于 寧，劉 沛，聶愛國(guó)

(1.貴州理工學(xué)院，貴陽 550003；2.貴州省地質(zhì)調(diào)查院，貴陽 550004；3.貴州大學(xué)，貴陽 550005)

?

基于GIS技術(shù)的黔西南地區(qū)金礦找礦遠(yuǎn)景預(yù)測(cè)

于 寧1，2，劉 沛3，聶愛國(guó)1

(1.貴州理工學(xué)院，貴陽 550003；2.貴州省地質(zhì)調(diào)查院，貴陽 550004；3.貴州大學(xué)，貴陽 550005)

文章以黔西南的金礦為研究對(duì)象，利用MORPAS軟件中的證據(jù)權(quán)重法進(jìn)行多源信息找礦遠(yuǎn)景預(yù)測(cè)。對(duì)多源地學(xué)數(shù)據(jù)(包括地層、斷裂、褶皺、已知金礦床(點(diǎn))、Au元素異常、遙感解譯線環(huán)構(gòu)造等)進(jìn)行屬性標(biāo)準(zhǔn)化，建立多源地學(xué)空間數(shù)據(jù)庫(kù)；通過多源地學(xué)數(shù)據(jù)的找礦有利度分析，確定找礦遠(yuǎn)景預(yù)測(cè)因子；根據(jù)證據(jù)權(quán)重值計(jì)算的后驗(yàn)概率值作等值線異常圖，圈定出4個(gè)Ⅰ類遠(yuǎn)景區(qū)、3個(gè)Ⅱ類遠(yuǎn)景區(qū)和7個(gè)Ⅲ類遠(yuǎn)景區(qū)；后驗(yàn)概率異常圖中涵蓋了全區(qū)91%以上的金礦床(點(diǎn))，具有較高的可信度。

金礦；GIS技術(shù)；找礦預(yù)測(cè)；遠(yuǎn)景區(qū)；黔西南

0 引言

近年來，隨著黔西南金礦地表露頭礦、易識(shí)別礦越來越少，找礦難度越來越大，尋找隱伏礦、盲礦和難識(shí)別礦成為地質(zhì)礦產(chǎn)專家關(guān)注的焦點(diǎn)問題之一。隨著地球科學(xué)領(lǐng)域多源數(shù)據(jù)空間信息處理技術(shù)的迅速發(fā)展， GIS強(qiáng)大的信息處理和分析功能，成為地質(zhì)學(xué)家對(duì)多源信息進(jìn)行綜合分析和找礦遠(yuǎn)景預(yù)測(cè)的理想工具[1]。本文利用GIS技術(shù)對(duì)黔西南地區(qū)金礦進(jìn)行找礦遠(yuǎn)景預(yù)測(cè)研究，圈定找礦遠(yuǎn)景區(qū)，為開展金礦找礦提供線索。

1 黔西南地區(qū)地質(zhì)概況

黔西南地區(qū)的大地構(gòu)造位置屬揚(yáng)子陸塊西南緣的右江古裂谷。右江古裂谷是指由東側(cè)紫云—埡都斷裂、南部開遠(yuǎn)—平塘斷裂、西側(cè)的小江斷裂控制的三角形裂谷區(qū)[2-3]，其南側(cè)緊鄰華南板塊，西南側(cè)為三江褶皺帶。黔西南地區(qū)地層從震旦系到白堊系均有出露，其中上古生界發(fā)育齊全、類型多樣。

黔西南地區(qū)金礦主要分布在右江裂谷帶與揚(yáng)子陸塊分界線的兩側(cè)，赫章—水城—盤縣—羅平斷裂和埡都—紫云2條深大斷裂所控制的三角區(qū)域內(nèi)。該區(qū)金礦屬燕山期南盤江斷褶帶沉積巖和火山碎屑巖容礦的低溫?zé)嵋航?銻-汞-鉈-鈾-硫-螢石礦床成礦系列[4]。揚(yáng)子陸塊內(nèi)該系列的各種礦床(點(diǎn))都分布在巖漿巖邊緣和外緣，以外緣為主，所在區(qū)域?qū)俦粍?dòng)大陸邊緣沉積盆地。右江裂谷帶內(nèi)，以金為主的各種礦床(點(diǎn))主要分布在與碰撞作用有關(guān)的邊緣前陸沉積盆地內(nèi)[5]。

目前區(qū)內(nèi)已知金礦床(點(diǎn))46處，金礦床(點(diǎn))的產(chǎn)出模式主要為層間型金礦床、斷裂型金礦床、土型金礦床[6]。

2 預(yù)測(cè)方法

目前國(guó)內(nèi)常用的找礦預(yù)測(cè)軟件主要有金屬礦產(chǎn)資源評(píng)價(jià)分析系統(tǒng)(MORPAS)、綜合信息礦產(chǎn)資源預(yù)測(cè)系統(tǒng)(KYCY)及礦產(chǎn)資源GIS評(píng)價(jià)系統(tǒng)(MARS)。通過綜合分析黔西南地區(qū)與金礦有關(guān)的多源地學(xué)空間數(shù)據(jù)信息，本次找礦預(yù)測(cè)工作選擇了金屬礦產(chǎn)資源評(píng)價(jià)分析系統(tǒng)(MORPAS)作為黔西南金礦找礦遠(yuǎn)景預(yù)測(cè)軟件。該軟件是中國(guó)地質(zhì)大學(xué)數(shù)學(xué)地質(zhì)遙感地質(zhì)研究所開發(fā)的基于MAPGIS平臺(tái)的礦產(chǎn)資源勘查評(píng)價(jià)及信息集成軟件系統(tǒng)，包含專用空間分析模型和數(shù)據(jù)倉(cāng)庫(kù)管理技術(shù)。在MORPAS空間預(yù)測(cè)評(píng)價(jià)分析模塊中，實(shí)現(xiàn)了來自地質(zhì)異常場(chǎng)、成礦異常場(chǎng)、礦化異常場(chǎng)等多源信息的提取構(gòu)置和綜合，礦產(chǎn)資源綜合預(yù)測(cè)模型實(shí)現(xiàn)了信息量預(yù)測(cè)法、證據(jù)權(quán)重法、聚類分析、神經(jīng)網(wǎng)絡(luò)法以及特征分析等多種算法，為遠(yuǎn)景區(qū)的圈定及評(píng)價(jià)分析提供了科學(xué)和自動(dòng)化的手段[7]。本文以黔西南地區(qū)金礦作為預(yù)測(cè)對(duì)象，利用MORPAS軟件中的證據(jù)權(quán)重法進(jìn)行多源信息找礦遠(yuǎn)景預(yù)測(cè)。

3 找礦預(yù)測(cè)過程

圖1 金礦(床)點(diǎn)與線性數(shù)據(jù)相關(guān)性直方圖Fig.1 Histogram showing relation between the gold occurrences and the linear dataa.金礦(床)點(diǎn)與斷裂距離相關(guān)性直方圖；b.金礦(床)點(diǎn)與斷裂走向相關(guān)性直方圖；c.金礦(床)點(diǎn)與褶皺距離相關(guān)性直方圖；d.金礦(床)點(diǎn)與褶皺性質(zhì)相關(guān)性直方圖

3.1 多源地學(xué)空間數(shù)據(jù)的準(zhǔn)備

多源地學(xué)空間數(shù)據(jù)資料是找礦預(yù)測(cè)的數(shù)據(jù)源。本次找礦預(yù)測(cè)選用的多源地學(xué)空間數(shù)據(jù)主要包括基礎(chǔ)地質(zhì)(地層、斷層、褶皺)、已知金礦床(點(diǎn))、Au元素異常、遙感解譯線性構(gòu)造、環(huán)形構(gòu)造等數(shù)據(jù)。針對(duì)上述多源地學(xué)數(shù)據(jù)，利用MAPGIS軟件中的輸入編輯功能，按有關(guān)規(guī)定、規(guī)范及標(biāo)準(zhǔn)矢量化，同時(shí)按預(yù)測(cè)需要對(duì)其進(jìn)行屬性標(biāo)準(zhǔn)化，建立預(yù)測(cè)區(qū)多源地學(xué)空間數(shù)據(jù)庫(kù)。

3.2 找礦有利度分析

找礦有利度分析主要是分析預(yù)測(cè)區(qū)已知金礦床(點(diǎn))的產(chǎn)出與各多源地學(xué)空間數(shù)據(jù)間的相互空間位置關(guān)系，確定有效的找礦有利地段。預(yù)測(cè)區(qū)多源地學(xué)空間數(shù)據(jù)主要分為地學(xué)線性數(shù)據(jù)和地學(xué)面數(shù)據(jù)。地學(xué)線性數(shù)據(jù)主要為斷層、褶皺及遙感線性構(gòu)造，地學(xué)面數(shù)據(jù)主要為地層、巖漿巖、Au元素異常及環(huán)形構(gòu)造。

3.2.1 地學(xué)線性數(shù)據(jù)找礦有利度分析

資料顯示，黔西南地區(qū)地學(xué)線性控礦數(shù)據(jù)主要為斷裂控礦和褶皺(背斜、穹窿)控礦(羅孝桓，1997)。選擇區(qū)內(nèi)斷裂和褶皺作金礦找礦有利度分析。在分析區(qū)內(nèi)線性數(shù)據(jù)與金礦床(點(diǎn))關(guān)系時(shí)，首先分析區(qū)內(nèi)金礦床(點(diǎn))與線性數(shù)據(jù)空間位置，統(tǒng)計(jì)已知金礦床(點(diǎn))與線性數(shù)據(jù)的距離、方向的相關(guān)性，并得到統(tǒng)計(jì)直方圖(圖1)。

(1)金礦床(點(diǎn))與斷裂的空間位置相關(guān)性(圖1a，圖1b)。金礦床(點(diǎn))大部分產(chǎn)于與斷裂距離1.4 km的范圍內(nèi)，其次為2.8 km范圍內(nèi)；67%以上的金礦床(點(diǎn))與NE向斷裂的關(guān)系密切。為了確定最優(yōu)的斷裂影響帶半徑，選擇NE向斷裂為Buffer分析對(duì)象，分別以1.4 km和2.8 km為半徑作斷層Buffer分析。對(duì)其進(jìn)行找礦有利度分析(表1)，表1中分別簡(jiǎn)稱為F-1.4和F-2.8面積分別為8 487 km2和15 661 km2，后者是前者的1.84倍，在后者范圍內(nèi)產(chǎn)出的礦床(點(diǎn))數(shù)是前者的1.29倍，體現(xiàn)了兩者之間單位礦產(chǎn)當(dāng)量(N)的差異，前者N=0.069個(gè)/km2，后者N=0.026個(gè)/km2。鑒于上述分析，選擇半徑為1.4 km的斷層Buffer作為金礦找礦有利預(yù)測(cè)區(qū)。

表1 線性Buffer異常找礦有利度分析Table 1 Favorability analysis of linear Buffer anomly

注：在計(jì)算單位面積礦產(chǎn)當(dāng)量(KN)時(shí)，根據(jù)以往的工作經(jīng)驗(yàn)，以10，5，2，1，0.5作為大型礦床、中型礦床、小型礦床、礦點(diǎn)和礦化點(diǎn)的權(quán)系數(shù)，其計(jì)算公式為KN=N/S；其中，S為研究區(qū)地層出露面積(km2)；N為礦產(chǎn)當(dāng)量之和，由公式計(jì)算得到的礦產(chǎn)當(dāng)量(個(gè))：N=N1×K1+N2×K2+N3×K3+N4×K4+N5×K5；式中，Nj代表不同級(jí)別礦產(chǎn)規(guī)模，對(duì)應(yīng)的Kj則為其權(quán)系數(shù)(j=1，2，3，4，5)[8]。

(2)金礦床(點(diǎn))與褶皺的空間位置相關(guān)性(圖1c，圖1d)。金礦床(點(diǎn))大部分分布在與褶皺相距3.75 km的范圍內(nèi)，其次為7.5 km的范圍內(nèi)；同時(shí)89%以上的金礦床(點(diǎn))與背斜的關(guān)系密切。為了確定最優(yōu)的褶皺影響帶的半徑，選擇背斜為Buffer分析對(duì)象，分別以3.75 km和7.5 km為半徑作褶皺Buffer分析。對(duì)其進(jìn)行找礦有利度分析(表1)，表1中分別簡(jiǎn)稱為Z-3.75和Z-7.5，面積分別為8 453 km2和19 227 km2，后者是前者的2.27倍，在后者范圍內(nèi)產(chǎn)出的礦床(點(diǎn))數(shù)是前者的1.02倍，這體現(xiàn)了兩者之間單位礦產(chǎn)當(dāng)量(N)的差異，前者N=0.022個(gè)/km2，后者N=0.011個(gè)/km2。鑒于上述分析，選擇半徑為3.75 km的褶皺Buffer作為金礦找礦有利預(yù)測(cè)區(qū)。

3.2.2 遙感線性構(gòu)造找礦有利度分析

圖2 金礦(床)點(diǎn)與遙感線性構(gòu)造相關(guān)性直方圖Fig.2 Histogram showing relation between remote sensing linear structure and the gold occurrencesa.金礦床(點(diǎn))與遙感距離相關(guān)性直方圖；b.金礦床(點(diǎn))與遙感走向相關(guān)性直方圖

區(qū)內(nèi)遙感線性構(gòu)造十分發(fā)育，按走向可分為SN向、近EW向、NE向和NW向4組，該分析類似于金礦床(點(diǎn))與斷裂構(gòu)造的分析，主要對(duì)各礦床(點(diǎn))與線性構(gòu)造方向、距離進(jìn)行分析，判斷各礦床(點(diǎn))與哪個(gè)方向的線性構(gòu)造關(guān)系密切、與線性構(gòu)造的距離為多少。利用空間分析中的點(diǎn)線距離分析得到礦點(diǎn)與不同走向線性構(gòu)造的鄰近關(guān)系，并得到統(tǒng)計(jì)直方圖(圖2)。由圖2可知，金礦的形成與NE向的線性構(gòu)造關(guān)系最為密切，其次為NW向線性構(gòu)造，EW向線性構(gòu)造與成礦關(guān)系最差。金礦床(點(diǎn))78%位于線性構(gòu)造12.5 km范圍內(nèi)，在此范圍內(nèi)是金礦床(點(diǎn))有利的含(賦)礦地段。為進(jìn)一步研究線性構(gòu)造找礦有利度，利用斷層的Buffer半徑2.8 km、褶皺Buffer半徑3.75 km，金礦床(點(diǎn))與遙感線性構(gòu)造點(diǎn)線的最佳距離12.5 km作為遙感線性構(gòu)造的Buffer分析半徑，分別將Buffer分析結(jié)果與研究區(qū)金礦床(點(diǎn))作相交分析，計(jì)算不同Buffer半徑下單位面積礦床當(dāng)量(表2)；由表2可知，Buffer半徑為3.75 km時(shí)，單位面積礦產(chǎn)當(dāng)量為最大，即3.75 km線性構(gòu)造范圍內(nèi)是金礦床(點(diǎn))含(賦)金礦的有利地段。即遙感線性構(gòu)造Buffer半徑為3.75 km的范圍是金礦找礦有利預(yù)測(cè)區(qū)。

表2 遙感線性構(gòu)造不同Buffer半徑單位面積礦產(chǎn)當(dāng)量統(tǒng)計(jì)表Table 2 Statistics of ore deposit equivalent of unit area for different buffer radius of remote sensing linear structure

3.2.3 地學(xué)面數(shù)據(jù)找礦有利度分析

地學(xué)面數(shù)據(jù)找礦有利度分析主要分析研究區(qū)的已知金礦床(點(diǎn))在各出露地層、巖漿巖Au元素異常及環(huán)形構(gòu)造中的分布情況。需將各面性數(shù)據(jù)與金礦床(點(diǎn))進(jìn)行相交分析，統(tǒng)計(jì)金礦床(點(diǎn))主要出露在哪些地學(xué)面數(shù)據(jù)中，以此作為金礦找礦有利預(yù)測(cè)區(qū)。

(1)地層、巖漿巖找礦有利度分析。區(qū)內(nèi)的主要賦礦地層為三疊系邊陽組(T2b)、許滿組(T2xm)、永寧鎮(zhèn)組(T1yn)和二疊系龍?zhí)督M(P3l)。峨眉地幔熱柱是我國(guó)的典型地幔熱柱之一，它的形成和發(fā)展對(duì)我國(guó)西南地區(qū)的地殼運(yùn)動(dòng)、巖漿活動(dòng)、成礦面貌產(chǎn)生巨大影響。峨眉地幔熱柱活動(dòng)帶來大量含金性好的峨眉山玄武巖，稀土模式顯示峨眉山玄武巖是金礦成礦物質(zhì)的主要來源，特殊的巖相古地理環(huán)境導(dǎo)致“龍頭山層序”底部金礦礦源層的形成[9]。為探討研究區(qū)出露地層的找礦有利度，對(duì)區(qū)內(nèi)金礦床(點(diǎn))與各地層進(jìn)行了找礦有利度分析(圖3，表3)。由圖3可知，區(qū)內(nèi)金礦床(點(diǎn))與二疊系P3l，P2m，P3w及巖漿巖相關(guān)性最強(qiáng)，其次為三疊系的T2b，T1yn及T1f等地層。據(jù)表3可知，在三疊系中見礦異常面積、見礦異常比最大的是T2b地層，同時(shí)礦床(點(diǎn))出

現(xiàn)率、礦產(chǎn)當(dāng)量也較高，其次見礦異常面積、見礦異常比較大的是T1yn地層，其礦床(點(diǎn))出現(xiàn)率、礦產(chǎn)當(dāng)量最高；在二疊系中見礦異常面積、見礦異常比、礦產(chǎn)當(dāng)量及礦床(點(diǎn))出現(xiàn)率最大的是P3l地層，其次為P2m地層。綜合上述分析，黔西南地區(qū)地質(zhì)面數(shù)據(jù)中三疊系T2b和二疊系P3l為找礦最有利層位，三疊系T1yn和二疊系P2m為找礦較有利層位，其他地層為找礦有利度一般的層位。

圖3 金礦床(點(diǎn))與地質(zhì)面異常相關(guān)性直方圖Fig.3 Histogram showing relation the gold occurrences and areal geologic body

地層礦床(點(diǎn))/個(gè)大型中型小型異常面積/km2見礦異常面積/km2見礦異常比礦產(chǎn)當(dāng)量/個(gè)單位礦產(chǎn)當(dāng)量/(個(gè)/km2)礦(床)點(diǎn)出現(xiàn)率Q16770.10420.2860.014T2b112292221070.721190.0090.135T2x17682020.26350.0250.035T2g115825.50.00320.3640.014T2xm13902200.56420.0090.014T2h173450.61720.0440.014T1-2j2976220.02240.1820.028T1f312461980.15860.0300.043T1yn21115112410.159270.1120.191P3l268924120.461220.0530.156P3w5304650.213100.1540.071P2-3lh13287.70.02320.2600.014P2m86232370.381160.0670.113C1-2w1503290.05720.0690.014巖漿巖5408440.108100.2270.071

表4 金礦床(點(diǎn))與Au異常的面單元相交分析結(jié)果Table 4 Analysis of intersection of gold occurrence with Au anomly plane

(2)Au元素異常找礦有利度分析。將金礦床(點(diǎn))與Au元素異常圖進(jìn)行疊加相交分析(表4)，由表4可知，本區(qū)金礦與Au元素異常關(guān)系最為密切。區(qū)內(nèi)46個(gè)金礦床(點(diǎn))中有45個(gè)分布于Au異常區(qū)，僅有1個(gè)分布于背景值范圍內(nèi)，所以將Au異常區(qū)作為金礦成礦的最有利區(qū)域是合理的。

(3)環(huán)形構(gòu)造找礦有利度分析。利用環(huán)形構(gòu)造面與金礦床(點(diǎn))進(jìn)行疊加相交分析，僅有2個(gè)金礦床(點(diǎn))分布于環(huán)形構(gòu)造區(qū)內(nèi)。據(jù)此認(rèn)為，區(qū)內(nèi)環(huán)形構(gòu)造與金礦床(點(diǎn))成礦相關(guān)性不顯著，不參與找礦遠(yuǎn)景預(yù)測(cè)。

3.3 找礦預(yù)測(cè)控礦因子的確定

鑒于多源地學(xué)找礦有利度分析，綜合區(qū)內(nèi)成礦條件和成礦規(guī)律，確立以下找礦遠(yuǎn)景預(yù)測(cè)因子：

(1)含(賦)礦地層：本區(qū)金礦在第四系、三疊系、二疊系和石炭系中均有產(chǎn)出，分布地層較廣，且產(chǎn)出金礦數(shù)量與各地層出露面積成正比。綜合分析認(rèn)為，金礦與地層的關(guān)系極為密切，是金礦找礦遠(yuǎn)景預(yù)測(cè)的重要因子。

(2)控礦構(gòu)造：NE向、NW向斷裂是區(qū)內(nèi)的主要控礦斷裂，在其周邊1.4 km范圍內(nèi)分布了占全區(qū)89%的金礦床(點(diǎn))，在這一范圍內(nèi)均為有利的成礦區(qū)域；同時(shí)NE向、NW向的褶皺也是區(qū)內(nèi)主要控礦構(gòu)造，在其周邊3.75 km范圍內(nèi)分布有34個(gè)金礦床(點(diǎn))，約占全區(qū)金礦床的74%，故在3.75 km范圍內(nèi)是金礦床(點(diǎn))有利的成礦區(qū)域。綜合分析，斷裂和褶皺的方向、密度及構(gòu)造Buffer區(qū)與金礦的產(chǎn)出關(guān)系密切，同為金礦找礦遠(yuǎn)景預(yù)測(cè)的重要因子。

(3)巖漿巖：區(qū)內(nèi)的巖漿巖很大程度上控制了金礦床(點(diǎn))的產(chǎn)出，其單位面積礦產(chǎn)當(dāng)量較大，巖體內(nèi)部及其外圍是成礦的有利部位，因此選擇巖漿巖Buffer區(qū)作為金礦找礦遠(yuǎn)景預(yù)測(cè)的重要因子。

(4)Au元素地球化學(xué)：區(qū)內(nèi)超過90%的金礦床(點(diǎn))分布在Au異常范圍內(nèi)，即金礦床(點(diǎn))與Au元素關(guān)系最為密切，是金礦找礦遠(yuǎn)景預(yù)測(cè)的重要因子。

(5)遙感解譯：全區(qū)78%的金礦床(點(diǎn))分布與遙感解譯的NE向線性構(gòu)造有關(guān)，在3.75 km范圍內(nèi)，其單位面積礦產(chǎn)當(dāng)量最大，NE向線性構(gòu)造控礦作用明顯，次為NW向和SN向；環(huán)形構(gòu)造與金礦的關(guān)系不明顯，研究區(qū)中僅1個(gè)金礦床(點(diǎn))分布于環(huán)形構(gòu)造內(nèi)，其余則產(chǎn)于距環(huán)形構(gòu)造較遠(yuǎn)的地區(qū)。故選擇遙感線性構(gòu)造作為金礦找礦遠(yuǎn)景預(yù)測(cè)的因子。

3.4 預(yù)測(cè)模型的建立

預(yù)測(cè)模型的建立是在綜合分析全區(qū)金礦控礦因子的基礎(chǔ)上進(jìn)行的，采用證據(jù)權(quán)重法構(gòu)建金礦預(yù)測(cè)模型。證據(jù)權(quán)重法是GIS技術(shù)在礦產(chǎn)資源勘查評(píng)價(jià)中常用的方法，它是通過定量分析和綜合多源找礦有利數(shù)據(jù)層對(duì)每一個(gè)找礦有利因子賦予權(quán)重值，生成定量化的含礦潛力圖。該方法主要運(yùn)用的是相似類比理論，即在一定地質(zhì)條件下產(chǎn)出一定類型的礦床，相似地質(zhì)條件下賦存有相似的礦床，同類礦床之間可以進(jìn)行類比，將與已知礦床的地質(zhì)背景相似的地區(qū)(段)作為成礦遠(yuǎn)景區(qū)或圈定為找礦靶區(qū)[1]。

3.4.1 預(yù)測(cè)模型單元的劃分

預(yù)測(cè)單元的劃分是找礦遠(yuǎn)景預(yù)測(cè)過程中關(guān)鍵的一個(gè)環(huán)節(jié)，其目的是為了確定地質(zhì)變量的觀測(cè)尺度和取值范圍，提高找礦預(yù)測(cè)結(jié)果的準(zhǔn)確性。根據(jù)預(yù)測(cè)區(qū)的基礎(chǔ)地質(zhì)資料、工作程度及找礦有利度分析資料所采用的比例尺(1∶250 000)，把本預(yù)測(cè)區(qū)按2.5 km×2.5 km的尺度劃分出137×126=17 262個(gè)網(wǎng)格單元，其中功能區(qū)為6 815個(gè)網(wǎng)格單元，非功能區(qū)為10 447個(gè)網(wǎng)格單元。

3.4.2 預(yù)測(cè)模型

利用金屬礦產(chǎn)資源評(píng)價(jià)分析系統(tǒng)(MORPAS)軟件中的點(diǎn)、線、面空間分析處理功能，賦予每個(gè)功能區(qū)網(wǎng)格單元預(yù)測(cè)因子，選取MORPAS軟件中的證據(jù)權(quán)重法，以網(wǎng)格單元中的預(yù)測(cè)因子為自變量，已知金礦床(點(diǎn))為因變量，計(jì)算各證據(jù)因子權(quán)重值(表5)。

表5 證據(jù)因子權(quán)重值統(tǒng)計(jì)Table 5 Evidence factor weights ralue statistics

圖4 找礦遠(yuǎn)景預(yù)測(cè)圖Fig.4 Map showing the prediction and the prospects1.一類遠(yuǎn)景區(qū)及編號(hào)；2.二類遠(yuǎn)景區(qū)及編號(hào)；3.三類遠(yuǎn)景區(qū)及編號(hào)；4.斷層；5.背斜；6.向斜；7.遙感線性構(gòu)造；8.后驗(yàn)概率值0.19區(qū)域；9.后驗(yàn)概率值0.38區(qū)域；10.后驗(yàn)概率值0.57區(qū)域；11.金礦床(點(diǎn))

表5中顯示，預(yù)測(cè)區(qū)的各證據(jù)因子與金礦床(點(diǎn))的相關(guān)程度中，斷層Buffer和褶皺Buffer區(qū)相關(guān)程度最大，即對(duì)金礦找礦指示作用最大；其次為巖漿巖Buffer區(qū)；其他證據(jù)因子如地層、構(gòu)造的展布方向和密集程度、Au異常等與金礦床(點(diǎn))的相關(guān)程度相對(duì)較小，但對(duì)金礦找礦同樣具有一定的指示作用。根據(jù)證據(jù)權(quán)重值計(jì)算后驗(yàn)概率值，作后驗(yàn)概率等值線異常圖。

3.5 預(yù)測(cè)遠(yuǎn)景區(qū)圈定

以后驗(yàn)概率值的大小作為圈定不同等級(jí)金礦找礦遠(yuǎn)景預(yù)測(cè)區(qū)的依據(jù)，具體指標(biāo)為：Ⅰ類遠(yuǎn)景區(qū)主要是后驗(yàn)概率起始值為0.57的區(qū)域；Ⅱ類遠(yuǎn)景區(qū)主要是后驗(yàn)概率起始值為0.38、終止值為0.57的區(qū)域，也包含少量后驗(yàn)概率起始值為0.57的區(qū)域；Ⅲ類遠(yuǎn)景區(qū)是后驗(yàn)概率起始值為0.19、終止值為0.57的區(qū)域。根據(jù)以上指標(biāo)，圈定了4個(gè)Ⅰ類遠(yuǎn)景區(qū)、3個(gè)Ⅱ類遠(yuǎn)景區(qū)和7個(gè)Ⅲ類遠(yuǎn)景區(qū)(圖4)。

4 結(jié)語

在上述后驗(yàn)概率異常圖中分布了區(qū)內(nèi)91%以上的金礦床(點(diǎn))，僅4個(gè)金礦床(點(diǎn))在其外圍或邊緣，遠(yuǎn)景區(qū)均位于后驗(yàn)概率異常圖中，其可信度較高。

致謝：在圈定找礦遠(yuǎn)景預(yù)測(cè)區(qū)的過程中，邀請(qǐng)長(zhǎng)期從事黔西南金礦研究的聶愛國(guó)教授進(jìn)行了指導(dǎo)，邀請(qǐng)長(zhǎng)期從事野外地質(zhì)礦產(chǎn)資源勘查的劉沛副教授參與野外找礦遠(yuǎn)景區(qū)的驗(yàn)證，在此深表謝意。

[1] 陳繼文，高永格，劉世龍. 基于3S集成的礦產(chǎn)資源成礦預(yù)測(cè)研究[J]. 長(zhǎng)春工程學(xué)院學(xué)報(bào)：自然科學(xué)版，2013，14(3)：87-89.

[2] 高振敏，李紅陽，楊竹森，等. 滇黔地區(qū)主要類型金礦的成礦與找礦[M]. 北京：地質(zhì)出版社，2002：6-7.

[3] 梅世全. 峨眉地幔熱柱活動(dòng)與貞豐水銀洞金礦床形成關(guān)系研究[D]. 貴州：貴州大學(xué)，2009：13.

[4] 馮學(xué)仕，羅孝桓，鄧小萬，等. 貴州主要礦床成礦系列[J]. 貴州地質(zhì)，2002，19(3)：141-147.

[5] 王硯耕，王立亭，張明發(fā)，等. 南盤江地區(qū)淺層地殼結(jié)構(gòu)與金礦分布模式[J]. 貴州有色地質(zhì)，1995，12(2)：91-183.

[6] 馮學(xué)仕，郭振春. 黔西南地區(qū)金礦產(chǎn)出模式及找礦潛力[J]. 貴州地質(zhì)，2002(2)：109-111.

[7] 胡鵬，張均，石凱. 基于MORPAS證據(jù)權(quán)法的鳳太Pb-Zn礦床遠(yuǎn)景區(qū)預(yù)測(cè)[J]. 地質(zhì)找礦論叢，2009,24(3)：205-207.

[8] 池順都. GIS,經(jīng)驗(yàn)找礦與求異找礦結(jié)合的工具：化探異常找礦效果經(jīng)驗(yàn)分析[J].地質(zhì)與勘探，2000，36(1)：71-74.

[9] 聶愛國(guó)，張竹如. 黔西南水銀洞金礦床成礦地質(zhì)條件研究[J]. 黃金地質(zhì)，2006，27(6)：5-8.

[10] 陳小云, 胡光道. GIS在礦產(chǎn)資源預(yù)測(cè)中的現(xiàn)狀和研究思路[J]. 資源環(huán)境與工程，2006，20(1)：1671-1211.

[11] 池順都，吳新林. 云南元江地區(qū)銅礦GIS預(yù)測(cè)時(shí)的找礦有利度和空間相關(guān)性分析[J]. 地球科學(xué)：中國(guó)地質(zhì)大學(xué)學(xué)報(bào)，1998，23(1)：75-78.

[12] 趙鵬大. “三聯(lián)式”資源定量預(yù)測(cè)與評(píng)價(jià)：數(shù)字找礦理論與實(shí)踐探討[J].地球科學(xué)：中國(guó)地質(zhì)大學(xué)學(xué)報(bào)，2002,27(5)：482-489.

[13] 趙鵬大，胡旺亮. 地質(zhì)異常理論與礦產(chǎn)預(yù)測(cè)[J]. 新疆地質(zhì)，1992，10(2)：93-100.

[14] 趙鵬大，池順都. 初論地質(zhì)異常[J]. 地球科學(xué)：中國(guó)地質(zhì)大學(xué)學(xué)報(bào)，1991，16(3)：241-248.

[15] 趙鵬大，王京貴，饒明輝，等. 中國(guó)地質(zhì)異常[J]. 地球科學(xué)：中國(guó)地質(zhì)大學(xué)學(xué)報(bào)，1995，20(2)：117-127.

[16] 趙鵬大，池順都，陳永清. 查明地質(zhì)異常：成礦預(yù)測(cè)的基礎(chǔ)[J]. 高校地質(zhì)學(xué)報(bào)，1996，2(4)：361-373.

[17] 池順都，周順平，吳新林. GIS支持下的地質(zhì)異常分析及金屬礦產(chǎn)經(jīng)驗(yàn)預(yù)測(cè)[J]. 四川地質(zhì)科技情報(bào)，1998(1)：28-32.

[18] 王功文，陳建平. 基于GIS技術(shù)的三江北段銅多金屬成礦預(yù)測(cè)與評(píng)價(jià)[J]. 地學(xué)前緣，2008，15(4)：27-32.

[19] 劉治國(guó)，池順都，周順平. 成礦預(yù)測(cè)中應(yīng)用GIS的主要步驟[J]. 地質(zhì)找礦論叢，2002，17(2)：140-144.

[20] 王宏，李紅，楊麗麗，等. 新疆黑英山—查汗沙拉—地那達(dá)坂地區(qū)銻礦成礦遠(yuǎn)景評(píng)價(jià)[J]. 地質(zhì)與勘探，2008，44(1)：37-41.

[21] 陳建平，王功文，侯昌波，等. 基于GIS技術(shù)的西南三江北段礦產(chǎn)資源定量預(yù)測(cè)與評(píng)價(jià)[J]. 礦床地質(zhì)，2005，44(1)：15-24.

GIS-based gold prospect prediction in the southwest Guizhou province

YU Ning1,2, LIU Pei3, NIE Aiguo1

(1.GuizhouInstituteofTechnology,Guiyang550003,China; 2.GuizhouGeologicalSurveyInstitute,Guiyang550004,Chnia; 3.GuizhouUniversity,Guiyang550005,China)

Evidence weight method from MORPAS software is applied to multi-source geo-information-based gold prospect prediction in the southwest Guizhou province. The information include data of stratigraphy, fault, fold, the known gold occurrence, Au anomly, ring structure on the satellite image. The attributes of the data are standardized to set up a spatial geo-data bank. Favorability for gold ore of the data is analyzed to determine the prospect prediction factor. An anomly map is drawn on basis of posterior probability value calculated by the evidence weight method. On the map 4 prospects I, 3 prospects II and 7 prospects Ⅲ are lineated. Over 91% of the known gold occurrences of the area are included in the anomly map thus confidence of the method is high.

gold deposit; GIS; ore prospecting; prospect; the southwest Guizhou province

2015-05-15； 責(zé)任編輯： 岳振歡

貴州省工業(yè)和信息化專項(xiàng)資金項(xiàng)目(編號(hào)：1165)資助。

于寧(1980—)，男，高級(jí)工程師，從事區(qū)域地質(zhì)礦產(chǎn)調(diào)查工作。通信地址：貴州省貴陽市富源南路464號(hào)；郵政編碼：550005；

E-mail：1041171774@qq.com

10. 6053/j. issn.1001-1412. 2016. 03. 006

P612；P618.51

A