林俞亨,王立立,歐陽永棚,,*,李增華,曾閏靈,陳祺,鄧友國
(1.東華理工大學地球科學學院,江西 南昌 330013;2.江西省地質局第十地質大隊,江西 鷹潭 335001;3.鷹潭市緊缺及優勢礦產勘查與研究重點實驗室,江西 鷹潭 335001)
銅具有優良的導熱、導電性能和較強的延展性,因其優良的特性,被廣泛應用于各個領域并在日?;A設施和技術中發揮著不可替代的作用(Ayres et al.,2003)。世界銅產量在過去70 年穩步增長,其中,中國是對世界銅產量做出重大貢獻的國家之一,具有豐富的銅礦資源(Mudd et al.,2018)。此外,長江中下游成礦帶是中國最具悠久歷史的多金屬成礦帶之一(王兆強等,2023),位于該成礦帶西部的江西省九瑞地區是中國重要的銅產區,該區域有較好的銅找礦潛力(徐耀明,2014)。另一方面,如地球化學測繪、證據權重法等礦床資源定量評價的方法,能夠結合地質、地球物理、地球化學、遙感等數據進行信息綜合,進行預測遠景區的圈定,對指導找礦勘查具有重要意義(歐陽淵等,2023)。因此,可以利用已有的地球化學數據和地質數據等其他信息來進行處理,對九瑞地區指導銅礦產勘查(薛琮一等,2020;李文明等,2021;Li et al.,2022)。
地球化學微量元素作為成礦的直接物質來源,一直是地質工作者研究的重點,如何快速、高效的識別地球化學異常則是處理地球化學數據的一大難題。其中,分形/多重分形模型是識別地球化學異常的強有力的工具(Zuo et al.,2011,2012,2013)。自從Mandelbrot(1982)提出分形理論以來,已經有許多成果利用分形/多重分析理論從背景中提取出了異常。例如Cheng 等(1994)提出了濃度-面積(C-A)分形模型,并成功應用在米切爾-硫酸鹽區金-銅異常的提取。各種分形方法,包括能譜-面積分形模型(S-A)、濃度-數量分形模型(C-N)、分形奇異值分解法(MSVD)等都能較好的用于不同礦化系統,并成功區分出地球化學異常和背景(Cheng,2004;Ali et al.,2007;Hassanpour et al.,2013)。
源自于沒有空間意義的醫學診斷上發展而來的證據權模型(Weight of Evidence,簡稱WofE)被國內外學者廣泛應用于多元信息綜合和空間決策支持系統,它可以整合多源地質信息作為諸多證據因子,從而形成潛在礦產分布的后驗概率圖(Agterberg,1989;Agterberg et al.,1994;Keller,1995;張津瑞等,2023)。Agterberg 等(1990)首次將證據權方法用于成礦預測中。在此基礎上,Cheng 等(1999)發展出了模糊證據權重法。模糊證據權重(FWofE)是一種用于支持決策預測目的的數據集成方法,是一種空間決策支持方法。相比于普通證據權方法,模糊證據權重法通過引入模糊集合理論和隸屬度函數,可以有效地減少由于遺漏或錯誤標記的數據引起的不確定性和提高地質數據的可信度,在確定模糊隸屬度函數以代替后驗概率計算的缺失數據方面更加靈活,為地質分析和決策提供更可靠的基礎,其已被廣泛應用于礦產潛力預測中(Cheng et al.,2002)。成秋明等(2007)采用模糊證據權等技術對老王寨及其鄰區的金礦資源進行潛力評價,成功圈定有利成礦地段。Xiao 等(2020)綜合普通證據權、模糊證據權和邏輯回歸3 種方法,利用構造、巖性、地球物理和地球化學等數據,繪制新疆東天山造山帶的斑巖型銅鉬多金屬礦床前景并進行定量評價。Zhang 等(2016)運用模糊證據權法得到預測區域僅占總研究區的5% 且成功識別了65% 的研究區內的鐵礦床。Porwal 等(2006)開發的一種基于模糊證據權重方法和模糊邏輯方法相結合的子模型,該子模型在確定高礦產潛力區域方面是有效的,可以作為礦產勘探的工具。在基于多元信息和信息綜合技術的礦產資源定量評價與成礦預測領域,模糊證據權重法是行之有效且應用廣泛的方法(Cheng,2008a;黃秀等,2010;Zhang et al.,2014;陳風河等,2015;武進,2017;鄧軍等,2021;Huo et al.,2022;黃鑫懷等,2023;霍雨佳,2023;王佳營等,2023)。
江西九瑞地區位于長江中下游銅多金屬成礦帶中,該地區長期的構造作用、巖漿活動和成礦作用形成了豐富的銅等多金屬礦床,具有勘探銅礦的潛力。但區域成礦地質條件復雜,致使傳統的地質數據提取找礦信息難度較大。筆者基于九瑞地區1∶20 萬水系沉積物地球化學采樣數據、地質構造和控礦巖性等數據,在ArcGIS、GeoDAS 等軟件平臺上,綜合利用因子分析、多重分形反距離權重插值、C-A 分形模型和模糊證據權等方法,構建九瑞地區模糊證據權模型,研究九瑞地區銅礦成礦潛力靶區,圈定可靠的成礦預測遠景區,給予未來礦產勘探提供一定的參考意義。
長江中下游成礦帶位于揚子克拉通北緣,秦嶺-大別造山帶和華北克拉通以南。成礦帶周邊發育有3 條大型斷裂,分別為東西向橫貫成礦帶南側的陽新-常州斷裂,西北緣呈NW 向的襄樊-廣濟斷裂以及東北緣的郯廬斷裂。研究區九瑞地區位于江西省北部,屬長江中下游成礦帶之九瑞銅金礦集區(圖1)。
圖1 長江中下游成礦帶簡易地質圖(據Pan et al.,1999 修)Fig.1 Simplified geological map of the Mid-Lower Yangtze metallogenic belt
九瑞地區地層發育較齊全,以古遠古界為結晶基底,中遠古界為褶皺基底,晚震旦世以來的地層為蓋層,由老到新為奧陶系至第四系,其中主要出露奧陶系至三疊系,研究區內礦床的形成、分布與地層關系密切,區內銅礦床的主要賦礦地層為泥盆系五通組、石炭系黃龍組和二疊系—三疊系大冶組(孔凡斌,2014;徐耀明,2014)。
區域內曾經歷過強烈的巖漿活動,主要活動時期為燕山期,巖石類型以中酸性侵入巖為主(蔣少涌等,2013),產狀多為小型巖株、巖脈和巖枝。研究區內巖體種類繁多,以花崗閃長斑巖和石英閃長玢巖為主,另分布有石英斑巖、花崗細晶巖、閃長巖、輝綠巖等。其中,燕山期花崗閃長斑巖是研究區內最主要的銅成礦母巖。
研究區內褶皺、斷裂構造發育,構造系統分級明顯,嚴格控制了巖漿巖空間展布與礦床的分布。區域構造主要為NW 向與NEE 向,其次為NNW 與NNE向,斷裂及其構成的網格狀構造節點,控制和影響著巖漿活動與成礦作用(圖2)。
九瑞地區成礦巖體及其圍巖普遍經受熱液蝕變作用,礦床巖體多以巖體中心向外形成環狀蝕變分帶,與銅礦化相關的蝕變主要有矽卡巖化、硅化、綠泥石化。其中,據徐耀明(2014)制作的遙感蝕變光譜圖可以得知,在空間上綠泥石化與已知礦床表現的較為密切。
礦體以層狀、似層狀、透鏡狀為主,銅礦主要類型有矽卡巖型、層控硫化物型、斑巖型等,區內截至2010 年累計探明的銅儲量為0.3 萬t(所穎萍,2013)。
在模糊證據權模型的構建的過程中,需要與成礦相關的地質要素轉化為證據圖層參與模型的建立。根據九瑞地區的地質背景,選擇銅礦化的主要賦存地層、銅成礦相關的花崗閃長斑巖、影響銅礦空間分布區域斷裂以及與銅礦空間分布的有關的綠泥石化蝕變作為證據圖層參與模型的構建。這些地質要素與銅礦的分布和潛力密切相關,有助于模糊證據權模型更精確地評估礦產資源的分布和潛力。此外,通過對水系沉積物中提取的地球化學數據進行分析,可以識別出與銅礦化相關的地球化學異常,通常這些異常指示潛在的銅礦化區域。因此,地球化學異常也可以作為一類證據圖層用于模型的建立,以進一步提高對礦產資源潛力的評估準確性。
因子分析是常用的多元統計分析方法之一,主要用于降維,并可以通過確定用于解釋所觀察到的相關矩陣所需的公共因子的適當數量和性質來計算出被測變量的更簡約結構(Fabrigar et al.,1999)。同時也可以用于解決復雜的地質成因及礦化疊加問題,對疊加地球化學場也有較好的分解作用(董慶吉等,2008)。因子分析步驟包括確定因子載荷、計算變量共同度、因子旋轉、方差貢獻率和計算因子得分。其中,因子得分是觀測變量的線性組合,它可以代替原來的變量用于后續的分析。
在地球化學異常提取分析的過程中常有將點樣本的屬性轉換為連續面的數值插值的處理過程。傳統的插值方法(如普通克里金和反距離權重法)是空間插值分析中常用的方法。Cheng(2000)所提出的多重分形反距離權重插值(MIDW)在對地球化學數據處理在局部奇異性中表現出不錯的優勢。相比于傳統的插值方法,多重分形方法能增強地球化學特征的預測能力,能更好的確定礦產勘探目標,其插值結果更能對弱異常進行精細識別(Parsa et al.,2017)。有關局部奇點指數和MIDW 的更多詳細信息見Cheng(2007,2008b)和Zheng 等(2014)。MIDW 方法廣泛應用于地球化學異常找礦中,可以增強地球化學異常區域,有助于地球化學勘探(Cheng,2004,2008b,2015)。
MIDW 的方程式可以表示為公式(1):
式中:ω是多重分形權重;ε是單位單元大小的尺度(ε <1);α是奇異性指數。
C-A 模型是地球化學異常識別的強有力的工具,是人們常用的“地球化學異常建模的基本技術”(Carranza,2009)。濃度-面積分形法由Cheng 等(1994)首先提出,是用來分選地球化學異常的。濃度-面積分形法(C-A)是基于濃度值(量值的頻率)的從背景中分離異常值的方法,這些量值也可以是地球化學指標的空間和幾何特征。雙對數坐標下的C-A 圖可以用來建立濃度值大于s 的面積A(≥ s)和濃度值s 之間的冪律定律關系。從而可繪制出高、中、低異常區域地圖。
C-A 模型表達方式見公式(2):
式中:A(ρ) 表示濃度大于或等于輪廓值 ρ的區域;ν 是閾值;α1和 α2是大于零的分形維數。這2 個分形參數可以從 A(ρ) 對 ρ的對數-對數圖中最佳擬合直線的斜率來估計。
FWofE 將證據層定義為具有多值隸屬函數(0 ≤μ(A)≤ 1)而不是普通證據權重法中通常涉及的二元或三元集合。二元和三元模式成為模糊集的特例,例如μ(A)=1 或0 對應于二元模式,μ(A)=0、0.5 和1對應于三元模式。具有隸屬函數1 和0 的模糊證據的2 個子集在FWofE 的實現中特別重要:A1={A :μ(A)=1}或A2={A : μ(A)=0}。第一組A1是證據的一部分,通常是勘探良好的區域,大部分礦床已被發現。第二組是發現的礦床很少,發現更多礦床的機會較小。假設與A1和A2相關的點事件(E)發生的條件概率為P[E|A1]、P[E|ā1]、P[ē|A1]、P[ē|ā1]、P[E|A2]、P[E|ā2]、P[ē|A2]和P[ē|ā2]。
E 與任何A 相關的模糊條件概率計算過程見公式(3)與公式(4):
其中帶“bar”的字母表示沒有發生事件或沒有證據。
模糊證據的權重計算過程見公式(5):
式中:W+和W-是普通證據權重法中涉及的2 個普通權重;W0是先驗權重。公式(5)具有以下特性:W[μ(A)]=W+,假設μ(A)=1 和W[μ(A)]=W-,假設μ(A)=0 和W[μ(A)]=W0,假設μ(A)=1/ 2 和A1+A2=Ω(整個研究區域)。
在條件獨立于不同證據A 和B 的假設下關于事件E 的發生,給定A 和B 的E 的logit 計算過程見公式(6):
以應用反演變換將logit 轉換回后驗概率P[E|μ(A),μ(B)],也可以計算后驗概率的標準偏差,以測試結果的顯著性。模糊證據權重方法的實施步驟概括為6 個步驟:? 確定研究目標,如預測給定類型但未發現礦產的空間位置。κ 確定與目標相關的空間層(屬性),以便他們可以用于評估目標。λ 提取與目標相關的證據層,用隸屬度函數表示證據層的可信度。μ計算模糊證據層的權重(衡量各個證據層對評估目標的重要性)。ν 綜合多個模糊證據層,計算后驗概率形成礦產資源潛力分布圖。o 模型檢驗和預測區解釋。
接收者操作特征曲線(Receiver Operating Characteristic Curve,簡稱ROC)自被創建以來已被用于各個學科,是一種可以用來評價分類器性能的可視化方法(Egan,1975;Zou et al.,2007;Swets,2014)。此 外,ROC 也可以用于測試空間預測模型的有效性(Nyk?nen,2008;Chauhan et al.,2010;Rossi et al.,2010)。其主要原理是將異??臻g分布模式與成礦有利要素或與已知礦床(點)進行比較,并通過相關統計指標來度量兩者間的空間對應關系(周光鋒,2021)。ROC 曲線通過反映真陽性(True Positive,TP,模型將陽性分為陽性)和假陽性(False Positive,FP,模型將陰性分類為陽性)以及真陰性(True Negative,TP,模型將陰性分類為陰性)和假陰性(False Negative,FN,模型將陽性分類為陰性)的權衡關系作為一種評估分類器性能的方法,ROC 曲線是縱軸上的靈敏度(真陽性率:TP/(TP+FN))與橫軸上的1-特異性(假陽性率:FP/(FP +TN))的比較圖,其曲線下面積(Area Under the Curve,簡稱AUC)可用作診斷測試準確性的度量,也可用于測量空間預測模型的性能。AUC 值可能在0 到1 之間變化,如果AUC 值等于0.5,則分類性能相當于完全隨機猜測;而如果AUC 值等于1,則分類性能完美,即分類器可以正確分類所有樣本(圖3)。分類器的AUC 值通常介于0.5 和1 之間,其值越高代表的預測效果越好(Nyk?nen et al.,2015;Chen et al.,2016)。
圖3 ROC 曲線示例圖Fig.3 Example plot of ROC curve
本研究用于建立預測模型的數據集有地質數據、化探異常數據和遙感解譯數據,數據包括銅礦床空間分布位置數據、九瑞地區斷裂數據、主要賦礦地層數據、花崗閃長斑巖分布數據、綠泥石化蝕變數據、水系沉積物化探異??臻g分布數據,這些數據經過處理后作為證據圖層輸入模糊證據權模型中。其中,斷裂、地層、花崗閃長斑巖的數據提取自1 : 25 萬的九瑞地區構造圖。綠泥石化蝕變數據來自徐耀明(2014)對九瑞地區遙感蝕變光譜圖的解譯結果?;疆惓祿碜? : 20 萬水系沉積物地球化學數據的分析結果。
此外,1 : 20 萬水系沉積物地球化學采樣數據由江西省地質局第十地質大隊按照采樣密度每4 km2一個樣品點位采集所得,且225 件樣品點基本均勻覆蓋整個研究區域(圖4)。各微量元素檢出限的測定包括:電感耦合等離子體光譜法測定Be、Co、Cr、Cu、Ba、K2O、La、Li、Mn、Nb、Ni、P、Sr、Th、V、Y、Ti、Zn、Zr 的濃度;掩蔽光譜法測定As、Bi、Cd、Sb 和Pb 的濃度;用比色法測定U 的濃度;催化極譜法測定Mo 和W 的濃度;Ag 和Au 的濃度通過原子吸收光譜法測定B、F 和Hg 的濃度分別通過發射光譜法、離子選擇電極法和冷原子法測定。所有32 個元素的檢測限制如表1 所示。
表1 32 種元素的檢出限表Tab.1 Detection limits of 32 elements
圖4 水系沉積物樣品采樣點分布圖Fig.4 Steam sediment sample location map
對水系沉積物樣品的32 個元素進行分析處理,用以提取九瑞地區的銅礦化異常分布圖作為構建模糊證據權模型的證據圖層。首先對標準化后的數據進行因子分析。因子分析方差最大正交旋轉因子載荷表2 顯示了各種因素的組成,其中F1 因子中的Cr、Co、Ni、Ti、V 為親鐵元素,主要存在于基性巖、超基性巖中,可能表明了鐵的礦化。因子F2 含有Cu、Au、Bi、Mo、Pb、Sb、W 是研究區主要的成礦元素,相應的Cu、Au、Mo 元素屬于矽卡巖-斑巖型銅鉬金硫成礦亞系列,而Pb、Sb、Bi 為親銅元素,W 則常產出于矽卡巖型銅礦中,因此F2 因子可以作為研究區主要銅成礦元素空間聚集的綜合指標。因子F3-F7 與區域成礦無明顯關系,對于成礦的指示性不強。
表2 R 型因子分析的正交旋轉因子載荷矩陣表Tab.2 Orthometric rotating factor loading matrix for R-factor analysis
通過GeoDAS 軟件,使用多重分形IDW 方法對F2 因子得分(Fac2)的空間分布圖進行插值(圖5),發現其現有的礦點與異常區域吻合程度較差,說明只進行插值不足以從背景中提取異常,需要進一步分析來提高異常區域提取的準確性。
圖5 因子2 得分的多重分形反距離權重插值結果圖Fig.5 Multifractal IDW result for the factor 2 scores
將濃度-面積(C-A)模型應用于因子F2 多重分形IDW 的結果進行地球化學異常與背景分離。為了研究元素含量與對應面積之間的分形特征值,通過GeoDAS 軟件處理,做出對應的濃度-面積雙對數散點圖。在雙對數圖上背景值和異常值可以對應于不同的斜率值,不同線段所對應的分界值可作為區分背景和異常的臨界值(圖6)。經過分析,利用最小二乘擬合將圖上的離散點擬合成4 條直線,從左往右分別表示為背景、弱異常、異常和高異常,最終得到研究區Cu 礦化異常分級圖(圖7)。
圖6 濃度與面積的雙對數圖Fig.6 Log-log plot of concentration versus area
圖7 C-A 分形模型識別的異常圖Fig.7 Anomaly map identified by the C-A fractal model
此外,地質特征一定范圍緩沖區與成礦是有關聯的,并可以提供重要的勘探指南,所以可以對這些地質要素“延伸”一定的距離作為研究的證據圖層(Zhang et al.,2016)。對于地層、斷裂、花崗閃長斑巖和綠泥石化蝕變等地質要素,可以構建相應的緩沖區作為證據圖層。根據已知礦床與各地質要素的空間關系,當主要賦礦地層(泥盆系五通組、石炭系黃龍組和二疊系—三疊系大冶組)的多環緩沖區為1 km、花崗閃長斑巖的多環緩沖區為0.5 km、斷裂的多環緩沖區為1.3 km、綠泥石化蝕變的多環緩沖區為0.8 km 時,平均有85%以上的礦床落入各個地質要素的多環緩沖區內。在這些緩沖區范圍外,隨著距離的增加,所包含的礦床的數量增加極少。因此,這些距離可以視為最有利距離,即在這些緩沖距離內與已知礦床的空間相關性最大。經過數據預處理后,共得到了5 個建立預測模型所需的證據層:①花崗閃長斑巖多環緩沖區證據層。②斷裂多環緩沖區。③主要賦礦地層多環緩沖區證據層。④地球化學異常證據層。⑤綠泥石化蝕變多環緩沖區(圖8)。
在構建模糊證據權模型前,需要在GeoDAS 軟件對研究范圍和相關參數進行定義,研究范圍可以分為訓練區域和預測區域進行定義,一般而言訓練區域和預測區域為同一塊區域。此外,為了確保每個柵格單元大小包含并僅包含一個礦床,設置研究區的面積單元大小為400 000 地圖單元,選擇11 個已知礦床作為訓練圖層,其先驗概率為0.003 6。
在設置的訓練參數基礎上,對上述5 種證據圖層分別進行模糊權重計算來構建模糊證據圖層。普通證據權方法一般是以對比度C 與C 的標準偏差S(C)的比值t(分布t 值,t=C/ S(C))的極大值作為各證據層二值化的閾值,該閾值將各證據圖層分成截然不同的二值圖,即閾值之前的分類部分對成礦有利,賦值為1,閾值之后的分類部分對成礦不利,賦值為0。而對于模糊證據權,證據層由隸屬度函數(MSF)進行重分類,隸屬度函數是描述某個元素或時間對于某個特定集合(或模糊集合)的隸屬程度或歸屬度,在地質中可以描述地質數據中的不確定性和模糊性并對地質數據進行度量,因此可以使用MSF 在閉區間[0,1]上任意取值對證據圖層的確定性進行度量,根據已知礦點與不同分類的關系賦予不同MSF,一般的根據礦床在不同分類上的分布情況確定各類的MSF 取值,各證據圖層的MSF 取值如圖9 所示,其計算的模糊權重值如表3 所示。
表3 各證據層隸屬度表(MSF)及模糊證據權重計算表Tab.3 Table of membership of each evidence layer (MSF) and calculation of fuzzy weights of evidence
圖9 MSF 分類的證據圖層Fig.9 MSF for evidences
每一個模糊證據圖層刻畫了與已知礦點的空間關系,構建模糊證據圖層的過程是訓練和學習的過程,綜合5 個模糊證據圖層創建后驗概率圖是達到預測和評價目標的必須過程。根據各證據圖層的模糊證據權重,綜合5 個證據圖層,進行后驗概率的計算,得到后驗概率圖(圖10)。從后驗概率圖的結果來看,已知的11 個礦床的位置都具有較高的后驗概率,城門山、武山、鄧家山等礦床的礦體均位于后驗概率高值區域。這表明后驗概率高值區與已知銅礦床的分布存在顯著的一致性,進一步驗證了模糊證據權模型預測結果的準確性。高后驗概率值的區域并不局限于已知礦床的分布范圍內,表明在已知礦床范圍內或周邊可能具有成礦潛力。根據所得的后驗概率圖的后驗概率值的大小及礦床的分布情況,將研究區劃分3個一級預測遠景區和4 個二級預測遠景區,一級遠景區與已知礦床在空間上的分布高度吻合。
圖10 九瑞地區找礦后驗概率及遠景區分級圖Fig.10 Map of posterior probability and hierarchical prospective in the Jiurui region
經過鄰域分析,得出距離成礦最有利的距離為7.5 km,在該距離內的銅礦床密度達到65%,并建立了相應的有利成礦區域(圖11 白色區域),緩沖區以外的綠色區域代表負樣本選擇區域,并通過隨機選點的方式,選取了與已知銅礦床相等數量的非礦點作為負樣本。以研究區內已知的銅礦床作為正樣本(True Positive,TP),在非礦點區域隨機生成與已知銅礦床相等數量的非礦點作為負樣本(True Negative,TN)?;谶@兩類正樣本點和負樣本點對所得的后驗概率預測模型進行ROC 曲線分析,得到其ROC 曲線圖以及AUC 值為0.983(圖12),說明已知礦床與后驗概率高值部分在空間上存在較強的相關性,表明了模糊證據權模型對九瑞地區銅礦床預測具有良好的預測性能。
圖11 正、負樣本點空間分布圖Fig.11 Distribution map of positive and negative samples
圖12 預測模型ROC 曲線Fig.12 ROC curve of the predictive model
此外,前人對九瑞地區礦床控制因素的研究表明,九瑞地區內銅礦除了受到區域性深大斷裂的組成的菱形網格結點控制外,還受“四帶一面”控制,即巖體與圍巖接觸帶、層間破碎帶、裂隙帶與斷裂帶及不同巖性界面或沉積間斷面控制,說明九瑞地區的巖體與斷裂控制銅礦床的空間位置。將花崗閃長斑巖和斷裂疊加在后驗概率圖上表明(圖10),預測的遠景區中花崗閃長斑巖發育,說明花崗閃長斑巖是研究區內最主要的銅成礦母巖,可以將預測遠景區中花崗閃長斑巖發育區域納入下一步的Cu 勘探中進一步調查。同時,圈定的二級遠景區域表明即使有花崗閃長斑巖分布的區域,但是斷裂發育較差,其后驗概率會較低,說明九瑞地區銅成礦是受到花崗閃長斑巖和斷裂共同影響的。模糊證據權重計算得到的高值后驗概率區域和圈定的3 個一級遠景區中,普遍有斷裂和花崗閃長斑巖分布,表明基于濃度-面積分形和模糊證據權相結合的模型,具有一定的找礦指導意義。
(1)研究采用因子分析對江西省九瑞地區的地球化學數據進行處理,結果顯示Cu、Au、Bi、Mo、Pb、Sb、W 等元素組合在因子F2 中具有指示成礦的作用,其濃度-面積分形模型提取的銅礦化異??梢宰鳛槟:C據權模型的有效證據圖層。
(2)基于模糊證據權模型綜合地質、地球化學、遙感數據等多源信息,生成了后驗概率圖和預測遠景區,這為江西九瑞地區銅找礦勘查提供決策依據。
(3)綜合研究結果表明,江西九瑞地區仍有較大銅礦勘查潛力。銅礦分布受花崗閃長斑巖和斷裂共同控制影響,在未來勘查找礦中應該對這些控制因素加以重視。