in Chinese with English abstract). doi: 10.1016/S1872-5791(07)60040-2 [41] Wang, Y.T., Mao, J.W., Chen, W., et al., 2006. Tectonic constraints on mineralization of the Kanggurtag gold belt in the eastern Tianshan, Xinjiang, NW China. Acta Petrological Sinica, 22(1): 236-244 (in Chinese with English abstract). [42] Xu, Y., Cheng, Q., 2001. A multifractal filter technique for geochemical data analysis from Nova Scotia, Canada. Journal of Geochemistry: Exploration, Analysis and Environment, 1(2): 147-156. doi: 10.1144/geochem.1.2.147 [43] Zhao, P.D., Li, Z.J., Hu, G.D., et al., 1990. Statistical analysis in geological exploration. China University of Geosciences Press, Wuhan (in Chinese). [44] 陈永清, 张生元, 夏庆霖, 等, 2006. 应用多重分形滤波技术提取致矿地球化学异常——以西南"三江"南段Cu、Zn致矿异常提取为例. 地球科学——中国地质大学学报, 31(6): 861-866. https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX200606016.htm [45] 成秋明, 2000. 多维分形理论和地球化学元素分布规律. 地球科学——中国地质大学学报, 25(3): 311-318. https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX200003018.htm [46] 成秋明, 2001. 空间自相似性与地球物理和地球化学场的分解方法. 地球物理学进展, 16(2): 8-17. doi: 10.3969/j.issn.1004-2903.2001.02.002 [47] 成秋明, 2003. 非线性矿床模型与非常规矿产资源评价. 地球科学——中国地质大学学报, 28(4): 1-10. https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX200304015.htm [48] 成秋明, 2004. 空间模式的广义自相似性分析与矿产资源评价. 地球科学——中国地质大学学报, 29(6): 733-743. https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX200406012.htm [49] 成秋明, 2006. 非线性成矿预测理论: 多重分形奇异性-广义自相似性-分形谱系模型与方法. 地球科学——中国地质大学学报, 31(3): 337-348. https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX200603008.htm [50] 成秋明, 2007. 成矿过程奇异性与矿产预测定量化的新理论与新方法. 地学前缘, 14(5): 42-53. doi: 10.3321/j.issn:1005-2321.2007.05.005 [51] 胡霭琴, 张国新, 陈义兵, 等, 2006. 中国新疆地壳演化主要地质事件年代学和地球化学. 北京: 地质出版社. [52] 李庆谋, 成秋明, 2004. 分形奇异(特征)值分解方法与地球物理和地球化学异常重建. 地球科学——中国地质大学学报, 29(1): 109-118. https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX200401019.htm [53] 梁小筠, 2000. 正态性检验(一). 上海统计, 10: 22-25. https://www.cnki.com.cn/Article/CJFDTOTAL-SHTJ200010008.htm [54] 梁小筠, 2000. 正态性检验(二). 上海统计, 11: 29-31. https://www.cnki.com.cn/Article/CJFDTOTAL-SHTJ200011008.htm [55] 梁小筠, 2000. 正态性检验(三). 上海统计, 12: 24-28. https://www.cnki.com.cn/Article/CJFDTOTAL-SHTJ200012009.htm [56] 聂凤军, 江思宏, 白大明, 等, 2003. 蒙甘新相邻(北山)地区金铜矿床时空分布特征及成矿作用. 矿床地质, 22(3): 234-245. doi: 10.3969/j.issn.0258-7106.2003.03.003 [57] 秦克章, 方同辉, 王书来, 等, 2002. 东天山板块构造分区、演化与成矿地质背景研究. 新疆地质, 20(4): 302-308. doi: 10.3969/j.issn.1000-8845.2002.04.002 [58] 王登红, 李纯杰, 陈郑辉, 等, 2006. 东天山成矿规律与找矿方向的初步研究. 地质通报, 25(8): 910-915. doi: 10.3969/j.issn.1671-2552.2006.08.002 [59] 王京彬, 王玉往, 何志军, 2006. 东天山大地构造演化的成矿示踪. 中国地质, 33(3): 461-469. doi: 10.3969/j.issn.1000-3657.2006.03.002 [60] 王景雷, 孙景生, 张寄阳, 等, 2004. 基于GIS和地质统计学的作物需水量等值线图. 农业工程学报, 20(5): 51-54. https://www.cnki.com.cn/Article/CJFDTOTAL-NYGU200405010.htm [61] 王仁铎, 胡光道, 1983. 线性地质统计学. 北京: 地质出版社. [62] 王学求, 申伍军, 张必敏, 等, 2007. 地球化学块体与大型矿集区的关系——以东天山为例. 地学前缘, 14(5): 116-123. doi: 10.3321/j.issn:1005-2321.2007.05.012 [63] 王义天, 毛景文, 陈文, 等, 2006. 新疆东天山康古尔塔格金矿带成矿作用的构造制约. 岩石学报, 22(1): 236-244. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB200601023.htm [64] 赵鹏大, 李紫金, 胡光道, 等, 1990. 地质勘查中的统计分析. 武汉: 中国地质大学出版社. -
下载:
点击查看大图
计量
- 文章访问数: 3088
- HTML全文浏览量: 174
- PDF下载量: 82
- 被引次数: 0
