伊朗中部Saghand-Chadormalu地区矿床勘查的地理空间数据建模

【摘要】：本文研究的主要目的是建立伊朗中部Saghand-Chadormalu地区元古代Fe，P，U，Th和REES的矿床勘查模式，以及用各种定量方法在GIS环境下分析地质勘查数据并集成这些数据，用以生成成矿有利图。 中部伊朗是Gondwana高地的一部分，是伊朗最古老的岩体之一。该地区出露的地层主要有晚元古代、古生代、中生代和新生代。Saghand-Bafq地块的构造历史可以分为三个阶段：断裂前期、断裂期和断裂后期。在晚元古代，中部伊朗地区处于相对稳定期，这个时期形成了Natk陆源。在晚元古代结束的时候，相对稳定的伊朗中部地区受地幔穹隆的影响，形成了N-S向构造。Saghand和Rizu系列可能处于断裂构造的地堑中。Saghand-Bafq地块受高压动力变质的影响，在Eocene地区伴随有中生代高度热动力活动。Fe，P，U，Th，REEE矿化出现了晚元古代的构造岩浆活动带上。 将伊朗中部含P-U-Th-REE的铁氧矿床和Hitzman提出的晚元古代铁氧矿床模式相比较，可以发现伊朗中部的铁氧矿床具有Hitzman提出的成矿模式的典型特征。根据已知地区矿化的典型特征，伊朗中部晚元古代的矿化类型可以进一步分如下四种：岩浆成因的磁铁矿和磁铁磷灰矿；交代成因的Fe，U，TH，REE，Ti和磷灰矿化；热液和次火山相关联的U，Mo，Au，Cu，Co，Pb，Zn和As矿化以及火山喷发的Pb-Zn矿化。 在详细研究矿化类型的基础上，提出预测矿化有利地区的关键识别标准。对于岩浆成因的矿化类型的关键识别标准有：1) 有高磁场和高Th／U值 2) 和N-S向和E-W向的地壳构造相接近。交代成因的Fe，U，TH，REE，Ti和磷灰矿化的关键识别标志有：1) 有利基岩如Saghand岩系；2) 含K-Na-Si的交代岩；3) 靠近Zarigan类型的花岗岩，N-S向和E-W向地壳构造的交汇处 4) 高磁场，高U，Th值，低K值。热液和次火山相关联的U，Mo，Au，Cu，Co，Pb，Zn和As矿化的关键识别标志有：1) 有利基岩，如Saghand系列；2) 有低的硫化；3) 伴随U、K的高值；4) 在伴随岩石和河流沉积物中Cu，Au，Mo，As，Pb和Zn的含量较高。 该地区可利用的地质勘查数据有地质图、航空物探数据、遥感数据、地球化学数据和地形图。在矿化关键识别标志的确定中，运用图件综述、生成弧形构造和点地质体近邻图、地形图DEM数据生成、从DEM数据生成聚水盆地、运用浓度集中区域分析方法确定化探数据的异常范围、对物探数据进行滤波处理并生成导数延拓图、图像镶嵌和纠正、对ETM+数据融合的各种方法进行比较、处理ETM+数据并解译构造、应用选择PCA方法、Crosta方法和软去片技术等数据分析方法对ETM+多光谱数据进行处理并圈定了和矿化关系密切的阳起石蚀变带。 基于GIS成矿预测综合运用了如下方法：证据理论、模糊集理论、逻辑斯蒂回归和神经网络。证据理论和模糊集理论用来综合多矿化类型图并生成二值预测图。利用58个已知矿床和含矿指标，确定从多矿化类型图并生成二值预测图的阈值。对证据 图进行多种组合以获得更优的预测图，并且用己知的模型矿床进行验证.从验证的 结果来看，地质变量是最重要的预测元古代矿化的变量。 模糊逻辑方法用于对多类证据图的处理。根据已经建立的找矿模型，介于O一1之 间的模糊值指定到证据图中，并组合成各种推理网络。最后结果由已知矿床和指标 进行验证。 神经网络用于成矿预测还是比较新型的一种方法。用于本研究的数据有多类证据图 和二值图，采用径向函数网络(RBFLN)。除了用含矿点来训练RBFLN外，训练 中还需要有无矿点。这两种数据输入到网络中。RBFLN包含三个步骤:训练、测 试和分类。前两步经过一定次数的循环，以获得较高的综合能力，然后根据较优的 网络模型进行分类。结果显示，成功的分类需要两个条件，即样品的代表性和有矿 以及无况样品分布的均匀性。 为了比较由各种方法获得的成矿预测图，计算了以面积为权的spearman序相关系 数。结果表明，证据理论和神经网络方法获得的预测图之间具有较高的相关性，而 逻辑斯蒂方法和模糊集理论获得的预测图相关性较小。逻辑斯蒂方法和神经网络方 法之间的相关性最小。神经网络的多类组合结果和模糊逻辑之间也有较高的相关 性。和其它方法相比，神经网络的主要优点是能够近多类表示，并且可以比较容易 地综合多种证据图。和二值化方法相比，多类表示方法具有一定的优越性，因为对 成矿有利的地质因素的出现与否一般不能简单地用出现和不出现来表达，而是具有 一定的不确定性。 本文的主要创新点在于: .从地质遥感角度，比较了ETM+数据融合的各种方法; .应用各种主分量变量方法，利用ETM数据和放射性测量数据，圈定了和成矿关 系密切的卜Fl起石交代蚀变带; .运用神经网络方法对各种勘查数据进行综合并得到成矿预测图: .比较各种定量集成的方法。 下列是尚需进一步研究的内容: .对元古代的成矿预测应该进一步考虑地质因素，对有利成矿单元入Saghand地 区应该进一步结合遥感数据进行地质填图; .因为Na一K一S交代蚀变带在Saghand矿区广泛出现，因此对这种蚀变类型的填图 应该进一步加强。建议试用高分辨率的高光谱或多光谱数抓，并结合详细的野 外调查; .本文的研究方法主要是针

【学位授予单位】：武汉大学
【学位级别】：博士
【学位授予年份】：2004
【分类号】：P208