用户名:
密 码:
验证码:
  
过刊回眸
价值工程2020年
价值工程2019年
价值工程2018年
价值工程2017年
价值工程2016年
价值工程2015年
价值工程2014年
价值工程2013年
价值工程2012年
价值工程2011年
价值工程2010年
价值工程2009年
价值工程2008年
价值工程相关
 
期刊导读

基于DEM地形因子的铜陵地区铜矿有利区预测

Copper Mine Prediction in Tongling Area Based on Terrain Factors from Digital Elevation Model

肖清华XIAO Qing-hua;晏涵 YAN Han
(湖南工程职业技术学院,长沙 410151)
(Hunan Engineering Polytechnic,Changsha 410151,China)

摘要:选取高程、坡度、地形起伏度、高程残差值等四个地形因子,尝试从地貌学角度来预测铜矿。根据已有矿点在地形因子中的分布规律,确定权重值,并绘制了矿区概率图,大多数已知矿点的概率值都在0.30以上。据此图,在铜陵地区圈出了6个成矿远景区。Ⅰ铜官山区、Ⅴ铜官山背斜东南翼、Ⅵ铜官山背斜西北翼,三者从属于铜官山背斜;Ⅱ狮子山区、Ⅲ虎形山区、Ⅳ大尖山区,三个区域从属于大通-顺安复向斜中的次级背斜青山背斜。Ⅰ区见铜官山矿床,Ⅱ区有狮子山矿床,Ⅲ、Ⅳ、Ⅵ区值得进一步勘探、查证。
Abstract: Making use of altitude, gradient, relief degree of land surface, altitude residual error, it could attempt to predict copper mine from the point of view of geomorphology. According to mineral deposit distributing disciplinarian of terrain factor, weight has been confirmed. Mine probability graph reveals that probability values of most mineral deposit are higher than 0.30. With the graph, six mine perspective areas are delineated in Tongling. Tongguanshan region, southeast side of Tongguanshan anticline and northwest side of Tongguanshan anticline, are subject to Tongguanshan anticline, while Shizishan region, Huxingshan region and Dajianshan region, are subject to Qingshan anticline of Datong-Shun'an synclinorium. Tongguanshan mineral deposit is in Tongguanshan region, and Shizishan mineral deposit is in Shizishan region. Huxingshan region, Dajianshan region and northwest side of Tongguanshan anticline, will deserve exploration and investigation furthermore.
关键词:DEM;地貌特征;铜矿预测;地形因子
Key words: Digital Elevation Model;physiognomy character;copper mine prediction;terrain factor
  中图分类号:P611                                      文献标识码:A                                  文章编号:1006-4311(2016)18-0157-03

0  引言
数字高程模型(DEM)表征的是某一区域上离散点位置与高程值的数据集合,隐含了地貌特征的信息。基于铜陵地区的DEM,创建适合的栅格表面,提取该区高程、坡度、地形起伏度、高程残差等基本地形因子。按照地形因子所描述的空间区域范围,可以将地形因子划分为微观地形因子与宏观地形因子两种基本类型。常用的微观地形因子主要有:坡度、坡向、坡长、平面曲率、剖面曲率等。它们所描述的是一个微分点单元的信息,其量值的大小一般只受所在点高程以及微小领域范围内高程信息的影响。常用的宏观地形因子主要有:地形粗糙度、地形起伏度、高程变异系数、地表切割深度等[1]。宏观地形因子描述的一般是一个区域,它的量值不仅仅只受所在点高程的影响,并且还与分析窗口内的所有高程点信息密切相关。
铜陵地区铜矿床丰富,印支-燕山期强烈构造-岩浆活动是本区成矿作用的主控因素,构造网络结点与岩体制约着主要矿床的分布。由于这些岩性、构造的基础地质情况在地貌上有充分的体现,因此,可以依据安徽铜陵地区铜矿床分布形态,获取铜矿床所处地表的DEM地形因子数据,探寻地形因子的数值特征,进而得出本区铜矿床分布的地貌特征,通过地形因子来进行铜矿有利区的预测,尝试从地貌学角度为区域地质找矿提供参考信息。
1  铜矿区预测的思路
铜陵地区的铜矿主要受地层、构造、侵入岩等因素的影响。首先地层含矿性,铜陵地区不同时代的含矿性有明显的差异。石炭系、二叠系、三叠系为本区铁、铜、硫、金重要赋矿层位,而从探明储量看,最重要的成矿层位是石炭系和下三叠统,特别是石炭系中所赋存的矿体规模最大,其分布更有一定的稳定性和延伸性,层控特征明显。
其次是构造与成矿的关系,铜陵成矿区位于下扬子构造带马鞍山-贵池隆褶带中部,南北以东西向隐伏断裂为界,东西分别以北东向断裂带与中-新生代盆地相邻,大体呈一菱形地块。印支期前形成东西向和南北向基底断裂,印支期在盖层中形成北东向“S”状褶断束,构成本区主体构造,以后叠加东西向褶皱和北北东向压剪断裂。它们构成复杂网络构造系统,决定着本区岩体、矿体的空间分布。北北东向构造是本区燕山期最主要构造,导致了岩浆活动和成矿作用,它叠加于东西向构造-岩浆带并与其它构造系统复合,对本区矿田的分布有着重要的控制意义[2]。铜陵地区控制矿床最主要的构造为背斜倾没端,岩层受纵横断裂强烈破坏,岩浆易于沿此地段侵入;背斜核部常形成虚脱空间,是良好的储矿空间,如西狮子山背斜直接控矿;复式向斜中次一级背斜轴部,往往出现一系列小侵入岩体,其翼部的小型穹状构造,层间裂隙,控制矿体赋存的部位。另外,断裂控矿作用明显,两组及多组断裂相互叠加的结点往往控制着矿体产出。
已有的勘探实践显示,本区矿床受控于地层岩性、断裂构造、褶皱构造、侵入岩,而研究表明,地层岩性与高程、坡度、起伏度因子,褶皱与趋势面,断裂与高程残差值之间都有较为密切的关系。不同的地层岩性,不同的构造特别是盖层构造,在地貌上会有所展现,在地形因子上则以不同的数据值表现出来。
利用Arcview中Analysis菜单的Summarize Zones分区汇总统计功能可以提取铜矿点所在位置的地形因子数据值。从矿点位置对应的地形因子数据,包括高程、坡度、起伏度等可以看出,数据在某些特定的区间具有相对集中的趋势,而并不是平均分布。比如在本区,矿点高程值集中在50~150m之间,坡度值集中在10~20°之间,起伏度值集中在100~200m之间,高程残差值集中在-50~50m之间。这从数值上也直接反映了矿点分布与地貌的关系。
基于地层、褶皱、断裂、物化探资料等基础地质数据,利用GIS手段来预测矿床靶区,很多学者作了这方面的工作。朱大明[3]以GIS作为技术支撑,对个旧锡矿高松矿田的地质、地球化学、地球物理等信息进行综合研究,圈定靶区,效果良好;郭莹[4]基于GIS矿产资源评价方法的经验模型法及找矿信息加权模型法的综合使用,对数据采用多种分析手段,利用GIS空间叠加分析,预测出新疆萨日达拉东部地区成矿有利区;魏芳[5]归纳了GIS的成矿预测的方法,最常用的几种分析方法有证据加权法、人工神经网络法、模糊逻辑法、代数法,无论何种方法,其主要目的是定量地表示相关的专题关系,最后对若干个专题关系进行综合分析生成一幅预测图。
本文尝试从地貌学角度,以地形因子数据来预测铜矿。地形因子选取了四个,它们是:高程、坡度、地形起伏度、高程残差值。
2  铜矿区预测的实现
2.1 预测方法的选择
唐红梅等学者[6]在重庆万州区地质灾害危险性分区及评价研究中,首先挑选出地表坡度、森林植被、水文地质、岩性、地表高程等7个滑坡、危岩地质灾害影响因子;其次,采用综合评价法获取危险性指数,其评价模型为:
I=■Ki·Xi
式中Ki为各选取因子作用权重系数,通过层次分析法(APH法)及灰色聚类法求出其值,Xi为各选取因子的次级分级赋值,将示范区用等面积网格法通过GIS系统空间因子叠加获得危险性指数等值线图。最后,根据危险性指数进行地质灾害危险性分区,其结果符合实际情况。
本文将采用此评价模型来对铜陵地区进行矿区预测。将研究区划分为25m×25m的网格,全区共206255个网格。公式中I代表栅格模型中某个网格出现矿点的概率,Ki代表的是地形因子权重,公式中n为4,K1为高程权重、K2为坡度权重、K3为地形起伏度权重、K4为高程残差权重,K1、K2、K3、K4总和为1。Xi代表网格在地形因子中次一级的分级赋值。
2.2 地形因子内部分级权重的确定
地形因子内部分级权重根据已有24个矿点分布来确定,比如高程区间0~50m区间内有2个矿点,整个研究区有24个铜矿点,那么其分级权重定为2÷24=0.08。当某个区间内矿点数越多,则表明矿点落入此区间内的概率越大,分级权重也相应要设置大些。各地形因子区间都按五级划分(表1),每个区间尽量保持间距一致,以便使权重值的确定趋于合理。

2.3 不同地形因子权重的确定
不同地形因子之间的权重按照矿点所在区间的格网数来确定。假若某一地形因子区间集中了绝大多数矿点,其区间格网数(实际为区间的面积)越小,则表明此地形因子对于预测矿区更为有效,应该赋予较高的权重。反之,则赋予较低的权重。实际操作过程中,剔除了少数几个分布不集中的矿点,统计20个铜矿点在各地形因子的区间范围,比如坡度因子,在8~26°区间内就集中了20个铜矿点。8~26°在坡度图中占有68811个格网数,全图格网总数是206255个,则8~26°区间外的网格数为137444。由于因子权重与区间格网数成反比,而与区间外图形中的格网数成正比。所以因子权重根据区间外格网数归一化来确定,如坡度因子的权重计算由下列数据值得出137444÷(145693+137444+75508+79217)=0.32,见表2。最终高程因子权重0.33,坡度因子权重0.32,起伏度因子权重0.17,高程残差因子权重0.18。从权重大小来看,四个地形因子中,高程因子、坡度因子在矿区预测中效果更明显,起伏度因子、高程残差因子在矿区预测中作用更小。
3  成矿有利区的圈定
根据地形因子内部分级权重和不同地形因子的权重,利用Analysis中Reclassify功能把内部分级权重分别赋给不同的区间;在Map Calculator中进行栅格之间的运算,将地形因子栅格主题乘以各自权重,然后栅格之间相加就生成了本区的成矿概率图(图1)。

如表3各铜矿点的概率值所示,大多数矿点的概率值都在0.30以上,矿点的平均概率值为0.38。利用栅格图中概率值分布的突变点0.35,兼顾矿点平均概率值0.38,将0.30以上划分为三个区,其中0.31-0.35称为成矿有利区,0.35-0.38称为成矿较有利区,0.38-0.49称为成矿最有利区;把0-0.30划为一个区域,称为成矿不利区,此区域发现矿区的概率比较小。
由图1可见,绝大多数矿点集中在0.35-0.38、0.38-0.49两个红色区域中,断裂位置也基本沿红色区域展布,这表明从地形因子出发形成的成矿概率图能较好的说明已有矿点的分布。根据此成矿概率图,在铜陵地区圈出6个成矿远景区。
Ⅰ区,铜官山区,位于铜陵-戴家汇东西向基底断裂西端,铜官山“S”型背斜的北西翼,著名的铜官山铜矿床在此范围内。区内出露的地层有志留系-三叠系海相碎屑岩、碳酸盐岩,总厚可达3-4km[7];区内主要构造为近东西向、北东向、北北东向以及北西向;岩石主要类型为石英二长闪长岩、花岗闪长岩、石英闪长岩等。铜官山矿田包括白家山、宝山、小铜官山、老庙基山、松树山、笔山、罗家村和老山等8个矿段[8]。
Ⅱ区,狮子山区,位于大通-顺安复向斜中次级背斜青山背斜,狮子山矿田在此区域。青山背斜全长22.5千米,宽约8千米,为一短轴不对称褶曲。轴线总方向40°,轴部地层由小凉亭组及塔山组组成,两翼由南陵湖组、分水岭组及龙头山组组成。背斜两翼小褶曲发育。狮子山矿田在纵向上表现为多层次成矿,从下而上依次为:冬瓜山、大团山、狮子山及狮子山爆破角砾岩筒[9],岩体为辉石闪长岩、二长闪长岩、石英闪长岩。从赋矿地层上看也表现为一种递变:石炭系、二叠系、三叠系地层;从岩性上看具有一定的专属性,即都赋存于碳酸盐岩中;从产状上来说,呈层状、似层状展布,具有层控的特征。
Ⅲ区(虎形山区)和Ⅳ区(大尖山区)都属于青山背斜,地表出露的是三叠系海相泥质岩、碳酸盐岩建造,岩性以石灰岩、白云岩、钙质页岩为主。Ⅲ区位于虎形山北部,见一多金属矿点;Ⅳ区位于大尖山北部,未见铜矿点,但发现有铁矿点。
Ⅴ区(铜官山背斜东南翼)和Ⅵ区(铜官山背斜西北翼)都属于铜官山背斜,轴向北东50°-60°,轴部出露地层为高家边群、五通群。该背斜为一不对称倾没背斜,南东翼陡,北西翼缓。若矿体受背斜构造控制,则位于西北翼的Ⅵ区要优于位于东南翼的Ⅴ区。从图1也可看出,Ⅰ区的铜矿点均处于背斜的西北翼。

总的说来,Ⅰ、Ⅴ、Ⅵ区从属于铜官山背斜,Ⅰ区为勘探程度较高的区域,Ⅴ、Ⅵ区为勘探程度较低的区域,Ⅵ区要优于Ⅴ区;Ⅱ、Ⅲ、Ⅳ从属于大通-顺安复向斜中的次级背斜青山背斜,Ⅱ区为勘探程度较高的区域,Ⅲ、Ⅳ区为勘探程度较低的区域。所以,建议应适当加大对Ⅲ、Ⅳ、Ⅵ区的勘探力度。
4  结语
本文依托数字高程模型(DEM),通过地形因子这一媒介来揭示岩性与地貌、构造与地貌的关系。地形因子中只考虑了高程、坡度、地形起伏度、高程残差值,限于篇幅,未对其它地形因子,如地形粗糙度、平面曲率、剖面曲率等进行探讨。
从地貌角度来进行矿床有利区的预测,在这里只是作了一个尝试,期望给区域地质找矿提供一些参考信息。一方面可能有更优的地形因子未挑选进来,另一方面,地形因子权重值的设置也未必尽善尽美,希望在以后的工作和研究中能进一步深入。
参考文献:
[1]汤国安,刘学军,闾国年.数字高程模型及地学分析的原理与方法[M].北京:科学出版社,2005:1-335.
[2]储国正,黄许陈,张成火等.安徽铜陵地区成矿控制因素的探讨[J].安徽地质,1995,5(1):47-58.
[3]朱大明.基于地理信息系统的个旧高松矿田成矿预测[D].昆明:昆明理工大学,2002.
[4]郭莹.基于GIS的新疆萨日达拉东部地区金矿资源预测研究[D].西安:长安大学,2004.
[5]魏芳.赣南钨矿GIS成矿有利度评价[D].合肥:合肥工业大学,2006.
[6]唐红梅,林孝松,陈洪凯,等.重庆万州区地质灾害危险性分区及评价[J].中国地质灾害与防治学报,2004,15(3):1-5.
[7]田世洪,丁悌平,侯增谦,等.安徽铜陵小铜官山铜矿床稀土元素和稳定同位素地球化学研究[J].中国地质,2005,32(4):604-612.
[8]翟裕生,姚书振,林新多,等.长江中下游地区铁铜(金)成矿规律[M].北京:地质出版社,1992:1-234.
[9]李全红.铜陵冬瓜山层控矽卡岩型铜矿床典型剖面地球化学特征[D].北京:中国地质大学(北京),2006.

 

返回
首页 杂志社介绍 新闻中心 期刊导读 人才招聘 联系我们

<meta name="baidu_ssp_verify" content="83ff5af2f2e4758936d2a6db3d653e6b">