基于分区标准化的水系沉积物地球化学背景与异常划分

基于分区标准化的水系沉积物地球化学背景与异常划分

自20世纪70年代中国开展区域化勘探以来，2005年底，水系沉积物调查已完成673.68万公里。2.该研究所在地质勘探中发挥了重要作用。区域化探样品分析了39种元素,目前找矿中应用的元素主要为成矿成晕元素,而常量元素和稀土、稀有元素尚未很好地开发应用。通过对区域地球化学数据处理,提取更多找矿地球化学信息是目前化探工作的重要工作内容。地球化学背景与异常划分是找矿地球化学信息提取的关键环节。元素地球化学背景受地质环境、景观条件等诸多因素的制约,在一定区域内、同一景观条件下,地质环境是影响元素地球化学背景的主要因素。以往按1∶20万图幅确定统一异常下限的做法,导致低背景区矿化信息被掩盖,而高背景区出现了较多的非矿异常,背景与异常的划分存在不合理性。为此勘查地球化学工作者使用地质子区衬值法、移动平均法,趋势面法、泛克里格法等来处理区域化探数据,在很大程度上改善了异常找矿信息的可靠性,有其优越性,但仍然存在局限性。地球化学背景与异常划分问题仍然是目前勘查地球化学进一步研究的课题。从众多地球化学异常中识别与有经济价值矿床有关的异常一直是勘查地球化学工作者追求的目标。已知矿区是成矿地质条件最佳地段,地球化学异常找矿概率较高,值得引起注意。低缓异常既是深部矿体的反映,又有其他非矿因素的影响,需从多角度提取成矿信息,结合地球化学异常组成和结构识别和判断来确定矿致异常。同时,在实际应用过程中还要注意不同矿化类型异常的空间分带性,加强多元素矿化信息的综合分析研究,以有助于深部盲矿体和隐伏矿的寻找。笔者基于水系沉积物样品特点,选用吉林省中部低山丘陵区区域化探扫面数据作为研究对象,采用地球化学分区标准化法圈定找矿地球化学信息,试图有效地压抑高背景区非矿异常、强化低背景区矿致异常,突出找矿信息。1矿物元素与成矿关系地壳中元素丰度值按大小顺序排列前9种元素为氧、硅、铝、铁、钙、钠、钾、镁、氢,占地壳总质量的98.13%,它们是构成岩石的主体,由常量元素的组成和相对含量决定了岩石性质,支配了微量元素的地球化学行为及其在岩石中的分配。水系沉积物是岩石风化产物,水系沉积物样品被认为是一个上游汇水盆地物质的天然组合,在化学成分上具有明显的继承性。水系沉积物元素含量不仅受上游地质环境影响,而且细粒级(-60目)样品中粘土矿物、有机物质对其元素含量也产生很大影响。水系沉积物中常量元素含量可以很好地反映其物质组分特征;成矿成晕元素含量与常量元素之间亦有着密切相关关系。对研究区区域化探扫面数据(-60目粒级样品)的研究结果发现,Zn、Hg与Si、K呈负相关性,与Fe、Ca具有很强的正相关性,Ni、Cr与Mg具有显著相关性(图1),而Au、Ag、Cu、Cd与常量元素相关性不明显。常量元素在勘查地球化学以及成矿地球化学环境研究方面具有重要意义。1.1高因子得分a利用区域化探水系沉积物常量元素分析数据进行因子分析。因子载荷矩阵将变量表达为公因子的线性组合:Ζ=AF+aU。Z=AF+aU。式中:Z为变量;A为公因子负荷;F为公因子;a为唯一因子系数;U为唯一因子。根据因子载荷将常量元素划分为若干个组合,它们反映了水系沉积物样品的地球化学分类。因子得分表达了因子变量的线性组合:FΡ=βΡ1Ζ1+βΡ2Ζ2+⋯βΡnΖn。FP=βP1Z1+βP2Z2+⋯βPnZn。式中:FP为因子得分;βP为变量系数;Z为变量;n为变量(元素)数。从原始数据中将某一特定因子的有关信息集中起来,每个样品在不同因子中的得分反映了样品所具有的地球化学元素组合特征。高因子得分样品与因子元素组合相对应。依据每个样品最大因子得分所在因子进行地球化学分区。1.2地球化学分区元素含量计算按照地球化学分区分别进行成矿成晕元素数据标准化。标准化公式为:Ζ=(Xi+ˉX)/S。Z=(Xi+X¯¯¯)/S。式中:Z为标准化值;Xi为元素含量;ˉXX¯¯¯为地球化学分区元素含量平均值;S为地球化学分区元素含量标准离差。1.3异常下限的计算以成矿成晕元素标准化数据为基本数据,计算异常下限,圈定单元素异常。并通过因子分析确定矿化类型元素组合,以其对应因子得分圈定矿化类型综合异常图。2研究结果的讨论2.1槽台与东南角区域研究区位于吉林省中部低山丘陵景观区,面积1.3万km2。于1978~1983年完成1∶20万区域化探扫面,采样粒级-60目,采样密度(1~2)点/km2,1样/4km2组合分析。研究区处于中朝准地台与天山—兴安地槽接壤部。东南部台区出露太古代表壳岩、钾长花岗质片麻岩以及新太古代—古元古代变质正长花岗岩;槽区广泛分布不同时期花岗岩;槽台过渡带上分布奥陶—志留系斜长片麻岩、变粒岩、大理岩及中酸性熔岩。在研究区西部和北部较集中分布石炭—二叠系浅海相沉积建造和三叠—侏罗系陆相中酸性熔岩及陆源碎屑沉积岩。此外,在松花江沿岸的白山、红石等地有玄武岩分布。区内岩石类型复杂,岩性变化较大。矿产有金、钼、镍矿床及中小型多金属矿(化)点,槽台接合部为成矿集中区。全国闻名的红旗岭镍矿床和夹皮沟金矿床位于研究区中(图2)。其中红旗岭镍矿床Ⅰ号矿体出露地表;位于黑石北部的Ⅶ号矿体被白垩系砂砾岩覆盖,为隐伏矿体。2.2富白色矿物各组分组合根据研究区水系沉积物数据因子分析结果,常量指标划分为2个因子(表1)。因子1中SiO2、K2O为负载荷,Fe2O3、CaO、MgO为正载荷;将SiO2、K2O因子得分乘以-1,可以获得一个新的因子组合。因此,因子1可以划分为SiO2、K2O组合和Fe2O3、CaO、MgO组合。分别反映了花岗质碎屑物质和中基性物质富暗色矿物的组分特征。因子2为Al2O3、Na2O组合,主要反映富泥质物质组分特征。以3种组合的因子得分划分地球化学分区(图3)。从图3中可见,硅钾组合主要分布于中朝准地台;铁镁钙组合主要分布于天山—兴安地槽区;铝钠组合分布零散,与地质背景基本上无关,可能是一个表生地球化学作用因子,其地质含义尚待进一步研究。2.3数据标准化按地球化学分区分别对成矿成晕元素进行标准化,将3个分区标准化数据合并形成新的基本数据。2.4提取的信息提取2.4.1地球化学异常利用标准化数据计算平均值和标准离差,确定异常下限,圈定单元素异常(图4)。地球化学分区标准化方法圈定地球化学异常与原始异常对比,研究区东南部由玄武岩引起成片的Ni异常被有效压抑,突出了与矿化有关的北西向Ni异常。同时,在研究区西南部红旗岭镍矿外围、磐石、烟筒山等地圈出了新的镍异常。这些新发现Ni异常的找矿意义有待查明。2.4.2矿化类型的综合异常对成矿成晕元素标准化数据进行了因子分析。前4个因子基本上反映了本区主要成矿类型的找矿信息(表2)。因子1为Ni、Cr、Co、Cu组合,反映了与中基性岩有关的镍矿化类型;因子2为Mo、Cu、W组合,反映了斑岩型钼矿化类型;因子3为Zn、Cd、Pb组合,反映了以锌为主的多金属矿化类型;因子4为Au、Hg、W组合,反映了热液型金矿化类型。以各个矿化类型因子得分的平均值加2倍标准离差作为异常下限,圈定每个矿化类型的综合异常图(图5)。镍矿化类型综合异常总体沿槽台接合部和深大断裂带呈北东向和北西向分布(图5a)。异常对已知的红旗岭镍矿床Ⅰ号矿体反映良好;对于黑石附近的Ⅶ号矿体来说,因被白垩纪砂砾岩覆盖,异常规模相对较小。在永吉县西阳、磐石县团林以及研究区东南角也圈出了明显的异常区。这些异常(特别是磐石县团林附近异常)的找矿意义值得关注。钼矿化类型综合异常主要分布在研究区西北角(图5b)。对已知的大黑山钼矿床有良好的反映;同时,在该矿床东部圈出了一个十分明显的环形异常。部分异常与已知铜矿床有关。环型异常的南半部集中分布有Cu、多金属和金矿(化)点,而在北半部缺少已知矿化信息,有待进一步查证。金矿化类型综合异常主要出现在夹皮沟、二道甸子等已知金矿区(图5c);并在研究区南部白山镇和北部松花湖也出现了明显的异常,提供了新的找金信息。多金属矿化类型综合异常主要与钼、金矿化类型综合异常套合在一起(图5d)。对已知多金属矿点有十分明确的反映;并在大黑山钼矿及其外围与钼矿化类型综合异常共同构成环形异常。这些异常的找矿意义都值得关注。通过综合异常的分析研究认为:钼矿化类型环形异常带、槽台接壤部位北东向Ni异常带、研究区东南部北西向镍矿化类型异常、南部白山镇Au矿化类型异常是本区新的找矿线索。需要在今后部署地质找矿时予以重视,安排异常验证工作。3地球化学分区标准化的特点(1)地球化学分区标准化方法具有较好的强化找矿地球化学信息的功能,可以有效地压抑高背景区非矿异常和强化低背景区矿致异常,突出了找矿信息。特别适用于快速地从大量区域化探数据中提取找矿信息。按1∶20万分幅或按成矿区带进行分区标准化效果最佳。可应用于化探扫面数据的新一轮开发利用。(2)基于水系沉积物样品常量元素因子分析法进行的地球化学分区符合客观地质实际,可以反映不同岩性组合特征。(3)数据标准化将不同数量级的元素含量转化为标准正态分布数据,方便不同含量级次元素间的相互分析对比。同时,可以有效消除不同地质背景之间的系统变化,从而压抑了非矿异常,强化了低背景区的弱矿化信息,更清晰地反映了区域异常结构特征。(4)地球化学分区标准化方法保留原矿致异常的同时,圈出了已知