CN111273372A - 一种基于化探异常编制潜在成矿温度组合图的编图方法 - Google Patents
一种基于化探异常编制潜在成矿温度组合图的编图方法 Download PDFInfo
- Publication number
- CN111273372A CN111273372A CN202010086267.2A CN202010086267A CN111273372A CN 111273372 A CN111273372 A CN 111273372A CN 202010086267 A CN202010086267 A CN 202010086267A CN 111273372 A CN111273372 A CN 111273372A
- Authority
- CN
- China
- Prior art keywords
- mineralization
- potential
- temperature
- geochemical
- abnormal
- 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.)
- Granted
Links
- 230000033558 biomineral tissue development Effects 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013507 mapping Methods 0.000 title claims abstract description 27
- 239000000126 substance Substances 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 57
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 28
- 239000011707 mineral Substances 0.000 claims abstract description 28
- 238000013210 evaluation model Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims description 55
- 238000011160 research Methods 0.000 claims description 55
- 230000005856 abnormality Effects 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 28
- 239000011435 rock Substances 0.000 claims description 10
- 238000000691 measurement method Methods 0.000 claims description 9
- 239000013049 sediment Substances 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 239000002689 soil Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- 238000000205 computational method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract description 3
- 239000010949 copper Substances 0.000 description 32
- 229910052802 copper Inorganic materials 0.000 description 26
- 230000001089 mineralizing effect Effects 0.000 description 13
- 229910052750 molybdenum Inorganic materials 0.000 description 11
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 10
- 229910052737 gold Inorganic materials 0.000 description 9
- 238000005065 mining Methods 0.000 description 8
- 229910052725 zinc Inorganic materials 0.000 description 7
- 229910052709 silver Inorganic materials 0.000 description 6
- 229910052745 lead Inorganic materials 0.000 description 5
- 239000002366 mineral element Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012732 spatial analysis Methods 0.000 description 4
- 229910002708 Au–Cu Inorganic materials 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 229910052787 antimony Inorganic materials 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 229910052785 arsenic Inorganic materials 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052797 bismuth Inorganic materials 0.000 description 2
- 229910052793 cadmium Inorganic materials 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 125000001475 halogen functional group Chemical group 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 229910052718 tin Inorganic materials 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/80—Data visualisation
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于化探异常编制潜在成矿温度组合图的编图方法,在地球化学图件编图方法的基础上,利用地理信息系统分析工具确定了各元素地球化学异常的空间组合类型,结合热液矿床元素垂直分带序列模型,厘定元素异常指示的潜在成矿温度,通过成矿规律和成矿温度组合类型建立潜在温成矿温度评价模型,进而对各元素异常及其组合进行分档分级,最后编制基于化探异常的潜在成矿温度组合成矿有利度分级图件的编制;潜在成矿温度组合成矿有利度分级图反映了潜在不同成矿热液叠加的复杂程度,有效地挖掘了化探异常所蕴含的潜在成矿温度信息,为区域找矿预测和矿产资源潜力评价提供了重要的预测要素。
Description
技术领域
本发明涉及地球化学和找矿预测技术领域,具体涉及一种基于化探异常编制潜在成矿温度组合图的编图方法。
背景技术
在区域找矿预测和矿产资源潜力评价中,勘查地球化学是常用的、重要的技术方法之一。现有工作和研究多侧重于单元素地球化学异常、多元素组合异常和综合异常等地球化学信息的解释与应用。矿床分带模式研究表明,热液矿床成矿元素具垂向分带和水平分带现象,如中等剥蚀程度的德兴斑岩型铜矿,从成矿岩体中心向外依次为高温元素异常、中低温元素异常和低温元素异常。在勘查地球化学领域,Sb、Zn、Pb等元素被认为是典型的低温元素出现于矿床(体)前缘(前缘元素异常),Mo、Cu、Au、Ag等为中高温元素,W、Sn、Bi等元素属于高温元素,一般位于靠矿床深部或矿体尾部出现(尾晕元素异常)。即,某种元素的富集往往代表了地质历史时期至少一次某种温度成矿作用的发生。前缘元素异常、近矿指示元素异常和尾晕元素异常在岩石地球化学研究与应用方面较为成熟,但由于岩石地球化学测量数据的局限性,难以形成面状的区域性覆盖而多限于定性文字描述或简单的空间叠加分析。水系沉积物地球化学测量和土壤地球化学测量具有调查面积大、速度快、成本低等优点,是效率较高的区域性地球化学普查方法。水系沉积物或土壤地球化学异常的存在指示了某种类型矿床成矿的可能,而地球化学异常的元素本身又携带有潜在成矿温度信息,指示了某种温度的成矿活动。然而,成矿温度作为重要的成矿信息之一,工作中一般使用文字语言予以定性描述;即便是用图件表达的成矿温度信息,往往限于研究资料比较详实的典型矿床而进行的矿床垂向分带式总结性表达,成矿温度信息表达的空间和范围十分有限,对找矿预测的实践性意义不强。同时,成矿温度作为一种重要的找矿信息,目前尚未形成一种区域上可以定量表达的有效图件,致使地球化学元素异常信息所蕴含的重要成矿温度信息尚未进入找矿预测层面,从而造成成矿温度信息的潜在浪费。因此,基于化探异常编制的潜在成矿温度组合图一定程度上定量地展示了潜在不同成矿温度组合的空间分布特征,为区域找矿预测和矿产资源潜力评价提供了一种新的、重要的综合找矿预测要素。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于化探异常编制潜在成矿温度组合图的编图方法,解决了在热液型矿产区域找矿预测及热液型矿产区域资源潜力评价方面缺乏有效制图方法的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种基于化探异常编制潜在成矿温度组合图的编图方法,包括以下步骤:
S1、根据研究区内已知热液型矿床开展区域成矿规律研究,确定拟开展找矿预测或资源潜力评价的热液型矿产类型;
S2、根据拟开展找矿预测的热液型矿产类型,确定所需开展的地球化学测量方法与测量元素;
S3、通过地球化学测量方法对测量元素进行野外地球化学测量和室内样品的测试分析工作,得到各测量元素的含量;
S4、针对研究区地形地貌、气候条件以及地质特征确定各测量元素含量的异常下限值;
S5、根据各测量元素含量的异常下限值,绘制研究区各元素地球化学异常图;
S6、对研究区各元素地球化学异常图进行空间叠合分析,得到空间独立结果数据;
S7、对空间独立结果数据进行元素匹配,得到空间分析结果所对应的元素异常及其组合;
S8、根据热液矿床元素垂直分带序列模型,确定元素异常指示的潜在成矿温度;
S9、根据区域拟预测热液型矿产的成矿规律和元素异常指示的潜在成矿温度,建立研究区潜在成矿温度评价模型;
S10、采用研究区潜在成矿温度评价模型对空间分析结果所对应的元素异常及其组合进行成矿有利度分级,得到潜在成矿温度成矿有利度分级结果;
S11、根据潜在成矿温度成矿有利度分级结果,编制研究区潜在成矿温度组合成矿有利度图件。
进一步地:步骤S3中地球化学测量方法包括:岩石地球化学测量、土壤地球化学测量和水系沉积物地球化学测量。
进一步地:步骤S4中确定各测量元素含量的异常下限值的方法包括:长剖面法、图解法和计算法;
其中,当元素含量呈正态分布时,所述计算法的公式为:T=X+(2~3)δ,其中,T为某测量元素的异常下限,X为地球化学背景平均值,δ为标准差;
当元素含量呈对数正态分布时,所述计算法的公式为:lgT=lgX+(2~3)lgδ,其中,T为某测量元素的异常下限,X为地球化学背景平均值,δ为标准差。
进一步地:步骤S5包括以下步骤:
S51、采用GIS软件平台将所需的地球化学测量元素的含量进行数据网格化,得到网格化数据;
S52、将网格化数据通过GIS软件平台等值线生成模块绘制元素含量等值线图;
S53、根据元素含量等值线图,将大于等于异常下限值部分的元素含量对应的等值线区提取出来作为研究区各元素地球化学异常图。
进一步地:步骤S6中采用GIS软件平台对研究区各元素地球化学异常图进行空间叠合分析,得到空间独立结果数据。
进一步地:步骤S6包括以下步骤:
S61、根据研究区各元素地球化学异常图,得到参与研究区地球化学异常空间叠合分析的地球化学元素的数量,进而对地球化学元素进行两两分组;
S62、对各分组元素异常分别开展空间叠合分析,分别得到组内空间独立的空间叠合分析数据;
S63、基于各分组空间独立的分析结果开展组间空间叠合分析,得到组间空间独立的空间叠合分析结果,依次进行,直到得到组内组间均空间独立的各地球化学元素异常的空间分析结果数据。
进一步地:步骤S8中元素异常指示的潜在成矿温度的元素类型包括:高温成矿作用指示元素、中高温成矿作用指示元素、中温成矿作用指示元素、中低温成矿作用指示元素和低温成矿作用指示元素。
进一步地:步骤S9中研究区潜在成矿温度评价模型包括以下评价因子:元素异常组合类型、元素异常组合、潜在成矿温度组合、潜在矿化空间特征、成矿有利度、成矿有利度分档和成矿有利度分级。
进一步地:步骤S10包括以下步骤:
S1001、对空间分析结果所对应的元素异常及其组合建立分档分级属性表;
S1002、采用研究区潜在成矿温度评价模型对逐个元素异常及其组合的分档分级属性表填写分档分级属性,得到潜在成矿温度成矿有利度分级结果。
本发明的有益效果为:本发明提供了一种基于化探异常编制潜在成矿温度组合图的编图方法,在地球化学图件编图方法的基础上,利用地理信息系统分析工具确定了各元素地球化学异常的空间组合类型,结合热液矿床元素垂直分带序列模型,厘定元素异常指示的潜在成矿温度,通过成矿规律和成矿温度组合类型建立潜在温成矿温度评价模型,进而对各元素异常及其组合进行成矿有利度分级,最后编制基于化探异常的潜在成矿温度组合成矿有利度图件;潜在成矿温度组合图反映了潜在不同成矿热液叠加的复杂程度,有效地挖掘了化探异常所蕴含的潜在成矿温度信息,为区域找矿预测和矿产资源潜力评价提供了重要的预测要素。
附图说明
图1为一种基于化探异常编制潜在成矿温度组合图的编图方法流程示意图。
图2为实施例中化探异常空间叠合分析流程图(以Mo、Cu、Au 3元素为例);
图3为实施例中某区域潜在成矿温度组合成矿有利度图(以Mo、Cu、Au 3元素为例)。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,在本发明的一个实施例中,一种基于化探异常编制潜在成矿温度组合图的编图方法,包括以下步骤:
S1、根据研究区内已知热液型矿床开展区域成矿规律研究,确定拟开展找矿预测或资源潜力评价的热液型矿产类型;
S2、根据拟开展找矿预测的热液型矿产类型,确定所需开展的地球化学测量方法与测量元素;
区域成矿规律研究的目的之一是确定某一研究区可能存在的矿产类型,由于本发明专利针对热液型矿产,此处区域成矿规律研究为热液型矿产预测和资源潜力评价服务。区域成矿规律研究涉及地质、矿产、地球物理和地球化学等多个方面,属于比较成熟的研究方法,相关技术要求可参照“全国矿产资源潜力项目”系列技术要求。
地球化学测量方法包括岩石地球化学测量、土壤地球化学测量和水系沉积物地球化学测量等,本发明专利中的地球化学测量元素可来自于岩石地球化学测量或土壤地球化学测量或水系沉积物地球化学测量。岩石地球化学测量往往采样点非常有限,基本无法在区域上开展,因此区域找矿预测或区域资源潜力评价中地球化学测量(简称“化探”)工作往往采用土壤地球化学测量或水系沉积物地球化学测量方法。
关于拟参与潜在成矿温度组合图编制的地球化学元素,如中国地质调查局矿产地质调查技术要求(1∶50000)中规定,Au、Ag、Cu、Pb、Zn、As、Sb、Hg、W、Sn、Mo、Bi、Co、Ni、Cr、Cd等16种元素为必测元素,视拟预测矿种需要,可另行增加或删减元素。需要指出的是,本发明专利不限定区域找矿预测或区域矿产资源潜力评价的比例尺、矿种等。
S3、通过地球化学测量方法对测量元素进行野外地球化学测量和室内样品的测试分析工作,得到各测量元素的含量;
其中,在步骤S3中,若研究区开展过系统的地球化学测量工作,则仅需收集步骤S3中各测量元素的测试分析数据即可。
S4、根据行业标准或针对研究区地形地貌、气候条件以及地质特征确定各测量元素含量的异常下限值;
步骤S4中确定各测量元素含量的异常下限值的方法包括:长剖面法、图解法和计算法;
其中,当元素含量呈正态分布时,所述计算法的公式为:T=X+(2~3)δ,其中,T为某测量元素的异常下限,X为地球化学背景平均值,δ为标准差;
当元素含量呈对数正态分布时,所述计算法的公式为:lgT=lgX+(2~3)lgδ,其中,T为某测量元素的异常下限,X为地球化学背景平均值,δ为标准差。
S5、根据各测量元素含量的异常下限值,绘制研究区各元素地球化学异常图;
步骤S5包括以下步骤:
S51、采用GIS软件平台将所需的地球化学测量元素的含量进行数据网格化,得到网格化数据;
S52、将网格化数据通过GIS软件平台等值线生成模块绘制元素含量等值线图;
S53、根据元素含量等值线图,将大于等于异常下限值部分的元素含量对应的等值线区提取出来作为研究区各元素地球化学异常图。
行业中地球化学异常一般采用矢量线、矢量区共同表示,步骤S5中的地球化学异常可只用矢量区表示。需要说明的是,该步骤中绘制的各元素地球化学异常图与行业要求的异常图略有区别。行业要求的各元素地球化学异常图上一般表示内带、中带、外带三级异常,本发明专利中的地球化学异常图将内带、中带和外带异常合并为一个异常,即元素含量大于等于元素异常下限的矢量区文件为一类异常(即不进行异常的分级分带划分)。
S6、对研究区各元素地球化学异常图进行空间叠合分析,得到空间独立结果数据;
基于GIS软件平台,如MapGIS或ARCGIS,利用地理信息软件的空间分析功能对步骤S5中所得各元素异常图进行空间叠合分析,得到多个元素异常图的空间独立结果。
步骤S6包括以下步骤:
S61、根据研究区各元素地球化学异常图,得到参与研究区地球化学异常空间叠合分析的地球化学元素的数量,进而对地球化学元素进行两两分组;
S62、对各分组元素异常分别开展空间叠合分析,分别得到组内空间独立的空间叠合分析数据;
S63、基于各分组空间独立的分析结果开展组间空间叠合分析,得到组间空间独立的空间叠合分析结果,依次进行,直到得到组内组间均空间独立的各地球化学元素异常的空间分析结果数据。
为进一步说明空间叠合分析的过程,本发明实施例分别选取某研究区水系沉积物地球化学测量中Mo(高温成矿作用指示元素)、Cu(中温成矿作用指示元素)、Au(低温成矿作用指示元素)3个元素的异常图展示空间叠合分析的详细过程,如图2所示。
A1、首先选取Au、Cu进行空间交补,Mo暂时待定,得到第一层数据Au-Cu、Au∩Cu、Cu-Au、Mo,并分别将Au-Cu、Au∩Cu、Cu-Au设为a、b、c;
A2、在第一层数据(a、b、c)的基础之上,再将Mo和a进行空间交补,得到Mo∩a、Mo-a、a-Mo,其中Mo∩a、a-Mo数据空间上已独立,而Mo-a为空间上已剔除Mo∩a、a-Mo但仍包含b、c的区域;
A3、使用Mo-a与b进行交补,得到(Mo-a)∩b、(Mo-a)-b、b-(Mo-a),其中(Mo-a)∩b、b-(Mo-a)数据空间上已独立,而(Mo-a)-b为空间上已剔除Mo∩a、a-Mo、(Mo-a)∩b、b-(Mo-a)但仍包含c的区域;
A4、将(Mo-a)-b与c进行交补,得到的{(Mo-a)-b}∩c、{(Mo-a)-b}-c、c-{(Mo-a)-b}均为空间上独立的区域,最终得到7个结果数据,如图2所示。
需要说明的是,在步骤S6中,为保证得到的每个空间叠合分析结果在空间位置上不重叠,即空间独立结果,需依次进行空间叠合分析,直至得到的每个结果数据在空间位置上仅代表一种组合类型。
S7、对空间独立结果数据进行元素匹配,得到空间分析结果所对应的元素异常及其组合;
以步骤S6的Mo、Cu、Au 3个元素异常的空间叠合分析结果为例,空间叠合分析结果所对应的元素异常及其组合类型如表1所示。
表1 Mo、Cu、Au 3元素多元空间分析结果
注:a:Au-Cu;b:Au∩Cu;c:Cu-Au
S8、根据热液矿床元素垂直分带序列模型,确定元素异常指示的潜在成矿温度;
步骤S8中元素异常指示的潜在成矿温度的元素类型包括:高温成矿作用指示元素、中高温成矿作用指示元素、中温成矿作用指示元素、中低温成矿作用指示元素和低温成矿作用指示元素。
需要说明的是,步骤S8通常在步骤S1成矿规律研究以确定拟预测热液型矿产所需地球化学元素时已有考虑。根据热液矿床的种类和矿床剥蚀程度,需根据研究区已知的典型热液矿床构建适合预测区的热液矿床元素垂直分带序列模型。举例说明,如中等剥蚀程度的德兴斑岩型铜矿,各组指示元素正异常出现水平分带现象,从成矿岩体中心向外由高温成矿作用指示元素(W、Bi、(Mo)、Sn)、中低温成矿作用指示元素(Cu、Pb、Zn、Au、Ag、Cd)、低温成矿作用指示元素(As、Sb、Hg)。不同矿种的热液型矿床、同矿种的不同热液成因类型矿床往往具有不同的矿床元素垂直分带序列模型,矿床成矿元素的垂直分带序列模型一般在步骤S1的区域成矿规律研究时基于区域典型矿床建立。
依据所建立的热液矿床成矿元素垂直分带模型,确定参与空间叠合分析的各元素异常指示的潜在成矿温度。
S9、根据区域拟预测热液型矿产的成矿规律和元素异常指示的潜在成矿温度,建立研究区潜在成矿温度评价模型;
成矿热液一般自下而上运移,垂向上,由深及浅,一般依次沉积高温元素、中温元素和低温元素,对应出现高温元素异常、中温元素异常和低温元素异常。即较低温度元素异常的出现将指示其下方可能存在温度较高的元素系列。由此,可以根据地表异常元素的组合,对某热液型矿产的成矿可能性进行推断。如,对斑岩型铜矿而言,若地表异常元素组合为Ag、Au、Pb、Zn,则暗示地下自不深之处开始至较深部位,可能出现延深连续的铜矿化;而Ag、Zn组合的出现,则暗示地下在不深之处和较深之处可能出现铜矿化,但由于Ag、Zn指示的成矿温度差异较大,铜矿化可能不连续。显然,延深大且连续的矿化强度大于延深不连续的矿化强度。
因此,成矿温度指示元素组合本身即体现了潜在热液型矿产的成矿有利程度,为更好地评价和应用潜在成矿温度元素组合,根据潜在成矿温度组合类型建立潜在成矿温度评价模型。以斑岩型铜矿区域找矿预测为例,选取步骤S6中Mo(高温成矿作用指示元素)、Cu(中温成矿作用指示元素)、Au(低温成矿作用指示元素)3个元素建立潜在成矿温度评价模型。
根据成矿热液成矿作用过程中成矿元素自下而上的垂向运移、沉淀、富集规律,将高温成矿作用指示元素称为尾部元素(简称W)、中温成矿作用指示元素称为中部元素(简称Z)、低温成矿作用指示元素称为头部元素(简称T),划分为T、Z、W三种成矿温度类型。如西藏甲玛铜矿床某勘探线剖面成矿元素垂直分带(自下而上)趋势为:Mo→Cu、Mo→Cu(Mo)→Pb、Zn、Au,示踪着成矿元素从中高温→中低温运移、沉淀、富集的规律。步骤S6中Mo、Cu、Au3元素对应分别为W、Z、T三种温度类型。同时,步骤S6中Mo、Cu、Au 3元素异常的空间叠合分析结果指示了不同的潜在成矿温度类型组合,温度类型组合反映了不同温度段热液叠加的复杂程度,也反映了潜在成矿有利度的大小。以Mo、Cu、Au 3元素异常空间叠合分析结果为例所建立的潜在温成矿温度评价模型如表2所示。
表2潜在成矿温度评价模型例表
其中,(1)组合类型:为潜在成矿温度组合的大类,若有n个元素参与空间叠合分析,则分别对应有1、2、、、、n个组合类型,组合类型的段数指该组合类型内元素异常的个数。(2)元素异常组合:为步骤S7中通过空间叠合分析结果进行元素匹配后,得到的空间分析结果所指示的元素异常及其组合。(3)潜在成矿温度组合:根据成矿热液成矿作用过程中成矿元素自下而上的垂向运移、沉淀、富集规律,划分的T、Z、W三种成矿温度类型及其组合。(4)潜在矿化空间特征:根据潜在成矿温度组合推断的潜在矿化在空间上的连续性,其中“单段组”组合类型不作推断。(5)成矿有利度:根据潜在矿化类型给出的某热液型矿产潜在成矿有利度的定性评价。(6)成矿有利度分档:成矿有力度最佳的为Ⅰ档,成矿有利度次佳及以后依次为Ⅱ、Ⅲ、Ⅳ等分档。(7)成矿有利度分级:是对成矿有利度分档结果的细化,即在同档次成矿有利度下根据主成矿元素、伴生元素与主成矿元素的亲疏关系以及潜在成矿温度组合类型进行的细化分级。本实施例中单段组潜在成矿温度组合的成矿有利度分档均为Ⅳ(表2),因预测矿种为铜矿,Cu元素作为主成矿元素异常,Cu元素异常的成矿有利度分级为1;Au、Mo元素均为铜矿的伴生元素,由于Au元素异常指示了低温成矿作用而作为头部元素(T)存在,在考虑矿床剥蚀因素下,作为头部元素的Au比尾部元素的Mo的成矿有利度分级高;因此实施例中单段组潜在成矿温度组合的成矿有利度分级大小为Cu>Au>Mo,对应分级依次为1、2、3;其它组合类型相同成矿有利度分档的成矿有利度分级亦然。
S10、采用研究区潜在成矿温度评价模型对空间分析结果所对应的元素异常及其组合进行成矿有利度分级,得到潜在成矿温度成矿有利度分级结果;
在通用GIS软件平台如MapGIS或ARCGIS中,对步骤S7中的元素异常及其组合建立分档分级属性表,属性字段至少包括步骤S9的表2的“组合类型”、“元素异常组合”、“潜在成矿温度组合”、“潜在矿化空间特征”、“成矿有利度”、“成矿有利度分档”、“成矿有利度分级”等属性;根据步骤S9建立的潜在成矿温度评价模型对逐个元素异常及其组合填写分档分级属性。
S11、根据潜在成矿温度成矿有利度分级结果,编制研究区潜在成矿温度组合成矿有利度图件。
在通用地理信息系统软件平台如MapGIS或ARCGIS中,基于步骤S10的潜在成矿温度分档分级结果,编制研究区潜在成矿温度组合成矿有利度图件,图3为利用MapGIS软件平台编制的本实施例中Mo、Cu、Au 3元素某研究区潜在成矿温度组合成矿有利度图。
图3中,Ⅰ档和Ⅱ档的成矿有利度区域是潜在成矿较好的区域,亦即研究区内最佳的找矿地段,也是布设地面探矿工程的首选区域。基于化探异常编制的潜在成矿温度组合图,为区域找矿预测和矿产资源潜力评价提供了一种新的、重要的综合找矿预测要素。
本发明在充分挖掘地球化学测量元素所蕴含的潜在成矿作用温度信息基础上,通过地理信息系统空间分析技术得到不同温度成矿作用信息,为区域找矿预测提供了重要的地球化学预测要素。
Claims (9)
1.一种基于化探异常编制潜在成矿温度组合图的编图方法,其特征在于,包括以下步骤:
S1、根据研究区内已知热液型矿床开展区域成矿规律研究,确定拟开展找矿预测或资源潜力评价的热液型矿产类型;
S2、根据拟开展找矿预测的热液型矿产类型,确定所需开展的地球化学测量方法与测量元素;
S3、通过地球化学测量方法对测量元素进行野外地球化学测量和室内样品的测试分析工作,得到各测量元素的含量;
S4、针对研究区地形地貌、气候条件以及地质特征确定各测量元素含量的异常下限值;
S5、根据各测量元素含量的异常下限值,绘制研究区各元素地球化学异常图;
S6、对研究区各元素地球化学异常图进行空间叠合分析,得到空间独立结果数据;
S7、对空间独立结果数据进行元素匹配,得到空间分析结果所对应的元素异常及其组合;
S8、根据热液矿床元素垂直分带序列模型,确定元素异常指示的潜在成矿温度;
S9、根据区域拟预测热液型矿产的成矿规律和元素异常指示的潜在成矿温度,建立研究区潜在成矿温度评价模型;
S10、采用研究区潜在成矿温度评价模型对空间分析结果所对应的元素异常及其组合进行成矿有利度分级,得到潜在成矿温度成矿有利度分级结果;
S11、根据潜在成矿温度成矿有利度分级结果,编制研究区潜在成矿温度组合成矿有利度图件。
2.根据权利要求1所述的基于化探异常编制潜在成矿温度组合图的编图方法,其特征在于,所述步骤S3中地球化学测量方法包括:岩石地球化学测量、土壤地球化学测量和水系沉积物地球化学测量。
3.根据权利要求1所述的基于化探异常编制潜在成矿温度组合图的编图方法,其特征在于,所述步骤S4中确定各测量元素含量的异常下限值的方法包括:长剖面法、图解法和计算法;
其中,当元素含量呈正态分布时,所述计算法的公式为:T=X+(2~3)δ,其中,T为某测量元素的异常下限,X为地球化学背景平均值,δ为标准差;
当元素含量呈对数正态分布时,所述计算法的公式为:lgT=lgX+(2~3)lgδ,其中,T为某测量元素的异常下限,X为地球化学背景平均值,δ为标准差。
4.根据权利要求1所述的基于化探异常编制潜在成矿温度组合图的编图方法,其特征在于,所述步骤S5包括以下步骤:
S51、采用GIS软件平台将所需的地球化学测量元素的含量进行数据网格化,得到网格化数据;
S52、将网格化数据通过GIS软件平台等值线生成模块绘制元素含量等值线图;
S53、根据元素含量等值线图,将大于等于异常下限值部分的元素含量对应的等值线区提取出来作为研究区各元素地球化学异常图。
5.根据权利要求1所述的基于化探异常编制潜在成矿温度组合图的编图方法,其特征在于,所述步骤S6中采用GIS软件平台对研究区各元素地球化学异常图进行空间叠合分析,得到空间独立结果数据。
6.根据权利要求1所述的基于化探异常编制潜在成矿温度组合图的编图方法,其特征在于,所述步骤S6包括以下步骤:
S61、根据研究区各元素地球化学异常图,得到参与研究区地球化学异常空间叠合分析的地球化学元素的数量,进而对地球化学元素进行两两分组;
S62、对各分组元素异常分别开展空间叠合分析,分别得到组内空间独立的空间叠合分析数据;
S63、基于各分组空间独立的分析结果开展组间空间叠合分析,得到组间空间独立的空间叠合分析结果,依次进行,直到得到组内组间均空间独立的各地球化学元素异常的空间分析结果数据。
7.根据权利要求1所述的基于化探异常编制潜在成矿温度组合图的编图方法,其特征在于,所述步骤S8中元素异常指示的潜在成矿温度的元素类型包括:高温成矿作用指示元素、中高温成矿作用指示元素、中温成矿作用指示元素、中低温成矿作用指示元素和低温成矿作用指示元素。
8.根据权利要求1所述的基于化探异常编制潜在成矿温度组合图的编图方法,其特征在于,所述步骤S9中研究区潜在成矿温度评价模型包括以下评价因子:元素异常组合类型、元素异常组合、潜在成矿温度组合、潜在矿化空间特征、成矿有利度、成矿有利度分档和成矿有利度分级。
9.根据权利要求1所述的基于化探异常编制潜在成矿温度组合图的编图方法,其特征在于,所述步骤S10包括以下步骤:
S1001、对空间分析结果所对应的元素异常及其组合建立分档分级属性表;
S1002、采用研究区潜在成矿温度评价模型对逐个元素异常及其组合的分档分级属性表填写分档分级属性,得到潜在成矿温度成矿有利度分级结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010086267.2A CN111273372B (zh) | 2020-02-11 | 2020-02-11 | 一种基于化探异常编制潜在成矿温度组合图的编图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010086267.2A CN111273372B (zh) | 2020-02-11 | 2020-02-11 | 一种基于化探异常编制潜在成矿温度组合图的编图方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111273372A true CN111273372A (zh) | 2020-06-12 |
CN111273372B CN111273372B (zh) | 2021-04-13 |
Family
ID=70997055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010086267.2A Expired - Fee Related CN111273372B (zh) | 2020-02-11 | 2020-02-11 | 一种基于化探异常编制潜在成矿温度组合图的编图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111273372B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734076A (zh) * | 2020-11-27 | 2021-04-30 | 核工业北京地质研究院 | 一种硬岩型铀矿资源大比例尺定位预测方法 |
CN112800158A (zh) * | 2021-01-19 | 2021-05-14 | 吉林大学 | 一种地质图的向量化表示方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942841A (zh) * | 2013-08-15 | 2014-07-23 | 中国地质科学院矿产资源研究所 | 基于gis的矿产资源多元信息处理方法及其系统 |
CN106802434A (zh) * | 2015-11-24 | 2017-06-06 | 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 |
CN108287373A (zh) * | 2017-12-28 | 2018-07-17 | 核工业北京地质研究院 | 一种基于成矿有利度的砂岩型铀矿靶区选择方法 |
WO2018212680A1 (en) * | 2017-05-17 | 2018-11-22 | Mineral Exploration Network (Finland) Ltd. | Geochemical method for searching mineral resource deposits |
-
2020
- 2020-02-11 CN CN202010086267.2A patent/CN111273372B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942841A (zh) * | 2013-08-15 | 2014-07-23 | 中国地质科学院矿产资源研究所 | 基于gis的矿产资源多元信息处理方法及其系统 |
CN106802434A (zh) * | 2015-11-24 | 2017-06-06 | 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 |
WO2018212680A1 (en) * | 2017-05-17 | 2018-11-22 | Mineral Exploration Network (Finland) Ltd. | Geochemical method for searching mineral resource deposits |
CN108287373A (zh) * | 2017-12-28 | 2018-07-17 | 核工业北京地质研究院 | 一种基于成矿有利度的砂岩型铀矿靶区选择方法 |
Non-Patent Citations (2)
Title |
---|
SONG SHIMING ET AL.: "Molybdenum isotopic composition as a tracer for low-medium temperature hydrothermal ore-forming systems: A case study on the Dajiangping pyrite deposit, western Guangdong Province, China", 《CHINESE SCIENCE BULLETIN》 * |
唐朝晖: "湖南龙山金矿床地质-地球化学特征及找矿预测", 《化工矿产地质》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734076A (zh) * | 2020-11-27 | 2021-04-30 | 核工业北京地质研究院 | 一种硬岩型铀矿资源大比例尺定位预测方法 |
CN112800158A (zh) * | 2021-01-19 | 2021-05-14 | 吉林大学 | 一种地质图的向量化表示方法 |
CN112800158B (zh) * | 2021-01-19 | 2022-09-13 | 吉林大学 | 一种地质图的向量化表示方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111273372B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480460B (zh) | 大区域复杂背景区多元素地球化学异常识别方法 | |
CN109188556B (zh) | 一种基于地形分析的海底硫化物找矿方法 | |
CN110442666A (zh) | 一种基于神经网络模型的矿产资源预测方法及系统 | |
CN113488117B (zh) | 一种具有深度学习能力的深部金矿床成矿找矿方法 | |
CN110991075B (zh) | 一种金属矿产快速勘查评价方法 | |
CN110826866B (zh) | 矿产资源集中开采区土壤环境地球化学背景值的确定方法 | |
CN111273372B (zh) | 一种基于化探异常编制潜在成矿温度组合图的编图方法 | |
CN108535791B (zh) | 一种用于检查评价干旱荒漠景观区铜铅锌异常的新方法 | |
CN115983505A (zh) | 一种固体矿产三维立体成矿预测方法及装置 | |
CN117274520A (zh) | 一种地质勘探的测绘方法 | |
Nykänen et al. | Spatial analysis techniques as successful mineral-potential mapping tools for orogenic gold deposits in the Northern Fennoscandian Shield, Finland | |
CN116658246A (zh) | 一种煤矿水害监测预警系统及方法 | |
CN116168224A (zh) | 基于成像砾石含量的机器学习岩相自动识别方法 | |
Shamseddin Meigooni et al. | Application of multivariate geostatistical simulation and fractal analysis for detection of rare-earth element geochemical anomalies in the Esfordi phosphate mine, Central Iran | |
CN117452518B (zh) | 基于多学科数据融合聚类算法的储层岩性预测方法 | |
CN106033127B (zh) | 基于横波速度变化率的地应力方位地震预测方法 | |
Moradpouri | A copper porphyry promising zones mapping based on the exploratory data, multivariate geochemical analysis and GIS integration | |
CN102539194A (zh) | 梯度地球化学勘探方法 | |
CN113534286A (zh) | 一种砂岩型铀矿地球化学勘查的铀成矿有利区段评估方法 | |
CN116500697A (zh) | 一种水文地质勘察方法 | |
CN110873904B (zh) | 流体识别方法及装置 | |
Rabeau et al. | Log-uniform distribution of gold deposits along major Archean fault zones | |
CN114137610B (zh) | 联合监督和非监督学习的低勘探区地层和岩性地震评价方法 | |
Wu et al. | Combination of seismic attributes using clustering and neural networks to identify environments with sandstone-type uranium mineralization | |
CN103278852B (zh) | 利用地震数据体波形结构特征模型预测油气的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210413 |