基于GIS的层次分析法在沽源地区铀成矿预测中的应用
卢辉雄, 王永军, 汪冰, 张恩, 王瑞军, 李名松
核工业航测遥感中心, 河北 石家庄 050002

作者简介:卢辉雄(1988-), 男, 江西修水人, 工程师, 主要从事铀矿地质勘查、矿产预测评价工作. E-mail:13933164939@163.com

摘要

在分析了沽源地区铀矿床成矿地质特征的基础上, 总结了区域铀矿找矿标志, 提取了各类找矿信息, 利用GIS的空间分析功能分别提取了地层、构造、潜火山岩、热液蚀变、化探异常、航磁异常、航放异常等14个有利分析因子, 建立了层次分析模型, 并根据该区成矿概率的分布进行了成矿远景区的预测, 圈定Ⅰ级远景区2个、Ⅱ级远景区7个、Ⅲ级远景区5个, 为在沽源地区开展进一步铀矿找矿奠定了基础。

关键词: 层次分析法; 铀成矿预测; 沽源地区; GIS
中图分类号:P628 文献标志码:A 文章编号:1001-8166(2014)08-0968-06
Application of GIS-Based Analytic Hierarchy Process for Uranium Minerogenetic Prediction in Guyuan Region
Lu Huixiong, Wang Yongjun, Wang Bing, Zhang En, Wang Ruijun, Li Mingsong
Airborne Survey and Remote Sensing Center of Nuclear Industry,Shijiazhuang 050002
Abstract

Based on the analysis of metallogenetic characteristics of the uranium deposits in Guyuan region, summarizes the regional prospecting symbol, Various geological anomalous information of the area is analyzed. With the spatial analysis function of GIS, extracte the 14 favorable factors include strata, structure, subvolcanic rock, hydrothermal, alteration, geochemical anomaly, aeromagnetic anomalies, etc. were extracted, and the analytic hierarchy process model was built. Finally, based on the analysis, favorable areas were predicted according to the ore formation probability values.The prediction showed two firstgrade metallogenetic targets, seven secondarygrade metallogenetic targets and five threegrade metallogenetic targets, which laid the foundation for further prospecting in Guyuan region.

Keyword: Analytic hierarchy process; Uranium minerogenetic prediction; Guyuan region; GIS.
1 引言

沽源地区是张家口北部铀钼矿重要成矿区, 前人对该区开展过程度不同的成矿远景预测研究。通过把研究区地质及物探要素叠加在相同比例尺的地质图上, 根据地质、物探异常的叠合程度来圈定成矿预测区, 取得了一定的研究成果[ 1~ 2], 但该类方法没有从定量化方面进行矿床的系统评价预测, 从而不能够更客观和准确地对该区进行成矿预测的研究。层次分析方法是一种多指标分析评价方法, 具有精度高, 使用方便的特点, 结合地理信息系统技术(GIS)高水平的数据管理, 强大的空间分析及高质量、高效率的成图技术等优点, 为信息找矿提供了一个有利的工具[ 3~ 10], 极大地提高了找矿预测的工作效率。本文基于GIS的层次分析法对沽源地区铀成矿进行了系统的预测, 预测结果对该区进一步找矿具有很好的指导意义。

1 研究区概况

研究区位于冀北及内蒙东南部、沽源火山盆地内, 大地构造位置上处于华北地台北部边缘的内蒙地轴东段, 天山—阴山纬向构造带与新华夏系大兴安岭隆起带的交切部位。盆地基底主要由新太古界红旗营子群变质岩系组成, 盖层主要为中生代巨厚的火山岩建造及部分碎屑岩建造, 局部发育煤系地层及玄武岩夹沉积地层。

研究区处在区域性EW 向赤城—尚义、康保—围场岩石圈断裂带的夹持部位, NE 向蔡家营—大官厂(F45)断裂带、SN 向沽源—赤城断裂带(F6)和NW 向三山—富山断裂带(F8)组成基本断裂构造格架。其中区域性的NE 向F45断裂带对燕山晚期酸性潜火山岩体的分布具有明显的控制作用, 它也是区内一条重要的铀钼多金属成矿带。

2 典型矿床及找矿标志
2.1 460典型矿床特征

460矿床位于NE 向蔡家营—大官厂火山断陷带, 受F45断裂和火山构造的复合控制。在航磁等值线图上, 该矿床位于航磁特征区域, 磁力值在-150~150 nT之间。航放资料显示, 该矿床位于铀、钍高场、钾低场, 同时矿床所处区域为U、Mo化探异常、铀水化学异常区[ 2]

矿床定位于F45断裂南盘一个由潜流纹岩体组成的小型潜火山构造中。潜流纹岩体呈北西向展布, 平面呈半环状、剖面呈漏斗状侵入到张家口组三段中, 岩体顶部发育有隐爆角砾岩, 中心为隐爆角砾集块岩, 边缘相为霏细岩, 向外过渡到正常岩石。以潜流纹岩体为中心的潜火山构造受张麻井破火山构造及多组断裂构造交切复合的构造结控制。

铀矿化主要赋存于潜流纹岩体顶部的隐爆角砾岩和岩体下部的构造裂隙中。有少数矿体赋存于紧邻岩体外接触带的流纹岩中。矿床上部矿体呈囊状和透镜状, 形态变化大;下部矿体呈脉状, 形态较规则。矿体产状与潜火山岩体基本一致, 空间上呈叠瓦式斜列, 向岩体内倾斜。上部矿体中矿石呈浸染状, 铀品位较低(0.05%~0.10%), 钼品位较高(>0.55%), 矿石矿物主要有胶硫钼矿、胶黄铁矿和少量沥青铀矿, 脉石矿物为紫色萤石和灰色玉髓;下部矿体中矿石呈脉状、角砾状, 铀品位较高(>0.1%), 钼亦达工业品位, 矿石矿物主要有沥青铀矿、辉钼矿、硫钼矿、方铅矿、闪锌矿、黄铁矿等, 脉石矿物为黑色玉髓和红色微晶石英、黑色萤石。上、下两种矿体重叠区是铀钼富矿体的分布区。

矿床范围内粘土化蚀变分布最广, 以水云母化为主, 次为高岭土化、迪开石化、沸石化、绿泥石化和蒙脱石化, 反映出矿床强酸性热液蚀变特征。矿区分布较广的热液蚀变还有硅化、萤石化、黄铁矿化和钾长石化等。

460矿床是一个中低温的火山热液型铀—钼矿床。矿床铀矿成矿时代分为三期:矿前蚀变期, 水云母化的蚀变年龄经K―Ar法测定为115 Ma(含矿围岩潜流纹岩体的成岩年龄经U―Pb法测定为122.2±4.9 Ma);晚白垩世浸染状铀矿化成矿期, 沥青油矿U—Pb等时线年龄为88.9±12.8Ma;新近纪脉状铀矿化成矿期, 沥青铀矿U—Pb等时线年龄为23.8±2.2Ma[ 11]

2.2 铀矿找矿标志

根据研究区已知典型矿床成矿特征[ 12, 13, 14, 15]表1), 确定了区域找矿标志。

表1 沽源地区典型矿床成矿特征 Table 1 Uranium prospecting model in Guyuan region

(1)控矿岩层:研究区已知的铀矿床(点)赋矿层位为张家口组酸性火山岩, 酸性火山岩为区内铀成矿提供丰富的铀源。

(2)控矿构造:区内铀矿空间分布明显受区域性深大断裂、潜火山型破火山口、火山塌陷洼地控制, 其中NE 向深大断裂为深源含矿热液上升运移提供良好的通道, 其次级的断裂破碎带、旁侧的火山构造形成的空间为含铀热液富集沉淀提供有利场所, 为良好的容矿构造。

(3)控矿潜火山岩:区内发育的潜流纹岩、潜粗面岩、潜英安岩与成矿关系密切。铀矿床、矿点多分布于潜流纹岩顶部或邻近区域、潜粗面岩岩体边缘部位。

(4)控矿热液蚀变:区域内与铀成矿相关的蚀变主要以水云母化、绿泥石化、紫色萤石化、赤铁矿化、硅化为主, 热液蚀变是重要的找矿标志。

(5)化探异常:U元素地球化学异常是寻找铀矿的一种最直接的信息, 其异常本身的特征可直接反映异常源(矿体)的特征, 是成矿预测中的一个重要变量。Mo异常在区内多与U异常呈伴生关系, 为区内铀矿提供重要参考信息, 同时其本身为寻找钼矿床的一种直接信息。

(6)航磁异常:航磁特征区域(-150~150 nT)与已知矿床、矿点叠合程度较好, 是区内重要的找铀间接标志。

(7)航放铀异常:为区内铀矿找矿有利的放射性地球物理标志, 已知的矿床、矿点均处于航放铀高场、钍高场、钾低场、活性铀高场区域。

3 预测因子的选取及预测模型建立
3.1 空间数据库建设

研究区空间数据库的建设是预测评价的基础, 数据库的内容包括基础地质图(1:10万)、矿产图(1:10万)、构造纲要图(1:10万)、地球化学异常分布图(1:10万)、区域航磁等值线图(1:10万)、区域航放异常图(1:10万), 以上图件和数据均以GIS为平台, 并统一了坐标系统和比例尺, 建立了研究区的各图件在分析过程中必需的数据库。

3.2 预测因子确定

根据上述建立的区内铀矿找矿模型, 确定了本区预测因子图层。主要包括张家口组酸性火山岩、潜火山岩、断裂构造、火山构造、U、Mo化探异常、铀水化学异常、航放铀高场、活性铀高场、航磁特征区。对各因子图层制订数量化准则和等级, 并赋予相应的权重值(表2), 作为各因子图层的主要属性, 参与模型的运算过程。

3.3 层次分析模型的建立

将该区铀矿床进行综合评价的层次分析模型分为3层(见表2):①目标层, 确定对成矿预测的综合有利程度;②准则层, 主要包括参与评价的地质要素、物探要素以及化探要素;③指标层, 根据区域铀矿找矿标志总结出的主要评价因子。各层的级别赋值及相关属性在层次分析模型中参与运算, 从而实现对该区铀矿床的评价预测。

表2 表2 沽源地区铀矿预测评价层次分析模型 Table 2 Analytic hierarchy process model of uranium evaluation in Guyuan region
3.4 分析模型的应用

根据已建立的层次叠置模型, 将上述计算结果计入各因子专题图层属性表事先定义的权重字段中, 表示当前图层在参与评价过程中的权重值, 结合属性表中的得分字段, 对所有图层进行叠置运算并对属性值进行代数运算, 从而生成新的区域。由于其属性值是多次代数运算的结果, 因此可以反映该区域对成矿的有利程度。

4 预测结果及评价
4.1 预测分级

根据上述模型, 对沽源地区铀成矿进行了预测, 预测出远景区14处(图1表3), 并根据其成矿条件的吻合程度, 划分为Ⅰ、Ⅱ、Ⅲ级。其中Ⅰ级远景区内各指标层与实际符合程度高, 成矿潜力大, 具有形成大或者中型铀矿床的潜力;Ⅱ级远景区内各指标层与实际符合程度较高, 具有较好的成矿潜力, 可能形成中型或小型铀矿床;Ⅲ级远景区内各指标层与实际符合程度较高, 物化探因子与实际符合程度一般或较差, 有发现矿床的可能性。

图1 沽源地区铀成矿预测图1-区域性深大断裂;2-区域性一般断裂;3-铀钼矿床;4-铀矿化(异常)点; 5-Ⅰ级预测区;6-Ⅱ级预测区;7-Ⅲ级预测区Fig. 1 Uranium metallogenic prediction map of Guyuan region1-Regional deep fault; 2-Regional general fault; 3-U-Mo deposits; 4-Uranium mineralization(abnormal) points; 5-First-grade metallogenetic target; 6-Secondary-grade metallogenetic target; 7-Three-grade metallogenetic target

表3 沽源地区铀矿预测区级别及名称 Table 3 Level and the name of uranium prediction in Guyuan region
4.2 结果评价

根据预测结果分析可知:① 已知矿床、矿点基本落入Ⅰ、Ⅱ级预测区范围内, 说明预测结果对已知条件没有出现纰漏;② 预测成矿远景区分布走向基本与区域内的控矿构造、火山构造分布较一致, 预测区与成矿关系密切的潜火山岩发育, 表现出成矿受构造及潜火山活动控制, 这与区域内已知铀矿床特征相吻合;③ 除了覆盖已知矿床、矿点的区域外还有几个预测区尚未发现铀矿点, 这几个预测区主要沿NE 向F45、F7断裂带分布, 潜火山岩发育, 与已知矿床(点)具有相似的成矿条件, 该类预测区成矿潜力较大。

5.结论

(1)已知铀矿床(点)大都落在Ⅰ、Ⅱ级预测远景区, 说明该方法对铀矿床(点)的预测没有纰漏。在预测的几个Ⅲ级远景区内成矿条件优越, 目前未发现铀矿床、铀矿点。分析表明, 远景区的划分与该区的成矿地质条件所反映出的找矿前景大小基本一致, 证实了该方法的合理性和可靠性, 对于该区的进一步找矿具有一定的指导意义。

(2)以GIS 技术为基础的层次分析法对成矿远景预测可以有效地对多源、多尺度的不同信息进行快速、有效的优化综合, 并以定量方式表示出来, 使得预测结果更为直观、可靠。

The authors have declared that no competing interests exist.

参考文献
[1] Shen Guangyin. Geological conditions for ore-forming process and prospecting direction of the U-Mo polymetallic deposits in Guyuan Volcanic Basin[J]. Mineral Resources and Geology, 2008, 22(6): 510-516.
[沈光银. 沽源火山盆地铀钼多金属成矿地质条件分析及找矿方向[J]. 矿产与地质, 2008, 22(6): 510-516. ] [本文引用:1] [CJCR: 0.3224]
[2] Zhang En. The application of airborne survey data in study to the metallogenetic prognosis for uranium in Guyuan Basin[J]. Morden Mining, 2012, 512(9): 48-51.
[张恩. 航测资料在沽源盆地铀矿远景预测中的应用[J]. 现代矿业, 2012, 512(9): 48-51. ] [本文引用:2]
[3] Li Qiquan, Wang Changquan, Yue Tianxiang, et al. Method for spatial simulation of topsoil organic matter in China based on a neural network model[J]. Advances in Earth Science, 2012, 27(2): 175-184.
[李启权, 王昌全, 岳天祥, . 基于神经网络模型的中国表层土壤有机质空间分布模拟方法[J]. 地球科学进展, 2012, 27(2): 175-184. ] [本文引用:1] [CJCR: 1.388]
[4] Zhu Zixian, Zang Shuying. Research on chlorophyll concentration retrieval models of keqin lake basde on genrtic neural netwoks[J]. Advances in Earth Science, 2012, 27(2): 202-208.
[朱子先, 臧淑英. 基于遗传神经网络的克钦湖叶绿素反演研究[J]. 地球科学进展, 2012, 27(2): 202-208. ] [本文引用:1] [CJCR: 1.388]
[5] Chen Cuihua, Ni Shijun, He Binbin, et al. Potential ecological risk analysis of heavy metals contam ination based on GIS methods in sediments of Dexing, Jiangxi Province, China[J]. Advances in Earth Science, 2008, 23(3): 312-322.
[陈翠华, 倪师军, 何彬彬, . 基于GIS技术的江西德兴地区水系沉积物重金属污染的潜在生态危害研究[J]. 地球科学进展, 2008, 23(3): 312-322. ] [本文引用:1] [CJCR: 1.388]
[6] Wang Yongjun, Li Mingsong, Quan Xudong, et al. Application of GIS-based analytic hierarchy process for minerogenetic prediction in northern Zhangjiakou region[J]. Geological Science and Technology Information, 2007, 26(4): 15-18.
[王永军, 李名松, 全旭东, . 基于GIS的层次分析法在张家口北部地区金矿成矿预测中的应用[J]. 地质科技情报, 2007, 26(4): 15-18. ] [本文引用:1] [CJCR: 0.881]
[7] Xi Zhen, Gao Guangming, Xiao Juan, et al. Study on multi-source information metallogenic prognosis using GIS in southern Peru[J]. Geoscience, 2013, 27(1): 108-115.
[席振, 高光明, 肖娟, . 基于GIS的秘露南部多源信息成矿预测研究[J]. 现代地质, 2013, 27(1): 108-115. ] [本文引用:1] [CJCR: 1.443]
[8] Quan Xudong, Wang Yongjun, Wang Bing, et al. Application of ANN and GIS in uranium metallization prediction—A case study of northern Tarim Basin[J]. Uranium Geology, 2013, 29(6): 374-379.
[全旭东, 王永军, 汪冰, . 基于GIS的人工神经网络模型在铀成矿预测中的应用——以塔里木盆地北缘为例[J]. 铀矿地质, 2013, 29(6): 374-379. ] [本文引用:1] [CJCR: 0.765]
[9] Asadi H H, Hale M. Apredictive GIS model for mapping potential gold and base metal mineralization in Takab area, Iran[J]. Computers & Geosciences, 2001, 27(8): 901-912. [本文引用:1]
[10] Xiang Yunchuan, Ren Tianxiang, Yang Zhuxi. The development and utilization of Geophysical Information System (GIS) and the integrated analysis of geoscience information for the prognosis of ore resources[J]. Geophysical & Geochemical Exploration, 1996, 20(1): 1-13. [本文引用:1] [JCR: 1.723]
[11] Li Yaosong. Isotope age of principal mineralization period in uranium deposit No. 460[J]. Uranium Geology, 1989, 5(4): 203-208.
[李耀菘. 460铀矿床主要矿化期的同位素年龄[J]. 铀矿地质, 1989, 5(4): 203-208. ] [本文引用:1] [CJCR: 0.765]
[12] Rui Guozhen. Discussion on metallogenic characteristics and genesis of large U-Mo deposit No. 460[J]. World Nuclear Geoscience, 2010, 27(3): 149-154.
[芮国桢. 460大型铀—钼矿床成矿地质特征及成因探讨[J]. 世界核地质科学, 2010, 27(3): 149-154. ] [本文引用:1] [CJCR: 0.1786]
[13] Sang Jisheng, Wang Zhenbin, Yu Nianfu. A study geological characteristics and metalogenetic condition of uranium deposit No. 534[J]. Uranium Geology, 1992, 8(5): 71-76.
[桑吉盛, 王振斌, 于年福. 543铀矿床成矿地质特征及成因探讨[J]. 铀矿地质, 1992, 8(5): 71-76. ] [本文引用:1] [CJCR: 0.765]
[14] Shen Guangyin. Ore-control ling factors of the 460 U-Mo deposit and its genesis discussion[J]. Mineral Resources and Geology, 2007, (5): 509-514.
[沈光银. 460铀钼矿床控矿因素及矿床成因探讨[J]. 矿产与地质, 2007, (5): 509-514. ] [本文引用:1] [CJCR: 0.3224]
[15] Chen Donghuan, Fan Honghai, Wang Fenglan, et al. The alteration characteristics of uranium deposits in Guyuan-Hongshanzi area[J]. Uranium Geology, 2011, 27(2): 89-93.
[陈东欢, 范洪海, 王凤岚, . 沽源—红山子地区火山岩型铀矿床蚀变特征[J]. 铀矿地质, 2011, 27(2): 89-93. ] [本文引用:1] [CJCR: 0.765]