王巧，黃順佳，魏春慧，江啟煜，陳文成

(1.泉州師范學院 資環(huán)學院，福建 泉州 362000；2.福建省閩東南地質(zhì)大隊，福建 泉州 362000)

德化-尤溪礦集區(qū)位于德化、尤溪、永泰3縣交界處，處于華夏地塊之南武夷晚古生代拗陷區(qū)的大田-龍巖拗陷帶東側，閩東火山斷拗帶中段的云山巨型環(huán)狀火山構造南西部，北東向政和-大埔及福安-南靖深大斷裂所夾的壽寧-華安斷隆帶與北北東向浦城-尤溪斷裂帶交匯部位，區(qū)內(nèi)構造活動頻繁、巖漿作用發(fā)育，成礦條件優(yōu)越，是福建省主要的金礦礦集區(qū)之一，已發(fā)現(xiàn)東洋[1]、下坂[2]、仙公寨[3]、雙旗山[4]等幾十處金礦(點).本區(qū)以往數(shù)十年的地質(zhì)找礦工作，既有找礦突破，如發(fā)現(xiàn)火山-次火山巖型東洋金礦[1]，也積累了豐富的找礦資料，但找礦難度也不斷增大了，因此開展成礦預測評價，圈定金礦找礦靶區(qū)(遠景區(qū))，不但條件充分，而且是迫切的需要，具重要意義.成礦預測評價長期是國內(nèi)外地礦研究的重點、熱點，形成了三部式、相似類比、地質(zhì)異常等[5-9]理論，提出證據(jù)權法、特征分析法、邏輯信息法等[10-17]定量方法，尤其引入GIS[10-11、17-20]，有利于充分挖掘地、物、化、遙等找礦信息，提高預測效率、水平.本文基于GIS空間分析，主要通過數(shù)據(jù)驅(qū)動建模[10-20]，進行德化-尤溪礦集區(qū)金礦成礦遠景信息量法[16-18]預測評價，包括空間數(shù)據(jù)準備、變量圖層構置(含篩選、重構、賦值)、多變量(圖層)綜合等[10、17-19]內(nèi)容，核心是基于GIS空間分析的數(shù)據(jù)驅(qū)動的找礦信息挖掘.

1　空間數(shù)據(jù)及其找礦信息挖掘的方法

1.1　找礦信息定量提取的空間數(shù)據(jù)

地質(zhì)變量是地物化遙中各種成礦控礦因素、直接或間接礦化/找礦標志的泛稱，因此多源信息融合的成礦遠景定量預測評價必須準備的空間數(shù)據(jù)，包括(表1)：(1)地物化遙空間數(shù)據(jù)，以1∶5萬德化-尤溪礦集區(qū)(中仙、街面、水口、上涌、赤水、雷峰幅等)區(qū)域地質(zhì)礦產(chǎn)圖等為主要數(shù)據(jù)源采集的.(2)成礦預測評價單元劃分及其相關數(shù)據(jù)，從地物化遙中定量提取地質(zhì)變量的找礦信息，首先必須單元劃分，而且事關定量預測評價的成敗.地質(zhì)變量源于點、線、面要素，其中，點、線作用于一定鄰近區(qū)域，一般通過緩沖區(qū)分析轉換為面狀，曲面數(shù)據(jù)(如斷層交點數(shù)、斷層線密度、地層熵等)可通過DEM根據(jù)給定閾值進行“二值化”而轉為面狀或直接按單元統(tǒng)計，宜采用規(guī)則的單元[10、17、19].根據(jù)本區(qū)的控制程度、礦床/點空間格局、控礦構造特征及1∶5萬預測要求，按平行/垂直主控礦構造的NE、NW向1000 m×1000 m劃分網(wǎng)格，檢出面積≥1000×1000×4/5=800000 m2多邊形為基本單元G，取G的中心點派生g(點狀)，與金礦(表1)疊置派生已知有礦單元E(面狀)、e(點狀)，并賦相同的ID、編號及“已知有礦[有已知金礦(化)點取1，無已知金礦(化)點取0]”等屬性，總單元數(shù)S=1127、已知有礦單元數(shù)a=36.

表1　空間數(shù)據(jù)簡表

注：屬性僅指本次定量預測可能用到的.

1.2　找礦信息挖掘的信息量法數(shù)學模型

在定量預測評價中，找礦信息挖掘是從分析各種地質(zhì)變量在找礦預測中的作用、意義、貢獻、重要性切入的，本文主要通過數(shù)據(jù)驅(qū)動的方式，應用信息量[16-18]模型進行定量分析.設Ai(i=1，2…n，下同)表示某一地質(zhì)變量，是能提供找礦信息的地、物、化、遙等控礦因素、成礦條件、找礦標志等的統(tǒng)稱.根據(jù)信息量法，地質(zhì)變量Ai的找礦信息計量模型，如下：

Ii=lg(P(B|Ai，1)/P(B))，i=1，2…n

(1)

Ii=lg((P(Ai，1|B)/P(Ai，1))=lg((ai/a)/(si/s))，i=1，2…n

(2)

式中：①Ai表示第i項地質(zhì)條件、因素、找礦標志，B表示有礦事件，1表示存在B.②s表示研究區(qū)劃分的總單元數(shù)，即G的單元數(shù)，s=1127；a表示研究區(qū)中存在B的單元總數(shù)，即G中已知有礦的單元數(shù)，a=36；③si、ai分別表示研究區(qū)、已知有礦單元中存在Ai的單元數(shù)，即G或g、B或b中分別存在Ai的單元數(shù)，其關鍵是如何辨識單元是否存在Ai，一般采用[10、16、18]中心點法即若單元中心落入Ai中則存在、面積法即若單元內(nèi)Ai的累積面積達到規(guī)定的臨界值則存在，否則不存在，其中“臨界值”為“0”時稱重要性法，本文通過MapGIS 6.x空間分析進行識別、統(tǒng)計.④P(·)、P(·|·)為概率、條件概率符號.⑤Ii為Ai的找礦信息量，反映Ai的找礦意義、作用：若Ii=0則Ai不提供找礦信息；Ii>0，Ai存在有利找礦，且越大越有利；Ii<0，Ai存在不利找礦，一般作對立變換，即構置not·Ai，則not·Ai是有利的.

2　找礦信息定量挖掘及其地質(zhì)變量構置

2.1　面狀因素的找礦信息挖掘與變量構置、賦值

表1，面狀要素包括地層、侵入巖、化探異常等，存在與否一般通過面積法或重要性法識別(表1X1～X8)，根據(jù)成礦預測評價的“相似類比”原則，其找礦信息挖掘過程主要包括三步：第一步，獲取已知金礦(或有礦單元)在哪些面要素中、已知有礦單元中有哪些面要素分布，MapGIS 6.x通過金礦(或b)、B分別與面要素相交疊置、屬性分析等實現(xiàn)，如圖1，這些要素Ai與金礦具空間關聯(lián)性，可能提供找礦信息；第二步，利用式(2)分別計算這些要素的找礦信息量，通過條件檢索依次得圖層Ai即Ai.wp，Ai與G相交疊置(網(wǎng)格化得Ai·and·G.wp)、雙屬性(編號-面積累積)分類統(tǒng)計、面積約束檢索(得到并存為Ai·and·G.wb)、屬性分析得si、ai，代入式(2)得Ii，見表2.第三步，構置地質(zhì)變量Xi，如表1所示(忽略了未入選圖層模型的地質(zhì)變量)，與之相應，為Ai·and·G.wb新添屬性Xi并統(tǒng)賦值1.

圖1　點(已知金礦、單元)、面(地層、侵入巖、分散流異常)疊置派生數(shù)據(jù)的屬性分析圖表

2.2　點狀與線狀因素的找礦信息挖掘與變量構置

表1，線要素有斷裂構造及各種界面，點要素有斷裂交匯點、破火口構造等，一般在鄰域分析基礎上，通過中心點法識別存在與否(表2X9-X14)，進行找礦信息挖掘，主要環(huán)節(jié)包括：(A)初選點、線要素并獲取相應的要素圖層，如通過斷層.wl與金礦.wt或有已知金礦單元b.wt疊置分析后的雙屬性統(tǒng)計(金礦與點線距離)得圖2，可見NW向、NE向及環(huán)狀斷裂可能有利找礦，因此分別檢索后得NW向.wl、NE向.wl、環(huán)狀.wl，其中NW向.wl、NE.wl向分別進行10 m(圖面0.2 mm)的緩沖區(qū)分析后相交疊置，提取相交多邊形的中心點作為NW向、NE向斷層交點(NW·and·NE.wt).此外，不整合、破火口也可能是有利因素，分別檢索得不整合.wl、破火口.wl.(B)通過R-I曲線[17、19]探索點、線要素的合適的緩沖區(qū)半徑，即求點、線要素的鄰域、作用范圍，就是在MAPGIS中通過循環(huán)Rt=Rt-1+△R(其中t=2，3…、R1=50 m、△R=50 m)的緩沖區(qū)分析得相應的緩沖區(qū)Ai-Rt.wp，再與g.wt相交疊置(網(wǎng)格化)得g·and·Ai-Rt.wt(中心點法識別)、屬性分析得si，t、ai，t，代入式(2)得Ii，t并作R-I曲線(如圖2-b所示)，根據(jù)R-I曲線并結合si、ai等選擇合適的半徑，見圖2、表2.(C)與合適的緩沖區(qū)半徑對應的g·and·Ai-Rt.wt就是所構置的點、線要素類地質(zhì)變量圖層，新添屬性Xi(X9-X14)并統(tǒng)賦值1.

表2　地質(zhì)變量要素內(nèi)容及其圖層信息量統(tǒng)計表

圖2　斷層含礦性統(tǒng)計直方圖及緩沖區(qū)半徑與I值關系折線圖

2.3　曲面數(shù)據(jù)的找礦信息挖掘與變量構置

初選“破裂”度、斷層線密度、斷層條數(shù)密度等3個曲面數(shù)據(jù)變量，其中：(A)“破裂”度定義為網(wǎng)格單元內(nèi)地層、巖體、巖脈等面狀要素的“個”數(shù)，個數(shù)越多說明地質(zhì)條件越復雜、構造越薄弱，越有利于找礦.(B)斷層線密度為單元內(nèi)所有斷層總累積長度，值越大巖石越破碎、薄弱，越有利成礦.(C)斷層條數(shù)密度為網(wǎng)格內(nèi)所有斷層的段/條數(shù)，值越大也反映巖石越破碎、薄弱，越有利成礦.對初選的3個變量，分別以750 m×750 m(圖面15 mm×15 mm)網(wǎng)格采樣后，經(jīng)MAPGIS建立DEM后，通過嘗試得最合適的閾值二值化(重分類)為“平面”、與g·wt相交疊置得g·and·(Ai-DEM).wt(中心點法識別)、進行屬性分析得si，k、ai，k并代入式(2)得Ii，則與最合適閾值對應的g·and·(Ai-DEM).wt即為變量圖層，新添屬性Xi并統(tǒng)賦值1，見表2的X15-X17.

2.4　綜合變量的找礦信息挖掘與變量構置

綜合變量包括綜合變量、組/復合變量、變量對立變換等，主要根據(jù)地質(zhì)理論及變量的si、ai、Ii、專家意見等進行變量重構，以達到盡可能挖掘各種找礦信息的目的.如表2所示，構置的綜合變量主要有X8、X14、X15、X16、X17即Au·and·(Ag·or·Cu)·not·(Mo·or·Sn)、NE與NW向斷層交點、“破裂”度、斷層線密度、斷層條數(shù)密度等綜合變量；X4、X3、X2即PA·or·δμ·or·γπ·or·λπ·or·λ、J3n1·or·J3n2、J3c·or·P2w·or·P2q2等組/復合變量；not·(Mo·or·Sn)等對立變換變量(未入選模型).and、or、not分別為MAPGIS中的圖層相交、合并(添加)、相減疊置，si，k、ai，k統(tǒng)計、Ii計算及賦屬性與前述各要素類似，結果見表2.

3　成礦遠景的信息量法評價

3.1　變量篩選及其找礦圖層模型、數(shù)字模型

變量篩選是從構置的地質(zhì)變量中選擇對成礦定量預測評價具重要意義的變量，是多元成礦遠景定量預測評價的主要環(huán)節(jié)，要求既不損失有直接、間接聯(lián)系的主要信息又不存在冗余信息，達到簡化與優(yōu)化變量組合.信息量法選取正的、信息量較大的變量，按“從大到小提取全部正信息(Ii>0)累計的70%±”原則進行篩選[16]，本文認為選取的Ii不限于正值，要求Ii絕對值適中且si不是很小并與ai有一定差值，若Ii絕對值較大而si卻較小的一般作為構置組合變量，若Ii為負值進行對立變換.因此，在本區(qū)成礦背景、金礦實例、成礦規(guī)律等研究的基礎上，依據(jù)si、ai、Ii等(表2)，并兼顧不同變量之間及不同類型變量之間的信息均衡等，從與本區(qū)金礦找礦有關的地層、侵入巖、構造、分散流異常等調(diào)查成果中，篩選17項變量，則本區(qū)圖層形式的金礦找礦預測模型及基于信息量法的數(shù)字找礦預測模型見表2.

3.2　變量賦值與屬性導出

3.2.1地質(zhì)變量的量表與賦值

地質(zhì)變量的量測、賦值是定量預測評價的基礎，因為地質(zhì)變量具模糊性、推斷性、不精確性、不準確性等特征，因此采用基于變量存在與否的“0-1”二態(tài)賦值，即存在賦1、不存在則賦0.在找礦信息挖掘與變量構置過程中，已分別對Xi屬性賦值，得相應的“.wt”或“.wb”并保存于指定位置，則“.wb”通過屬性管理模塊的“連接屬性”工具、“.wt”在輸入編輯模塊應用“Label與區(qū)合并”工具，分別將表2各變量的同名屬性Xi傳遞給G.wp，達到對G.wp的“0-1”賦值.全部變量對G.wp賦值后，通過“生成Label點文件”或與g.wt相交疊置，均可實現(xiàn)對g.wt賦值.

3.2.2屬性的導出及其定量模型的數(shù)據(jù)集

G.wp賦值后，導出屬性為“.xls”格式，其中變量X1-X17值集記為X，則：

X=[xj，i]s×n=[xj，i]1127×17

(3)

式中：(a)j=1，2……S，為預測研究區(qū)劃分的網(wǎng)格單元的編號(取與ID、編號相同)，S=1127，即共劃分1127個單元.(b)i=1，2……n，為初選的變量的編號，n=17，即初選變量17個.(c)xj，i表示j單元i變量Xi的觀測值，xj，i=1或0，=1表示j單元存在Xi，=0表示j單元不存在Xi.

3.3　信息量法成礦遠景預測評價

3.3.1信息量法綜合評價模型

根據(jù)有關文獻，信息量法的變量綜合模型如下：

(4)

式中：(a)i=1，2，…n為Ii>0并按Ii從大到小排列的新序號，即“Ii大于0”是變量篩選依據(jù)之一.(b)Ii即Ij，i，見式(2)，單元j存在Xi時Ij，i=Ii、否則Ij，i=0.(c)相關文獻依據(jù)有用信息水平k確定n值(k指按從大到小累積到全部正信息的70%±)，舍棄了負信息及正信息小的變量，且有的正信息很大的變量的找礦信息未必真的大(s小并與a的差值很小的變量)并顯著影響k值.(d)Ij為單元j的總信息量，表示該單元地質(zhì)條件與標志對找礦的總有利程度，越大越有利.基于式(3)，改進式(4)為：

[Ij]s×1=[xj，i]s×n·[Ii]n×1=[xj，i]1127×17·[Ii]17×1

(5)

圖3　金礦成礦遠景預測成果示意圖

若要剔除某個變量Xk，則令Ik=0即可，方便應用Excel矩陣乘積函數(shù)“MMULT()”計算.

3.3.2總信息量計算結果

由表2及式(3)、式(5)，得信息量法計算結果(保存為評價單元的屬性)，并在MapGIS的DTM模塊經(jīng)泛克立格法Kring網(wǎng)格化插值得.Grd格式的DTM(總信息量數(shù)字模型)，經(jīng)繪制等值線功能得視覺化預測評價結果，如圖3所示.

3.3.3成礦遠景劃分與靶區(qū)圈定

本次采用曲線法、繪圖法、“%”法等確定找礦遠景下限臨界值分別為1.190、<1.3296、1.2169，綜合后取1.2169.同時，利用“標準差”法對成礦遠景進行進一步的分類/級，設均值μ取樣本的算術平均值，標準差s為基于給定樣本的標準差，則

(6)

(7)

式中：Ij為j單元的總信息量(式5)；若以總單元為樣本則m=1127，并記均值為μ總、標準差為s總；以“切頭切尾”后的單元為樣本是檢索符合“μ總+1.645×s總≤xj，l≤μ總-1.645×s總”的單元計數(shù)m，并記均值為μ切、標準差為s切.則A類/級臨界值=μ總+1.96×s總=2.5799，B類/級臨界值=μ切-1.96×s切=1.9625，C類/級臨界值取前述綜合的遠景臨界值1.2169，結果見圖3.而且，在成礦遠景分類/級的基礎上，結合地質(zhì)及構造、已發(fā)現(xiàn)的金礦、礦化蝕變等的空間分布特征，圈定找礦靶區(qū)(遠景區(qū))4處，如圖3所示.

4　結　語

綜上所述，本文：(A)廣泛收集涉及德化-尤溪金礦礦集區(qū)的各種地質(zhì)找礦資料，建立礦集區(qū)金礦成礦預測空間數(shù)據(jù)庫，并劃分NE-SW向1000 m×1000 m的網(wǎng)格為成礦遠景預測評價的基本單元.(B)在領域?qū)＜抑С窒?，通過數(shù)據(jù)驅(qū)動建模方法，利用信息量模型通過GIS空間分析進行智能化的找礦信息定量挖掘與變量篩選，構建本區(qū)金礦綜合信息找礦圖層模型、數(shù)字模型.(C)對信息量法進行改進，一方面是將“按有用信息水平k(k=70%)從大到小提取正信息量大的變量”的變量篩選方法改進為“綜合考慮I、a、s及s與a差值等進行變量篩選與重構”；另一方面是改進了多變量綜合的形式(即式5)，與之相應，各變量的“I(信息量)、0”二態(tài)賦值統(tǒng)一改進為采用“1、0”二值化(是一種規(guī)范化值)，有利于應用GIS空間分析進行智能化自動化的找礦信息挖掘及變量綜合，而且方便變換為采用特征分析法、證據(jù)權法等其它定量方法.(D)對德化-尤溪金礦礦集區(qū)進行了1∶5萬的定量預測評價，圈定金礦找礦靶區(qū)(遠景區(qū))4處及若干零星的遠景區(qū)段，為該區(qū)進一步部署金礦找礦地質(zhì)工作提供依據(jù).