CN103824133B - 一种花岗岩型铀矿田远景区综合预测方法 - Google Patents

一种花岗岩型铀矿田远景区综合预测方法 Download PDF

Info

Publication number
CN103824133B
CN103824133B CN201410080890.1A CN201410080890A CN103824133B CN 103824133 B CN103824133 B CN 103824133B CN 201410080890 A CN201410080890 A CN 201410080890A CN 103824133 B CN103824133 B CN 103824133B
Authority
CN
China
Prior art keywords
area
construction
ore
grillage
uranium
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410080890.1A
Other languages
English (en)
Other versions
CN103824133A (zh
Inventor
潘蔚
李子颖
李瀚波
毛玉仙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Institute of Uranium Geology
Original Assignee
Beijing Research Institute of Uranium Geology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Research Institute of Uranium Geology filed Critical Beijing Research Institute of Uranium Geology
Priority to CN201410080890.1A priority Critical patent/CN103824133B/zh
Publication of CN103824133A publication Critical patent/CN103824133A/zh
Application granted granted Critical
Publication of CN103824133B publication Critical patent/CN103824133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明属于矿产勘查领域,具体涉及一种花岗岩型铀矿田远景区综合预测方法。目的是能够利用遥感、地球物理、地质和地球化学方法,提高成矿预测区空间定位的准确性和可靠性。该方法包括:构造识别与验证阶段:包括遥感构造解译,格架构造地球物理验证和格架构造的地质分析步骤;有利成矿区筛选阶段:包括有利部位格架构造条件筛选,岩浆活动条件筛选,铀源层条件筛选和断陷红盆条件筛选步骤;矿田远景区预测阶段:包括重点区区域构造条件评级,遥感图像纹理特征评价,航空放射性特征评价,地球化学特征评价和矿田区远景区圈定与分级步骤。本发明可运用于热液铀矿田,特别是花岗岩型铀矿田,成矿远景区的评价和预测。

Description

一种花岗岩型铀矿田远景区综合预测方法
技术领域
本发明属于矿产勘查领域,具体涉及一种花岗岩型铀矿田远景区综合预测方法,尤其是花岗岩铀矿区域成矿远景区的综合预测。
背景技术
花岗岩型铀矿区域成矿远景预测是一项十分复杂和困难的工程。目前的预测方法主要是利用地质分析的方法,通过研究和查明成区域矿地质条件:如区域地质构造、岩浆活动、铀源、断陷红盆等有利区的复合部位,来预测成矿远景区,但是如何合理安排调查的顺序、采用合理的技术手段和评价标志是一个没有解决的难题。现行的预测方法有2个方面的不足:一是研究和调查主要采用定性分析方法,得到的结论和标志以定性文字描述为主,预测的远景区比较笼统;二是预测技术手段主要依赖地质分析,没有形成理论指导下的地质、遥感、地球物理和地球化学手段的有机统一。现行的预测主要依据区域地质研究和调查结论进行,地球物理、地球化学和遥感技术手段主要被用来验证地质研究和调查的认识,而没有充分发挥地球物理、地球化学和遥感等技术手段的优势来研究岗岩型铀矿成矿条件的表现特征和建立相应的评价标志,直接参与成矿预测。
发明内容
本发明的目的是提供一种花岗岩型铀矿田远景区综合预测方法,能够利用遥感、地球物理、地质和地球化学方法,提高成矿预测区空间定位的准确性和可靠性。
本发明的技术方案如下所述:
一种花岗岩型铀矿田远景区综合预测方法,包括如下步骤:
步骤S1:构造识别与验证阶段;包括遥感构造解译,格架构造地球物理验证和格架构造的地质分析步骤;
步骤S2:有利成矿区筛选阶段;包括有利部位格架构造筛选,岩浆活动条件筛选,铀源层条件筛选和断陷红盆条件筛选步骤;
步骤S3:矿田远景区预测阶段;包括重点区区域构造筛选,遥感图像纹理特征评价,航空放射性特征评价,地球化学特征评价和矿田区远景区圈定与分级步骤;
所述步骤S1的具体处理步骤如下:
步骤(1.1)为基于遥感图像的构造解译;方法是首先将研究区的带有地理坐标的遥感图像置至于同一视域内,获得格架构造;然后逐级放大进行区域构造解译,解译出区域构造;
步骤(1.2)为格架构造地球物理查证;方法是将在步骤(1.1)的基础上,导入经过网格化处理和配准好的覆盖研究区的重力和航空磁力异常等值图;通过分析异常形态和分布特征,来验证遥感解译格架构造的可靠性和推断构造的深部特征,如果解译格架构造在航磁、重力异常上有显示,则保留;没有则删除;
步骤(1.3)为架构造的地质分析;方法是导入研究区的地质图数据库,选择格架构造一定距离内的包含地层和岩体属性的多边形,通过分析格架构造与岩体期次、类型和地层时代、岩性的关系,推断格架构造的形成时代和可能的力学性质。
步骤S1:构造识别与验证阶段;该阶段包括基于遥感图像的构造解译,格架构造地球物理查证和架构造的地质分析步骤,基于遥感图像,并根据重力和航空磁力异常等值图、地质数据得到格架构造及其的形成时代和力学性质;
步骤S2:有利成矿区筛选阶段;该阶段包括首先根据格架构造条件筛选出花岗岩型铀矿形成的构造有利区,再利用构造有利区内岩浆活动条件、断陷红盆条件、铀源层条件筛选得出有利成矿区;
步骤S3:矿田远景区预测阶段;该阶段包括在步骤S2中选定的有利成矿区中圈定有利成矿重点区,将各有利成矿重点区按照遥感图像纹理特征进行分级,利用航空放射性及地球化学特征条件筛选出矿田远景区并将其分级;
所述步骤S1的具体处理步骤如下:
步骤(1.1)为基于遥感图像的构造解译;方法是首先将研究区的带有地理坐标的遥感图像置至于同一视域内,获得格架构造;然后逐级放大进行区域构造解译,解译出区域构造;
步骤(1.2)为格架构造地球物理查证;方法是将在步骤(1.1)的基础上,导入经过网格化处理和配准好的覆盖研究区的重力和航空磁力异常等值图;通过分析异常形态和分布特征,来验证遥感解译格架构造的可靠性和推断构造的深部特征,如果解译格架构造在航磁、重力异常上有显示,则保留;没有则删除;
步骤(1.3)为架构造的地质分析;方法是导入研究区的地质图数据库,选择格架构造一定距离内的包含地层和岩体属性的多边形,通过分析格架构造与岩体期次、类型和地层时代、岩性的关系,推断格架构造的形成时代和可能的力学性质。
所述步骤S2的具体处理步骤如下:
步骤(2.1)为有利部位格架构造筛选;方法是在对步骤S1中得到的格架构造,选择北西西向格架构造与北东、北北东向格架构造交汇点为圆心的一定范围,作为花岗岩型铀矿形成的构造有利区;
步骤(2.2)为岩浆活动条件筛选,方法是在步骤(2.1)选出的构造有利区内,对区内的岩浆岩进行岩石类型和形成时代进行分类,判别预测研究区内是否存在二期以上岩浆活动和基性与酸性岩类,若满足条件,则保留该构造有利区,不满足条件、则删除该区;
步骤(2.3)为铀源层条件筛选;方法是利用ArcGIS属性选择工具,从地质图中选择上震旦-下寒武统碳硅泥岩系作为铀源层,然后将步骤(2.2)中保留的构造有利区作为来源层、碳硅泥岩系作为目标层进行空间相关性分析,当来源层20km以内存在目标层时则保留构造有利区,否则删除该区;
步骤(2.4)为断陷红盆条件筛选;方法是利用ArcGIS属性选择工具,从地质图中选择白垩系红色碎屑岩分布区为断陷红盆,然后将步骤(2.3)中保留的构造有利区作为来源层、红盆作为目标层进行空间相关性分析,当来源层10km以内存在目标层时则保留构造有利区作为有利成矿区,否则删除该区。
所述步骤S3的具体处理步骤如下:
步骤(3.1)为重点区区域构造筛选;方法是在步骤S2中选定的有利成矿区中,将以步骤S1中得到的北西西向与北东、北北东向构造交汇点为中心一定范围内的地区确定为有利成矿重点区;
步骤(3.2)为遥感图像纹理特征评价;方法是计算步骤(3.1)得到的有利成矿重点区内的盒计维数和多重分型谱,将盒计维数分为大、中、小,多重分型谱对称程度分为高、中、低,将重点区按照分形维数-谱对称度组合、分为一级、二级和三级重点区;
步骤(3.3)为航空放射性特征评价;方法是利用网格化和配准处理有利成矿重点区的航空放射性铀含量、钍含量的正异常和铀/钍等值图异常图,分别筛选出铀含量、钍含量的正异常和铀/钍≥1.5的区域,如果有利成矿重点区同时包含铀含量、钍含量的正异常和铀/钍≥1.5的区域,则保留有利成矿重点区,否则删除;
步骤(3.4)为地球化学特征评价;方法是在步骤(3.3)的基础上,利用网格化和配准好的水系沉积物铀含量、钍含量、镍含量异常等值图,分别筛选出铀含量正异常、钍含量的正异常和镍含量负异常的区域,如果有利成矿重点区同时包含铀含量正异常、钍含量的正异常和镍含量负异常的区,则保留有利成矿重点区,否则删除;
步骤(3.5)为矿田远景区预测;将步骤(3.4)中保留的重点区作为矿田远景区,根据步骤(3.2)中的级别,分别作为一级、二级和三级矿田远景区。
本发明的有益效果为:
本发明提高了成矿预测区空间定位的准确性和可靠性,通过缩小勘探区的范围,达到投入较少勘查工作量、节约成本,提高勘查效果来实现其经济和社会效益。本发明可运用于热液铀矿田,特别是花岗岩型铀矿田,成矿远景区的评价和预测。
附图说明
图1为本发明提供的一种花岗岩型铀矿田远景区综合预测方法流程图。
具体实施方式
下面结合附图和实施例对本发明提供的一种花岗岩型铀矿田远景区综合预测方法进行详细说明。
如图1所示,一种花岗岩型铀矿田远景区综合预测方法,包括如下步骤:
步骤S1:构造识别与验证阶段;该阶段包括基于遥感图像的构造解译,格架构造地球物理验证和架构造的地质分析步骤,通过建立工程文件,并根据重力和航空磁力异常等值图、地质数据得到格架构造及其的形成时代和力学性质。
步骤S2:有利成矿区筛选阶段;该阶段包括首先根据格架构造条件筛选出花岗岩型铀矿形成的构造有利区,再利用构造有利区内岩浆活动条件、断陷红盆条件、铀源层条件筛选得出有利成矿区。
步骤S3:矿田远景区预测阶段;该阶段包括在步骤S2中选定的有利成矿区中圈定有利成矿重点区,将各有利成矿重点区按照遥感图像纹理特征进行分级,利用航空放射性及地球化学特征条件筛选出矿田远景区并将其分级。
步骤S1的具体处理步骤可如下:
步骤(1.1)为基于遥感图像的构造解译。其方法是首先将带有地理坐标的ETM图像导入ArcGIS平台,建立工程文件后,将整个研究区图像置至于同一视域(计算机平幕)内,进行目视解译,获得决定研究区构造分区特征的构造,称为格架构造;然后逐级放大1倍图像比例进行区域构造解译,直至放大至所要求工作比例尺的2倍,解译出的构造称为区域构造。
步骤(1.2)为格架构造地球物理验证。其方法是将经过网格化处理和配准好的覆盖研究区的重力和航空磁力异常等值图导入步骤(1.1)中建立的工程文件;通过分析异常形态和分布特征,来验证遥感解译格架构造的可靠性和推断构造的深部特征,如果解译格架构造在航磁、重力异常上有显示,则保留;没有则删除。
步骤(1.3)为架构造的地质分析。方法是将研究区的地质图数据库导入步骤(1.1)中建立的ArcGIS工程文件,采用属性选择工具,选择格架构造一定距离内的包含地层和岩体属性的多边形,通过分析格架构造与岩体活动期次、类型和地层时代、岩性的关系,推断格架构造的形成时代和可能的力学性质等。
步骤S2的具体处理步骤可如下:
步骤(2.1)为有利部位格架构造条件筛选。其方法是在对步骤S1中得到的格架构造,选择北西西向格架构造与北东、北北东向格架构造交汇点为圆心50km为半径的范围,作为花岗岩型铀矿形成的构造有利区。
步骤(2.2)为岩浆活动条件筛选,方法是在步骤(2.1)选出的构造有利区内,利用ArcGIS属性选择工具,对区内的岩浆岩进行岩石类型和形成时代进行分类,判别构造有利区内是否存在二期以上岩浆活动和基性与酸性岩类。若满足条件,则保留该构造有利区,不满足条件、则删除该区。
步骤(2.3)为铀源层条件筛选。方法是利用ArcGIS属性选择工具,从地质图中选择上震旦-下寒武统碳硅泥岩系作为铀源层,然后将步骤(2.2)中保留的构造有利区作为来源层、碳硅泥岩系作为目标层进行空间相关性分析,当来源层(构造有利区)20km以内存在目标层(铀源层)时则保留构造有利区,否则删除该区。
步骤(2.4)为断陷红盆条件筛选。方法是利用ArcGIS属性选择工具,从地质图中选择白垩系红色碎屑岩分布区为断陷红盆,然后将步骤(2.3)中保留的构造有利区作为来源层、红盆作为目标层进行空间相关性分析,当来源层(构造有利区)10km以内存在目标层(红盆)时则保留构造有利区作为有利成矿区,否则删除该区。
步骤S3的具体处理步骤可如下:
步骤(3.1)为重点区区域构造评价。方法是在步骤S2中选定的有利成矿区中,将以步骤S1中得到的北西西向与北东、北北东向区域构造交汇点为中心、10km为半径的地区确定为有利成矿重点区。
步骤(3.2)为遥感图像纹理特征评价。方法是先利用Fraclab软件,计算步骤(3.1)得到的有利成矿重点区内遥感图像的盒计维数和多重分型谱,将盒计维数分为大、中、小,多重分型谱对称程度分为高、中、低,将重点区按照分形维数-谱对称度组合、分为一级(大-高组合)、二级(大中和中高组合)和三级(其他组合)重点区。
步骤(3.3)为航空放射性特征评价。方法是先将经过网格化和配准处理的有利成矿重点区的航空放射性铀含量、钍含量和铀/钍等值图导入步骤S1中建立的ArcGIS工程文件,然后利用ArcGIS属性选择工具,分别筛选出铀含量、钍含量的正异常和铀/钍≥1.5的区域,如果有利成矿重点区同时包含铀含量、钍含量的正异常和铀/钍≥1.5的区域,则保留有利成矿重点区,否则删除。
步骤(3.4)为地球化学特征评价。方法是先将网格化和配准好的水系沉积物铀含量、钍含量、镍含量异常等值图导入步骤S1中建立的ArcGIS工程文件,然后利用ArcGIS属性选择工具,分别筛选出铀含量正异常、钍含量正异常和镍含量负异常的区域,如果有利成矿重点区同时包含铀含量正异常、钍含量的正异常和镍含量负异常的区,则保留有利成矿重点区,否则删除。
步骤(3.5)为矿田远景区预测。预测方法是对步骤(3.3)至步骤(3.4)选出的有利成矿重点区进行综合分析,将保留的重点区作为矿田远景区,根据步骤(3.2)中的级别,分别作为一级、二级和三级矿田远景区。

Claims (3)

1.一种花岗岩型铀矿田远景区综合预测方法,包括如下步骤:
步骤S1:构造识别与验证阶段;包括遥感构造解译,格架构造地球物理验证和格架构造的地质分析步骤;
步骤S2:有利成矿区筛选阶段;包括有利部位格架构造筛选,岩浆活动条件筛选,铀源层条件筛选和断陷红盆条件筛选步骤;
步骤S3:矿田远景区预测阶段;包括重点区区域构造筛选,遥感图像纹理特征评价,航空放射性特征评价,地球化学特征评价和矿田区远景区圈定与分级步骤;
所述步骤S1的具体处理步骤如下:
步骤(1.1)为基于遥感图像的构造解译;方法是首先将研究区的带有地理坐标的遥感图像置至于同一视域内,获得格架构造;然后逐级放大进行区域构造解译,解译出区域构造;
步骤(1.2)为格架构造地球物理查证;方法是将在步骤(1.1)的基础上,导入经过网格化处理和配准好的覆盖研究区的重力和航空磁力异常等值图;通过分析异常形态和分布特征,来验证遥感解译格架构造的可靠性和推断构造的深部特征,如果解译格架构造在航磁、重力异常上有显示,则保留;没有则删除;
步骤(1.3)为格 架构造的地质分析;方法是导入研究区的地质图数据库,选择格架构造一定距离内的包含地层和岩体属性的多边形,通过分析格架构造与岩体期次、类型和地层时代、岩性的关系,推断格架构造的形成时代和可能的力学性质;
所述步骤S2的具体处理步骤如下:
步骤(2.1)为有利部位格架构造筛选;方法是在对步骤S1中得到的格架构造,选择北西西向格架构造与北东、北北东向格架构造交汇点为圆心的一定范围,作为花岗岩型铀矿形成的构造有利区;
步骤(2.2)为岩浆活动条件筛选,方法是在步骤(2.1)选出的构造有利区内,对区内的岩浆岩进行岩石类型和形成时代进行分类,判别预测研究区内是否存在二期以上岩浆活动和基性与酸性岩类,若满足条件,则保留该构造有利区,不满足条件、则删除该区;
步骤(2.3)为铀源层条件筛选;方法是利用ArcGIS属性选择工具,从地质图中选择上震旦-下寒武统碳硅泥岩系作为铀源层,然后将步骤(2.2)中保留的构造有利区作为来源层、碳硅泥岩系作为目标层进行空间相关性分析,当来源层20km以内存在目标层时则保留构造有利区,否则删除该区;
步骤(2.4)为断陷红盆条件筛选;方法是利用ArcGIS属性选择工具,从地质图中选择白垩系红色碎屑岩分布区为断陷红盆,然后将步骤(2.3)中保留的构造有利区作为来源层、红盆作为目标层进行空间相关性分析,当来源层10km以内存在目标层时则保留构造有利区作为有利成矿区,否则删除该区。
2.一种花岗岩型铀矿田远景区综合预测方法,包括如下步骤:
步骤S1:构造识别与验证阶段;该阶段包括基于遥感图像的构造解译,格架构造地球物理查证和格 架构造的地质分析步骤,基于遥感图像,并根据重力和航空磁力异常等值图、地质数据得到格架构造及其的形成时代和力学性质;
步骤S2:有利成矿区筛选阶段;该阶段包括首先根据格架构造条件筛选出花岗岩型铀矿形成的构造有利区,再利用构造有利区内岩浆活动条件、断陷红盆条件、铀源层条件筛选得出有利成矿区;
步骤S3:矿田远景区预测阶段;该阶段包括在步骤S2中选定的有利成矿区中圈定有利成矿重点区,将各有利成矿重点区按照遥感图像纹理特征进行分级,利用航空放射性及地球化学特征条件筛选出矿田远景区并将其分级;
所述步骤S1的具体处理步骤如下:
步骤(1.1)为基于遥感图像的构造解译;方法是首先将研究区的带有地理坐标的遥感图像置至于同一视域内,获得格架构造;然后逐级放大进行区域构造解译,解译出区域构造;
步骤(1.2)为格架构造地球物理查证;方法是将在步骤(1.1)的基础上,导入经过网格化处理和配准好的覆盖研究区的重力和航空磁力异常等值图;通过分析异常形态和分布特征,来验证遥感解译格架构造的可靠性和推断构造的深部特征,如果解译格架构造在航磁、重力异常上有显示,则保留;没有则删除;
步骤(1.3)为架构造的地质分析;方法是导入研究区的地质图数据库,选择格架构造一定距离内的包含地层和岩体属性的多边形,通过分析格架构造与岩体期次、类型和地层时代、岩性的关系,推断格架构造的形成时代和可能的力学性质;
所述步骤S2的具体处理步骤如下:
步骤(2.1)为有利部位格架构造筛选;方法是在对步骤S1中得到的格架构造,选择北西西向格架构造与北东、北北东向格架构造交汇点为圆心的一定范围,作为花岗岩型铀矿形成的构造有利区;
步骤(2.2)为岩浆活动条件筛选,方法是在步骤(2.1)选出的构造有利区内,对区内的岩浆岩进行岩石类型和形成时代进行分类,判别预测研究区内是否存在二期以上岩浆活动和基性与酸性岩类,若满足条件,则保留该构造有利区,不满足条件、则删除该区;
步骤(2.3)为铀源层条件筛选;方法是利用ArcGIS属性选择工具,从地质图中选择上震旦-下寒武统碳硅泥岩系作为铀源层,然后将步骤(2.2)中保留的构造有利区作为来源层、碳硅泥岩系作为目标层进行空间相关性分析,当来源层20km以内存在目标层时则保留构造有利区,否则删除该区;
步骤(2.4)为断陷红盆条件筛选;方法是利用ArcGIS属性选择工具,从地质图中选择白垩系红色碎屑岩分布区为断陷红盆,然后将步骤(2.3)中保留的构造有利区作为来源层、红盆作为目标层进行空间相关性分析,当来源层10km以内存在目标层时则保留构造有利区作为有利成矿区,否则删除该区。
3.如权利要求1或2所述的一种花岗岩型铀矿田远景区综合预测方法,其特征在于:所述步骤S3的具体处理步骤如下:
步骤(3.1)为重点区区域构造筛选;方法是在步骤S2中选定的有利成矿区中,将以步骤S1中得到的北西西向与北东、北北东向构造交汇点为中心一定范围内的地区确定为有利成矿重点区;
步骤(3.2)为遥感图像纹理特征评价;方法是计算步骤(3.1)得到的有利成矿重点区内的盒计维数和多重分型谱,将盒计维数分为大、中、小,多重分型谱对称程度分为高、中、低,将重点区按照分形维数-谱对称度组合、分为一级、二级和三级重点区;
步骤(3.3)为航空放射性特征评价;方法是利用网格化和配准处理有利成矿重点区的航空放射性铀含量、钍含量的正异常和铀/钍等值图异常图,分别筛选出铀含量、钍含量的正异常和铀/钍≥1.5的区域,如果有利成矿重点区同时包含铀含量、钍含量的正异常和铀/钍≥1.5的区域,则保留有利成矿重点区,否则删除;
步骤(3.4)为地球化学特征评价;方法是在步骤(3.3)的基础上,利用网格化和配准好的水系沉积物铀含量、钍含量、镍含量异常等值图,分别筛选出铀含量正异常、钍含量的正异常和镍含量负异常的区域,如果有利成矿重点区同时包含铀含量正异常、钍含量的正异常和镍含量负异常的区,则保留有利成矿重点区,否则删除;
步骤(3.5)为矿田远景区预测;将步骤(3.4)中保留的重点区作为矿田远景区,根据步骤(3.2)中的级别,分别作为一级、二级和三级矿田远景区。
CN201410080890.1A 2014-03-06 2014-03-06 一种花岗岩型铀矿田远景区综合预测方法 Active CN103824133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410080890.1A CN103824133B (zh) 2014-03-06 2014-03-06 一种花岗岩型铀矿田远景区综合预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410080890.1A CN103824133B (zh) 2014-03-06 2014-03-06 一种花岗岩型铀矿田远景区综合预测方法

Publications (2)

Publication Number Publication Date
CN103824133A CN103824133A (zh) 2014-05-28
CN103824133B true CN103824133B (zh) 2017-11-28

Family

ID=50759184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410080890.1A Active CN103824133B (zh) 2014-03-06 2014-03-06 一种花岗岩型铀矿田远景区综合预测方法

Country Status (1)

Country Link
CN (1) CN103824133B (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104076393B (zh) * 2014-07-10 2017-10-27 核工业北京地质研究院 一种花岗岩型铀矿隐伏成矿构造带识别方法
CN105807327A (zh) * 2014-12-29 2016-07-27 核工业北京地质研究院 一种沉积盆地基底含铀性与砂岩型铀矿成矿潜力评价方法
CN105988143A (zh) * 2015-02-12 2016-10-05 核工业北京地质研究院 一种适用于矿田深部铀资源潜力定位预测的方法
CN106033130A (zh) * 2015-03-10 2016-10-19 核工业北京地质研究院 一种砂岩型铀矿深部有利成矿部位定位预测方法
CN104808228A (zh) * 2015-04-22 2015-07-29 吉林大学 基于北斗卫星的油田遥感信息查证系统及查证方法
CN106802434B (zh) * 2015-11-24 2018-11-30 核工业北京地质研究院 一种强构造背景下砂岩型铀成矿有利区圈定的方法
CN106526078B (zh) * 2016-10-28 2019-07-12 核工业北京地质研究院 一种用于提取深部铀成矿信息的氡气-地气联合测量方法
CN108022208A (zh) * 2016-10-31 2018-05-11 核工业北京地质研究院 一种适用于花岗岩体岩性划分的综合技术方法
CN108021853A (zh) * 2016-11-01 2018-05-11 核工业北京地质研究院 一种适用于花岗岩区岩脉的遥感图像识别方法
CN108228920B (zh) * 2016-12-13 2021-04-13 核工业北京地质研究院 一种砂岩型铀矿土壤铀元素异常筛选方法
CN106990445A (zh) * 2017-03-08 2017-07-28 核工业二六大队 放射性地质环境现状调查中放射性异常边界的确定方法
CN107203011A (zh) * 2017-06-12 2017-09-26 核工业北京地质研究院 一种基于遥感和地球物理的古陆块图像识别方法
CN108107481A (zh) * 2017-12-04 2018-06-01 中国石油天然气股份有限公司 铀矿勘探有利远景区的确定方法和装置
CN108335223B (zh) * 2017-12-25 2019-09-17 核工业北京地质研究院 一种砂岩型铀矿综合评价技术方法
CN108181669A (zh) * 2017-12-25 2018-06-19 核工业北京地质研究院 一种热点作用区铀成矿识别定位方法
CN108416686B (zh) * 2018-01-30 2021-10-19 中国矿业大学 一种基于煤炭资源开发的生态地质环境类型划分方法
CN108535791B (zh) * 2018-03-12 2020-12-08 有色金属矿产地质调查中心 一种用于检查评价干旱荒漠景观区铜铅锌异常的新方法
CN108802830A (zh) * 2018-04-17 2018-11-13 青海省地质矿产勘查开发局 一种造山型岩浆熔离镍矿的找矿方法
CN108761550A (zh) * 2018-04-24 2018-11-06 湖南湘核三零二地质勘查有限公司 一种南方花岗岩型铀矿找矿方法
CN110727034A (zh) * 2018-07-17 2020-01-24 核工业二0八大队 一种砂岩型铀矿编图方法
CN109490985A (zh) * 2018-12-24 2019-03-19 桂林理工大学 一种地球物理勘测系统和方法
CN109814172B (zh) * 2018-12-25 2020-11-20 核工业北京地质研究院 一种白岗岩型铀矿深部找矿预测与定位方法
CN110782097A (zh) * 2019-10-29 2020-02-11 自然资源部第一海洋研究所 基于多指标要素特征的海底热液成矿远景区预测方法
CN112464834B (zh) * 2020-12-02 2024-02-13 核工业北京地质研究院 一种白岗岩铀成矿区不同期次岩体的多源遥感识别方法
CN112801808A (zh) * 2020-12-30 2021-05-14 核工业北京地质研究院 一种铁铀型铀矿异常叠合预测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243628A (zh) * 2010-05-12 2011-11-16 电子科技大学 成矿案例推理模型与方法
CN103454693B (zh) * 2013-09-12 2016-08-17 核工业北京地质研究院 一种白岗岩型铀矿勘查成矿要素遥感图谱特征识别方法

Also Published As

Publication number Publication date
CN103824133A (zh) 2014-05-28

Similar Documents

Publication Publication Date Title
CN103824133B (zh) 一种花岗岩型铀矿田远景区综合预测方法
Mrlina et al. Discovery of the first Quaternary maar in the Bohemian Massif, Central Europe, based on combined geophysical and geological surveys
Martinez et al. 3D inversion of airborne gravity gradiometry data in mineral exploration: A case study in the Quadrilátero Ferrífero, Brazil
Zeeb et al. Evaluation of sampling methods for fracture network characterization using outcrops
US8473264B2 (en) Geophysical data processing systems
Backé et al. Basin geometry and salt diapirs in the Flinders Ranges, South Australia: Insights gained from geologically-constrained modelling of potential field data
Paasche et al. Rapid integration of large airborne geophysical data suites using a fuzzy partitioning cluster algorithm: a tool for geological mapping and mineral exploration targeting
Curto et al. The role of airborne geophysics for detecting hydrocarbon microseepages and related structural features: The case of Remanso do Fogo, Brazil
Asfahani et al. Uranium migration in a sedimentological phosphatic environment in Northern Palmyrides, Al-Awabed area, Syria
Matthes et al. Geophysical modelling of the Ebersbrunn diatreme, western Saxony, Germany
Asfahani Multifractal approach for delineating uranium anomalies related to phosphatic deposits in Area-3, Northern Palmyrides, Syria
Asfahani et al. Statistical factor analysis of aerial spectrometric data, Al-Awabed area, Syria: a useful guide for phosphate and uranium exploration
Hou et al. Elemental geochemistry of the Middle Jurassic shales in the northern Qaidam Basin, northwestern China: Constraints for tectonics and paleoclimate
Jia et al. Multiple level prospectivity mapping based on 3D GIS and multiple geoscience dataset analysis: a case study in Luanchuan Pb-Zn district, China
Ovaskainen Scalability of lineament and fracture networks within the crystalline Wiborg Rapakivi Batholith, SE Finland
Kahoul et al. IDENTIFYING FAULT SYSTEM AND BASEMENT DEPTH USING AEROMAGNETIC DATA BENEATH THE JAHAMAH PLATFORM, NE SIRT BASIN, LIBYA.
de Lima et al. Tracing the origin of deposited sediments: A study applying proximal sensing in a drainage subbasin
Eshaghi et al. Density and magnetic susceptibility of major rock types within the Abitibi greenstone belt: a compilation with examples of its use in constraining inversion
Guimaraes et al. Thermomagnetic features of crust in southern parts of the structural provinces of Tocantins and São Francisco, Brazil
Araffa et al. Tectonics mapping using geophysical data around Nuweiba area, Gulf of Aqaba, Sinai, Egypt
Khouz et al. Understanding the Deep Structure of the Essaouira Basin Using Gravity Data: Hydrogeological Inferences for a Semiarid Region in Central-Western Morocco
Al-Alfy et al. 3D slicing of radiogenic heat production in Bahariya Formation, Tut oil field, North-Western Desert, Egypt
Dar et al. Delineating Deep Basement Faults in Eastern Dharwar Craton through Systematic Methods of Geophysics and Remote Sensing vis-à-vis the Concerns of Moderate Seismicity
Ibrahim et al. Comparative study of estimating the Curie point depth and heat flow using potential magnetic data
Zhang et al. Gravity Field Imaging by Continued Fraction Downward Continuation: A Case Study of the Nechako Basin (Canada)

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant