化探背景异常划分的多背景变差衬度法

赵玉岩， 李 兵， 郝立波， 陆继龙， 赵 禹， 孙立吉, 王晓丽

(1.吉林大学 a.地球探测科学与技术学院,b.吉林大学 学报编辑部，长春 130026； 2.中国地质调查局 西安地质调查中心，西安 710054； 3.湖南省国土资源信息中心，长沙 410007)

0 引言

随着地质工作程度不断提高，露头矿(浅表矿)发现的可能性越来越低，隐伏矿(掩埋矿)已成为找矿工作的重点。多年以来，作为找矿重要技术手段，化探方法已为我国找矿事业提供了大量线索。一直以来，化探异常高、大、全的区域常被选为靶区进行详查研究，这类异常一般与露头矿(或浅表矿)有关，其评价方法已非常成熟。关于隐伏矿找矿问题，化探学者普遍认识到[1-5]，对于覆盖层中没有任何异常显示的真隐伏矿床，目前尚无有效的方法。但是对于若隐若现或半隐半现的假隐伏矿，由于矿床原生晕的较少风化，这些矿床的上覆土壤中可能存在个别元素的低弱地球化学异常。而在复杂地质情况下，这些低弱异常容易被岩性之间的元素含量差异掩盖。在岩性复杂地区，统一化探背景上限的传统方法会导致低弱异常被掩盖，又或导致高背景区被错划为异常，从而对进一步工作产生困扰。为了解决这一问题，不同的解决方案曾先后被提出，归纳起来主要有3种思路：①从数学角度出发的基于连续背景的衬值滤波法[6]、趋势面法[7]、子区中位数滤波[8]等；②从地质情况出发的基于不连续背景的分类处理思路的分区背景校正[9]、分区标准化[10]、快速聚类分区[11]等；③以及从地质理论的数学分析出发的基于广义自相似理论的分形方法[12-14]等。已有的实践证明了上述诸方法都能在一定程度上实现复杂岩性区背景异常的划分，各有优势。笔者认为区域地球化学背景在不同地质体之间应是突变的，在一个地质体内部应是渐变的。基于这一假设和已有的研究，以地质多背景为前提，以简化计算、突出低缓异常为主要目的，设计了一种新的化探评价参数—多背景变差衬度，用于识别复杂岩性区化探异常。

1 基本原理

化探数据处理时要消除随机误差，突出结构异常。在岩性复杂地区，为突出低弱异常，更要强化对随机误差的压制。通过建立相邻点间的联系压制随机性噪声，揭示数据隐含信息是一个可行的解决方案。衬度是化探常用异常标志值，通过衍变，可以将单点数据与其相邻数据均值进行求差值计算，然后以所在地质单元的背景值为基础计算出变差衬度值(关键是各地质单元分别计算背景值)，再绘制全区的变差衬度值等值线图，以突出异常。

多背景的上限值有很多种求法，其中一种简捷求法是利用化探数据的造岩元素特征，对研究区进行单元划分，分别在每个单元内根据元素的分布型式求其背景值。笔者建议采用快速聚类分区方法进行单元划分，即利用化探数据中的造岩元素SiO2、K2O、Na2O、CaO、MgO、Al2O3、Fe2O3含量及结构关系，对样品分类间接实现地质体类型划分。方法的特点在于不需要借助地质图件，简便快捷，仅利用现有多元统计分析软件(如SPSS)中的模块就可实现化学成分相似样品的聚类。具体方法步骤可参考文献[11]。

2 算法公式

根据上述思想构建的多背景变差衬度计算公式为：

(1)

3 实例分析

我们以1∶200 000郴县幅化探数据为例进行方法实验，区域地质背景参考文献[11]。1∶200 000郴县幅化探数据共有采样点1 860个，分析元素(氧化物)39种，数据完整，分析质量高，区内钨锡矿点分布较多，适合作为典型研究区。以元素W、Sn为例进行方法试验。

采用常见造岩元素SiO2、K2O、Na2O、CaO、MgO、Al2O3、Fe2O3为指标，在SPSS中用K-means快速聚类方法对研究区样品进行分区处理，得到其地球化学分类图。将研究区已知的地质简图(图1)和地球化学分类图(图2)进行对比分析，发现分类结果与地质体单元大类分布位置吻合良好，其中：震旦系、寒武系、白垩系与第1类样品位置相对应；石炭系、部分侏罗系与第2类样品位置相对应；泥盆系与第3类样品位置相对应；花岗岩与第4类样品位置相对应；二叠系、部分石炭系与第5类样品位置相对应。因此，分类结果可用于下一步计算。

图1 研究区地质简图Fig.1 Geological map of the study area

图2 地球化学分类图Fig.2 Geochemical classification map

在各类样品组内分别采用3S检验循环剔除异常值后绘制原始数据(或自然对数)频率分布图的方法，对W、Sn元素含量进行分布型式检验(图3)，然后分别根据分布型式选择背景上限公式，求解两元素在各样品类中的背景上限(表1)。再根据上述变差衬度计算公式，求解各点的变差衬度值。在求变差衬度值时，由于分区后的各类分布形态并不标准，一些边缘位置点不能满足每个点周围8个相邻点的要求，这些样品可以选择几个相邻的同类样品参与计算，计算结果可用于参考分析。以上计算在MATLAB中实现。

图3 研究区W、Sn概率分布型式Fig.3 Distribution pattern of W, Sn

方法结果单一背景多背景第1类第2类第3类第4类第5类样品数量1860581188596344151W分布型式对数正态对数正态对数正态对数正态对数正态对数正态Sn分布型式正态正态对数正态正态正态对数正态W背景上限(k=2)16．467．077．5110．8741．6315．12Sn背景上限(k=2)5．524．4015．765．4538．9216．93W背景上限(k=10)61．87-----Sn背景上限(k=20)25．89-----

基于表1中W和Sn的单一背景上限值，分别绘制传统W和Sn元素化探异常区图，并将已知钨和锡矿床位置标注在图上(图4、图5)。对比图中异常区与已知矿床位置：在图4和图5中，虽然所有已知矿点都在异常区内，但是W和Sn的异常面积都较大，W异常面积约占全区面积的1/5，Sn异常面积约占全区面积的1/3。直接在这样的异常区内布置进一步的勘查工作将是盲目的，会造成人工和经济的极大浪费。并且，图5右侧的元素异常明显受到岩性控制，难以准确判断在该区内是否有矿致异常的存在。

图4 W传统化探异常区(k=2)Fig.4 Geochemical traditional anomaly map of W (k=2) and the location of tungsten deposit

图5 n传统化探异常区(k=2)Fig.5 Geochemical traditional anomaly map of Sn (k=2) and the location of tin deposit

图6 W传统化探异常(k=10)Fig.6 Geochemical traditional anomaly map of W (k=10) and the location of tungsten deposit

图7 Sn传统化探异常(k=20)Fig.7 Geochemical traditional anomaly map of Sn (k=20) and the location of tin deposit

按照传统背景上限计算方法，如果要缩小异常区面积，需要通过增大k值实现。在极限情况下，当取k=10时，绘制的W异常区图(图6)，既能涵盖已知钨矿床，又使得异常区面积缩到最小；取k=20绘制Sn异常区图(图7)，也能将几乎所有锡矿床都在涵盖在Sn元素异常区内。但即使已经取了如此大的k值(10或20)，图7右侧和底部仍存在较大面积的异常，这些异常在岩性影响基础上是否叠加了成矿异常，无法给出明确答案。另外，当k取值如此大时，区内低缓或微弱的异常都消失了，不利于进一步找矿工作安排。

图8 W多背景变差衬度异常区(A0=2)Fig.8 Geochemical contrast anomaly map of variation coefficient of W(A0=2) and the location of tungsten deposit

图9 Sn多背景变差衬度异常区(A0=2)Fig.9 Geochemical contrast anomaly map of variation coefficient of Sn(A0=2) and the location of tin deposit

图8和图9是利用本文提出的新方法绘制的W和Sn多背景变差衬度异常区图(A值大于2视为异常)，同样也将已知钨和锡矿床位置标注在图上。图8、图9中，异常区位置非常集中，直接指示了矿床位置，其对应关系非常明显。尤其在Sn多背景变差衬度异常区中，图9右侧区域岩性的控制被彻底消除。无论是在原来的异常受岩性控制区域还是在其他区域都有新的异常被发现。

图8、图9中的点A附近均有异常，存在已知的锡矿床；图8、图9中的点B和点C附近均有异常，存在已知的钨矿床。由于W、Sn的伴生关系，相互印证，说明图8、图9的这3个异常位置是准确的。图8、图9中点D附近均有异常，尚无已知矿床标注；而该区域在传统方法划分的异常中显示不明显而容易被忽视。结合地质情况分析，该异常区位于花岗岩体和地层交界附近，应当引起重视，可能有找矿的希望。图8中点E附近有钨异常，无已知矿床标注，图9中点F附近有锡异常，也无已知矿床标注，这两个异常区在传统异常图中是微弱异常，经过数据处理，被本文方法突出出来，也是值得进一步开展工作的位置。

从对比结果可以看出，笔者提出的多背景变差衬度法，相对于传统化探异常划分方法具有如下明显优势：

1)能完全消除岩性对异常区划分造成的影响。通过采用多背景的处理方法，使得受地质背景影响严重的元素(如Sn)评价时消除地质背景中的元素含量影响，突出显示元素矿致异常位置。

2)极大缩小异常区域面积。缩小异常面积意味着很多非矿异常区域被去除，与成矿有关的异常位置被明确显示出来，更加能够节约工作成本，突出工作重点，提高工作效率。

3)突出低缓或微弱异常。通过采用变差衬度的方法，使得在一类统计单元内部，其相对背景是一种曲面趋势，进一步实现了发现较弱异常的目的，进一步提高了发现新矿床的可能。与其他方法相比，变差衬度法的异常取值更加符合地质事实，从而保证了其计算结果的可信度。

4 结语

笔者提出了一种新的化探背景异常划分方法—多背景变差衬度法。数据处理的思路充分考虑异常产生的地质原因，符合地质理论。在计算机软件辅助下，样品分类、区域搜索和变差衬度计算等都容易实现。与传统地球化学异常确定方法相比，新方法有消除岩性影响，缩小异常面积，突出低弱异常的优势，且成图图面简洁，异常明显，为进一步找矿勘查工作提供借鉴。

参考文献：

[1] 朱华平，张德全. 区域化探异常的地球化学勘查评价方法技术进展综述[J]. 地质与勘探， 2003， 39(3)：35-38.

ZHU H P，ZHANG D Q. Research advances of geochemical survey methods and technologies of regional geochemical abnormities[J]. Geology and Prospecting，2003，39(3)：35-38. (In Chinese)

[2] 李瑜，刘剑锋，罗恺，等. 化探异常的多背景问题[J]. 物探与化探，2015，39(3)： 443-449.

LI Y，LIU J F，LUO K，et al. The multi-background problem in geochemical anomaly[J]. Geophysical and Geochemical Exploration，2015，39(3)： 443-449. (In Chinese)

[3] 姚涛，陈守余，廖阮颖子. 地球化学异常下限不同确定方法及合理性探讨[J]. 地质找矿论丛，2011，26(1)：96-101.

YAO T，CHEN S Y，LIAORUAN Y Z. Methods for determination of the lower geochemical anomaly limit and the rationality discussion[J]. Contributions to Geology and Mineral Resources Research，2011，26(1)：96-101. (In Chinese)

[4] 熊超，葛良全，罗耀耀，等. 多种确定地球化学异常下限方法的比较[J]. 四川有色金属，2012(1)：52-61.

XIONG C，GE L Q， LUO Y Y，et al. Comparison of multiple method to determine the geochemical anomalies in the lower limit[J]. Sichuan Nonferrous Metals，2012(1)：52-61. (In Chinese)

[5] 陈健，李正栋，钟皓，等. 多种地球化学异常下限确定方法的对比研究[J]. 地质调查与研究，2014，37(3)：52-57.

CHEN J，LI Z D， ZHONG H，et al. Comparison of multiple methods to determine the geochemical anomaly threshold[J]. Geological Survey and Research，2014，37(3)：52-57. (In Chinese)

[6] 金俊杰，陈建国. 地球化学异常提取的自适应衬值滤波法[J]. 物探与化探，2011， 35(4)：526-530.

JIN J J，CHEN J G. A self-adaptive method of contrast filtering for extracting geochemical anomaly[J]. Geophysical and Geochemical Exploration，2011， 35(4)：526-530. (In Chinese)

[7] 胥泽银，郭科. 多元统计方法及其程序设计[M]. 成都: 四川科学技术出版社，1999.

HE Z Y，GUO K. Multivariate statistical method and its program design[M]. Chengdu：Sichuan Science and Technology Press，1999. (In Chinese)

[8] 史长义，张金华，黄笑梅. 子区中位数衬值滤波法及弱小异常识别[J]. 物探与化探， 1999，23(4)：250-257.

SHI C Y， ZHANG J H，HUANG X M. Subregion median contrast filtering method and recognition of weak anomalies[J]. Geophysical and Geochemical Exploration，1999，23(4)：250-257. (In Chinese)

[9] 周蒂. 分区背景校正法及其对化探异常圈定的意义[J]. 物探与化探，1986，10(4)：263-273.

ZHOU D. Unit-wise adjustment of geochemical background data and its significance in geochemical anomaly delineation[J]. Geophysical and Geochemical Exploration，1986，10(4)：263-273. (In Chinese)

[10] 焦保权，白荣杰，孙淑梅，等. 地球化学分区标准化方法在区域化探信息提取中的应用[J]. 物探与化探，2009，33(2)：165-169.

JIAO B Q，BAI R J，SUN S M，et al. The application of geochemical zoning standardized method to the extraction of regional geochemical information[J]. Geophysical and Geochemical Exploration，2009，33(2)：165-169.(In Chinese)

[11] 赵禹，赵玉岩，郝立波，等. 利用快速聚类分析分区确定化探背景上限的方法[J]. 物探化探计算技术，2014，36(4)：487-491.

ZHAO Y，ZHAO Y Y，HAO L B，et al. Subregion determine of upper limit of geochemical background using K-Means cluster analysis method[J]. Computing Techniques for Geophysical and Geochemical Exploration，2014，36(4):：487-491. (In Chinese)

[12] 孙忠军. 矿产勘查中化探异常下限的多重分形计算方法[J]. 物探化探计算技术， 2007，1(29)：54-57.

SUN Z J. Multifractal method of geochemical threshold in mineral exploration[J]. Computing Techniques for Geophysical and Geochemical Exploration，2007，1(29)：54-57.(In Chinese)

[13] 韩东昱，龚庆杰，向运川. 区域化探数据处理的几种分形方法[J]. 地质通报，2004，23(7)：714-719.

HAN D Y，GONG Q J，XIANG Y C. Some new fractal methods for regional geochemical survey data processing[J]. Geological Bulletin of China，2004，23(7)：714-719.(In Chinese)

[14] 成秋明，张生元，左仁广，等. 多重分形滤波方法和地球化学信息提取技术研究与进展[J]. 地学前缘，2009，16(2)：185-198.

CHENG Q M，ZHANG S Y，ZUO R G，et al.Progress of multifractal filtering techniques and their applications in geochemical information extraction[J]. Earth Science Frontiers，2009，16(2)：185-198.(In Chinese)