Gold Anomaly Identification and Its Uncertainty Analysis in the West Junggar Belt, Xinjiang
-
摘要: 西准噶尔成矿带地处中亚成矿域核心区，伴随着古生代强烈的构造岩浆活动，发生了广泛的金成矿作用，形成了一系列金矿床、矿点及矿化点，如萨尔托海、哈图、包古图等金矿床，已成为我国重要的黄金开发基地之一.基于该成矿带水系沉积物地球化学数据，采用集成序贯指示模拟技术和多重分形局部奇异性分析方法，开展金异常信息识别及其不确定性定量模拟，有效突出局部异常和弱缓异常，实现金元素富集异常在空间上的概率分布与量化表达.研究结果显示，金奇异性指数小于2的条件下，金元素富集异常的高概率区与已知金矿产地在空间分布上非常吻合，该研究可为西准噶尔成矿带金矿勘查及其不确定性风险评估提供决策依据.Abstract: West Junggar belt, located in the core area of the Central Asian metallogenic domain, is one of the most important gold development bases in China. Accompanying intense tectonic and magmatic activities, extensive gold mineralization occurred during Paleozoic and a series of gold deposits/occurrences and mineralized points have been discovered in the West Junggar belt such as Sartohay, Hatu and Baogutu gold deposits. In the present study, the methods of local singularity analysis and sequential indicator simulation were employed to identify gold anomaly and model its uncertainty based on stream sediment geochemical data sampled from West Junggar belt, which allows for enhancing local and weak anomalies effectively. The results of simulation can be used to express probability distribution pattern of gold anomalies characterized by singularity indices less than 2. The results indicate that high probability zones of gold anomalies are closely associated with known gold deposits/occurrences, which provides an important decision-making for risk evaluation of gold resource exploration in the West Junggar belt.
-
成矿事件往往具有时空突变性，勘查地球化学找矿关注的正是某些空间变化剧烈或异常的区域.近年来发展的多重分形局部奇异性理论为揭示地球化学异常及元素富集规律提供了强大的理论与技术支持(陈志军, 2007; Cheng, 2007, 2012; 成秋明, 2008; Zuo et al., 2009; Wang et al., 2012; Liu et al., 2013, 2014; Agterberg, 2014; 陈国雄, 2016; 肖凡等, 2017; Zhang et al., 2017).然而，由于常规插值方法的局限性，如普通克里金法存在严重的平滑效应问题，尽管该方法在表现数据空间分布的相关性和变异性特征方面具有优势，但反距离权重法受到极值和数据点集群的影响，在极值附近往往出现斑块效应，同时也受平滑效应的影响，从而导致由观测数据评价插值结果的空间结构性特征中包含一定的不确定性(成秋明, 2001; Juang et al., 2004; 史舟等, 2007; 赵永存等, 2007; 赵彦锋等，2010; 李晓晖等, 2012)，这种不确定性将通过随后的分析和决策过程加以传递，进而对最终结果产生深刻的影响.显然，常规插值方法并没有真实刻画出地球化学场固有的空间格局特征，不利于有效识别变化剧烈、隐伏、弱缓的地球化学异常信息.
如何在数据处理过程中最大程度地保持地球化学场原始的空间分布格局、突出局部变异性和奇异性特征，以克服传统插值方法的局限性是地球化学弱缓异常识别研究中需要解决的关键环节.地质统计随机模拟为解决传统插值方法的局限性开辟了一条新思路(Deutsch and Journel, 1998; Goovaerts, 1999, 2001)，如序贯高斯模拟(sequential gaussian simulation, SGS)和序贯指示模拟(sequential indicator simulation, SIS)，可以将地球化学数据作为一个整体来复原其全局空间相关性和局部变异性特征, 其追求的是原始数据及估值数据尽可能地接近真实的空间分布，克服了传统插值方法对数据产生的平滑效应，同时兼顾了数据的空间相关性结构(Goovaerts, 1999).地质统计随机模拟获得的模拟实现(simulation realization; SR)之间的差异(波动性)为刻画地球化学异常不确定性提供了一个定量化途径.模拟实现可以作为传递函数的输入数据，模拟结果之间的细微变化可以有效地揭示地球化学异常的不确定性.近年来，地质统计随机模拟理论在土壤质地、油气藏储层及矿床品位模拟等方面得到了广泛应用(赵永存等, 2008; 姚荣江等, 2011; Afrasiab and Delbari, 2013; Sadeghi et al., 2015; Zhang et al., 2017; Paithankar and Chatterjee, 2018; Qu and Deutsch, 2018; Rahimi et al., 2018).
新疆西准噶尔成矿带位于哈萨克斯坦、西伯利亚和塔里木板块的交接部位(图 1a)，经历了古生代时期大洋扩张、俯冲、杂岩体增生、陆块拼贴、后碰撞及金属成矿等复杂地质过程(肖文交等, 2008; Xiao et al., 2008; Geng et al., 2009; Tang et al., 2010; Shen et al., 2014; 申萍等, 2015; 杨维等, 2015).该地区矿产资源非常丰富，成矿作用丰富多样，分布有一系列大型和超大型金属矿床(申萍等, 2010, 2015; 李永军等, 2012; 魏少妮等, 2014; 朱永峰, 2014; 郑波等, 2014; 袁峰等, 2015)，如著名的包古图金-铜矿床、哈图金矿床、萨尔托海金矿-铬铁矿床和杨庄铍矿床等.长期的构造演化过程造就了成矿环境的多样性、成矿过程的复杂性及成矿阶段的多期性，呈现出不同层次、不同类型的地球化学异常(陈宣华等, 2015; Zhou et al., 2015; Liu et al., 2017a, 2017b).针对西准噶尔成矿带巨大的金矿找矿潜力，本文以该成矿带水系沉积物地球化学数据为载体，通过集成多重分形局部奇异性分析和序贯指示模拟方法，开展金矿异常识别及其空间分布不确定性定量模拟，为该成矿带金矿成矿预测及找矿风险评价提供决策依据.
图 1 西准噶尔成矿带大地构造简图(a)，西准噶尔成矿带地质简图(b)Fig. 1. Tectonic framework for the West Junggar belt (a), geological sketch of the West Junggar belt (b)1. 区域地质
西准噶尔成矿带发育有晚古生代火山岩、火山碎屑岩、火山碎屑沉积岩.以泥盆纪-石炭纪海相沉积岩和火山岩为主，包括海相安山岩、玄武岩和一些蛇绿混杂堆积(沈远超和金成伟, 1993).泥盆系主要分布在研究区的西部，而石炭系主要分布在达拉布特断裂带附近(图 1b).石炭系自下而上依次为太勒古拉组、包古图组和希贝库拉斯组，是一套巨厚的半深海-大陆坡相火山-碎屑沉积建造(沈远超和金成伟, 1993; 郭丽爽等, 2010；申萍等, 2010).
西准噶尔成矿带广泛发育由后碰撞深成岩浆活动形成的中酸性侵入岩体(赵振华等，2006；韩宝福等，2006；申萍等, 2010; 姜芸等, 2015)，主要分为两大类型：一类为酸性的、以碱长花岗岩为主体的巨大岩基, 包括庙尔沟、阿克巴斯套、克拉玛依等岩体，岩石年龄主要集中在309~296 Ma(徐新等，2006; 韩宝福等，2006; 李永军等, 2012)，构成达拉布特富碱性火成岩带；另一类为呈小岩株产出的花岗闪长岩-石英闪长岩等，年龄集中在332~310 Ma(唐功建等，2009; 刘玉琳等, 2009; 申萍等, 2010; 陈宣华等, 2010; 魏少妮等，2011)，具有与俯冲-碰撞有关的埃达克岩特征，与铜金矿化关系密切，赋存有包古图斑岩铜矿等(张连昌等，2006; 申萍等; 2010; 陈宣华等, 2015).研究表明，大型花岗岩体中的金含量普遍较低，而阿克巴斯套岩体、克拉玛依岩体等具有相对较高的金含量；在包古图地区的小岩体中，具有非常高的金含量和金异常特征(陈宣华等, 2015).
区域构造以一系列北东向断裂为主(图 1b).在北东向达拉布特断裂、玛依勒断裂和巴尔鲁克断裂附近及夹持其间的构造地块，是控制西准噶尔成矿带金、铜、铬等矿产形成与分布的主要构造体系.以北东向达拉布特断裂为界，西准噶尔成矿带分布有两个重要的矿集区，该断裂北西侧为哈图-萨尔托海金-铬矿集区，南东侧为包古图金-铜矿集区.图 1b显示金矿床的分布与断裂、花岗岩类岩体和石炭系等地质特征具有较好的对应关系.陈宣华等(2015)认为西准噶尔成矿带花岗岩类侵入体和金元素在断裂系左行走滑过程中发生了重要的物质调整与迁移作用，造成金矿床在断裂和裂隙中发育.
2. 实验数据与研究方法
2.1 序贯指示模拟
序贯指示模拟是序贯模拟和指示化方法的结合，其基本思想是将变量进行离散编码二值化，即指示化，通常编码成0和1两值的指示变量，然后将克立格的基本思想用于指示变量, 得到指示克立格估计值, 即未知位置变量的概率分布估计，最后基于此后验概率对变量进行序贯模拟.与序贯高斯模拟不同，序贯指示模拟方法并不要求原始样本必须服从正态分布.
假设连续型地球化学变量Z(x)，存在n个样本值{Z(xα)，α=1, 2, …, n}，划分为K个相互排斥的类型变量Sk.根据Goovaerts(1996)、Deutsch and Journel(1998)和赵永存等(2007)，序贯指示模拟的主要步骤如下：
(1) 将变量Z(x)进行二态指示化，变换成K个类型变量，指示变量i(xα，Sk)定义为：
i(xα,Sk)={1ifz(xα)≤Sk0otherwisezz(xα)≠Skk=1,2,⋯,K. (1) (2) 建立指示变量i(xα, Sk)的半方差模型，半方差计算公式如下：
γ∗(h,Sk)=12N(h)N(h)∑α=1[i(xα,Sk)−i(xα+h,Sk)]2, (2) 其中h为滞后距离.通过人机交互式分析，获得拟合的理论模型.
(3) 定义一条遍历所有待模拟位置的随机路径，通过以下步骤实现序贯指示模拟：①应用指示克里金方法计算每个网格节点xα处的克里金概率估计值i*(xα, Sk)=Prob*(Z(xα)≤Sk)；②将每个类型变量的指示概率归一化处理，使它们的和为l，以确定位置xα处的累积条件分布概率；③在积累条件概率分布函数中抽取一个均匀随机数P∈[0, 1]，该随机数P在累积条件分布概率函数中的分位数确定为位置xα处的模拟值；④将该模拟值加入到原始数据中，并沿随机路经进行下一个网格节点x′α的模拟，模拟过程重复①到④，直到所有网格节点全部模拟完成，于是得到一个实现结果.
(4) 重复以上过程可以得到多个模拟实现.
2.2 不确定性分析
随机模拟可以给出多种数值模拟结果，这些模拟结果的差异(波动)可以反映隐含在概率模型之中的不确定性，包括局部不确定性和空间不确定性.根据Goovaerts(2001)和赵永存等(2007)，局部不确定性是指每个模拟点位超过其本身阈值的概率评价，其计算公式如下：
P[z(x∗)>zc]=n(x∗)N, (3) 其中，z(x*)为模拟点位x*处的值；zc为地球化学异常阈值；N为条件模拟的全部次数；n(x*)为全部N次模拟中，该点位模拟值超过阈值的次数.
空间不确定性是指对评价区内所有待模拟点进行不确定性联合概率评价，其计算公式如下：
P[z(x1∗)>zc,z(x2∗)>zc,⋯,z(xm∗)>zc]=n(x1∗,x2∗,⋯,xm∗)N, (4) 其中，n(x1*, x2*, ..., xm*)为所有m个模拟点位的模拟值超过阈值的模拟次数.该算法是求所有待评价点在某次模拟中同时超过某一地球化学异常阈值的概率.
2.3 局部奇异性分析
从非线性理论角度看，成矿过程可以看作是一种奇异性地质过程，奇异性过程可以导致在很小的时间或空间范围内能量的巨量释放或者物质的超常堆积和富集(成秋明, 2001; Cheng, 2007；成秋明等, 2009).针对二维的地球化学采样数据而言，局部奇异性分析的公式为：
<ρ(ε)>=cεα−2=cεΔα, (5) 其中，＜＞表示统计期望.根据场的尺度标度性定义在某一小范围内的场值，即是与度量尺度单位有关的密度成分c，即分形密度(成秋明等, 2009; Cheng, 2016, 2017; Chen and Cheng, 2017; Liu et al., 2018)，单位g/mα；又是与度量尺度单位独立的标度成分，奇异性指数α对应分形空间维数.就勘查地球化学而言，奇异性指数α表征了元素密度分布随度量尺度的变化性，在不同的位置上幂律关系可以具有不同的幂指数值α，可度量元素富集与贫化规律和识别元素的空间分布模式：当奇异性指数α≈2时，该地区成矿特征表现为成矿作用未受到太大的影响，背景区占大部分面积，元素密度基本不随分布范围的缩小而变化；当奇异性指数α＜2时，该地区成矿特征表现为元素富集，元素密度随分布范围的缩小而增大；当奇异性指数α>2时，该地区成矿特征表现为元素贫化，这时元素密度随分布范围的缩小而减小.
实际操作中为方便计算，可采用一系列大小不等的窗口来作为度量面积的工具，可按如下步骤计算：(1)由小到大确定滑动平均窗口： l1×l1，l2×l2, …, lm×lm，l为窗口尺度，得到m幅滑动平均密度ρ(ε)，记为A1, A2, …, Am.(2)取L=max{li}=ln，其中i=1, 2, …, m；以lg(Zi×(Ai/L)2)为因变量，lg(li/L)为自变量，遍历所有空间位置进行最小二乘法拟合，回归直线的斜率即该位置的奇异性指数Δα；令l=L，则回归直线拟合值为lg(c)值，即分形密度的对数值.
2.4 数据来源及数据处理
采用1:20万水系沉积物地球化学数据，共收集5 014件水系沉积物测量化探网格数据点数据，空间上样品以2 km×2 km等间距分布，采用石墨炉原子吸收光谱法分析Au元素含量(Xie et al., 1997; Wang et al., 2007；王学求等，2013).由于西准噶尔地区属于比较干燥的大陆性气候，水系并不是十分发育，各种元素的次生迁移距离并不长，因此，各种元素的空间分布主要反映了元素在原生地质体中的分布特征(陈宣华等, 2015).
应用GS+7.0软件进行地球化学元素半变异函数拟合，由SGeMS(Stanford geostatistical modeling software)软件计算序贯指示模拟结果，基于MATLAB环境开发模拟实现(simulation realizations, SR)向模拟奇异性指数实现(simulation singularity index realizations, SSIR)转换的批处理算法，借助ArcGIS 9.3软件实现模拟结果的可视化分析和制图等工作.
3. 应用研究
3.1 半变异函数分析
由图 2和偏度值(28.36)可知，其分布模式严重偏离了正态分布，因此本研究采用序贯指示模拟方法刻画金异常不确定性.首先依据金元素含量数据的9个分位数(10%、20%、30%、40%、50%、60%、70%、80%、90%)进行指示编码转化，对应的Au含量截值分别为0.5×10-9、0.7×10-9、0.8×10-9、1.0×10-9、1.1×10-9、1.3×10-9、1.6×10-9、2.1×10-9和3.4×10-9，然后对这9个类型变量进行半变异函数分析.半变异函数的参数，如块金值(C0)、基台值(C)和变程(Range)等如表 1所示，拟合的半变异函数曲线如图 3所示.变程反映了空间自相关性的最大滞后距离，如第一个类型变量的变程为28 km(图 3a)，表明金元素样本在0~28 km范围内具有空间自相关性.半变异函数的变异系数(variation coefficient, CV)为块金值(C0)与总变异方差(C+C0)的比值，通常用于定义空间变量自相关性的强弱，Cambardella et al.(1994)指出：CV值低于25%和高于75%分别对应于强空间自相关和弱空间自相关；CV值在25%~75%之间代表中等空间自相关.9个类型变量的变异系数如表 1所示，表现出中等的空间自相关特征.选择这9个分位数作为截值，能够较好地反映该成矿带金元素含量的整体空间变异特性.基于9个分位数的半方差函数构建用于序贯指示模拟的先验条件累积分布函数.
表 1 9个类型变量的半变异模型参数Table Supplementary Table Semi-variation model parameters of nine categorical variables截值(%) 块金值 基台值 变异系数(%) 相关系数 残差平方和 变程(m) 10 0.061 0.033 64.89 0.844 9.80×10-5 28 000 20 0.107 0.061 63.69 0.874 7.01×10-4 35 000 30 0.122 0.099 55.20 0.933 4.19×10-4 39 900 40 0.142 0.110 56.35 0.955 4.89×10-4 53 000 50 0.117 0.138 45.88 0.826 2.38×10-3 48 000 60 0.108 0.127 45.96 0.831 2.13×10-3 48 800 70 0.095 0.106 47.26 0.829 1.99×10-3 45 000 80 0.072 0.082 46.75 0.852 6.15×10-4 39 000 90 0.052 0.035 59.77 0.692 2.02×10-4 29 000 
图 3 9个类型变量的经验变异图和拟合的指数模型Fig. 3. Experimental variograms and the fitted exponent models of nine categorical variables3.2 金元素含量模拟实现及空间分析
根据9个类型变量获得的参数，采用SGeMS中的sisim程序对金元素含量的空间分布进行序贯指示模拟，模拟过程中的搜索半径设置为指示半方差图的最大变程.考虑到模拟次数太少不足以表达地球化学场及概率的连续性特征，而模拟次数过多会造成计算量显著增加，因此，本研究设置了250次模拟.图 4是从250次模拟结果中随机抽取的4个模拟实现图像(#35、#77、#123和#234)，每个模拟实现图像均是等可能的，在空间上分布较为破碎，能够较好地刻画出金含量的波动性和不确定性.研究区内金元素含量值空间分布的总体趋势表现为东北部及中南部有大片高值区出现，中部及西北部金含量相对较低.序贯指示模拟充分利用分类变量全局概率分布特征，能够更好地复原金元素含量的空间结构.金元素含量模拟结果的变化范围与实测数据相同，充分刻画了金元素含量的极值，克服了常规插值方法对结果的平滑效应.
图 4 随机选取的4个金元素含量的模拟实现a.模拟实现#35；b.模拟实现#77；c.模拟实现#123；d.模拟实现#234Fig. 4. Random selected four simulation realizations of Au concentrations3.3 金异常空间不确定性分析
采用局部奇异性分析方法计算金元素含量模拟实现的奇异性指数，在栅格化的地球化学图上以每一点为中心，依次形成大小不等的方形窗口(最小窗口单元为1 km×1 km)，其窗口大小依次为(ε×ε)：2 km×2 km、6 km×6 km、10 km×10 km、14 km×14 km、18 km×18 km、22 km×22 km、26 km×26 km.计算每个窗口内的平均元素密度，并在双对数图上绘制平均密度与窗口大小的关系图，再对多个窗口所获得的数据进行最小二乘线性回归，回归直线的斜率即为奇异性指数的估计值.本文应用MATLAB软件编译的奇异性指数批处理算法，计算了250个金元素含量模拟实现对应的金奇异性指数模拟实现，实现了金元素含量模拟结果的不确定性向金奇异性指数模拟结果的传播.图 5显示了4个金元素含量模拟实现对应的金奇异性指数模拟实现，与图 3类似，金奇异性指数模拟实现了刻画奇异性指数的波动性和不确定性，反映了模拟结果不确定性传播.由金奇异性指数模拟实现可以得到这些模拟图像的平均模拟值，即E型均值(图 6a)，它揭示了金异常局部空间结构，表明局部异常信息得到了有效识别和增强，比如在研究区的中部，弱缓异常得到增强，且与已知金矿床(点)分布十分吻合.根据局部奇异性指数在频率域中的分布模式(成秋明，2001; Cheng, 2007; Liu et al., 2014, 2017a)，以α=2作为阈值，对金奇异性指数进行二分类制图，得到图 6b，显示局部奇异性指数α＜2的区域在空间上与已知金矿床(点)空间分布具有显著相关性，说明α＜2可以反映金元素局部高含量的异常信息，同时也从侧面反映了以含量值的高低来划分背景和异常的局限性.图 1b显示这些局部高异常区主要分布在岩性-地层接触带附近及石炭系中，可能为矿致异常.
图 5 4个金含量模拟实现对应的4个金奇异性指数模拟实现a.#35；b.#77；c.#123；d.#234Fig. 5. Four simulation realizations of Au concentration corresponding to four Au simulation singularity index realizations
图 6 均值型金奇异性指数α估计(a)；奇异性指数α=2作为阈值分割点(b)Fig. 6. E-type Au simulation singularity index realization (a), singularity index with α=2 as threshold value (b)然而，由于在数据采集及数据处理过程中存在不确定性，使得直接按某个阈值将整个研究区划分为高异常区或低异常区，可能导致一些重要异常信息的丢失或决策判断失误.从统计学角度分析，从采样点数据推断未采样点处可能取得结果的概率，或者刻画估计值大于或小于某一阈值的异常信息概率分布模式，更符合勘查地球化学找矿活动的实际需要.因此，基于α＜2时金异常模式通常是与金属元素富集和矿化密切相关的理论前提，笔者绘制了金异常信息在空间上的概率分布模式(图 7a).此处的地球化学异常概率是指各奇异性指数值在250次模拟过程中奇异性指数α＜2出现的频数.在给定不同临界概率的前提下，基于规则Prob[α＜2]≥0.5，可以从图 7b来确定Au元素富集异常区的空间分布，表明在250次模拟过程中，奇异性指数值α＜2出现的频数大于125次.图 7c显示基于规则Prob[α＜2]≥0.7时，金元素富集异常区的空间分布，指示在250次模拟过程中，奇异性指数值α＜2出现的频数大于175次.因此，概率值越大，空间不确定性越小，这对于进一步矿产勘查和决策判断具有重要指导意义.结果显示，金异常的高概率区(Prob[α＜2]≥0.5和Prob[α＜2]≥0.7)与已知金矿床(点)的空间分布非常吻合.
图 7 金奇异性指数α＜2条件下：连续型金异常概率值分布模式(a)，金异常概率值大于0.5的空间分布特征(b)，金异常概率值大于0.7的空间分布特征(c)Fig. 7. Under the condition of α < 2: probability distribution of Au anomaly with continuous values (a), probability distribution of Au anomaly with probability values larger than 0.5 (b), probability distribution of Au anomaly with probability values larger than 0.7 (c)在α＜2条件下圈定的金元素富集异常区(图 6b)与该条件下金富集异常表现的概率分布模式(图 7b)相比，二者呈现相似的空间分布结构，但图 7b在指示金富集异常出现的同时，也指示了金富集异常出现的可能性，而且通过设置不同的概率值(图 7c)，可以刻画金富集异常出现可能性的变化特征，相对于硬性的异常分割模式，基于概率模式的地质找矿更具灵活性和稳健性.基于对西准噶尔成矿带金成矿地质背景的认识，可以发现金元素富集异常概率值Prob[α＜2]≥0.5和奇异性指数α＜2的条件下，圈定的异常区主要分布在达拉布特断裂两侧的石炭系及其接触带部位，如哈图矿集区和研究区南部D附近(图 6b和图 7b)，在研究区西部泥盆纪地层(E附近)和南部志留纪地层(F附近)也有金元素富集异常出现.尽管南部的A处，即包古图矿集区是重要的铜-金矿化区(申萍等, 2010)，但并没有出现大面积的金元素富集异常，特别是当概率值Prob[α＜2]≥0.7时，几乎没有金元素富集异常出现的可能性，这可能与该矿集区铜矿化起主导作用有关，或者与次生风化产物对金弱缓异常强烈的遮蔽作用有关.尽管大多数已知金矿点与金元素富集异常高概率区分布具有显著相关性，主要表现在达拉布特断裂北侧的哈图矿集区，但仍有不少金元素富集异常高概率区没有发现金矿，这些区域应引起学者重视，应紧密结合金成矿地质条件，查找有异常却没有发现矿化的原因，最可靠的方法是野外地质调查.如图 7c中的C处金元素富集异常主要位于石炭系和侵入岩接触带附近(图 1b)，并且异常出现的概率较高，应是野外金矿勘查的重点对象.
4. 结论
本研究通过集成地质统计序贯指示模拟技术和多重分形局部奇异性分析方法，提出地球化学弱异常识别及其不确定性评价模型.以西准噶尔成矿带水系沉积物地球化学数据作为分析基础，采用序贯指示模拟方法对金元素含量数据执行了250次随机模拟操作，有效刻画了西准噶尔成矿带金含量空间分布的波动性及其不确定性特征.通过局部奇异性分析方法对金含量模拟实现进行批量处理，实现金元素含量模拟结果的不确定性向金元素富集异常不确定性传递.本研究克服了确定性插值方法的局限性，保留了样本的极值数据，顾及了金元素地球化学场全局空间结构性和局部变异性特征，突出了局部致矿异常及弱缓异常.通过模拟建立了金富集异常概率分布模式，识别出多处金异常可能出现的高概率区，可为该成矿带金矿勘查风险评价提供帮助.
致谢: 衷心感谢两位审稿人及编委对本文提出的修改建议! -
图 1 西准噶尔成矿带大地构造简图(a)，西准噶尔成矿带地质简图(b)
Fig. 1. Tectonic framework for the West Junggar belt (a), geological sketch of the West Junggar belt (b)
图 3 9个类型变量的经验变异图和拟合的指数模型
Fig. 3. Experimental variograms and the fitted exponent models of nine categorical variables
图 4 随机选取的4个金元素含量的模拟实现
a.模拟实现#35；b.模拟实现#77；c.模拟实现#123；d.模拟实现#234
Fig. 4. Random selected four simulation realizations of Au concentrations
图 5 4个金含量模拟实现对应的4个金奇异性指数模拟实现
a.#35；b.#77；c.#123；d.#234
Fig. 5. Four simulation realizations of Au concentration corresponding to four Au simulation singularity index realizations
图 6 均值型金奇异性指数α估计(a)；奇异性指数α=2作为阈值分割点(b)
Fig. 6. E-type Au simulation singularity index realization (a), singularity index with α=2 as threshold value (b)
图 7 金奇异性指数α＜2条件下：连续型金异常概率值分布模式(a)，金异常概率值大于0.5的空间分布特征(b)，金异常概率值大于0.7的空间分布特征(c)
Fig. 7. Under the condition of α < 2: probability distribution of Au anomaly with continuous values (a), probability distribution of Au anomaly with probability values larger than 0.5 (b), probability distribution of Au anomaly with probability values larger than 0.7 (c)
表 1 9个类型变量的半变异模型参数
Table 1. Semi-variation model parameters of nine categorical variables
截值(%) 块金值 基台值 变异系数(%) 相关系数 残差平方和 变程(m) 10 0.061 0.033 64.89 0.844 9.80×10-5 28 000 20 0.107 0.061 63.69 0.874 7.01×10-4 35 000 30 0.122 0.099 55.20 0.933 4.19×10-4 39 900 40 0.142 0.110 56.35 0.955 4.89×10-4 53 000 50 0.117 0.138 45.88 0.826 2.38×10-3 48 000 60 0.108 0.127 45.96 0.831 2.13×10-3 48 800 70 0.095 0.106 47.26 0.829 1.99×10-3 45 000 80 0.072 0.082 46.75 0.852 6.15×10-4 39 000 90 0.052 0.035 59.77 0.692 2.02×10-4 29 000 
下载: 导出CSV
-
Afrasiab, P., Delbari, M., 2013.Assessing the Risk of Soil Vulnerability to Wind Erosion through Conditional Simulation of Soil Water Content in Sistan Plain, Iran.Environmental Earth Sciences, 70(6):2895-2905. https://doi.org/10.1007/s12665-013-2350-y Agterberg, F., 2014.Geomathematics: Theoretical Foundations, Applications and Future Developments.Springer, New York. Cambardella, C.A., Moorman, T.B., Parkin, T.B., et al., 1994.Field-Scale Variability of Soil Properties in Central Iowa Soils.Soil Science Society of America Journal, 58(5):1501-1511. https://doi.org/10.2136/sssaj1994.03615995005800050033x Chen, G.X., 2016.Identifying Weak but Complex Geophysical and Geochemical Anomalies Caused by Buried Ore Bodies Using Fractal and Wavelet Methods (Dissertation).China University of Geosciences, Wuhan (in Chinese with English abstract). Chen, G.X., Cheng, Q.M., 2017.Fractal Density Modeling of Crustal Heterogeneity from the KTB Deep Hole.Journal of Geophysical Research:Solid Earth, 12(1):1919-1933. https://doi.org/10.1002/2016JB013684 Chen, X.H., Nie, L.S., Ding, W.C., et al., 2015.The Relationship between Strike-Slip Tectonic System and Geochemical Anomalies in the West Junggar, Northwestern China and Its Implication for Mineral Exploration.Acta Petrologica Sinica, 31(2):371-387 (in Chinese with English abstract). http://d.old.wanfangdata.com.cn/Periodical/ysxb98201502006 Chen, X.H., Qu, W.J., Han, S.Q., et al., 2010.Re-Os Dating of Molybdenites from the Cu-Mo-W Deposits in the Balkhash Metallogenic Belt, Kazakhstan and Its Geological Significance.Acta Geologica Sinica, 84(9):1333-1348 (in Chinese with English abstract). http://en.cnki.com.cn/Article_en/CJFDTOTAL-DZXE201009008.htm Chen, Z.J., 2007.Multifractal Theory Based on Local Singularity Analysis Method and Its Application in Spatial Information Extraction for Mineral Exploration (Dissertation).China University of Geosciences, Wuhan (in Chinese with English abstract). Cheng, Q.M., 2001.Multifractal and Geostatistic Methods for Characterizing Local Structure and Singularity Properties of Exploration Geochemical Anomalies.Earth Science, 26(2): 161-166 (in Chinese with English abstract).https: //doi.org/10.3321/j.issn: 1000-2383.2001.02.010 Cheng, Q.M., 2007.Mapping Singularities with Stream Sediment Geochemical Data for Prediction of Undiscovered Mineral Deposits in Gejiu, Yunnan Province, China.Ore Geology Reviews, 32(1-2):314-324. https://doi.org/10.1016/j.oregeorev.2006.10.002 Cheng, Q.M., 2008.Singularity of Mineralization and Multifractal Distribution of Mineral Deposits.Bulletin of Mineralogy, Petrology and Geochemistry, 27(3):298-305 (in Chinese with English abstract). Cheng, Q.M., 2012.Singularity Theory and Methods for Mapping Geochemical Anomalies Caused by Buried Sources and for Predicting Undiscovered Mineral Deposits in Covered Areas.Journal of Geochemical Exploration, 122(11):55-70. https://doi.org/10.1016/j.gexplo.2012.07.007 Cheng, Q.M., 2016.Fractal Density and Singularity Analysis of Heat Flow over Ocean Ridges.Scientific Reports, 6:19167. https://doi.org/10.1038/srep19167 Cheng, Q.M., 2017.Fractal Density and Singularity Analysis of Extreme Geo-Processes.First Complex Systems Digital Campus World E-Conference 2015.Springer, Cham, 395-405. doi: 10.1007/978-3-319-45901-1_41 Cheng, Q.M., Zhao, P.D., Chen, J.G., et al., 2009.Application of Singularity Theory in Prediction of Tin and Copper Mineral Deposits in Gejiu District, Yunnan, China:Weak Information Extraction and Mixing Information Decomposition.Earth Science, 34(2):232-242 (in Chinese with English abstract). https://doi.org/10.3321/j.issn:1000-2383.2009.02.002 Deutsch, C.V., Journel, A, G., 1998.GSLIB Geostatistical Software Library and User's Guide, 2nd Edition Oxford University Press, New York. Geng, H.Y., Sun, M., Yuan, C., et al., 2009.Geochemical, Sr-Nd and Zircon U-Pb-Hf Isotopic Studies of Late Carboniferous Magmatism in the West Junggar, Xinjiang:Implications for Ridge Subduction?Chemical Geology, 266(3-4):364-389. https://doi.org/10.1016/j.chemgeo.2009.07.001 Goovaerts, P., 1996.Stochastic Simulation of Categorical Variables Using a Classification Algorithm and Simulated Annealing.Mathematical Geology, 28(7):909-921. https://doi.org/10.1007/bf02066008 Goovaerts, P., 1999.Geostatistics in Soil Science:State-of-the-Art and Perspectives.Geoderma, 89(1-2):1-45. https://doi.org/10.1016/s0016-7061(98)00078-0 Goovaerts, P., 2001.Geostatistical Modelling of Uncertainty in Soil Science.Geoderma, 103(1-2):3-26. https://doi.org/10.1016/s0016-7061(01)00067-2 Guo, L.S., Liu, Y.L., Wang, Z.H., et al., 2010.The Zircon U-Pb LA-ICP-MS Geochronology of Volcanic Rocks in Baogutu Areas, Western Junggar.Acta Petrologica Sinica, 26(2):471-477 (in Chinese with English abstract). http://www.oalib.com/paper/1471821 Han, B.F., Ji, J.Q., Song, B., et al., 2006.Late Paleozoic Vertical Growth of Continental Crust around the Junggar Basin, Xinjiang, China (Part Ⅰ):Timing of Post-Collisional Plutonism.Acta Petrologica Sinica, 22(5):1077-1086 (in Chinese with English abstract). http://cn.bing.com/academic/profile?id=d16f6ffe47059ee3eb9a4bd3a11bdff8&encoded=0&v=paper_preview&mkt=zh-cn Jiang, Y., Xiao, L., Zhou, P., et al., 2015.Geological, Geochemical Characteristics of Hongshan Pluton:Constraint for Lower Crust of West Junggar, Xinjiang.Earth Science, 40(7):1129-1147 (in Chinese with English abstract). https://doi.org/10.3799/dqkx.2015.095 Juang, K.W., Chen, Y.S., Lee, D.Y., 2004.Using Sequential Indicator Simulation to Assess the Uncertainty of Delineating Heavy-Metal Contaminated Soils.Environmental Pollution, 127(2):229-238. https://doi.org/10.1016/j.envpol.2003.07.001 Li, X.H., Yuan, F., Jia, C., et al., 2012.Comparison of Geostatistical Interpolation Methods for Local Singularity Exponent Calculation.Scientia Geographica Sinica, 32(2):136-142 (in Chinese with English abstract). http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK201200213601 Li, Y.J., Wang, R., Li, W.D., et al., 2012.Discovery of the Porphyry Copper-Molybdenum Deposits and Prospecting Reflections in Southern Darbut Teoctonic Magmatic Belts, West Junggar, China.Acta Petrologica Sinica, 28(7):2009-2014 (in Chinese with English abstract). Liu, Y., Cheng, Q.M., Xia, Q.L., et al., 2013.Application of Singularity Analysis for Mineral Potential Identification Using Geochemical Data—A Case Study:Nanling W-Sn-Mo Polymetallic Metallogenic Belt, South China.Journal of Geochemical Exploration, 134(11):61-72. https://doi.org/10.1016/j.gexplo.2013.08.006 Liu, Y., Cheng, Q.M., Xia, Q.L., et al., 2014.Identification of REE Mineralization-Related Geochemical Anomalies Using Fractal/Multifractal Methods in the Nanling Belt, South China.Environmental Earth Sciences, 72(12):5159-5169. https://doi.org/10.1007/s12665-014-3385-4 Liu, Y., Cheng, Q.M., Zhou, K.F., 2018.New Insights into Element Distribution Patterns in Geochemistry: A Perspective from Fractal Density.Natural Resources Research, Online.https: //doi.org/10.1007/s11053-018-9374-7 Liu, Y., Zhou, K.F., Cheng, Q.M., 2017a.A New Method for Geochemical Anomaly Separation Based on the Distribution Patterns of Singularity Indices.Computers & Geosciences, 105:139-147. https://doi.org/10.1016/j.cageo.2017.05.008 Liu, Y., Zhou, K.F., Zhang, N.N., et al., 2017b.Maximum Entropy Modeling for Orogenic Gold Prospectivity Mapping in the Tangbale-Hatu Belt, Western Junggar, China.Ore Geology Reviews, Online.https: //doi.org/10.1016/j.cageo.2017.05.008 Liu, Y.L., Guo, L.S., Song, H.X., et al., 2009.Dating Study of the Baogutu Porphyry Copper Deposit in the Western Junggar, Xinjiang.Science in China (Series D), 39(10):1466-1472 (in Chinese with English abstract). Paithankar, A., Chatterjee, S., 2018.Grade and Tonnage Uncertainty Analysis of an African Copper Deposit Using Multiple-Point Geostatistics and Sequential Gaussian Simulation.Natural Resources Research, 27(4):419-436. https://doi.org/10.1007/s11053-017-9364-1 Qu, J.N., Deutsch, C.V., 2018.Geostatistical Simulation with a Trend Using Gaussian Mixture Models.Natural Resources Research, 27(3):347-363. https://doi.org/10.1007/s11053-017-9354-3 Rahimi, H., Asghari, O., Hajizadeh, F., 2018.Selection of Optimal Thresholds for Estimation and Simulation Based on Indicator Values of Highly Skewed Distributions of Ore Data.Natural Resources Research, 27(4):437-453. https://doi.org/10.1007/s11053-017-9366-z Sadeghi, B., Madani, N., Carranza, E.J.M., 2015.Combination of Geostatistical Simulation and Fractal Modeling for Mineral Resource Classification.Journal of Geochemical Exploration, 149:59-73. https://doi.org/10.1016/j.gexplo.2014.11.007 Shen, P., Pan, H.D., Xiao, W.J., et al., 2014.An Ordovician Intra-Oceanic Subduction System Influenced by Ridge Subduction in the West Junggar, Northwest China.International Geology Review, 56(2):206-223. https://doi.org/10.1080/00206814.2013.839096 Shen, P., Shen, Y.C., Pan, C.Z., et al., 2010.Zircon Age and Metallogenic Characteristics of the Hatu-Baogutu Au-Cu Metallogenic Concentric Region in Xinjiang.Acta Petrologica Sinica, 26(10):2879-2893 (in Chinese with English abstract). Shen, P., Zhou, T.F., Yuan, F., et al., 2015.Main Deposit Types, Mineral Systems, and Metallogenic Belt Connections in the Circum-Balkhash-West Junggar Metallogenic Province.Acta Petrologica Sinica, 31(2):285-303 (in Chinese with English abstract). http://d.old.wanfangdata.com.cn/Periodical/ysxb98201502001 Shen, Y.C., Jin, C.W., 1993.Magmatic Activity and Gold Mineralization in Junggar Region.Science Press, Beijing (in Chinese). Shi, Z., Li, Y., Cheng, J.L., et al., 2007.Stochastic Simulation of Spatial Distribution and Uncertainty Assessment of Heavy Metal in Paddy Soil.Environmental Science, 28(1):209-214 (in Chinese with English abstract). http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=hjkx200701038 Tang, G.J., Wang, Q., Wyman, D.A., et al., 2010.Ridge Subduction and Crustal Growth in the Central Asian Orogenic Belt:Evidence from Late Carboniferous Adakites and High-Mg Diorites in the Western Junggar Region, Northern Xinjiang (West China).Chemical Geology, 277(3-4):281-300. https://doi.org/10.1016/j.chemgeo.2010.08.012 Tang, G.J., Wang, Q., Zhao, Z.H., et al., 2009.Geochronology and Geochemistry of the Ore-Bearing Porphyries in the Baogutu Area (Western Junggar):Petrogenesis and Their Implications for Tectonics and Cu-Au Mineralization.Earth Science, 34(1):56-74 (in Chinese with English abstract). https://doi.org/10.3321/j.issn:1000-2383.2009.01.007 Wang, W.L., Zhao, J., Cheng, Q.M., et al., 2012.Tectonic-Geochemical Exploration Modeling for Characterizing Geo-Anomalies in Southeastern Yunnan District, China.Journal of Geochemical Exploration, 122(11):71-80. https://doi.org/10.1016/j.gexplo.2012.06.017 Wang, X.Q., Xu, S.F., Chi, Q.H., et al., 2013.Gold Geochemical Provinces in China:A Micro- and Nano-Scale Formation Mechanism.Acta Geologica Sinica, 87(1):1-8 (in Chinese with English abstract). doi: 10.1111/acgs.2013.87.issue-1 Wang, X.Q., Zhang, Q., Zhou, G.H., 2007.National-Scale Geochemical Mapping Projects in China.Geostandards and Geoanalytical Research, 31(4):311-320. https://doi.org/10.1111/j.1751-908x.2007.00128.x Wei, S.N., Cheng, J.F., Yu, D.B., et al., 2011.Petrology and SHRIMP Zircon Ages of Intrusive Body Ⅲ in Baogutu Area, Xinjiang.Earth Science Frontiers, 18(2):212-222 (in Chinese with English abstract). https://www.researchgate.net/publication/287181356_Petrology_and_SHRIMP_zircon_ages_of_intrusive_body_III_in_Baogutu_area_Xinjiang Wei, S.N., Zhu, Y.F., An, F., 2014.Mineralization and Elements Migration Characteristics of Porphyry Copper Deposits in Baogutu Area, Xinjiang.Mineral Deposits, 33(1):165-180 (in Chinese with English abstract). Xiao, F., Chen, J.G., Hou, W.S., et al., 2017.Identification and Extraction of Ag-Au Mineralization Associated Geochemical Anomaly in Pangxitong District, Southern Part of the Qinzhou-Hangzhou Metallogenic Belt, China.Acta Petrologica Sinica, 33(3):779-790 (in Chinese with English abstract). http://www.en.cnki.com.cn/Article_en/CJFDTotal-YSXB201703009.htm Xiao, W.J., Han, C.M., Yuan, C., et al., 2008.Middle Cambrian to Permian Subduction-Related Accretionary Orogenesis of Northern Xinjiang, NW China:Implications for the Tectonic Evolution of Central Asia.Journal of Asian Earth Sciences, 32(2-4):102-117. https://doi.org/10.1016/j.jseaes.2007.10.008 Xiao, W.J., Shu, L.S., Gao, J., et al., 2008.Continental Dynamics of the Central Asian Orogenic Belt and Its Metallogeny.Xinjiang Geology, 26(1):4-8 (in Chinese with English abstract). http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=xjdz200801002 Xie, X.J., Mu, X.Z., Ren, T.X., 1997.Geochemical Mapping in China.Journal of Geochemical Exploration, 60(1):99-113. https://doi.org/10.1016/s0375-6742(97)00029-0 Xu, X., He, G.Q., Li, H.Q., et al., 2006.Basic Characteristics of the Karamay Ophiolitic Mélange, Xinjiang, and Its Zircon SHRIMP Dating.Geology in China, 33(3):470-475 (in Chinese with English abstract). http://cn.bing.com/academic/profile?id=f3ae4ee8eb3c80a155d1c8a80acf9421&encoded=0&v=paper_preview&mkt=zh-cn Yang, W., Wang, G.C., Zong, R.W., et al., 2015.Determination of Silurian-Devonian Arc-Basin Pattern in Western Junggar and Its Regional Tectonic Significance.Earth Science, 40(3):448-460 (in Chinese with English abstract). https://doi.org/10.3799/dqkx.2015.037 Yao, R.J., Yang, J.S., Han, J.J., 2011.Stochastic Simulation and Uncertainty Assessment of Spatial Variation in Soil Salinity in Coastal Reclamation Regions.Chinese Journal of Eco-Agriculture, 19(3):485-490 (in Chinese with English abstract). doi: 10.3724/SP.J.1011.2011.00485 Yuan, F., Zhou, T.F., Deng, Y.F., et al., 2015.Ore-Forming Type and Regional Metallogenic Regularity in the Sawuer Region, West Junggar, Xinjiang.Acta Petrologica Sinica, 31(2):388-400 (in Chinese with English abstract). http://d.old.wanfangdata.com.cn/Periodical/ysxb98201502007 Zhang, L.C., Wan, B., Jiao, X.J., et al., 2006.Characteristics and Geological Significance of Adakitic Rocks in Copper-Bearing Porphyry in Baogutu, Western Junggar.Geology in China, 33(3):626-631 (in Chinese with English abstract). http://cn.bing.com/academic/profile?id=82403455c84e1fc89211c794fd52054b&encoded=0&v=paper_preview&mkt=zh-cn Zhang, S.P., Shao, M.G., Li, D.F., 2017.Prediction of Soil Moisture Scarcity Using Sequential Gaussian Simulation in an Arid Region of China.Geoderma, 295:119-128. https://doi.org/10.1016/j.geoderma.2017.02.003 Zhao, Y.C., Huang, B., Sun, W.X., et al., 2007.Uncertainty Assessment of the Spatial Patterns of Copper Contents in Topsoil in Zhangjiagang City, China.Acta Pedologica Sinica, 44(6):974-981 (in Chinese with English abstract). Zhao, Y.C., Sun, W.X., Huang, B., et al., 2008.Comparison of Sequential Indicator Simulation and Sequential Indicator Co-Simulation for Quantifying the Local Uncertainty of Soil Cd Content.Journal of Agro-Environment Science, 27(1):139-146 (in Chinese with English abstract). Zhao, Y.F., Sun, Z.Y., Chen, J., 2010.Analysis and Comparison in Arithmetic for Kriging Interpolation and Sequential Gaussian Conditional Simulation.Journal of Geo-Information Science, 12(6):767-776 (in Chinese with English abstract). http://d.old.wanfangdata.com.cn/Periodical/dqxxkx201006004 Zhao, Z.H., Wang, Q., Xiong, X.L., et al., 2006.Two Types of Adakites in North Xinjiang, China.Acta Petrologica Sinica, 22(5):1249-1265 (in Chinese with English abstract). http://www.en.cnki.com.cn/Article_en/CJFDTotal-YSXB200605016.htm Zheng, B., Zhu, Y.F., An, F., 2014.Study of Gold Mineralization Types in Relation to Host Rocks in Gold Deposits of Baogutu Area, Xinjiang.Mineral Deposits, 33(3):558-574 (in Chinese with English abstract). Zhou, S.G., Zhou, K.F., Cui, Y., et al., 2015.Exploratory Data Analysis and Singularity Mapping in Geochemical Anomaly Identification in Karamay, Xinjiang, China.Journal of Geochemical Exploration, 154:171-179. https://doi.org/10.1016/j.gexplo.2014.12.007 Zhu, Y.F., 2014.Geological Evolution and Division of Giant Metallogenic Belts in Core Part of Central Asian Metallogenic Region.Mineral Deposits, 33(3):471-485 (in Chinese with English abstract). http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=kcdz201403002 Zuo, R.G., Cheng, Q.M., Agterberg, F.P., et al., 2009.Application of Singularity Mapping Technique to Identify Local Anomalies Using Stream Sediment Geochemical Data, a Case Study from Gangdese, Tibet, Western China.Journal of Geochemical Exploration, 101(3):225-235. https://doi.org/10.1016/j.gexplo.2008.08.003 陈国雄, 2016.基于分形与小波理论的成矿复杂信息提取与识别方法研究.武汉: 中国地质大学, 博士论文. http://cdmd.cnki.com.cn/Article/CDMD-10491-1016312012.htm 陈宣华, 聂兰仕, 丁伟翠, 等, 2015.西准噶尔走滑断裂系元素分布特征及其成矿意义.岩石学报, 31(2): 371-387. http://d.old.wanfangdata.com.cn/Periodical/ysxb98201502006 陈宣华, 屈文俊, 韩淑琴, 等, 2010.巴尔喀什成矿带Cu-Mo-W矿床的辉钼矿Re-Os同位素年龄测定及其地质意义.地质学报, 84(9): 1333-1348. http://d.old.wanfangdata.com.cn/Periodical/dizhixb201009008 陈志军, 2007.多重分形局部奇异性分析方法及其在矿产资源信息提取中的应用.武汉: 中国地质大学, 博士论文. http://cdmd.cnki.com.cn/Article/CDMD-10491-2007142833.htm 成秋明, 2001.多重分形与地质统计学方法用于勘查地球化学异常空间结构和奇异性分析.地球科学, 26(2): 161-166. doi: 10.3321/j.issn:1000-2383.2001.02.010 成秋明, 2008.成矿过程奇异性与矿床多重分形分布.矿物岩石地球化学通报, 27(3): 298-305. doi: 10.3969/j.issn.1007-2802.2008.03.012 成秋明, 赵鹏大, 陈建国, 等, 2009.奇异性理论在个旧锡铜矿产资源预测中的应用:成矿弱信息提取和复合信息分解.地球科学, 34(2): 232-242. doi: 10.3321/j.issn:1000-2383.2009.02.002 郭丽爽, 刘玉琳, 王政华, 等, 2010.西准噶尔包古图地区地层火山岩锆石LA-ICP-MSU-Pb年代学研究.岩石学报, 26(2): 471-477. http://d.old.wanfangdata.com.cn/Periodical/ysxb98201002011 韩宝福, 季建清, 宋彪, 等, 2006.新疆准噶尔晚古生代陆壳垂向生长(Ⅰ)——后碰撞深成岩浆活动的时限.岩石学报, 22(5): 1077-1086. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ysxb98200605003 姜芸, 肖龙, 周佩, 等, 2015.新疆西准噶尔红山岩体地质地球化学特征及对下地壳性质的启示.地球科学, 40(7): 1129-1147. http://www.earth-science.net/WebPage/Article.aspx?id=3115 李晓晖, 袁峰, 贾蔡, 等, 2012.基于地统计学插值方法的局部奇异性指数计算比较研究.地理科学, 32(2): 136-142. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK201200213601 李永军, 王冉, 李卫东, 等, 2012.西准噶尔达尔布特南构造-岩浆岩带斑岩型铜-钼矿新发现及找矿思路.岩石学报, 28(7): 2009-2014. http://d.old.wanfangdata.com.cn/Periodical/ysxb98201207005 刘玉琳, 郭丽爽, 宋会侠, 等, 2009.新疆西准噶尔包古图斑岩铜矿年代学研究.中国科学(D辑), 39(10): 1466-1472. http://cdmd.cnki.com.cn/Article/CDMD-82501-1012371241.htm 申萍, 沈远超, 潘成泽, 等, 2010.新疆哈图-包古图金铜矿集区锆石年龄及成矿特点.岩石学报, 26(10): 2879-2893. http://d.old.wanfangdata.com.cn/Periodical/ysxb98201010001 申萍, 周涛发, 袁峰, 等, 2015.环巴尔喀什-西准噶尔成矿省矿床类型, 成矿系统和跨境成矿带对接.岩石学报, 31(2): 285-303. http://d.old.wanfangdata.com.cn/Periodical/ysxb98201502001 沈远超, 金成伟, 1993.西准噶尔地区岩浆活动与金矿化作用.北京:科学出版社. 史舟, 李艳, 程街亮, 等, 2007.水稻土重金属空间分布的随机模拟和不确定评价.环境科学, 28(1): 209-214. doi: 10.3321/j.issn:0250-3301.2007.01.038 唐功建, 王强, 赵振华, 等, 2009.西准噶尔包古图成矿斑岩年代学与地球化学:岩石成因与构造、铜金成矿意义.地球科学, 34(1): 56-74. doi: 10.3321/j.issn:1000-2383.2009.01.007 王学求, 徐善法, 迟清华, 等, 2013.中国金的地球化学省及其成因的微观解释.地质学报, 87(1): 1-8. http://d.old.wanfangdata.com.cn/Periodical/dizhixb201301001 魏少妮, 程军峰, 喻达兵, 等, 2011.新疆包古图Ⅲ号岩体岩石学和锆石SHRIMP年代学研究.地学前缘, 18(2): 212-222. http://d.old.wanfangdata.com.cn/Periodical/dxqy201102018 魏少妮, 朱永峰, 安芳, 2014.新疆包古图地区斑岩型铜矿化特征和成矿元素迁移规律初探.矿床地质, 33(1): 165-180. doi: 10.3969/j.issn.0258-7106.2014.01.011 肖凡, 陈建国, 侯卫生, 等, 2017钦-杭结合带南段庞西垌地区Ag-Au致矿地球化学异常信息识别与提取.岩石学报, 33(3): 779-790. http://d.old.wanfangdata.com.cn/Periodical/ysxb98201703009 肖文交, 舒良树, 高俊, 等, 2008.中亚造山带大陆动力学过程与成矿作用.新疆地质, 26(1): 4-8. doi: 10.3969/j.issn.1000-8845.2008.01.002 徐新, 何国琦, 李华芹, 等, 2006.克拉玛依蛇绿混杂岩带的基本特征和锆石SHRIMP年龄信息.中国地质, 33(3): 470-475. doi: 10.3969/j.issn.1000-3657.2006.03.003 杨维, 王国灿, 纵瑞文, 等, 2015.西准噶尔志留-泥盆纪弧盆格局的确定及其区域构造演化意义.地球科学, 40(3): 448-460. http://www.earth-science.net/WebPage/Article.aspx?id=3182 姚荣江, 杨劲松, 韩建均, 2011.海涂围垦区土壤盐分空间变异性随机模拟与不确定性评价.中国生态农业学报, 19(3): 485-490. http://d.old.wanfangdata.com.cn/Periodical/stnyyj201103001 袁峰, 周涛发, 邓宇峰, 等, 2015.西准噶尔萨吾尔地区主要矿床类型及成矿规律.岩石学报, 31(2): 388-400. http://d.old.wanfangdata.com.cn/Periodical/guangdcy201705002 张连昌, 万博, 焦学军, 等, 2006.西准包古图含铜斑岩的埃达克岩特征及其地质意义.中国地质, 33(3): 626-631. doi: 10.3969/j.issn.1000-3657.2006.03.020 赵彦锋, 孙志英, 陈杰, 2010.Kriging插值和序贯高斯条件模拟算法的对比分析.地球信息科学学报, 12(6): 767-776. http://d.old.wanfangdata.com.cn/Periodical/dqxxkx201006004 赵永存, 黄标, 孙维侠, 等, 2007.张家港土壤表层铜含量空间预测的不确定性评价研究.土壤学报, 44(6): 974-981. doi: 10.3321/j.issn:0564-3929.2007.06.003 赵永存, 孙维侠, 黄标, 等, 2008.不同随机模拟方法定量土壤镉含量预测的不确定性研究.农业环境科学学报, 27(1): 139-146. doi: 10.3321/j.issn:1672-2043.2008.01.024 赵振华, 王强, 熊小林, 等, 2006.新疆北部的两类埃达克岩.岩石学报, 22(5): 1249-1265. http://d.old.wanfangdata.com.cn/Periodical/ysxb98200605016 郑波, 朱永峰, 安芳, 2014.新疆包古图地区金矿床矿化类型和与围岩关系研究.矿床地质, 33(3): 558-574. doi: 10.3969/j.issn.0258-7106.2014.03.008 朱永峰, 2014.中亚成矿域核心区地质演化和巨型成矿带划分.矿床地质, 33(3): 471-485. doi: 10.3969/j.issn.0258-7106.2014.03.002 期刊类型引用(3)
1. 马忠胜，张广平. 新疆西准阿克塔木金矿化探异常特征及找矿前景分析. 矿产与地质. 2022(03): 622-629 . 
百度学术2. 左仁广，王健，熊义辉，王子烨. 2011～2020年勘查地球化学数据处理研究进展. 矿物岩石地球化学通报. 2021(01): 81-93+4 . 百度学术3. 蒋磊，汪滢，曾祥武，聂晓勇. 新疆西准噶尔哈西金矿矿床地质特征及找矿方向研究. 有色金属(矿山部分). 2019(04): 52-57+99 . 百度学术其他类型引用(1)
-
下载:
百度学术
点击查看大图
计量
- 文章访问数: 5160
- HTML全文浏览量: 2094
- PDF下载量: 49
- 被引次数: 4
