基于GIS的桂西-滇东南地区锰矿资源潜力评价

2014-07-05张宝一毛先成周尚国

地质与勘探 2014年6期

张宝一，杨莉，毛先成，周尚国，邓浩

(1. 中南大学有色金属成矿预测教育部重点实验室，地球科学与信息物理学院，湖南长沙 4100832. 中国地质大学地质过程与矿产资源国家重点实验室，湖北武汉 430074；3. 中国冶金地质总局，北京 100025)

张宝一1,2，杨莉1，毛先成1，周尚国3，邓浩1

在桂西-滇东南锰矿成矿条件分析的基础上，利用GIS栅格空间分析方法构建了与锰矿成矿相关的沉积盆地、同沉积断裂、沉积相、地层、岩性组合、数字地形特征、航磁异常等地质变量。首先，利用多元线性回归分析方法预测了研究区各网格单元的锰矿资源量，通过地质变量的筛选和组合构建了候选资源量预测模型组，为每个预测单元选择最优模型开展资源量预测；其次，利用证据权重法估算了研究区各网格单元的成矿有利度，根据锰矿资源量与地质变量之间的线性关系是否显著来筛选证据因子，在对地质变量二值化构建证据因子时既考虑锰矿床(点)的“数”，又考虑锰矿床(点)的“量”；最后，对成矿有利度与锰矿资源量预测结果进行乘法运算得到综合预测图，并结合成矿地质环境圈定了预测远景区。

成矿预测作用域证据权重法锰矿桂西-滇东南

Zhang Bao-yi, Yang Li, Mao Xian-cheng, Zhou Shang-guo, Deng Hao. The GIS-based assessment of potential manganeseore ore recourses in western Guangxi and southeastern Yunnan area,China [J].Geology and Exploration, 2014, 50(6):1050-1060.

0 引言

现代成矿理论发展和矿产勘探经验的积累使人类对矿产形成的认识不断提高，为矿产资源定量预测奠定了基础。在“相似类比”、“求异”和“定量组合控矿”的理论基础下，形成了多种成矿定量预测的理论体系，矿产资源预测与评价已进入科学化、定量化和数字化阶段。20 世纪80 年代，王世称(2010)提出了通过捕捉和提取各种与成矿有关的信息，并研究其在空间上的变化规律及相互制约关系，来建立综合信息找矿模型，开展成矿预测的综合信息矿产预测理论与方法；20 世纪90 年代，加拿大地质调查所提出了通过对一些与成矿相关的地学信息的叠加复合分析，并采用一种统计分析模式来进行矿产远景区预测的证据权重法(Bonham-Carteretal.，1990; Agterberg，1991)；美国地质调查局提出了将矿床的品位-吨位模型与矿床数估计相结合的“三部式”矿产资源预测评价方法(Singer，1993)；赵鹏大提出了基于地质异常(即控矿因素)、成矿多样性(即矿化特征)及成矿谱系(即成矿规律)的联合分析的“三联式”资源定量预测与评价的数字找矿理论和方法(赵鹏大，2002)。2006年以来，我国部署了全国矿产资源潜力评价工作，提出了矿床模型综合地质信息预测技术(叶天竺等，2007)。近年来，随着非线性科学的兴起，涌现了一系列基于“奇异性-多重分形”(Chengetal.，1996; Cheng，1999; 申维，2005; 陈永清等，2006; 成秋明，2008)、“自组织理论”(於崇文，2000; 申维，2001)、“人工神经网络”(郭科等，1999; 陈永良等，2012)和“模糊逻辑推理”(张振飞等，2001; 张振飞等，2005)等方法的非线性数字找矿理论与技术。

以处理空间数据为核心功能的地理信息系统(GIS)技术的快速发展，已在矿产资源定量预测评价中发挥了巨大的作用，较好地解决了空间数据存储与管理、成矿信息分析与集成、预测评价的可视化表达等技术问题(Harrisetal.，2000; 陈永良等，2002; Royetal.，2006; 陈永清等，2007a; Zamaraevetal.，2008; Kreuzeretal.，2010; Partington，2010)，我国学者还开发了一些矿产资源预测评价软件，如“矿产资源评价系统MRAS”(肖克炎等，2000; 肖克炎等，2003)、“金属矿产资源评价分析系统MORPAS”(胡光道等，1998; 陈永清等，2007b)、“综合信息矿产预测系统KCYC”(王世称等，1999)、“地学数据分析系统GeoDAS”(成秋明等，2007; 成秋明等，2009)。

本文在桂西-滇东南地区锰矿资源潜力评价空间数据库的基础上，应用GIS空间分析方法来提取和解释与成锰有关的控矿指标，利用多元线性回归模型预测了锰矿资源量，使用证据权重法计算了成锰有利度，开展了1∶20万比例尺的桂西-滇东南地区锰矿资源潜力评价，如图1所示。相关方法可为地质学家使用GIS、空间数据库及地学统计分析软件来处理和分析矿产勘查空间数据提供有益的借鉴。

1 基于多元线性回归的资源量预测模型

预测模型是资源量指标与控矿地质变量的相关关系，一般是根据建模区数据建立的，假设预测区与建模区的控矿地质条件和控矿规律相似，可由该模型对预测区的矿化分布进行预测。模型在数学上可以表达为地质变量到资源量指标的统计预测模型，可通过多元线性回归方法来建立方程如下：

(1)

1.1 作用域的定义

矿产资源定量预测是在已形成的成矿理论的指导下，以研究地质、地球物理、地球化学和遥感信息为基础，通过分析建模区内找矿信息及其组合与矿床的关系来研究信息之间的转换规律，建立量化的多元信息综合预测模型，并以此来分析和推断预测区的找矿前景(王世称，2010)。找矿信息在建模区和预测区不对称是当前面临的技术难题之一，这种信息不对称具体表现为三个方面：① 由于地质工作程度及资料水平的差异造成的数据覆盖的不对称，建模区一般研究程度较高、资料丰富，而预测区通常开展的地质工作较少、资料匮乏；② 地质作用的影响范围的不对称，例如断裂、岩体等对成矿作用的影响仅是局部性，而不是在整个预测区都对成矿有作用；③ 用于表达地质作用的地质变量在整个预测区的值域很宽，但在建模区的取值可能仅是其中的一段，由此分析得到的地质变量与矿化之间关系在预测区并不一定适用。

作用域可以理解为变量或模型在二维空间上的适用范围。传统矿产资源预测方法通常假设：所有地质变量均具有相同的作用域，即为预测区整个空间范围；全区使用唯一的预测模型，模型的作用域也是预测区整个空间范围。传统单一作用域的预测方法有一定缺陷：① 当地质变量未覆盖全区，要将地质变量外推到数据覆盖范围以外的区域时，不能很好地反映地质变量的客观实际；② 当预测区面积较大时，控矿地质因素的影响作用也因具体的构造分区而有所差异，使用全区统一的预测模型也与局部实际情况不相符合；③ 通过线性回归分析等方法得到，地质变量在建模区的值域段内与矿化满足某种相关关系，但当超出这个值域段外就不再具备这种关系，故采用地质变量整个值域范围参与预测也是不合理的。因此，本文摈弃了单一作用域的假设，地质变量和预测模型都有各自的作用域。

图1 工作流程图Fig 1 Work flow chart

1.1.1 变量的作用域

地质变量的作用域DX，即地质变量的有效空间分布范围，主要受下列因素控制：

(1) 原始数据范围DXO，例如，某地层等厚线，由于工作程度的差异只在局部范围可以获得，要将数据的外推到全区通常是难以控制，甚至难以实现的；

(2) 地质变量的影响范围DXE，例如，同沉积断裂的影响范围是有限的，超过一定的距离影响就变得相当微弱，甚至可以忽略不计；

(3) 地质变量的有效值域段覆盖的空间范围DXV，例如，沉积盆地距离场在已知区内的值域段是[min,max]，通过分析得到在这个值域段内资源量与沉积盆地距离场呈现某种相关关系，而在距离场的整个值域范围[MIN,MAX]内不一定都满足这种相关关系，其中值域段[min,max]为[MIN,MAX]的子集。

地质变量的作用域可以表达为上述三者的交集，即：

DX=DXO∩DXE∩DXV

(2)

地质变量的作用域可以用一幅空间二值图像来表示(0表示作用域外，1表示作用域内)。

1.1.2 模型的作用域

限定作用域的矿产资源预测方法不再是全区使用一个预测模型，而是可以通过地质变量的各种组合建立若干个模型。预测模型的作用域，则为模型的适用范围。已知某预测模型由p个地质变量X1，X2，…，Xp构成，其作用域分别为DX1，DX2，…，DXp，则模型的作用域DM为这p个地质变量的作用域的交集，即：

(3)

如果预测模型仅包含一个地质变量X，模型的作用域DM等同于该地质变量的作用域DX；当构成模型的所有地质变量的作用域的交集为空φ时，该模型无意义。预测模型的作用域同样可以用一幅空间二值图像来表示。

本文中预测模型的作用域不仅不必覆盖全区，甚至不要求覆盖建模区，只对模型作用域DM与建模区DS交集内的单元进行回归分析即可，则进行回归分析用来建立模型的采样区DMS的定义为：

DMS=DM∩DS

(4)

出于统计上的要求，一般要求模型采样区DMS的单元数要大于等于30个，否则模型将不能被构建。

1.2 变量的筛选

矿产的形成一般是若干地质过程相互作用和相互影响的结果， GIS栅格模型不但反映各地质变量的空间异质性，同时也便于考虑它们在空间上与矿产形成的相互作用。判断在空间中两个或多个地质现象是否相关，如判断矿化与地层、断层、电阻率、地磁场等控矿地质因素是否相关，是成矿预测首要解决的问题。可采用一元线性回归方法分析资源量与控矿地质变量之间的相关程度，这个步骤也可以看作为构建一元预测模型的过程。如资源量指标与某些地质变量之间的关联关系是非线性的，可以根据经验及统计对地质变量进行数值变换，并判断资源量与变换后的地质变量是否满足线性相关。给定显著性水平α=0.05，只有线性回归方程的F检验通过的地质变量(或转换后的地质变量)才能选作控矿指标，做到“凡非必要，无需杂陈”。

1.3 模型组的建立

对所有与资源量存在线性关系的地质变量(或转换后的地质变量)，进行组合开展多元(2元到p元)的线性回归分析，建立不同层次的资源量预测模型。理论上预测模型数目的最大值为2p。在从2元到p元的线性回归模型建立的过程中，k(2≤k≤p)元模型是在已检验通过的k-1元模型的基础上，通过与另外某个地质变量的组合来建立的，并验证其回归效果。如果将变量看作为模型的成分，k元模型的成分是k-1元模型的成分加上另外某个地质变量。预测模型组是开放的，新的地质变量经过筛选后，通过与原有各层级模型的组合就可产生一系列新的模型，从而能逐步完善候选预测模型组。变量组合形成候选预测模型组是重复、繁琐的过程，计算量庞大且一般不需要人为干预，因此基于MAPGIS二次开发包编写了软件程序来自动实现。所建立的不同层次的多种模型反映了不同角度下对成矿作用的认识，它们相互之间相互补充、相互完善。

1.4 资源量的预测

对于预测区DP中的每个单元，选取合适层次(1元到p元)的线性回归模型，计算其预测资源量。在对每个单元进行资源量预测时，为保证找矿信息的对等性，需要检验单元是否位于预测模型的作用域内。只有单元所在的作用域对应的回归模型才能用于资源量预测。通常单元都具有多个候选预测模型时，这时则采用如下原则选择最优的模型进行预测：

(1) 地质信息量最大原则，尽可能选取高维的回归模型进行资源量预测，因为其包含的地质变量更多。

(2) 线性回归效果最优原则，在原则(1)的基础上，如果同一层次的预测模型还有多个候选，则取线性回归F检验值最大的模型进行资源量预测，因为相比较而言其线性回归效果最好。

利用上述两个原则，每个预测单元可以选出唯一的、最优的线性回归模型来进行资源量预测。不同的单元，优选出的预测模型可以完全不同，这由单元位于哪些作用域来决定。预测过程是预测区的成矿作用要素与在建模区建立的预测模型组之间进行匹配的过程，为每个预测单元选择最优的模型开展资源量的预测。从某种角度来讲，这是对单元内成矿影响因素的一种客观评价，充分保证了预测区与建模区的信息的对等性。如果某单元没有候选预测模型可供选择，即没有任何一个预测模型的作用域包含了该单元，则该单元为不可预测单元。

2 基于证据权重法的成矿有利度预测模型

证据权重法是加拿大数学地质学家Agterberg(1991)提出的一种地学统计方法(Bonham-Carteretal.，1990; Agterberg，1991)。它采用一种统计分析模式，通过对一些与成矿相关的地学信息的叠加复合分析进行矿产远景区的预测。每种地学信息都是成矿预测的一个证据因子，而每个证据因子对成矿预测的贡献是由这个因子的权重来确定的，进而计算空间任意位置的矿产发育的概率值，以圈定不同级别的预测靶区。其数学公式包括各地质证据因素的找矿信息量前概估算和预测单元的后概计算两部分。证据权重法已发展为一种比较成熟的成矿预测方法，国内基于GIS的矿产预测软件大多提供了该方法，如MORPAS、MRAS、GeoDAS等，还有学者用模糊集(张生元等，2006; 成秋明等，2007)、分形(Fordetal.，2008)、神经网络(Corsinietal.，2009)等理论对证据权重法进行了改进。

2.1 证据因子的建立

参与证据权重法计算的因子主要有两类：含矿性因子和证据因子。含矿性因子可直接通过将优质锰矿床(点)投射到网格单元即可得到，证据因子要由地质变量二值化来得到。地质变量二值化即可得到证据因子，本文在建模区内资源量与地质变量线性回归分析的基础上，选取那些与资源量显著相关的地质变量来构建证据因子。通过线性回归分析来筛选证据因子，避免了证据因子设置的盲目性和主观性。

假设研究区T被划分成面积相等的单元，其中D为含矿单元，对于任意一个证据因子，其权重定义为：

(5)

(6)

与资源量呈线性关系的地质变量(或变换后的地质变量)，综合考察C值及证据因子中资源量所占的比例，来选取合适的分界值将地质变量二分，既考虑锰矿床(点)的“数”，又考虑锰矿床(点)的“量”，可有效避免二值化时信息的损失。

2.2 成矿有利度估算

预测矿床产出的后验概率比(odds)的对数值等于先验概率比的对数值与各种地质标志的权系数之和。该法源于概率论中的贝叶斯关系式，在计算成矿后验概率时，需要用到有限个独立随机事件的概率乘法公式，因此，每一种控矿地质因素相对于矿床产出这一概率事件来说，都必须是条件独立的。对于n个证据因子，若它们关于矿点条件独立，研究区任一单元k内含有矿点的可能性，即后验几率用O表示：

(7)

式中，b为基值：

(8)

(9)

证据权重法既考察地质因素存在时的找矿权重，也考虑因素不存在的找矿权重，而且当因素未知时也可以处理。

任一单元k为含矿单元的后验概率为：

(10)

3 应用实例

3.1 成矿地质背景

桂西-滇东南地区有丰富的锰矿资源，是我国重要的锰矿集中区，已发现锰矿床(点)241处，有亚洲最大锰矿——广西下雷超大型锰矿，因此，对该区域进行锰矿勘查具有非常好的找矿前景(骆华宝，2002)。桂西-滇东南地区锰矿的形成经历了原生沉积、构造重建及热液叠加改造、表生风化3个阶段。控制锰矿形成和分布的主要地质因素包括：成锰沉积盆地性质及其大地构造条件，成矿时代、地层层位与沉积建造，叠加改造富集条件，表生富集条件等(侯宗林等，1997)。

桂西南地区地质构造上属右江盆地，位于南华准地台右江再生地槽的西南部，三级构造单元有桂西拗陷、靖西-田东隆起、下雷-灵马拗陷。该地区地层大体上可分为三大套，即前泥盆纪基底岩系、晚古生代至中三叠世海相沉积为主的覆盖岩系和新生代山麓相、河流相、湖相岩系。桂西南地区含锰建造为上泥盆统榴江组硅质岩和五指山组硅质岩、泥质碳酸盐岩建造，下石炭统大塘组硅质岩、泥质碳酸盐岩建造和下三叠统北泗组碳酸盐岩建造。这三个建造自南向北分布，构成NE-SW向延伸的三个矿带，矿源层经过氧化、淋积、迁聚往往形成大矿。该区已有大、中、小型锰矿区12处，拥有锰矿储量约占全国锰矿总储量的31. 3%。其中大型锰矿2个，即大新下雷和靖西湖润锰矿。锰矿床的主要类型有：产于上泥盆统五指山组含锰硅质岩的“下雷式”热水沉积-次生氧化型优质锰矿床；产于下三叠统北泗组含锰泥质岩的“东平式”淋积型优质锰矿床；产于下石炭统大塘组含锰碳酸盐岩的“宁干式”正常沉积-次生氧化型优质锰矿床。

滇东南地区构造上属南盘江转换拉张裂谷盆地，位于华南褶皱系滇东南褶皱带，其北、西部分别与扬子准地台滇东台褶带、哀牢山断块相邻，其间以弥勒-师宗断裂、红河断裂为界。该地区地层北部以中生界为主，南部以古生界为主，二者分布一般以近EW向断裂为界，中生界三叠系主要分布于区域性向斜轴部及文山-麻栗坡断裂北东侧的西畴-麻栗坡一带。滇东南地区含锰建造为中三叠统法郎组的碳酸岩复理石建造和硅质-碳酸岩建造，锰矿类型为 “斗南式”和“白显式”正常沉积型的产于细碎屑中的氧化锰、碳酸锰矿床，富含微粒黄铁矿,近地表有发育程度不等的氧化矿石，主要为软锰矿- 硬锰矿型。该区有中、小型锰矿区12处,主要锰矿有建水白显锰矿和砚山斗南锰矿。

3.2 控矿地质要素提取

为了实现桂西-滇东南地区锰矿资源量的定量预测，以锰矿综合找矿评价概念模型为知识驱动，建立了包含桂西-滇东南地区的已知锰矿床(点)和控矿地质要素的多元地学空间数据库(张宝一等，2009)。按照1/20万区域矿产预测精度要求，将预测区划分为2 km的规则单元(图上面积1 cm2)，每个单元采用其行列号(ix，iy)来标识。采用栅格GIS、场论及空间叠加分析技术，通过统一的网格单元划分对点、线、面地质体进行栅格化，提取了锰矿资源量和控矿地质变量。根据现有地质资料综合和成矿规律总结，初步归纳了桂西—滇东南地区指示锰矿形成和分布的8组21个成矿信息：(1) 地层时代与层位，锰矿层的分布、产状、变化均与地层协调一致，严格受含锰地层的控制，是沉积地层有机的组成部分；(2) 同生沉积断裂，包含晚泥盆世和中三叠世的同生沉积断裂，同生沉积断裂的控矿作用具有叠加性，采用成矿影响场来表达(毛先成等，2009b; Maoetal.，2011)；(3) 成锰沉积盆地，包含晚泥盆世、早三叠世和中三叠世的成锰沉积盆地，盆内锰矿分布与其到成锰沉积盆地边缘的距离有关，采用成矿距离场来表达(毛先成等，2009b; Maoetal.，2011)；(4) 沉积相和岩相，包括中泥盆世艾菲尔期、中泥盆世吉维特期、晚泥盆世弗拉斯期、晚泥盆世法门期、中三叠世拉丁尼克期的沉积相和岩相，台沟相为晚泥盆世法门期锰矿形成最有利的沉积相，灰岩泥岩相为中三叠世拉丁尼克期锰矿形成最有利的岩相；(5) 岩性组合，硅质泥岩组为锰矿形成最有利的岩性组合；(6) 含锰地层厚度，包括中泥盆世艾菲尔期、晚泥盆世弗拉斯期、晚泥盆世法门期、中三叠世拉丁尼克期的地层沉积厚度，锰矿资源量与地层沉积厚度之间呈非线性关系；(7) 地形条件，氧化锰矿床的形成与地表及地下水的运动状况有关，地形地貌条件不仅控制着侵蚀和堆积作用的进行，还决定着地下水的动态和风化产物的状态及保留程度(毛先成等，2009a)；(8) 航磁异常分布，锰矿主要分布在航磁异常较为平缓的区域，这种分布特征与锰矿石磁性一般都较弱有关。

3.3 锰矿资源量预测

用于桂西-滇东南锰矿资源量预测的总共有21个控矿地质变量，通过变量组合理论可以得到2097151个锰矿资源量预测模型，但有些模型的作用域为空，模型是无意义的；另外，只有通过回归效果检验的模型，才保存起来以供资源量预测时使用。通过回归效果检验的模型的数目仅为12031个，模型的个数虽仍然很庞大，但要远远小于理论值，最高元的预测模型为十四元(仅有1个模型)。利用多元线性回归模型得到桂西-滇东南地球的锰矿资源量的预测结果如图2所示。

图2 锰矿资源量预测图Fig. 2 Prediction map of manganese ore reserve1-特大型矿床；2-大型矿床；3-中型矿床；4-小型矿床；5-矿点；6-矿化点1-extraordinary-tonnage Mn deposit; 2-large-tonnage Mn deposit; 3-medium-tonnage Mn deposit; 4-small-tonnage Mn deposit; 5-Mn occurrence; 6-Mn mineralized occurrence

3.4 成矿有利度估算

利用证据权重法计算了研究区每个单元的成矿有利度，如图3所示。

3.5 预测远景区圈定

将成矿有利度预测结果与资源量预测结果进行乘法运算，得到成矿有利度与预测资源量综合预测图，并结合成矿地质环境圈定了6个预测远景区，如图4所示。

将预测远景区分为三个等级：Ⅰ类，成矿条件十分有利，预测依据充分，成矿匹配程度高，可建议优先安排勘查工作的地区；Ⅱ类，成矿条件有利，有预测依据，成矿匹配程度较高；Ⅲ类，具成矿条件，可作为探索的地区，或现有矿区外围和深部，有预测依据，据目前资料认为资源潜力较小的地区。圈定的预测远景区包括：Ⅰ类远景区2个，即岩子脚-斗南-蒲草-龙潭预测远景区、龙邦-下雷-土湖预测远景区；Ⅱ类远景区2个，即足荣-龙怀-东平预测远景区、把荷-那利预测远景区；Ⅲ类远景区2个，桂西北(隆林)预测远景区、桂北(天峨)预测远景区，如表1所示。

图4 锰矿综合预测图Fig. 4 Distribution map of degree of manganese formation favorableness1-特大型矿床；2-大型矿床；3-中型矿床；4-小型矿床；5-矿点；6-矿化点；7-Ⅰ类远景区及编号；Ⅰ-1-龙邦-下雷-土湖远景区；Ⅰ-2-1-岩子脚-斗南远景区；Ⅰ-2-2-蒲草-龙潭远景区；8-Ⅱ-类远景区及编号：Ⅱ-1-足荣-龙怀-东平远景区;Ⅱ-2-把荷-那利远景区；9-Ⅲ-类远景区及编号：Ⅲ-1-桂西北(隆林)远景区；Ⅲ-2-桂北(天峨)远景区1-extraordinary-tonnage Mn deposit; 2-large-tonnage Mn deposit; 3-medium-tonnage Mn deposit; 4-small-tonnage Mn deposit; 5-Mn occurrence; 6-Mn mineralized occurrence; 7-Ⅰtype prospecting area； Ⅰ-1- Longbang-Xialei-Tuhu prospecting area；Ⅰ-2-1- Yanzijiao-Dounan prospecting area；Ⅰ-2-2-Pucao-Longtan prospecting area; 8- Ⅱ；type prospecting area；Ⅱ-1-Zurong-Longhuai-Dongping prospecting area；Ⅱ-2-Bahe-Nali prospecting area; 9- Ⅲ-type prospecting area；Ⅲ-1-northwestern Guangxi (Longlin) prospecting area；Ⅲ-2-northern Guangxi (Tiane) prospecting area

4 结论

在桂西-滇东南地区锰矿资源潜力评价中，主要取得了以下成果：

表1 预测远景区信息表Table 1 Information of predicted prospecting area

(1) 利用多元线性回归分析方法预测了研究区各网格单元的锰矿资源量，提出了地质变量和预测模型的作用域的概念，通过地质变量的筛选和组合构建了候选资源量预测模型组，为每个预测单元选择最优的模型开展资源量的预测。

(2) 利用证据权重法估算了研究区各网格单元的成矿有利度，根据锰矿资源量与地质变量之间的线性关系是否显著来筛选证据因子，在对地质变量二值化构建证据因子时，选取分界值不仅仅考虑C值最大，还综合考虑证据因子内锰矿资源量所占的比例。

(3) 对成矿有利度与锰矿资源量预测结果进行乘法运算，得到成矿有利度与预测资源量的综合预测图，并结合成矿地质环境圈定了6个预测远景区。

Agterberg F P. 1991. Combining indicator pattems in weights of evidence modeling for resource evaluation[J]. Nonrenewable Resources，1(1): 35-50

Bonham-Carter G F，Agterberg F P，Wright D F. 1990. Weights of evidence modelling: a new approach to mapping mineral potential[J]. Geological Survey of Canada Paper，89(9): 171-183

Chen Yong-liang，Liu Da-you. 2002. A new automatic mapping model for mineral resource potentials assessment based on the GIS technology[J]. Geological Review，48(3): 324-329 (in Chinese with English abstract)

Chen Yong-liang，Zhou Bin，Li Xue-bin. 2012. Mineral target prediction based on Boltzmann machines[J]. Progress in Geophys，27(1): 179-185 (in Chinese with English abstract)

Chen Yong-qing，Wang Xin-qing，Chen Jian-guo，Liu Hong-guang，Huang Jing-ning. 2007a. GIS-based integrated quantitative assessments of mineral resources[J]. Geological Bulletin of China，26(2): 141-149 (in Chinese with English abstract)

Chen Yong-qing，Xia Qing-lin，Huang Jing-ning，Chen Jian-guo，Li Jian-guo. 2007b. Application of the weights-of-evidence method in mineral resource assessments in the southern segment of the “Sanjiang metallogenic zone”，sourthwestern China[J]. Geology in China，34(1): 132-141 (in Chinese with English abstract)

Chen Yong-qing，Zhang Sheng-yuan，Xia Qing-lin，Li Wen-chang，Lu Ying-xiang，Huang Jing-ning. 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”，southwesten China[J]. Earth Science，31(6): 861-866 (in Chinese with English abstract)

Cheng Q. 1999. Multifractality and spatial statistics[J]. Computers and Geosciences，25(9): 949-961

Cheng Q，Agterberg F P. 1996. Multifractal Modeling and Spatial Statistics[J]. Mathematical Geology，28(1): 1-1

Cheng Qiu-ming. 2008. Singularity of mineralization and multifractal distribution of mineral deposits[J]. Bulletin of Mineralogy，Petrology and Geochemistry，27(3): 298-305(in Chinese with English abstract)

Cheng Qiu-ming，Chen Zhi-jun，Khaled A. 2007. Application of fuzzy weights of evidence method in mineral resource assessment for gold in Zhenyuan district,Yunnan province，China [J]. Earth Science，32(2): 175-184 (in Chinese with English abstract)

Cheng Qiu-ming，Liu Jiang-tao，Zhang Sheng-yuan，Xia Qing-lin. 2009. Application of GIS-model builder technology for national mineral resource assessment[J]. Earth Science，34(2): 338-346(in Chinese with English abstract)

Corsini A，Cervi F，Ronchetti F. 2009. Weight of evidence and artificial neural networks for potential groundwater spring mapping: an application to the Mt. Modino area (Northern Apennines，Italy)[J]. Geomorphology，111(1-2): 79-87

Ford A，Blenkinsop T G. 2008. Combining fractal analysis of mineral deposit clustering with weights of evidence to evaluate patterns of mineralization: Application to copper deposits of the Mount Isa Inlier，NW Queensland，Australia[J]. Ore Geology Reviews，33(3-4): 435-450

Guo Ke，Xu Ze-yin. 1999. Application of artificial neural network in geological data statistics[J]. J. of Sichuan Union Univ. (Eng.Sci.Ed.)，3(1): 88-92(in Chinese with English abstract)

Harris J R，Wilkinson L，Grunsky E C. 2000. Effective use and interpretation of lithogeochemical data in regional mineral exploration programs: Application of Geographic Information Systems (GIS) technology[J]. Ore Geology Reviews，16(3): 107-143

Hou Zong-lin，Xue You-zhi，Huang Jin-shui，Lin You-huan，Liu Hong-jun，Yao Jing-qu，Zhu Kai-jun.1997.Mn deposits in the peripheries of Yangtze platform[M].Beijing: Metallurgical Industry Press:105-140(in Chinese)

Hu Guang-dao，Chen Jian-guo.1998.Design of the metallic mineral resources assessment and analysis system[J].Geological Science and Technology Information，17(1): 45-49 (in Chinese with English abstract)

Kreuzer O P，Markwitz V，Porwal A K，McCuaig T C.2010.A continent-wide study of Australia's uranium potential: Part I: GIS-assisted manual prospectivity analysis[J].Ore Geology Reviews，38(4): 334-366

Luo Hua-bao.2002.The direction of prospecting for high quality manganese ore resources in China[J].Geology and Prospecting，38(4): 8-11 (in Chinese with English abstract)

Mao X-C，Hu C，Zhou S-G，Zhang B-Y，Wang F-Y，Zeng W-B.2011.Field analysis of metallogenic information and its application[J].J.Cent.South Univ.Technol.，18(1): 196-207

Mao Xian-cheng，Zeng Wen-bo，Zhou Shang-guo，Yan Fang，Deng Ji-qiu，Zhang Bao-yi.2009a.Research on relationship between digital terrain characteristics and spatial distribution of secondary enrichment manganese ore in western Guangxi and south-eastern Yunnan，SW China[J].Geology and Prospecting，45(3): 292-298(in Chinese with English abstract)

Mao Xian-cheng，Zhou Shang-guo，Zhang Bao-yi，Hu Chao，Wang Fan-yun，Zeng Wen-bo.2009b.Reserach on extraction of metallogenic information based on field model: a case of manganese ore in the western Guangxi and southeastern Yunnan areas[J].Geology and Prospecting，45(6): 704-715 (in Chinese with English abstract)

Partington G.2010.Developing models using GIS to assess geological and economic risk: An example from VMS copper gold mineral exploration in Oman[J].Ore Geology Reviews，38(3): 197-207

Roy R，Cassard D，Cobbold P R，Rossello E A，Billa M，Bailly L，Lips A L W.2006.Predictive mapping for copper-gold magmatic-hydrothermal systems in NW Argentina: Use of a regional-scale GIS，application of an expert-guided data-driven approach，and comparison with results from a continental-scale GIS[J].Ore Geology Reviews，29(3-4): 260-286

Shen Wei.2001.The theory of self-organization and dissipative structures and its application in geology[J].Geology-Geochemistry，29(3): 1-7 (in Chinese with English abstract)

Shen Wei.2005.n-dimentional self-affine fractal and its application in geochemistry[J].Geological Review，51(2): 208-211(in Chinese with English abstract)

Singer D A.1993.Basic concepts in three-part quantitative assessments of undiscovered mineral resources[J].Nonrenewable Resources，2(2): 69-81

Wang Shi-cheng.2010.The new development of theory and method of synthetic information mineral resources prognosis[J].Geological Bulletin of China，29(10): 1399-1403 (in Chinese with English abstract)

Wang Shi-cheng，Ye Shui-sheng.1999.Synthetic information metallogenic series prognosis expert system[M].Changchun: Changchun Press: 60-80 (in Chinese)

Xiao Ke-yan，Wang Yong-yi，Xue Qun-wei，Zhang Shou-ting，Huang Wen-bin.2003.Assessment system of copper deposit digital model of China[J].Mineral Deposits，22(4): 425-429 (in Chinese with English abstract)

Xiao Ke-yan，Zhang Xiao-hua，Wang Si-long，Liu Dong-lin，Zhu Yu-sheng，Ge Yan，Xiao Bin，Song Guo-yao.2000.Mineral resources GIS assessment system[M].Beijing: Geology Press:50-90(in Chinese)

Ye Tian-zhu，Xiao Ke-yan，Yan Guang-sheng.2007.Methodology of deposit modeling and mineral resource potential assessment using integrated geological information[J].Earth Science Frontiers，14(5): 11-19 (in Chinese with English abstract)

Yu Chong-wen.2000.Dynamics of self-organized critical processes of geological processes-fractal growth of geosystems at the edge of chaos[J].Earth Science Frontiers，7(2): 13-42 (in Chinese with English abstract)

Zamaraev R Y，Oparin V N，Popov S E，Potapov V P，Pyastunovich O L.2008.Gis-technologies for integrated assessment of the productive mining areas[J].Journal of Mining Science，44(3): 302-311

Zhang Bao-yi，Mao Xian-cheng，Zhou Shang-guo，Wang Fan-yun，Zeng Wen-bo，Yan Fang，Deng Ji-qiu.2009.The design and implement of prediction and assessment for mineral resources database-in case of manganese deposit in the western Guangxi and southeastern Yunnan province[J].Geology and Exploration，45(6): 697-703 (in Chinese with English abstract)

Zhang Sheng-yuan，Wu Qiang，Cheng Qiu-ming，Ge Yong.2006.Weights of evidence method based on fuzzy training layer and its application in desertification assessment[J].Earth Science，31(3): 389-393 (in Chinese with English abstract)

Zhang Zhen-fei，Xia Qing-lin.2005.Modeling the spatial patterns of mineralization environments using fuzzy sets[J].Earth Science，30(1): 109-113(in Chinese with English abstract)

Zhang Zhen-fei，Zhao Shi-hua，Ma Zhi-min，Ji Jin-sheng.2001.GIS-based cell cluster fuzzy logic deduction and its application in regional mineral resources prediction[J].Geoscience，15(1): 59-63 (in Chinese with English abstract)

Zhao Peng-da.2002.“Three-component” quantitative resource prediction and assessments: theory and practice of digital mineral prospecting[J].Earth Science，27(5): 482-489 (in Chinese with English abstract)

[附中文参考文献]

陈永良，刘大有.2002.一种基于GIS的矿产资源潜力评价的自动制图模型[J].地质论评，48(3): 324-329

陈永良，周斌，李学斌.2012.基于Boltzmann机的矿产靶区预测[J].地球物理学进展，27(1): 179-185

陈永清，汪新庆，陈建国，刘红光，黄静宁.2007a.基于GIS的矿产资源综合定量评价[J].地质通报，26(2): 141-149

陈永清，夏庆霖，黄静宁，陈建国，李建国.2007b.“证据权”法在西南“三江”南段矿产资源评价中的应用[J].中国地质，34(1): 132-141

陈永清，张生元，夏庆霖，李文昌，卢映祥，黄静宁.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[J].地球科学，31(6): 861-866

成秋明.2008.成矿过程奇异性与矿床多重分形分布[J].矿物岩石地球化学通报，27(3): 298-305

成秋明，陈志军，Khaled A.2007.模糊证据权方法在镇沅(老王寨)地区金矿资源评价中的应用[J].地球科学，32(2): 175-184

成秋明，刘江涛，张生元，夏庆霖.2009.GIS中的空间建模器技术及其在全国矿产资源潜力预测中的应用[J].地球科学，34(2): 338-346

郭科，胥泽银.1999.神经网络在地质数据统计分析中的应用[J].四川联合大学学报(工程科学版)，3(1): 88-92

侯宗林，薛友智，黄金水，林友焕，刘红军，姚敬劬，朱恺军.1997.杨子地台周边锰矿[M].北京: 冶金工业出版社:105-140

胡光道，陈建国.1998.金属矿产资源评价分析系统设计[J].地质科技情报，17(1): 45-49

骆华宝.2002.我国优质锰矿的勘查方向[J].地质与勘探，38(4): 8-11

毛先成，曾文波，周尚国，闫芳，邓吉秋，张宝一.2009a.桂西—滇东南地区数字地形特征与次生富集锰矿空间分布关系研究[J].地质与勘探，45(3): 292-298

毛先成，周尚国，张宝一，胡超，汪凡云，曾文波.2009b.基于场模型的成矿信息提取方法研究—以桂西-滇东南锰矿为例[J].地质与勘探，45(6): 704-715

申维.2001.自组织理论和耗散结构理论及其地学应用[J].地质地球化学，29(3): 1-7

申维.2005.n维自仿射分形及其在地球化学中的应用[J].地质论评，51(2): 208-211

王世称.2010.综合信息矿产预测理论与方法体系新进展[J].地质通报，29(10): 1399-1403

王世称，叶水盛.1999.综合信息成矿系列预测专家系统[M].长春: 长春出版社:60-80

肖克炎，王勇毅，薛群威，张寿庭，黄文斌.2003.中国铜矿数字矿床模型评价系统的开发[J].矿床地质，22(4): 425-429

肖克炎，张晓华，王四龙，刘冬林，朱裕生，葛燕，肖斌，宋国耀.2000.矿产资源GIS评价系统[M].北京: 地质出版社:50-90

叶天竺，肖克炎，严光生.2007.矿床模型综合地质信息预测技术研究[J].地学前缘，14(5): 11-19

於崇文.2000.地质作用的自组织临界过程动力学：地质系统在混沌边缘分形生长[J].地学前缘，7(2): 13-42

张宝一，毛先成，周尚国，汪凡云，曾文波，闫芳，邓吉秋.2009.矿产资源预测评价数据库的设计与实现——以桂西-滇东南锰矿为例[J].地质与勘探，45(6): 697-703

张生元，武强，成秋明，葛咏.2006.基于模糊预测对象的证据权方法及其在土地沙漠化评价中的应用[J].地球科学，31(3): 389-393

张振飞，夏庆霖.2005.成矿环境空间结构的模糊建模[J].地球科学，30(1): 109-113

张振飞，赵世华，马智民，姬金生.2001.基于GIS和单元簇的模糊逻辑推理及其在区域矿产预测中的应用[J].现代地质，15(1): 59-63

赵鹏大.2002.“三联式”资源定量预测与评价——数字找矿理论与实践探讨[J].地球科学，27(5): 482-489

The GIS-Based Assessment of Potential Manganese Ore Resources in Western Guangxi and Southeastern Yunnan Area，China

ZHANG Bao-yi1,2，YANG Li1，MAO Xian-cheng1，ZHOU Shang-guo3，DENG Hao1

(1.MOEKeyLaboratoryofMetallogenicPredictionofNonferrousMetals，SchoolofGeosciencesandInfo-Physics，Central

SouthUniversity，Changsha，Hunan410083;2.StateKeyLaboratoryofGeologicalProcessesandMineralResources，ChinaUniversityofGeosciences，Wuhan,Hubei430074;3.ChinaMetallurgicalGeologyBureau，Beijing100025)

On the basis of analysis of manganese metallogenesis conditions in western Guangxi and southeastern Yunnan, some geologic al variables including sedimentary basins, syn-sedimentary faults, deposit facies, strata, lithology combination, digital topographical features, and aeromagnetic anomalies were established by the GIS raster model spatial analysis methods. Firstly, to solve the information asymmetry problem between prediction areas and known areas, this work suggested a mineral resource quantitative prediction method limited by spatial extent of action, which matched metallogenesis conditions of prediction areas with prediction models built in known areas to ensure the information symmetry. Secondly, to avoid subjectivity of evidence designation in the weights of evidence (WofE) method to predict the manganese formation favorableness, previous linear regression analysis results were applied to filter the evidence. A method considering not only manganese deposits' number but also their quantities was used to lower the information loss in the binary conversion of evidence. Finally, comprehensive prediction map was generated by multiplication of predicted manganese ore reserves and manganese formation favorableness to delineate the prospecting areas.

metallogenic prognosis, spatial extent of action, weights of evidence, manganese ore, western Guangxi-southeastern Yunnan Province

2014-03-17；[修改日期]2014-08-12；[责任编辑]郝情情。

国家自然科学基金(编号：41302259)和“十二五”国家科技支撑计划项目 (编号：2011BAB04B10)资助。

张宝一(1979年-)，男，2007年毕业于中国地质大学(武汉)，获博士学位，在站博士后，副教授，主要从事地理信息系统应用工程、三维地质建模的研究工作。E-mail: csuzby@gmail.com。

P617

0495-5331(2014)06-1050-11