成矿预测：从二维到三维*

袁峰 张明明 李晓晖 葛粲 陆三明 李建设 周宇章 兰学毅

1. 合肥工业大学资源与环境工程学院，合肥工业大学矿床成因与勘查技术研究中心(ODEC)，合肥 2300092. 安徽省矿产资源与矿山环境工程技术研究中心，合肥 2300093. 安徽省公益性地质调查管理中心，合肥 2300914. 安徽省勘查技术院，合肥 230001

随着经济的快速发展，矿产资源预测评价的重要性日益加强，浅部矿的找矿勘探已进入瓶颈，深部矿、隐伏矿已成为找矿的工作重心(翟裕生等, 2004; 赵鹏大等, 2004; 赵鹏大, 2007; 曹新志等, 2009; Salamaetal., 2016)。定量成矿预测最初在二维平面上进行，结合GIS理论与地物化遥多元信息，以二维图层形式参与定量成矿预测模型计算，在此基础上圈定找矿靶区(赵鹏大等, 2002; 陈建平等, 2008; 肖克炎, 1994; Carranza, 2009)。然而，深部隐伏矿体在地表的异常指示往往较弱，对于传统成矿预测评价方法带来了新的挑战。“三深一土”战略实施后随之而来的深部地信息爆炸(樊俊等, 2018; 杨明桂等, 2018)为成矿预测向三维推进提供了机遇。三维成矿预测强调在深入研究区域及矿床地质特征的基础上，融合地球物理解译信息，并结合三维地质建模方法和三维空间分析方法提取三维预测要素，提取成矿有利区域、实现三维预测靶区的圈定(毛先成等, 2006; 陈建平等, 2007; 肖克炎等, 2012; 袁峰等, 2014; Lietal., 2015, 2019; Nielsenetal., 2015; Payneetal., 2015)。三维预测靶区具有形态、位置、规模等定量化特征，能够为进一步的找矿勘探工作提供更多的参考信息。

1 二维成矿预测研究现状

国内，成矿预测自1959年开始出现相关研究，2011年达到一个高峰(图1)，随着研究的不断深入，出现了越来越多与“成矿预测”相关的关键词，形成了庞大的研究网络，其中成矿作用、成矿规律、成矿模式、矿床成因等关键词的热度居高不下(图2)。

图1 成矿预测相关文献发表年份统计(源自百度学术)Fig.1 The quantity of academic papers related to prospectivity modeling (from Baidu Academic)

基于国情和评价目的，各国用于矿床预测的方法有所差异。如美国的基于“根据矿床描述性模型圈定可行地段，矿床数估计，通过品位吨位模型估计资源量”的三步式矿产资源潜力评价(肖克炎等, 2006)，俄罗斯的基于“对象、标志、方法”三要素的“预测普查组合”法(赵鹏大, 2002)等。多变量预测方程(Agterberg, 1970; Agterbergetal., 1993)、“三联式”成矿预测(赵鹏大, 2002)、“综合信息矿产预测理论与方法”(王世称等, 2000)、非线性成矿预测理论(成秋明, 2006)等研究成果也推动了定量成矿预测的发展。

在上述方法的应用和发展过程中，众多专家学者引入了多学科、跨学科的技术，如地理信息(GIS)技术(赵鹏大等, 1996; 李裕伟等, 2007)、多元统计分析技术(赵鹏大等, 1994)等。2006年开始的全国25种重要矿产资源潜力评价工作全面应用了空间数据库和GIS技术，综合利用了物探、化探和遥感等资料所显示的地质找矿信息，圈定了预测区，并进行了资源量估算。通过上述工作，科学评价了我国矿产资源的潜力, 为我国政府和矿产勘查机构提供技术支撑(肖克炎等, 2014)。

图2 成矿预测相关关键词热度统计(源自百度学术)Fig.2 The keyword popularity related to prospectivity modeling (from Baidu Academic)

然而，上述成矿预测研究主要基于二维数据开展，相关方法往往应用于对中小比例尺成矿远景区开展预测研究。随着近年来深部矿、隐伏矿成为找矿的主要对象，三维成矿预测及相关方法技术得到了飞速发展，成为深部隐伏矿床预测的重要手段之一。

图3 “四步式”三维成矿预测方法(据袁峰等, 2018)Fig.3 “Four-step” prospectivity modeling approach (after Yuan et al., 2018)

2 三维成矿预测研究现状

2.1 三维成矿预测方法体系

随着隐伏矿床三维成矿预测成为成矿预测领域的新生方向及热点，多名学者特别是国内学者相继提出多种三维成矿预测方法与流程，标识着相关研究逐步走向成熟。如“地质信息集成-成矿信息定量提取-立体定量预测”深部矿产资源三维预测方法(毛先成等, 2011, 2016)；基于“立方体模型”的区域隐伏矿体三维定量预测评价(陈建平等, 2007, 2014)；基于三维可视化信息分析技术的大比例尺矿产预测方法(肖克炎等, 2012; Xiaoetal., 2015)，基于综合信息的三维成矿预测(袁峰等, 2014)等。袁峰等(2018)综合以往研究，提出了“四步式”三维成矿预测方法，将三维成矿预测工作归纳为三维地质数据库构建、三维地质建模填图、三维预测信息深度挖掘和三维数据融合及预测评价四个关键步骤(图3)。

其中，三维地质模型是三维成矿预测的基础，因此三维地质建模也成为三维成矿预测最为重要的环节。三维地质建模相关技术方法需要融合地形、地质填图、钻孔编录、地质剖面以及地球物理反演结果等地学信息，其对多维、多元数据的融合、以及在三维空间内对复杂地质体的表征能力对于以三维地质模型为基础的三维成矿预测研究具有十分重要的意义。

2.2 三维地质建模

三维地质建模技术可分为显式三维建模技术以及隐式三维建模技术(李晓晖, 2015)。早期研究中，三维地质模型多采用显式三维建模技术进行构建。相关软件，例如Surpac、GoCAD，Micromine、DiMine、3DMine、MapGIS K9、探矿者等，可以在建模过程中对地质模型的精细结构进行控制，对复杂或精细的地质结构具有优良的三维表达能力(李晓晖, 2015)。基于显式三维建模技术的应用实践已广泛开展并取得了良好的效果(陈建平等, 2007; 孙莉等, 2011; 张明明等, 2011, 2014；图4a)。然而，基于轮廓线的显式三维建模技术也存在许多缺点和不足，如很难融合不同方向、不同类型、不同范围的多元地学数据；数据精度、数量要求高；进行数据更新或修改模型时，即使小范围的更新和修改，工作量也十分巨大。

图4 三维地质建模成果(a)显式三维地质建模：庐枞盆地泥河铁矿矿体三维地质模型(据张明明等，2011)；(b)隐式三维地质建模：宁芜盆地钟姑矿田三维地质模型(据 Li et al., 2015)Fig.4 Three dimensional geological models(a) explicit 3D geological modeling: 3D geological model of orebodies of Nihe deposit within Luzong Basin (after Zhang et al., 2015); (b) implicit 3D geological modeling: 3D geological model of Zhonggu orefield within Ningwu Basin (after Li et al., 2015)

图5 解译剖面水平方向延展(a)铜陵地区(据Lü et al., 2012)；(b)钟姑矿田(据丁文祥等，2018)Fig.5 The interpretation section extends horizontally(a) Tongling region (after Lü et al., 2012); (b) Zhonggu ore field (after Ding et al., 2018)

为克服上述缺点，隐式三维建模技术发展迅速，并开始被广泛应用(Jessell, 2001; Calcagnoetal., 2008; Lietal., 2015；图4b)，相关软件如Geomodeller、Leapfrog Geo、Petrel、SKUA、网格天地、CreatarXModeling等，能够基于势场和插值方法自动对模型进行构建，具有计算过程快速，可快速进行数据更新和模型重建的优点；同时，在建模过程中可以充分融合多方向、尺度和方位的各种地质观测数据和地球物理解译数据；对于数据量较少、分布不均的区域也较为适用。然而，隐式三维建模技术会受到网格尺度、数据密度和算法等方面的限制，对于局部复杂地质构造形态尚无法精细控制(李晓晖, 2015)。未来，上述问题的解决定会进一步推动三维地质建模的发展和应用。

图6 繁昌盆地三维地质模型及三维地球物理正演结果对比验证(据丁文祥, 2019)Fig.6 The three-dimensional geological model and the three-dimensional geophysical forward modeling results (after Ding, 2019)

三维地质模型的合理性和准确性是三维成矿预测的研究基础和关键所在。三维地质模型通常融合钻孔数据和地球物理解译成果等联合解析深部地质结构。然而，地球物理解译成果具有多解性，三维地质模型存在较强的不确定性。目前，已有学者将多条解译剖面在水平方向进行延展拼合，再基于三维地球物理正演方法与实测地球物理数据进行对比，以验证地球物理解译剖面的合理性和准确性(图5; Lüetal., 2012; 祁光等, 2012; 付光明, 2017; 丁文祥等, 2018)。上述方法能够快速的开展三维地质模型合理性和准确性的验证，但难以描述多条解译剖面延展拼合构建三维模型对于剖面间地质体的形态变化，同时对于剖面间钻孔等先验数据无法融合应用。为了解决上述问题，目前已逐步开始利用隐式三维建模技术快速融合地球物理解译成果以及地表填图、地质剖面和钻孔等先验地质数据，进而基于三维地质模型成果开展三维地球物理正演工作，实现对地球物理解译成果、三维地质建模方法和参数的合理性和准确性的协同验证(图6; 丁文祥, 2019)。基于验证对比结果，在隐式三维建模技术的支持下，能够快速反向修正地球物理解译结果并实现三维地质模型的快速更新，进而得到更为合理和可靠的深部地质结构信息。

2.3 三维成矿预测

目前，国内外多个地区相继开展了三维成矿预测工作，成功圈定了多个深部找矿靶区(毛先成等, 2011; Spragueetal., 2006; Fallaraetal., 2006; 陈建平等, 2007; Payneetal., 2015; Wangetal., 2015; Xiaoetal., 2015; Nielsenetal., 2015; Yuanetal., 2014; Lietal., 2015, 2019)。为进一步推进三维成矿预测理论和方法的研究与具体实践，诸多学者和单位相继开发出多款软件系统。如中国地质科学院矿产资源研究所结合具体大比例尺勘探实际需求的集三维矿山管理、地质勘探、三维可视化和科学分析预测为一体的三维GIS软件“探矿者”，在湘西北、湖北、西藏、新疆等地开展了三维地质体建模、储量估算及立体预测的工作(肖克炎等, 2010; 张婷婷, 2010; 孙莉等, 2011; 刘智宇和肖克炎, 2013; 王琨等, 2015)；中国地质大学(吕鹏, 2007)基于立方体预测模型进行了隐伏矿体三维预测系统开发。

图7 三维成矿定量预测系统结构图(据李晓晖等, 2017)Fig.7 The system structure of three-dimensional quantitative prediction system for mineralization (after Li et al., 2017)

合肥工业大学针对多尺度三维成矿预测需求，开发了“三维成矿定量预测系统”(图7)，该系统能够高效稳定的对多元地学数据进行管理，具备的多种三维空间分析功能能够快速提取三维预测信息，提供的多种三维预测评价方法能够适应不同条件下三维预测要素的融合，开展成矿有利程度的计算并圈定找矿靶区(李晓晖等, 2017)。

图8 三维成矿预测结果矿床尺度：(a)白象山铁矿床深边部成矿预测(据Yuan et al., 2014)；(b)杨庄铁矿床深边部成矿预测(据Hu et al., 2018)；矿田尺度：(c)钟姑铁矿田三维成矿预测(据Li et al., 2015修改)；(d)月山矿田三维成矿预测(据Li et al., 2019)Fig.8 The result of three-dimensional prospectivity modelingDeposit scale: (a) prospectivity modeling of the Baixiangshang Fe deposit (after Yuan et al., 2014); (b) prospectivity modeling of the Yangzhuang Fe deposit (after Hu et al., 2018); Orefield scale: (c) three-dimensional prospectivity modeling of the Zhonggu ore field (modified after Li et al., 2015); (d) three-dimensional prospectivity modeling of the Yueshan ore field (after Li et al., 2019)

这一系统已应用于长江中下游成矿带，开展了较为广泛的不同尺度的成矿预测。如，矿床尺度，在宁芜盆地钟姑矿田的白象山和杨庄铁矿床开展了成矿预测，利用证据权重模型、神经网络模型等对矿床深边部隐伏矿体进行了预测(图8a, b; Huetal., 2018; Yuanetal., 2014; 李晓晖等, 2014)；矿田尺度，已分别在钟姑和月山矿田开展了三维成矿预测，通过综合利用隐式三维地质建模方法、三维空间分析方法、三维物性反演、数据驱动下的Logisitc回归模型等方法技术，定量计算获得成矿有利程度，并依此对深部找矿靶区进行了三维预测(图8c, d; Lietal., 2015, 2019)，相关预测靶区已作为进一步的深部找矿勘探的重点。

3 三维成矿预测发展趋势

已有的研究及实践显示，三维成矿预测在方法理论体系和实际应用等方面均已取得进展。然而，相较于传统的二维成矿预测，三维成矿预测往往受限于三维预测信息的缺乏。如何更好的挖掘二维数据在深度方向的指示能力、将二维数据推演至三维环境，利用数值模拟、机器学习等方法开展数据挖掘、充分发挥已有数据的内蕴信息，将成为三维成矿预测研究向前发展的重要驱动力。

3.1 二维数据的三维推演

传统找矿勘查工作中积累有大量的二维数据，如地球物理扫面数据、地球化学勘探数据、地表地质填图数据等。如何将上述大量的二维数据应用于三维成矿预测研究，将成为未来的研究重点之一。

目前，二维数据向三维推演多采用地球物理正反演方法，基于剖面的地质结构地球物理解译方法已应用多年。近年来，基于重磁数据的三维物性反演方法已被广泛使用，其成果已被用于深部地质构造解译及三维成矿预测研究中(Lüetal., 2012; 祁光等, 2012; 严加永等, 2014; 郭冬等, 2014)。未来，随着大地电磁三维反演、人工地震三维层析成像以及重磁电震三维联合反演等方法的不断前进，上述方法将为三维成矿预测研究提供更多的三维数据来源。

图9 矿化空间三维结构与裂隙化探数据协同分析(据Li et al., 2017)Fig.9 Geochemical data of fracture fills and deep concealed mineralization (after Li et al., 2017)

此外，Lietal. (2017)将二维裂隙化探数据与三维矿化信息进行耦合分析，通过建立化探数据与深部矿化之间的空间联系，指示深部找矿靶区位置及深度(图9)。未来，挖掘二维数据在深度方向的指示能力也应成为获取三维预测要素的重要途径之一。

3.2 数值模拟方法

数值模拟方法作为一种新的方法技术手段，已开始逐步应用于成矿过程和机制的研究，从定量化的角度进一步深化对成矿作用相关理论的理解，同时也可为深部矿产资源的找矿预测提供理论指导和找矿方向(Weisetal., 2012; 贾蔡等, 2018; Lietal., 2019)。目前，已有部分国内外学者开展了相关领域的研究探索，例如对矿床形变、流体流动、热传导的耦合模拟，明确矿床空间定位的控制因素(Liuetal., 2011, 2012, 2014, 贾蔡等, 2014, 2018)。随着数值模拟算法和计算能力的提高，三维数值模拟方法已能够在真实的三维地质模型和边界条件的约束下开展计算研究(赵义来和刘亮明, 2011; 孙涛等, 2011; Lietal., 2016, 2019)，模拟和预测成矿有利空间或位置，相关成果可为深部找矿预测提供新的三维预测信息(图10)。如Lietal. (2019)将三维数值模拟方法与三维成矿预测方法进行结合，结果显示数值模拟方法能够有效提高成矿预测结果的预测能力，可为深部矿产资源的找矿预测提供新的有效的预测信息。目前正在实施的国家重点研发计划项目“深地资源勘查”专项中也有大量课题正在开展相关研究。预期在未来的几年，该领域将成为国内外深部矿产资源找矿预测的热点研究方向，也将产出大量研究成果。

图10 月山矿田三维成矿过程数值模拟(据Li et al., 2019)Fig.10 Three-dimensional numerical simulation of mineralization process of the Yueshan ore field (after Li et al., 2019)

3.3 大数据及机器学习

大数据目前正在引发地球科学领域一场深刻的革命(张旗和周永章, 2018)。随着大数据技术的不断进步，大数据思维在现代成矿预测中的应用越发广泛。目前，机器学习、深度学习的算法已逐步被应用于成矿预测领域，如周永章等(2017)认为以地质-矿床大数据平台为依托，利用大数据挖掘技术与高性能计算能力，能够建立智能地质-矿床模型，为成矿预测提供理论支持和帮助；吴永亮等(2017)利用大数据发现方法实现了地质找矿专题数据的自动采集，利用机器学习方法对地质专题数据进行深层次的挖掘和提取，研究了基于大数据智能的找矿模型预测方法；Zuo (2017)及Zuo and Xiong (2018)基于机器学习方法开展了地球化学异常的识别，研究显示机器学习方法是多元地球化学异常识别的有效工具；Sunetal. (2019)利用机器学习方法开展了成矿预测研究，研究显示机器学习方法可以很好地应用于成矿预测研究，具有良好的研究和应用潜力。

上述研究主要针对理论方法和二维地学数据开展研究和应用。三维地学数据具有海量、多元、多维的特征，理论上更适应于大数据及机器学习方法的应用，其对于三维成矿预测过程中预测指标的确定、预测模型的定量化研究、数据融合及靶区预测等均具有十分重要的意义(周永章等, 2017, 2018)。因此，大数据及机器学习方法显而易见将成为三维成矿预测领域的重要发展趋势。

4 结论

综上所述，三维成矿预测理论方法经多年发展，其理论和实践已逐渐趋向成熟，以显式三维建模向隐式三维建模发展、三维成矿预测方法体系建立、三维成矿定量预测软件系统成功研发等为标志，表明成矿预测已经由二维进入三维发展阶段。面对深部矿产资源预测对于数据充分挖掘的需求和挑战，隐式三维地质建模技术、二维数据的有效三维推演、数值模拟方法以及大数据、机器学习等方法技术的进步将合力推动三维成矿预测方法和应用得到进一步的发展，为深部矿产资源的预测勘探提供更为有效、可靠的依据。

谨以此文敬贺恩师岳书仓教授八十八华诞！在此向恩师汇报工作成果，衷心感谢岳老师对我从事成矿预测方向研究的谆谆教诲与大力支持！