剩余异常分量因子得分法在浅覆盖区地质填图及找矿靶区优选中的应用

尹国良， 杨文鹏， 赵 超， 张俭峰， 陈丽丽， 王恩宝

(黑龙江省地质调查研究总院，哈尔滨 150036)

0 引言

黑龙江大兴安岭地区总体属于森林-沼泽浅覆盖区，其特殊的地质景观条件， 一定程度上制约着区域地质填图及找矿勘探工作，一直以来地质工作程度较低，没有取得重大找矿突破。近年来，开展的新一轮国土资源大调查项目中，明确将“探索森林-沼泽浅覆盖区区域地质矿产调查技术方法”列为地质调查工作任务的一项。鉴于此，笔者依托项目获得的地质成果，从化探角度出发，进行深入的剖析与探索研究，以期为类似地区地质填图及找矿勘探工作提供一些基础的地质资料及有益的探讨。

1 区域地质概况

研究区位于多宝山成矿亚带内，出露地层主要有上石炭统-下二叠统大石寨组变质中性、酸性火山岩；下白垩统九峰山组细砂岩、粉砂岩、凝灰砂岩，甘河组基性火山岩及福民河组流纹岩；上新统西山玄武岩，第四系现代河床及河漫滩堆积层。

变质岩主要为科洛混杂岩。侵入岩主要有华力西中晚期花岗闪长岩、二长花岗岩、正长花岗岩，燕山早期花岗闪长岩。区域构造主要为NE、NNE向，另有近EW、SN向次级断裂， 脉岩主要有正长斑岩、闪长玢岩及花岗斑岩(图1)。

2 化探数据处理与制图

研究区总面积为670 km2，1∶50 000土壤测量采样密度为9点/km2，样品均采自C层(母质层)顶部，共采取样品5 062件，测试分析Au、Ag、As、Sb、Hg、Cu、Pb、Zn、W、Mo、Bi、Cd、Cr、Ni、Mn、Sn、V、Ti等18种元素，各元素分析方法、检出限及分析准确度、精密度等达到相关规范[1]要求。化探数据处理的最终目的是将异常和背景区分开来[2]，传统的异常下限求取方法是在化探数据满足正态分布或对数正态分布时，采用母体的背景平均值加上K倍标准方差，然而元素背景值受成矿压力及温度等地质因素影响，往往呈一定的升降趋势，致使某些矿致的弱小异常无法被显现出来[3]。

图1 大卜场地区地质矿产略图Fig.1 The sketch map of geology and mineral resources in Dapuchang area

笔者对所获得的成果数据进行剩余异常分量R型因子分析，该方法目前已在个旧陡岩地区、阿荣旗谢永贵家庭农场、西秦岭凤-太矿集区找矿靶区优选中得到应用并取得了较好的找矿效果[4-6]。具体流程如下：①对原始化探数据进行剔除特高值等预处理；②运用趋势面分析方法对预处理过的数据进行分析，得到局部异常分量(剩余异常分量)；③对剩余异常分量进行R型因子分析并计算因子得分；④绘制因子得分等值线图，据因子得分的高低圈定找矿靶区；⑤对各靶区进行综合解释并验证。

2.1 趋势面分析

趋势面分析方法可以避免某些矿致弱小异常被掩盖，趋势面分析最早于1969年用于化探数据整理[7]，该方法认为一个具体的元素分析数据，由构造、地层、岩石等复杂的区域背景等地质因素控制的区域地球化学场、局部性变化的局部异常(即剩余异常分量)和偶然性变化因素(样品加工、噪声)等三部分组成[8-9]。根据元素含量的空间分布特征，求出趋势面方程，拟合趋势面，用趋势面作为反映受区域性变化规律控制的区域地球化学背景。

对某一具体研究母体，化探数据中的个别离群样品值(特高值)对趋势面的形态会产生重要影响，使拟合而成的趋势面不能客观地代表区域地球化学背景，致使局部异常减弱或增强[10]，因此运用趋势面方法拟合趋势面之前，对本区5 062件样品原始分析数据进行剔除特高值处理，采用低值总体累积频率百分位为95%分位值代替特高值[2]。而后对预处理的数据拟合趋势面，经笔者多次测试认为对预处理化探数据进行三次趋势面拟合后应用于本研究区的效果较好。剩余值(即残差)，为某一位置上原始数据值与该点经过拟合趋势面的趋势值之差值，通过赵鹏大院士[8]提出的方法对随机分量进行过滤，保留有实际意义的剩余异常分量。以上过程可通过统计软件Surfer8.0得到[11]。

2.2 因子分析

因子分析是一种多元统计方法，能够从纷繁复杂的多变量中提取若干共性因子，获取隐性变量，每个共性因子代表了一类成矿元素共生组合[12-13]，笔者对上述所获得的5 062件样品的18种元素的剩余异常分量进行R型因子分析,在分析之前进行了KMO和Bartlett球形检验(表1)。

表1 KMO和Bartlett检验表

根据Kaiser给出的常用的KMO度量标准：0.9非常适合；0.8适合；0.6不适合，结合表1，KMO值为0.812，相应的概率值Sig.为0.000。可知所选研究区数据适合做因子分析，采用最大方差法正交旋转对主成分轴进行旋转使负荷值向两极(0或±1)分化，经正交旋转后每个公因子的典型元素组合更加明显，地质意义更加清晰[14]。

所提取的5个因子共解释了原有18个变量元素总方差的89.084%(表2),基本代表了原有变量所反映的大部分信息,因子分析效果较好,继而对初始因子负荷进行最大方差法正交旋转(表3),通过所选因子的协方差矩阵(表4)可以看出,5个因子之间无明显的线性相关性,表明这5个因子可代表研究区的5种元素组合类型，各因子指示了研究区不同的地球化学特征及意义。

表2 因子解释原有变量总方差情况

提取方法：主成份分析

表3 最大方差法正交旋转负荷矩阵

提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。a. 旋转在 6 次迭代后收敛。

表4 因子得分协方差矩阵

提取方法 :主成份。 旋转法 :具有Kaiser标准化的正交旋转法构成得分。

由表3可知，在∣负荷∣≥0.4时，各因子的元素组合类型为：F1(As、Sb、Bi、W、Mo)；F2(Cu、Ni、Ti、Cr)；F3(Ag、Pb、Sn、V)；F4(Zn、Cd、Mn)；F5(Au、Cu、Hg)。同时计算各因子对应于原始分析数据的剩余异常分量因子得分，绘制各因子得分等值线图。

3 解释及推断

F1因子组合为As、Sb、Bi、W、Mo，方差贡献率为25.421%，对总方差贡献最大，是对成矿地质背景解释能力最强的因子，是一组与岩浆热液成矿作用有关的As、Sb低温成矿元素组合及Mo、W、Bi高温成矿元素组合类型，表明研究区存在两期热液活动及成矿作用。As、Sb主要与区内的低温热液及构造断裂活动有关，而Mo、W、Bi主要与区内酸性岩类侵入体构造断裂活动有关，结合单元素异常特征分析，Mo、W、Bi元素构成本区的主成矿元素。

F1因子得分的高背景区、高值区分布于华力西中晚期花岗闪长岩、二长花岗岩、碱长花岗岩、中酸性脉岩及南部科洛杂岩分布区，表明研究区As、Sb、Bi、W、Mo等元素组合沉淀、分散聚集与这类岩体有关，据此可大致推断花岗岩岩体、中酸性脉岩、科洛杂岩发育区。另外研究区北西部分布两处因子得分高值区，应为福民河组酸性潜火山岩区。

在铜矿化点周围F1因子得分呈明显的低值、极低值区，这与燕山早期花岗闪长岩、花岗闪长岩脉等岩体空间分布位置相吻合；北部低值区与科洛杂岩空间分布位置基本一致。因此,F1因子不仅描述了中酸性侵入岩的主要分布区域，而且还表明了不同时代酸性侵入岩物质成分、变质程度上的差异性以及两次与热液事件有关的成矿作用。

研究区中部发育一NE向带状F1因子得分较高区,与区域上NE向的贺根山-黑河蛇绿混杂岩带走向一致。同时研究区西部及东部分布四组NW及NE向串珠状得分极高值区异常带，可能为四组与As、Sb、Mo、W、Bi矿化有关的断裂构造带。

因子得分越高，表明其成矿的可能性就越大，因此据F1因子得分结果,于本区筛选较好As、Sb、Mo、W、Bi元素组合异常区7处，如图2所示。其中较有前景的有2 处：Ⅲ区、Ⅵ区。Ⅲ区异常浓集中心明显，异常强度较大，与花岗岩类侵入体及中酸性脉岩空间位置耦合较好，同时区内发育NE及NW向两组断裂构造，岩浆活动及断裂构造的交汇部位，为成矿元素的沉淀提供了充分的物源基础与富集场所。Ⅵ区浓集中心分布零散，异常强度一般，呈北北东向带状展布与二长花岗岩及大石寨组变酸性火山岩接触带位置一致。

图2 F1因子得分等值线图Fig.2 Score isoline map of factor F1

图3 F2因子得分等值线图Fig.3 Score isoline map of factor F2

图4 F3因子得分等值线图Fig.3 Score isoline map of factor F3

F2因子组合为Cu、Ni、Ti、Cr，方差贡献率为20.051%，是对总方差贡献第二大的因子，这类元素主要存在于基性及中基性岩浆中，在岩浆分异作用的早期便晶出来。该因子得分的高背景区、高值区与第三系西山玄武岩及早白垩世甘河组玄武岩、玄武安山岩等岩性的空间分布位置基本吻合。本区存在已知铜矿化点也证明一定程度的铜矿化作用，Cu元素在F5因子中也有体现，说明Cu的析出不止一次，应是多期多阶段成矿作用的产物。

据F2因子得分结果,于本区筛选较好Cu、Ni、Ti、Cr元素组合异常区6处，如图3所示。

F3因子组合为Ag、Pb、Sn、V，方差贡献率为18.987%，是与中低温-中高温岩浆热液成矿作用有关的一组元素组合类型。因子得分在空间分布上没有明显的规律性，局部地段聚集明显，在因子得分的高值区域，筛选较好Ag、Pb、Sn、V元素组合异常区2处，如图4所示。

图5 图5 F4因子得分等值线图Fig.5 Score isoline map of factor F4

图6 F5因子得分等值线图Fig.6 Score isoline map of factor F5

Ⅰ区异常面积较大，异常浓集中心、分带明显，异常强度较高，呈近南北向的条带状，与F1因子Ⅲ号异常区空间位置基本一致，成矿地质条件相当。

F4因子组合为Zn、Cd、Mn，方差贡献率为15.188%，较高的因子得分区域与下白垩统九峰山组地层空间分布基本一致，说明这类组合元素的分散聚集与这类地质体有关，是反映研究区沉积-风化作用信息的一类因子。中部分布二组北北东及北西向串珠状因子得分高值区异常带，受NNE及NW向二组构造断裂控制明显。据F4因子得分结果,于本区筛选较好Zn、Cd、Mn元素组合异常区3处，如图5所示。

F5因子组合为Au、Cu、Hg，方差贡献率为9.446%，是与中低温热液成矿作用有关的一组元素组合类型，以Au、Cu矿化为主的矿化因子。据F5因子得分结果,于本区筛选较好Au、Cu、Hg元素组合异常区3处，如图6所示。Ⅰ区异常面积较大，异常浓集中心、分带明显，异常强度较高，呈北东向的条带状展布，与F1因子Ⅲ号及F3因子Ⅰ号异常区空间位置基本相当，除与F1因子Ⅲ号异常区具有相同的地质条件背景外，亦有甘河组火山岩及九峰山组沉积岩发育。Ⅱ区异常面积亦较大，异常浓集中心、分带明显，异常强度较高，呈北西向的条带状展布，受NW向构造断裂，华力西中晚期二长花岗岩，下石炭-上二叠统大石寨组火山岩控制明显。NW向构造断裂部位有利于含矿热液的运移与成矿元素的富集沉淀。

综上所述，结合研究区单元素异常、地质背景对F1矿化因子Ⅲ号异常区、F3及F5矿化因子Ⅰ号异常区进行整合，圈定本区以Au、Cu、Mo为主成矿元素，As、Sb、Ag、Pb等为主要伴生元素的综合找矿靶区1处，其成矿元素组合好，异常强度高，范围较大，成矿地质条件有利，优选为一级找矿靶区；对F1矿化因子Ⅵ号异常区、F5矿化因子Ⅱ号异常区进行整合，圈定以Au、Cu为主成矿元素，As、Sb、W、Mo等为主要伴生元素的综合找矿靶区1处，其成矿元素组合较好，异常强度中等，范围较大，成矿地质条件有利，优选为二级找矿靶区。

将F2因子Ⅳ、Ⅴ、Ⅵ异常区与已知铜矿化点结合进行充分的研究对比，铜矿化点落于该因子得分的高值区域中。从铜矿化点的成矿地质条件分析，于铜矿化点外围燕山早期花岗闪长岩、华力西中晚期二长花岗岩等侵入接触带位置，脉岩发育区域圈定3处以Cu为主成矿元素的找矿靶区，其异常强度中等-中等偏高，成矿地质条件较有利，结合以上对F2因子得分的分析，其地质成矿作用较弱，故较有希望发现铜矿体(矿化体)，优选为三级找矿靶区。

4 对比及验证

剩余异常分量因子得分法既考虑了地球化学背景场和偶然性变化因素，又表达出了元素之间的内在联系，在不漏失原有地球化学信息的前提下，找出能反映它们内在联系和起主导作用的少数变量组合(即因子)，用以来表达冗余复杂的地球化学信息，笔者所提取5个因子不同程度反映了研究区岩浆岩、变质岩和沉积岩等地质体岩性分布特征以及控矿断裂构造带特征并依此绘制了本区的地球化学推断地质图(图7)，与作者1∶50 000路线地质调查实际工作中所圈定的地质体相比，其分布的空间位置基本吻合，范围较实际工作中确定的地质体面积略大，这与岩体的风化和元素的迁移有关。

图7 地球化学推断地质图Fig.7 Geologic map inferred from geochemistry

图8 研究区Mo异常图Fig.8 Anomaly map of Mo in the study area

将剩余异常分量因子得分法所圈定的地球化学异常与传统平均法圈定的异常(图8)进行对比，该方法有效地凸显了弱小异常，同时揭示出了成矿元素的共生组合关系，将深层次的矿化及地球化学信息进行了充分的提取。

在研究区圈定了以Au、Cu、Mo为主成矿元素及以Au、Cu为主成矿元素的综合找矿靶区2处，以Cu为主成矿元素的综合找矿靶区3处，对Au、Cu、Mo为主成矿元素的综合找矿靶区经槽探工程揭露，以0.01%含量为边界品位圈出4条钼矿化体(ⅠMokh～ⅣMokh)(图9)，矿体最宽为7 m，平均品位0.015%，剩余异常分量因子得分法圈定的找矿靶区找矿效果非常显著。

图9 矿化体分布图Fig.9 Distribution map of the mineralization deposit

[1] 中国地质调查局.地球化学普查规范(1∶50000)(DD2009-xx,报批搞) [S]. 2009：18-21. The Bureau of China Geological Survey. Specification for geochemical survey(1：50000)(DD2009-xx, To engage in approval)[S].2009：18-21. (In Chinese)

[2] 王小敏,张晓军,华杉,等.小波勒山地区1：5万地球化学数据处理与异常评价[J].地质与勘探,2010,46(4):680-685. WANG X M,ZHANG X J,HUA S,et al.Geochemical data processing and anomaly evaluation in Xiaobole area[J]. Geology and Prospecting, 2010,46(4):680-685. (In Chinese)

[3] 史长义,张金华, 黄笑梅.子区中位数衬值滤波法及弱小异常识别[J].物探与化探,1999, 23(4):250-257. SHI C Y,ZHANG J H,HUANG X M.Subregion median contrast filtering method and recognition of weak anomalies [J].Geophysical and Geochemical Exploration, 1999, 23(4):250-257.(In Chinese)

[4] 杨震,杨明国,胡光道,等.因子得分趋势面分析法提取个旧陡岩地区岩石化探异常[J].地质科技情报,2016, 35(1):17-21. YANG Z,YANG M G,HU G D,et al.Rock geochemistry anomaly extraction by factor score trend surface analysis in Douyan of Gejiu[J].Geological Science and Technology Information,2016,35(1):17-21.(In Chinese)

[5] 吴跃,张均,胡鹏.剩余异常分量因子得分法在西秦岭-凤太矿集区西段化探找矿靶区优选中的应用[J].物探与化探,2010, 34(3):340-343. WU Y,ZHANG J,HU P.The application of residual anomaly component factor score method to the optimization of prospecting target areas:a case dtudy of the western part of the Fengtai ore concentration area in West Qinling mountains[J].Geophysical and Geochemical exploration,2010, 34(3):340-343. (In Chinese)

[6] 刘波,乔宝成,姜治民,等.阿荣旗谢永贵家庭农场一带土壤化探的数学地质异常提取[J].矿床地质,2013, 32(6):1300-1307. LIU B,QIAO B C,JAING Z M,et al.Mathematical geology anomaly extraction for soil geochemistry in Xie Yong-gui family farm area of Arun Banner,Inner Mongolia[J].Mineral Deposits,2013, 32(6):1300-1307. (In Chinese)

[7] 蒋敬业,程建萍，祁士华,等.应用地球化学[M].武汉:中国地质大学出版社,2006,121-132. JIANG J Y,CHENG J P,QI S H,et al.Applied geochemistry[M].Wuhan:China University of Geosciences press ,2006,121-132. (In Chinese)

[8] 赵鹏大.定量地学方法及应用[M].北京:高等教育出版社,2004,54-57. ZHAO P D.Quantitative Geological Method and Its Application[M].Beijing: High Education Press, 2004,54-58. (In Chinese)

[9] 李随民,姚书振,韩玉丑,等.Surfer软件中利用趋势面方法圈定化探异常[J].地质与勘探,2007, 43(2):72-75. LI S M,YAO S Z,HANG Y C,et al.Using tendency analysis method to deal with Geochemical data based on the Surfer softw are[J]. Geology and Prospecting,2007, 43(2):72-75. (In Chinese)

[10]李方林,鲍征宇.地球化学空间数据处理原则及软件系统[J].地球科学-中国地质大学学报,1999,24(3):712-715. LI F L,BAO Z Y.Principles system of geochemical spatial data processing and software[J].Earth Sciences Journal of China University of Geosciences,1999,24(3):712-715. (In Chinese)

[11]王建. Surfer 8地理信息制图[M]. 中国地图出版社, 2004. WANG J. Geographic information mapping For Surfer8[M].China Mapping press,2004.(In Chinese)

[12]祁轶宏,李晓晖, 霍立新.因子分析与地统计学在化探数据分析中的应用[J].安徽地质,2013, 23(2):112-115. QI Y H,LI X H,HUO L X.Application of factor analysis and geostatistics to geochemical data annalysis[J].Geology of Anhui, 2013, 23(2):112-115. (In Chinese)

[13]赵少卿,魏俊浩,高翔,等.因子分析在地球化学分区中的应用[J].地质科技情报,2012, 31(2):29-30. ZHAO S Q,WEI J H,GAO X,et al.Application of factor analysis in geochemical zoning[J]. Geological science and technology information,2012, 31(2):29-30. (In Chinese)

[14]李宾,李随民,韩腾飞,等.趋势面方法圈定龙关地区化探异常及应用效果评价[J].物探与化探,2012,6(2):202-207. LI B,LI S M,HANG T F,et al.The application of trend surface analysis to delineating geochemical anomalies in Longguan area and its effect[J]. Geophysical and Geochemical exploration,2012, 6(2):202-207.(In Chinese)