基于MORPAS平台特征分析法找矿靶区预测——以大平梁外围铜钼多金属矿为例

刘申态，吕新彪，曹晓峰

（1.西藏玉龙铜业股份有限公司，西藏 昌都 854000；2.西部矿业股份有限公司，青海 西宁 810000；3.中国地质大学（武汉）资源学院，湖北 武汉 430074）

基于MORPAS平台特征分析法找矿靶区预测
——以大平梁外围铜钼多金属矿为例

刘申态1，2，吕新彪3，曹晓峰3

（1.西藏玉龙铜业股份有限公司，西藏 昌都 854000；2.西部矿业股份有限公司，青海 西宁 810000；3.中国地质大学（武汉）资源学院，湖北 武汉 430074）

通过对帕尔干布拉克地区地质条件和典型矿床研究，综合地质、物探、化探、遥感等找矿信息，建立研究区铜钼多金属矿综合信息找矿模型。选取地层、构造、物化探、遥感等13个预测变量，基于MORPAS平台采用特征分析法对研究区进行成矿预测，圈定了3个A级、2个B级和3个C级找矿靶区。研究结果表明，针对矿产少，矿床类型单一的研究区的找矿预测采用特征分析法是很有效的综合预测分析方法。

帕尔干布拉克；MORPAS；特征分析法；找矿靶区

地理信息系统（GIS）是矿产资源评价、成矿信息提取与综合的有力工具［1］。国内外开发了一系列矿产资源评价软件，如基于ArcGIS开发的ArcSDM和ArcWofe模块、综合信息成矿系列预测专家系统（KCYC）、Agterberg等提出适合于GIS平台上操作的证据权模型预测法、基于MapGIS开发的金属矿产资源评价分析系统（MORPAS）和基于MapObjects开发的GeoDAS软件［2-5］。其中，MORPAS具功能完整的金属矿产资源评价软件，为找矿靶区圈定及资源量预测、评价分析提供科学和自动化的手段［6-8］。基于MORPAS平台特征分析法是建立反映某一类型矿床特征模型来达到预测该类型矿床的目的［9，10］，适用于研究程度低的地区。最早由Botbol提出，是作为解释地物化遥感等区域性多元数据的一种方法而产生的［11］，后来麦克卡门、Botbol拉尔森对这些方法做过详细研究。此方法可应用于隐伏矿的预测、不同类型矿床找矿靶区的预测［12］。近年来，库鲁克塔格地区已发现铜钼、铜镍、金、银、铁等有色、黑色、贵金属矿床［13］。库鲁克塔格古老地块东缘帕尔干布拉克地区发现大平梁铜钼多金属矿床和一些铁矿点，该地区已开展过1∶20万地质矿产调查和化探、1∶10万物探、1∶5万化探工作❶❶新疆地矿局区域地质测量大队.巴勒衮布拉克幅［K-46-XXV］地质矿产图说明书，1965.，大平梁铜钼矿区开展1∶1万地质填图、1∶1万高精度磁测、1∶1万瞬变电磁测深（TEM）、槽探和钻探工作❷❷新疆地矿局物化探大队.新疆若羌县大平梁铜矿普查报告，2004。以上大量的地质、物化探、遥感等数据信息，如何提取有用的找矿信息，建立找矿模型，提供找矿靶区是目前该地区找矿工作亟待解决的问题。笔者基于MORPAS系统特征分析法对帕尔干布拉克地区内的铜钼多属矿床进行成矿预测，并对成矿靶区进行筛选和评价。

1 研究区地质概况

研究区位于塔里木板块与天山微板块结合部位的库鲁克塔格地区［13，14］，一级构造单元为塔里木板块，二级构造单元为库鲁克塔格中间地块，大平梁铜钼多金属矿床位于塔里木盆地北缘库鲁克塔格中间地块的早古生代前陆盆地。

2 研究区综合信息找矿模型

综合信息找矿模型包括地物化遥等四个方面的要素［14，15］。通过对帕尔干布拉克地区地质背景、典型矿床、物化探和遥感特征研究，建立综合信息找矿模型（表1）。

3 找矿靶区预测

3.1 变量的提取

3.1.1 地质变量

地层变量以矿区赋矿地层为指标，震旦系贝义西组为含矿地层，选取贝义西组作为预测变量。

表1 帕尔干布拉克地区地质-地球物理-地球化学综合信息找矿模型Table 1 Geology，geophysics and geochemistry prospecting model of Paerganbulake area

构造变量矿区内断裂发育，有NE向、NW向、NEE向、近EW向断裂。其中，EW向区域断裂控制NE向断裂展布，NE向断层起导矿-容矿作用，因此，选取NE、EW向断裂构造作为预测变量。

岩体变量与矿化有关的蚀变为矽卡岩化，故选取矽卡岩化作为预测变量。

3.1.2 地球化学变量

单元素异常变量有Cu，Mo，Au，Ag，Sn，W，Bi，As，Pb，Sb，Zn等元素异常，主成矿元素有Cu，Mo，Au。因此，选取Cu，Mo，Au作为预测变量。

多元素组合异常据“R”型聚类分析结果，选取Cu-Au-Mo元素组合和Ag-As-Sb-Bi元素组合作为预测变量。

3.2 预测变量赋值

预测变量选取后对其进行数学模型数据变换，数据变换是资源综合评价所不可缺少的工作，以解决地质数据的类型、量纲不一，数据之间的关系各异的问题，使得信息综合法得以成功应用［16］。将预测变量转换为地质统计单元模型，进行二值化处理，是将变量用数字“1”或“0”表示，当变量对成矿有利时赋“1”值，当变量对成矿不利或关系不大时赋“0”值。

地质变量的赋值研究区内的地层、岩体、构造和蚀变等地质信息，是否在各单元中存在，若存在，则赋“1”，若不存在，则赋“0”。

地球化学异常变量赋值地球化学异常属定量变量。由于特征分析法要求自变量必须是二态或三态变量，因此，本文对单元素地球化学异常和组合异常在各单元中存在时，赋“1”，否则赋“0”。

4.3 数学模型

经过变量的选取和赋值后，需建立特征分析数学模型。假设有n个模型单元，m个地质变量，第j个变量在第i个单元上的取值定为xij（i=1，2，3，4…，n；j=1，2，3，4，…，m），设它们之间满足如下线性关系：

①式中：aj（j=1，2，3，…，m）是变量xij（i=1，2，3，…，n；j=1，2，3，…，m）的权系数，它反映了第j个变量的重要性，yi为第i个单元的成矿有利度，也称为单元联系度［17］。式中各变量的全系数通常有3种方法求得：第一是矢量长度法；第二是乘积矩阵主分量法；第三是概率矩阵主分量法［18］。本文采用矢量长度法求得各变量的权系数。

由上面假设的预测模型可得出模型单元中的各变量值构成原始数据矩阵X为：

据原始数据矩阵计算匹配系数矩阵：R=X'X

③式中rkj为变量k和变量j在n个单元中两两间的匹配系数：

④式中任意一个变量与其它所有变量间的匹配系数构成一个m维向量R'=（rj1rj2rj3∙∙∙rjm）'，该向量aj长为：

⑤式中所求系数aj是变量j的权系数，将其代入成矿有利度方程中，将预测单元的各变量有利度计算出来。据此，可利用成矿有利度大小来推断预测单元的成矿可能，并对预测单元成矿有利度进行排序，从中优选出成矿有利度较大的预测单元，圈定找矿靶区。

3.4 基于MORPAS多元信息综合成矿预测

应用矢量长度法对模型单元的数据矩阵进行计算，确定预测变量的权系数（表2），建立大平梁铜钼多金属矿床的特征分析找矿模型。预测变量权系数的大小是表征矿化强弱的指标，预测变量权系数越大，表明预测变量在成矿过程中的作用越大。根据上述预测变量和其权系数建立的特征分析找矿模型，应用成矿有利度公式计算预测单元的成矿有利度值，并对各单元成矿有利度值进行排序，确定合适的阈值，然后圈定找矿靶区。

据研究区每个网格单元的成矿有利度值yi生成的等值线，作研究区靶区预测图（图1）。据成矿条件、控制因素和化探异常与成矿的关系，选取yi小于0.16作为预测阈值，若yi大于0.5，圈定为A级找矿靶区；若yi在0.3～0.5，圈定为B级找矿靶区，yi在0.16～0.3，圈定为C级找矿靶区。预测单元的yi值越大，表明形成与大平梁铜钼多金属矿相类似矿床的潜力越大。

表2 地质变量特征分析权值排序表Table 2 Feature analysis weighted of geological variable

通过特征分析得分值结果，结合地质、地球化学异常、遥感异常以及组合异常等方面进行综合考虑，本次对帕尔干布拉克地区圈定3个A级、2个B级和3个C级找矿靶区。

A-1靶区位于大平梁矿区及外围，特征分析值大于0.5，出露震旦纪贝义西组和斜长花岗岩，蚀变强烈，有矽卡岩化、大理岩化、长石化、硅化、碳酸岩化、黄铁矿化、孔雀石化及蓝铜矿化，铁染和羟基异常吻合。化探异常面积大，多元素组合异常明显，与物探、地质和遥感异常吻合。综合各成矿地质条件和异常特征认为，该地区是帕尔干布拉克地区最有利找矿地段。

A-2靶区该区出露元古代南辛格尔塔格组和下震旦统贝义西组，特征分析值大于0.5，位于背斜褶皱两翼。单元素化探异常发育，以Cu，Au，Bi，W，As异常为主，局部出现Au元素极高值，铁染和羟基异常沿岩体与地层的侵入接触带或不同地层的层间接触带分布，异常中心集中。

A-3靶区该区出露元古界扬吉布拉克组和下震旦统贝义西组，特征分析值大于0.5，蚀变作用强烈，发育矽卡岩化、褐铁矿化，局部发育孔雀石化。Cu，Au异常强烈，Cu，Au，Pb，Sn等单元素异常套合好，伴随As，Sb，Mo元素异常，与地质及物探异常吻合。

B-1靶区该区出露地层为元古界扬吉布拉克组，特征分析值为0.3～0.5。发育有钠长斑岩脉，裂隙发育，孔雀石化，羟基蚀变强度大。化探异常以Cu、Au元素为主，伴生有Pb、As、Sb、Mo等异常。

B-2靶区该区出露地层有下震旦统贝义西组、奥吞布拉克组和照壁山组，特征分析值为0.3～0.5。化探异常发育，各元素异常中心集中，铁染和羟基蚀变强烈。

C-1靶区该区出露地层为元古界南辛格尔塔格组和下震旦统贝义西组，酸性岩脉发育，特征分析值大于0.16。W，Au，Bi，Pb异常发育，羟基蚀变范围大，具备一定成矿地质条件。

C-2靶区该区出露有震旦纪育肯沟群、寒武纪西大山组和莫合尔山组，位于向斜褶皱的西翼，特征分析值大于0.16，以W，As，Mo，Zn，Pb异常为主，尤其Mo异常突出，铁染蚀变强烈，且范围广。

C-3靶区该区出露有震旦纪贝义西组和照壁山组，中酸性岩体发育，特征分析值大于0.16，化探异常较弱，但在岩体中发育有强烈的铁染异常。

图1 帕尔干布拉克地区找矿靶区图Fig.1 Map of prospecting targets in Paerganbulake area

4 靶区验证

通过野外实地查证，A1靶区已发现有大平梁铜钼多金属矿床，并在矿区西部酸性岩体中发现有孔雀石化，A2靶区内地表发现有孔雀石化、褐铁矿化，A3靶区内发现有矽卡岩化、硅化和孔雀石化及孔雀石化转石。

5 结论

通过对大平梁铜钼多金属矿床的研究，对地质、物探、化探、遥感等资料分析，总结研究区成矿规律和找矿标志，建立综合找矿模型。通过MORPAS平台，采用特征分析法进行综合信息成矿预测分析，划分出3个A级、两个B级和3个C级找矿靶区，通过靶区验证说明特征分析法针对矿产少，矿床类型单一的研究区的找矿预测是很有效的一种综合预测分析方法。

［1］肖克炎，朱裕生，宋国耀.矿产资源GIS定量评价［J］.中国地质，2000，（7）：29-37.

［2］Bonham-Carter G F，Agterberg F P，Wright D F.Weights of evidence modeling：A new approach to mapping mineral potential［C］//Agterberg F P，Bonham-Carter G F.statical Applications in the Earth Sciences.［s.l.］：Geological Survey of Canada，1989，171-183.

［3］王世称，叶水盛.综合信息成矿系列预测专家系统［M］.长春：长春出版社，1993.

［4］Agterberg F P.Combining indicator patterns in weights of evidence modeling for resource evaluation［J］.Nonrenewable Resources，1992，1（1）：39-50.

［5］Cheng Q.GeoData analysis system（GeoDAS）for mineral exploration：User’s guide and exercise manual［M/OL］.Material for the Training Workshop on GeoDAS held at York University，Toronto，Canada.http：//www.gisworld.org/geodas，2000.

［6］刘星，胡光道.应用MORPAS系统证据权重法进行多源信息成矿预测——以澜沧江南段地区为例［J］.地质与勘探，2003，39（4）：65-68.

［7］矫东风，郭忠，吕新彪，等.MORPAS支持下的甘肃临潭——宕昌地区铅锌矿床多源信息预测［J］.矿床地质.2005，24（2）：185-192.

［8］李堃，胡光道，段其发.基于MORPAS平台特征分析法的成矿远景区预测——以个旧西区锡多金矿为例［J］.地质科技情报，2009，28（4）：65-70.

［9］沈镭.特征分析法在广西南丹芒场锡-多金属矿田隐伏矿床预测中的应用［J］.地质找矿论丛，1990，5（4）：80-89.

［10］周宏坤，丁宗强，雷祖志，等.金属矿床大比例尺定量预测［M］.北京：地质出版社，1993，85-91.

［11］Botbol J M.An application of characteristic analysis to mineral exploration，proceedings of 9thinternational symposium on techniques fordecision-making in the mineral industry.Special Volume［M］. Montreal，Canada：Canadian Institute of Mining and Metallurgy，1971，92-99.

［12］赵鹏大，胡旺亮，李紫金.矿床统计预测［M］.北京：地质出版社，1994.

［13］周济元，崔炳芳，肖惠良，等.中国新疆库鲁克塔格-星星峡地区金、银和铜矿地质及预测［M］.北京：地质出版社，2001，141-153.

［14］徐志刚，陈毓川，王登红，等.中国成矿区带划分方案［M］.北京：地质出版社，2008，1-138.

［15］张良臣，刘德权，王有标.中国新疆优势金属矿产成矿规律［M］.北京：地质出版社，2006，22-48.

［16］陈永清，刘红光.初论地质异常数字找矿模型［J］.地球科学：中国地质大学学报，2001，26（2）：129-134.

［17］陈永清，陈建国，汪新国.基于GIS矿产资源综合定量评价技术［M］.北京：地质出版社，2008，198-201.

［18］池顺都，赵鹏大.应用GIS圈定找矿可行地段和有利地段——以云南元江地区大红山群铜矿床预测为例［J］.地球科学——中国地质大学学报，1998，23（2）：125-128.

Application of Characteristic Prospecting Target Prediction Based on MORPAS——A Case Study on Cu-Mo Polymetallic Deposit around Dapingliang

Liu Shentai1，2，Lv Xinbiao3，Cao Xiaofeng3
（1.Tibet Yulong Copper Company Limited，Changdu，Tibet，854000，China；2.Western Mining Company Limited，Xining，Qinghai，810000，China；3.The Faculty of Earth Resources，China University of Geosciences，Wuhan，Hubei，430074，China）

An integrated information exploring model is established to obtain metallogenic conditions in Paerganbulake area using the geological，geophysical，geochemical and remote sensing metallogenic information According to this model，13 prediction variables containing stratum，structure，geophysical，geochemical，remote sensing variables have been chosen.Then characteristic analysis method was used to predict target areas in Pareganbulake district on MORPAS system.3 A-order prospecting targets，2 B-order prospecting targets，3 C-order prospecting targets were recognized in this study.The results indicate that characteristic analysis method is effective integrated information exploring as a single type of deposit.

Paerganbulake；MORPAS；Charactertic analysis；Prospecting targets

1000-8845（2015）01-121-05

P618.51；P618.65

A

2014-01-20；

2014-03-25；作者E-mail：lstwxx@qq.com

刘申态（1984-），男，四川成都人，地质工程师，2011年毕业于中国地质大学（武汉），硕士研究生，主要从事矿山地质和成矿规律与成矿预测工作