黑龙江五一沟-驼峰山地区水系沉积物测量地球化学特征及异常评价

张 丽

(黑龙江省地球物理勘察院，哈尔滨 150036)

0 引言

研究区位于黑龙江省漠河县，属于典型的森林沼泽景观区。研究区面积为330 km2，2012年开展了1∶50 000水系沉积物测量工作，笔者重点研究水系沉积物测量元素地球化学参数、变异系数解释图以及剩余异常分量得分等值线图，对异常进行评价，为进一步找矿提供借鉴。

1 地质特征

研究区大地构造位置主体处于天山-兴蒙造山系大兴安岭弧盆系漠河前陆盆地，研究区大面积分布中侏罗统漠河组( J2m)地层，主要岩屑为中、细粒长石岩屑砂岩。研究区东部为晚侏罗世-早白垩世中基性火山熔岩、碎屑岩，分别为塔木兰沟组( J3t)、白音高老组( K1by)和甘河组( K1g)。研究区南部为二十二站组( J2er)中细粒岩屑长石砂岩。一条北东向的断裂穿过漠河组( J2m)与塔木兰沟组( J3t)的接触带上(图1)。

2 地球化学特征

2.1 地球化学参数

本次统计的地球化学参数，选择全区原始数据和迭代剔除3倍标准离差之后的数据(离群数据)，地球化学参数为11种元素的平均值、标准离差、变异系数、中位数、极大值、样品数(表1)。

剔除离群数据后的变异系数普遍较小，范围在0.2～0.4之间。原始数据中变异系数较大的元素有Au、Ag、As、Sb、Mo，变异系数均大于“1”，其中Au的变异系数高达3.337，变异系数大，说明数据离散程度大，易于富集，对成矿有利。Cu、Pb、Zn、Cd、W、Bi元素的变异系数均较小，上述元素成矿的可能性非常小。

正常情况下，数据的中位数和平均值比较接近，但是由于离群数据的影响导致两者相差较远，例如本区的Au、Ag、As、Sb、Mo等元素的原始数据的中位数和平均值相差较大，平均值大于中位数，说明上述元素高含量数据较多，通过剔除前、后的样品数对比也发现，上述元素的离群数据较多。

图1 因子得分等值线图Fig.1 Contours of factor scores

元素平均值标准离差变异系数中位数极大值样品数Au剔除前0．93．0033．3370．7100．01249剔除后0．70．2200．3140．61．21142Ag剔除前0．0860．1301．5120．0714．3241249剔除后0．0710．0240．3380．0670．1351136As剔除前10．2324．2262．3687．54785．961249剔除后7．452．7110．3647．0814．551106Sb剔除前0．932．1782．3420．4748．881249剔除后0．450．1660．3690．420．881023Cu剔除前11．84．4120．37410．835．41249剔除后11．33．6880．32610．721．51210Pb剔除前21．76．4210．29620．647．61249剔除后21．05．4510．26020．435．11203Zn剔除前56．417．7840．31553．3206．61249剔除后55．315．4070．27953．099．31227Cd剔除前0．0600．0340．5670．0500．3491249剔除后0．0510．0170．3330．0480．0981143W剔除前1．780．5700．3201．805．611249剔除后1．740．4840．2781．783．031218Mo剔除前0．942．2412．3840．8278．381249剔除后0．820．2020．2460．801．351175Bi剔除前0．230．0730．3170．230．601249剔除后0．230．0630．2740．230．391209

元素含量单位：Au为10-9，其他均为10-6；变异系数=标准离差/平均值

通过各元素剔除前、后的平均值对比发现，Au、Ag、As、Sb、Mo剔除前后的平均值相差较大，这主要是由于高含量数据较多导致的。综上所述，Au、Ag、As、Sb、Mo为最有可能成矿的元素。

2.2 元素离散特征

利用全区水系沉积物中各原始数据的变异系数(Cv1)和通过平均值加3倍方差剔除后的数据变异系数(Cv2)，反映各数据的相对离散程度。离散程度大，背景值高，成矿潜力大。以Cv1和Cv1/Cv2绘制变异系数解释图[2-4](图2)。研究区内Au、Mo的变化程度非常大，表明其高值点较多，离散程度大，局部富集成矿的可能性非常大，这与研究区内路边露头中的Au矿化相符。Ag、As、Sb变异系数也较大，存在局部富集的可能性。变异系数解释图显示的结果与元素的地球化学参数特征一致。所以本区Au、Ag、As、Sb、Mo成矿潜力较大。

图2 变异系数解释图Fig.2 Coefficient of variation of element interpretation chart

3 异常评价

研究区的异常评价采用的是剩余异常分量因子得分法，该方法可以客观地模拟、逼近地球化学元素的空间分布趋势，动态提取不同趋势背景中隐含的局部异常信息，强化叠加在区域地球化学背景场上的弱成矿信息，即局部异常，以此圈定元素异常分布，应用效果较好。

剩余异常分量因子得分法的基本思想是，首先对原始数据进行预处理，用处理后的数据做趋势面分析，提取各个元素的剩余异常分量，该过程可以在Surfer软件中完成，然后对各个元素的剩余异常分量做R型因子分析，确定元素组合，该过程可以在SPSS软件中实现，最后绘制因子得分等值线图。

趋势面分析方法认为化探数据包含3部分信息：①反映区域性变化的信息，通常受区域性的因素所决定；②反映局部性变化的信息，由局部因素所控制；③反映随机性变化的信息，由随机性因素造成。这样可以将化探观察值分解成式(1)。

Zi=Ti+Ni+ei

(1)

式中：Zi表示数据观察值；Ti表示区域性变量(背景值)；Ni表示局部性变量；ei表示随机性变量(噪声)。

趋势面分析方法的主要步骤为：①对原始化探数据进行预处理，剔除特高值，具体的做法是将累计频率95%处的分位数作为临界值，凡是大于该临界值的数据全部用临界值代替，以减小特高值对趋势拟合的影响；②用不同次数的多项式拟合处理后的数据在空间上的变化趋势，一般情况下采用2次～3次多项式拟合效果最好，该过程可以在Surfer软件的“Grid(网格化)/Data(数据)”中实现；③从观察值中提取出剩余值，剩余值是指某一采样点上观测值和经过该点的趋势值之差，该过程可以在Surfer软件的“Grid(网格化)/Residuals(剩余值)”中实现[5]。

R型因子分析是一种划分元素共生组合的有效手段和方法，反映了研究元素之间内在成因联系[6-7]。因子分析可行性检验，一般采用Bartlett球形和KMO来检验数据是否适合作因子分析，KMO越接近于1效果越佳，概率P越小代表数据之间相关性越强。研究区内化探数据的KMO=0.719，概率P=0，适合做R型因子分析。根据因子分析的主因子解，按累计方差贡献率>85%的标准进行提取，得到因子解释原有变量总方差情况(表2)，因子分析初始解(表3)显示，各元素信息损失均较小。研究区共提取了6个主因子，其累计方差贡献率为86.432%。

根据旋转后因子载荷矩阵(表4)解释因子如下：

1)F1因子方差贡献率为31.205%，为研究区占主要地位的因子，元素组合为Au、Ag、As、Sb，Au、Ag为成矿元素，As、Sb为伴生元素，As、Sb为原生晕的前缘晕元素。F1反映的是Au、Ag矿化信息。

表2 因子解释原有变量总方差情况

表3 因子分析初始解

表4 旋转后因子载荷矩阵Tab.4 Factor loading matrix after circum volving

2)F2因子方差贡献率为15.951%，元素组合为Cu、Zn，属于亲铜元素，反映了研究区中基性火山岩的特征，从研究区实际矿化角度看，成矿的可能性较小。

3)F3因子方差贡献率为11.922%，元素组合为W、Bi高温元素组合，地球化学性质相近，易在酸性岩体中富集。

4)F4方差贡献率为9.270%，元素为Pb；F5方差贡献率为9.093%，元素为Mo；F6方差贡献率为8.990%，元素为Cd，Cd为极为分散元素，一般以类质同像的形式置换闪锌矿中的锌。

因子得分值反映了每个样品在各种地质作用中的属性，是勘查地球化学中经常应用的参数之一，因子得分绝对值越高说明该因子代表的地质过程在样品上的表现越强烈[8]。通过SPSS软件统计出各个样品在6个主因子上的得分，根据因子得分大小绘制因子得分等值线图。图2为剩余异常分量因子F1、F5得分等值线图。

通过图2发现，因子F1异常面积较大，可分为Ⅰ、Ⅱ两个区，均位于北东向的断层附近，同时在漠河组( J2m)岩屑砂岩、塔木兰沟组( J3t)角闪安山岩的接触带上，地质条件对成矿有利。因此我们开展了进一步的查证工作，Ⅰ区通过开展1∶10 000土壤地球化学测量、地质简测、高精度磁法测量、激电中梯测量和槽探等工作，发现两处金矿化点(图3)，金矿化点附近的F1因子得分分别为3.750、2.009，得分值均较高，与地形图对比发现，得分值为3.750主要是由上游1号金矿化点的作用，同样，得分值为2.009主要是由上游2号金矿化点的作用。剩余异常分量因子得分值作为几种相关性较好的元素的综合值能够快速有效地圈定矿致异常。

图3 Ⅰ区因子得分等值线图Fig.3 Contours of factor scores in Ⅰarea

Ⅰ区1∶10 000土壤测量结果显示(图4)，1号金矿化点处，金砷锑元素存在明显的异常，尤其是锑异常强度非常大，锑含量为134.15×10-6，Sb为原生晕的前缘晕，说明下部的矿(化)体未受到剥蚀或剥蚀较浅。1号金矿化点金品 位为0.82 g/t，矿化体宽度约为1m，长约50 m～100 m，呈北西向展布，赋矿地层为中侏罗统漠河组中细粒岩屑砂岩。2号金矿化点处，Au、Ag、As、Sb元素均存在大面积异常，Au异常强度最大，Au含量大于10×10-9共有23处，极大值为52.9×10-9。2号金矿化点金品位为0.59 g/t，宽度约为1 m，长约50 m～100 m，呈北西向展布，赋矿地层为中侏罗统漠河组细砾岩。上述两处金矿化点均发育多条低角度的平行逆断层以及石英细脉，矿化蚀变有硅化、褐铁矿，推测金矿化为破碎蚀变岩型。

Ⅱ区F1因子得分值最高为32.964，该点Au含量为100.0×10-9、Ag含量为4.324×10-6、As含量为785.96×10-6、Sb含量为48.85×10-6，Au、Ag、As、Sb元素含量均较高，后期开展了土壤剖面测量工作，所有元素的异常强度均降低，其中Au最大值为41.2×10-9，Ag最大值为1.904×10-6、多数异常分布于沼泽附近，由于该区位于小丘古拉河附近，地势低缓，腐殖质发育，腐殖质易吸附Au等元素，易造成诸多假异常，因此未开展槽探验证工作。

4 结论

1)通过元素地球化学参数特征、变异系数解释图等方法能够确定主成矿元素。

2)剩余异常分量得分等值线图能够准确地显示矿化信息。

3)通过图4显示，Au异常强度和面积比Sb异常强度和面积均小，但通过Sb异常寻找到Au矿化点，因此，Sb异常是寻找此类金矿的重要找矿标志。

4)虽然本区为森林沼泽景观区，覆盖较厚，但水系沉积物测量、土壤地球化学测量是快速有效的化探方法，能够明确找矿方向，缩小找矿范围，为找矿工作提出重要的指示作用。

图4 Ⅰ区1∶10 000土壤地球化学测量金银砷锑元素异常图Fig.4 Element anomaly maps of Au，Ag，As and Sb of 1∶10 000 geochemical soil survey in Ⅰarea

参考文献：

[1] 吴越，张均，胡鹏. 剩余异常分量因子得分方法在西秦岭凤-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 study of the western part of the feng tai ore concentration area in west qinling mountains[J].Geophysical and Geochemical Exploration,2010,34(3):340-343.(In Chinese)

[2] 崔晓亮，刘婷婷，王文恒，等. 东昆仑布青山地区水系沉积物测量地球化学特征及找矿方向[J].物探与化探，2011，35(5)：573-578.

CUI X L,LIU T T,WANG W H,et al.Geochemical characteristics and ore search prospects of buqingshan area in qinghai province based on stream sediment survey[J].Geophysical and Geochemical Exploration,2011,35(5):573-578. (In Chinese)

[3] 张运强，陈海燕，张立国，等. 冀北新杖子地区水系沉积物地球化学特征及找矿预测[J].中国地质，2015，42(6)：1980-1988.

ZHANG Y Q，CHEN H Y，ZHANG L G，et al.Geochemical characteristics of stream sediments and prognosis of Xinzhangzi area，northern Hebei province[J].Geology In China，2015，42(6)：1980-1988.(In Chinese)

[4] 刘劲松，邹先武，汤朝阳，等. 大巴山地区水系沉积物地球化学特征及找矿方向[J].中国地质，2016，43(1)：249-260.

LIU J S，ZOU X W，TANG CH Y，et al.Geochemical characteristics of stream sediments and ore-prospecting orientation indaba mountain area[J].Geology In China，2016，43(1)：249-260.(In Chinese)

[5] 杨震，胡光道，杨红波，等. 剩余异常分量因子分析法在个旧西区化探异常提取中的应用[J].地质科技情报，2013，32(6)：36-41.

YANG Z,HU G D,YANG H B,et al.Application of residual anomaly component factor analysis method to the extraction of geochemical anomaly information from gejiu western area[J].Geological Science and Technology Information,2013,32(6):36-41. (In Chinese)

[6] 董庆吉，陈建平，唐宇，等. R型因子分析在矿床成矿预测中的应用-以山东黄埠岭金矿为例[J].地质与勘探，2008 (04)：64-68.

DONG Q J,CHEN J P,TANG Y,et al.Application of R type factor analyses in mineralization prognosis by an example of Huangbuling gold deposit Shandong province[J].Geology and Prospecting,2008(04):64-68. (In Chinese)

[7] 戴慧敏，鲍庆中，宫传东，等. 因子分析法对内蒙古查巴奇地区水系沉积物地球化学分区的应用研究[J].现代地质，2010， 24(2)：245-251.

DAI H M ,BAO Q Z,GONG C D,et al.Study of applying factor analysis method to the geochemical division in stream sediments in the Chabaqi Area of Inner Mongolia[J].Geoscience,2010, 24(2):245-251. (In Chinese)

[8] 魏浩，徐九华，刘振刚，等. 内蒙古凉城县草几坝一带土壤化探的数学地质分析[J].地质与勘探，2011， 47(3)：473-482.

WEI H ,XU J H,LIU Z G,et al.Analysis of mathematical geology for soil geochemistry in the caojiba area of Liangcheng County,Inner Mongolia[J].Geology and Prospecting,2011, 47(3):473-482. (In Chinese)