基于GIS的化探找信息挖掘方法——以土壤化探为例.docxVIP

 PAGE 14 基于GIS的化探找矿信息挖掘方法——以土壤化探为例 摘　要：地球化学元素携带着矿化信息，利用地球化学元素进行元素异常分析在成矿预测方面有着重要的应用，地球化学元素异常分析能为找矿提供重要参考。因而，对于圈定异常并预测成矿方法的研究也成为了热点问题。文章综述了此次地球化学元素异常分析预测成矿理论方法，并在所提出方法的基础上，设定了基于单元素化探分析的异常圈定和基于因子分析的泛克吕金异常圈定相结合的技术路线。 关键词：因子分析；化探分析；GIS空间分析 1.前言 由于某些矿化信息携带于地球化学元素中，对于地球化学元素的空间分布特征的研究，可以直接或间接地揭示矿化溯源问题。随着勘查地球化学的深入发展，地球化学异常评价成为了研究的重点。地球化学元素异常分析目的就是发现异常、圈定异常并对其进行筛选评价，并由此发现矿体，??现找矿突破。而确定地球化学异常与背景的分界点是至关重压的一环。 同时，化探数据具有复杂性，使得传统简单的数据处理方法效果并不理想，化探异常作为找矿标志往往表现出不确定性[1]。因此，探讨更好地适合于不同地区具体情况的化探数据处理方法一直是深受重视的研究课题。 2.主要分析方法 针对化探数据，进行地球化学元素异常分析预测成矿方法的研究。成矿相关元素分布在地球化学数据中的反映，既受特定地区成矿地质条件控制，也经历了各种后生和表生过程的长期影响，同时，化探数据的这种复杂性和不确定性给异常圈定带来诸多变化因素，导致有矿而无异常或者无矿而有异常的情况经常出现。综观前人研究，我们对化探数据处理方法总结出：一是目前多采用基于单个元素的化探异常分析来圈定化探异常，将相关的单个元素进行空间叠加分析以圈定综合异常，在确定组合异常特征。这种方法考虑到各个元素间的相关性，但相关性的描述缺乏定量，不同元素在组合异常中重要性是不一致，而此方法并不能区分，从而指示元素组合的选择缺乏客观性; 二是在对各元素组合相关性的选取方面，偏重于丰度相关关系，而忽略空间相关性。研究空间相关性，这里指研究元素组合的空间变化尺度、幅度和方向性，这将比单个元素的空间分布更有利于反映化探异常与地质因素之间的关系，从而可能更好地圈定异常[2]。 本次研究，提出两种化探分析圈定异常的方法： 一是基于单个化探元素的分析，通过相关元素空间叠加、组合来圈定综合异常； 二是对各个元素及元素组合的相关性进行研究，先利用数学方法（因子分析)处理化探数据后，再通过泛克吕金法构建组合模型，根据组合模型来识别地球化学异常。最后我们通过分离出异常与背景，圈定出异常区域，并且比较两种化探异常分析方法和异常评价，从中寻找化探规律，得出更适合特定地区域的化探找矿信息处理技术。 3.数据分析处理过程 3.1研究数据 地图资料：XX省XX县三峰岭一带土壤测量实际材料图.tif； 统计数据：样品分析结果表（单位：Au、Ag为10-9 ，其余均为10-6）。该区域内的1426个化探样点样本,包含7种元素：Au、Ag、Cu、Mo、Pb、Zn、As浓度数据。 3.2基于单元素化探分析异常圈定 3.2.1 化探数据预处理及确定背景和异常下限值 地球化学场综合了区域地球化学背景场和地球化学异常场，地球化学元素背景场服从正态分布。在对地球化学异常做出预测前，需要将样本数据中的异常点剔除[3]。 首先采用分析国家一级标准物质 GBW( GSS 系列)的方法，将原始数据中在平均值±3倍标准差范围外的数据删除，保留大范围的数据。然后“保留”的数据为样本计算平均值、标准差，再利用平均值±3倍标准差计算以确定异常临界值（上、下限），得到背景和异常的下限值（见表3-1），以确定地球化学异常与背景的分界点。 异常值剔除异常值剔除后元素平均值p标准差xp+3xp-3x平均值p标准差xp+3xp-3xAu0.68 0.5589352.36 -0.996880.62 0.2611171.398395-0.16831Ag1.62 2.04 7.750594-4.515531.32 1.02 4.379198-1.73559Cu45.14 28.08181129.3858-39.10541.57 16.4603590.94738-7.81 Pb24.78 28.24941109.53 -59.97 21.55 7.86214845.14 -2.03558Zn104.99 53.87373266.6136-56.628798.27 22.1772164.804131.74094Mo1.06 1.0934244.34265-2.21790.95 0.4312182.239