江西九瑞铜多金属矿田地球化学异常信息提取与评价

熊燃，吴文钧

（1.江西地勘局赣西地质调查大队，江西南昌 330030；2.江西省地矿资源勘查开发中心，江西南昌330030）

如何科学有效地从海量地球化学信息中快速准确地筛选评价异常并进一步确定找矿靶区，是决定找矿成果的关键。在区域化探工作早期，筛选评价的对象主要是些“高大全”的异常，围绕异常规模及浓集分带，并结合成矿地质条件和解译者个人经验进行异常评价，该方法简单易行、评价直观，在找寻地表矿阶段十分有效。随着找矿重点逐渐由地表矿转向寻找隐伏、半隐伏和难识别矿，一些新的化探异常筛选评价法不断涌现，如任天祥［1］等依据已知典型矿区标型元素特征，制作典型矿区矿化相似度异常图，以异常的相似性指标筛选有望的矿化异常；在弱小异常识别方面，史长义等提出了子区中位数衬值滤波法［2］，采用子区模拟背景场的空间变异，以衬值为基准度量场值的起伏变化，较好地解决了弱小异常的识别问题。

1 区域地质背景

九瑞矿田地处扬子准地台下扬子台坳中部、长江断裂带南缘。区内地层出露齐全、地质构造复杂、燕山期岩浆（121Ma～145Ma）［3-5］活动频繁，使该区成为长江中下游成矿带重要的铜多金属找矿远景区之一。沿长江断裂分布有城门山、武山、丰山洞、洋鸡山、丁家山等一系列与中酸性岩体有关的斑岩型、矽卡岩型、块状硫化物型铜多金属矿床。其中，城门山和武山铜多金属矿床均达大型规模，最具代表性。

2 地球化学异常信息提取

2.1 典型矿床元素衬度异常量

衬度异常量定义为元素的面金属量与剩余异常的比值，与谢学锦院士提出的规格化面金属量［6］（NAP值=异常规模/背景值）类似但有所区别，即除去背景的剩余异常引起的NAP值［7］，简称为RNAP（Residual NormalizedArealProducivity）。

以1：20万水系沉积物元素数据以及地球化学图件为基础，统计主要元素在城门山、武山和丰山洞等处的地球化学参数，包括元素异常面积、形态、面金属量以及衬度异常量见表1。从各元素衬度异常量统计结果可以看出：

（1）成矿元素的异常面积、面金属量及组合分带的清晰程度与城门山、武山、丰山洞大型铜多金属矿床地表的矿化规模有关。

（2）有内、中、外带异常的元素与矿床的主成矿元素及主要伴生元素相对应。

（3）衬度异常量高的元素为矿床的主成矿元素：城门山（Cu-Mo-Au）、武山（Cu-Au-Ag），丰山洞（Cu-Mo）。

表1 九瑞矿田已知矿床元素地球化学特征Tab.1 Geochemical characteristics of elements in known deposits of Jiujiang-Ruichang orefield

（4）以Cu-Mo为主的矿床如城门山、丰山洞，以Cu-Au为主的矿床如武山，两者元素衬度异常量的组合和数值差异明显，可以通过矿床（点）元素衬度异常量的组合和高低判断矿种类型。

综上所述，应用1：20万水系沉积物地球化学数据，可以提取出丰富的地球化学信息，RNAP值（衬度异常量）对于判别矿床或矿田的主成矿元素和伴生元素有显著效果，因此可以利用衬度异常量这一参数对预测区的矿种类型进行预测。

2.2 剥蚀程度判别

以元素1：20万水系沉积物地球化学图为统计底图，计算各元素在典型矿床处的衬度异常量，以该区典型矿床岩石原生晕中能表征矿头→矿体→矿尾过渡的As-Sb-Hg、Cu-Pb-Zn、W-Sn-Mo三组元素作为端元值，将其衬度异常量进行累加，并换算为三角百分比结果，根据各矿床（点）在三角图解上的投影位置判别矿床相对剥蚀程度。

九瑞矿田“三位一体”铜矿床矿头-矿体-矿尾晕元素组合三角图解上清晰显示,见图1。丰山洞、城门山、狮子岛剥蚀程度相近，较其它矿床（点）剥蚀程度更深，若假定靠近As-Sb-Hg顶端剥蚀系数F为0，靠近W-Sn-Mo顶端剥蚀系数F为1，则丰山洞、城门山、狮子岛与阳新岩体剥蚀系数0.4，丁家山、通江岭、武山、东雷湾系数为0.1，剥蚀系数越大说明剥蚀程度越深，反之越小，图示的判别结果与九瑞矿田的实际情况相符。

图1 九瑞矿田相对剥蚀程度三角图Fig.1 Triangulation of relative denudation degree in Jiujiang-Ruichang ore field

2.3 相似度判别

数学领域中常采用相似性来衡量两个样本之间的异同，同样也能用于评价区域地球化学样本间的相似程度。任天祥（1998）［1］等研究表明：矿田中典型矿床的矿化信息应在水系沉积物的某些典型样品中得到良好反映，以最能反映矿化信息的典型样品作为标志，可以评价未知区矿化与否以及矿化强弱。具体方法就是要确定未知样本与典型矿区的标准样本之间是否相似，为此引入了相似系数这一参数［7-8］。

针对此次研究目的选取武山铜矿作为典型矿床，标准样本的元素组合选取在武山铜矿范围内水系沉积物异常元素浓集中心清晰且能够表征矿化信息的元素为标型元素，元素异常均值作为标型元素的含量特征值，则武山铜矿床标准样本元素组合及取值为Cu314.1×10-6、Au12.8×10-9、Ag702.5×10-9、Pb118.3×10-6、As124.5×10-6、Sb15.8×10-6。

样品与标准样本间相似程度可以用一距离函数表示，设标准样本（S）与第i个样品之间的距离为D(Si)，共有P个元素变量，变量值为X，则有

这一公式实际表示样品与标准样本间的欧式距离，D(Si)值越大，未知样品与标准样本间的相似程度越低，反之亦然。为了便于成图与说明问题，作下式变换，这样R值越大表示相似程度越高，R即为相似系数。

计算区域内所有样点与标准样本相似性函数，并利用相似系数R制作研究区各典型矿床矿化相似性异常图。图2为武山典型铜矿床相似度图，图中异常不仅对应区内已探明的各类型铜矿床，同时对某些矿化点信息-如东雷湾（宝山）、通江岭、狮子岛也有很好异常显示。综上所述，相似度图不仅很好的示踪已知矿床（矿化点），而且根据相似程度高低对区域异常筛选，还能进一步判定是否为有望的矿化异常，并确定其矿化类型和矿化强弱。

图2 武山典型矿床相似度图Fig.2 Similarity map of typical ore deposits in Wushan

2.4 弱小异常识别

传统地球化学图采用统一的异常下限圈定异常，其不足之处在于没有充分考虑地质单元的差异性和元素分布的不均一性。为了凸显低缓异常隐含的成矿信息，以“窗口技术”为基本思想，其原理即是把地球化学背景看作连续变化的曲面，以小窗口为局部噪音，以大窗口为局部背景来拟合背景变化趋势，应用小窗口与大窗口的比值作为衬值，以此圈定异常［2］。衬值图不仅可以大大凸显强异常，更能有效识别出具有成矿意义的弱小异常，对于低背景区的找矿实践具有重要指导意义。

图3 Cu-Mo-Au-Ag-Pb-Zn组合衬值图Fig.3 Cu-Mo-Au-Ag-Pb-Zn composite contrast map

本次预测工作在单元素衬值图的基础上，根据典型铜矿类型及伴生的重要指示性矿化元素，完成了研究区Cu-Mo-Au-Ag-Pb-Zn元素的组合衬值图。从图3可以看出：元素组合衬值图不但能清晰地圈出已知矿床（矿化点）的空间位置，而且各元素衬值异常在大中型矿床（点）的套合程度高。因此，组合元素衬值图对预测区的优选具有很好的约束作用，选择套合程度较高的未知区作为预测区，将大大提高预测区圈定的可信度。

3 矿田地球化学异常评价指标

（1）RNAP值（衬度异常量）对于判别矿床或矿田的主成矿元素和伴生元素有显著效果，因此可以利用衬度异常量这一参数对预测区的矿种类型进行预测。

（2）尾晕（W-Sn-Mo）-矿体晕（Cu-Pb-Zn）-头晕（As-Sb-Hg）的三角投点可用来判别相对剥蚀程度，较直观体现预测区剥蚀情况和保存现状。

（3）以Cu、Au、Ag、Pb、As、Sb为标型元素完成的武山典型矿床相似度图，通过对比相似程度高低对区域异常进行筛选，能进一步判定是否为有望的矿化异常，并确定其矿化类型和矿化强弱。

（4）Cu、Mo、Au、Ag、Pb、Zn组合元素衬值对预测区的优选具有很好的约束作用，选择套合程度较高的未知区作为预测区，降大大提高预测区圈定的可信度。

4 结论

（1）以区域成矿地质背景为基础，根据不同类型矿床的地质-地球化学异常组合特征，通过建立与已知矿床的相似指标，筛选和预测可能成矿的地球化学异常。

（2）对于传统方法无法识别的弱小异常、以及切割深、地貌条件复杂及表生地球化学环境变化较大的地区采用衬值滤波技术处理化探数据可以有效提取矿致异常，对寻找和揭露隐伏矿将起到积极作用。同时，元素衬值异常套和较好的区域也是化探异常筛选的首选靶区。

（3）上文所总结的地球化学异常评价指标是在1：20万化探数据的基础上完成的，同样可用于大比例尺异常筛选。使用时应根据对本区异常及地质背景进行具体分析，防止漏掉小面积、高丰度,或大面积、低丰度异常区潜在的小而富和大而贫的矿床、矿点。