搜索
第4章不同景观区地电化学找矿对比研究前文已述及，不同景观区的铜镍矿地电化学异常有诸多相同之处，但是异常之间是否有差异？有哪些差异？而造成这种差异的原因有哪些？这将是下文要探讨的问题，即从不同景观区的景观特征、地电化学统计特征以及每个研究区的地质、地球化学特征等三个方面分析。4.1研究区景观条件特征地球化学景观区的划分是人们对不同地区表生地球化学特征的总结和归纳，地电化学是在地表环境完成地电提取和电导率样品的采集，而地表条件是气候、自然地理(地貌、覆盖层特征等)、生物、人类活动和地质诸因素的综合，它影响着元素在地表的分布和迁移规律（文献）。因此，要探讨地电化学异常的差异，必须考虑的不同景观特征的重要因素。4.1.1南阳矿区地处北亚热带向暖温带过渡地区，属北亚热带季风型大陆气候，四季分明，气候温和。年日照总时数平均为2187.8小时，年平均太阳总辐射量116.56千卡/平方厘米。年平均气温15.2℃，历年月平均气温最低1.4℃，最高28.0℃。全年无霜期233天，≥0活动积温5500℃，≥10℃活动积温4939℃。年平均降水量910.11mm，4~9月降水689.2mm,占全年的75.7％。研究区广泛被第四系粘土、亚粘土、砂砾石、含砾砂质粘土等覆盖，植被以农作物为主。4.1.2红旗岭吉林红旗岭位于吉林省中南部,地处松辽平原向长白山过渡地带,属丘陵半山区。气候为温带大陆性季风气候，年平均气温4.20C；无霜期125-135天。年平均降雨量670mm,水资源丰富。矿区内地势较为平整,植被茂盛,地表第四纪覆盖物较厚,属森林覆盖区。4.1.3金川位于甘肃省金昌市，属大陆性高原季风气候，多晴朗天气，昼夜温差较大。常有冬干、春旱和伏旱。年均气温7.4C，年均日照2129．7小时，无霜期184天。年均降水量120mm毫米，蒸发量1500毫米，河谷地带气候干燥。区内地形切割剧烈,沟谷纵横,地势陡峭,植被稀少,无地表径流,属戈壁区。区内仅在沟谷低洼处覆盖较明显,厚度约0~3m,大部分地区基岩裸露,地表仅见大量岩屑。植被以发育，耕地很少。4.1.4拉水峡拉水峡铜镍矿位于青海省化隆县南部，属温带大陆性气候,年平均气温2.2℃，无霜期89天，年平均降水量470毫米，无霜期89天，境内冬季多风，干旱、冰雹自然灾害频繁。日温差较大,十月份开始降雪,至下年三月为冰冻期,冻结层厚约1m。工作区北临NW走向的拉脊山,南为ES流向的黄河,测区位于华隆盆地南部边缘。水系发育,多呈南北向,发源于北边的拉脊山,主要汇集于拉水峡、关臧沟、合群峡,然后向南流注入黄河,其它次级沟谷平时多为干沟,属间歇性山间河流。综上所诉，本次研究所选取的4个矿区，其景观特征有很大的差异（表4-1）。表4-1不同研究区景观特征研究区景观类型气候带年均气温℃年均雨量mm海拔高度m地形覆盖类型/植被盖层厚度河南周庵冲积平原北亚热带向暖温带过渡15.291080-120盆地第四系粘土/农作物20~50m吉林红旗岭低山丘陵温带4.2670700~1000低山第四系坡积物/森林0.5~5甘肃金川半干旱荒漠温带7.41201500~1800中低山第四系岩屑/几乎无植被0~2m青海拉水峡高寒山区温带2.24702800~4400中高山冻土覆盖/草甸0~4m可表中见，从周庵—红旗岭—金川—拉水峡，随着海拔高度从80m上升到4400m，地形亦从盆地过度到中高山。高寒山区的年均温度最低，但从冲积平原区—低山丘陵区—高寒山区—半干旱荒漠区，年均降雨量为910—120mm，呈明显的减少趋势。而且覆盖植被从森林（农作物）过度到无植被覆盖，覆盖层厚度从50~2m，亦呈较明显的变薄。4.2地球化学统计特征4.2.1单元统计结果在统计求得背景总体中各元素的相关指标参数后，另外还对美个测区的地电提取各元素的算术平均值、标准差、变异系数以及异常衬度等参数进行统计。变异系数（CV）是一个无量纲的地球化学参数，是衡量原始数据平均含量分布的相对离散程度的量，且不受原始数据、含量单位、分布形式的局限，有利于不同元素之间的对比，也是评价元素在空间分布、迁移富集能力和富集成矿可能性的重要参数。一般来说，变异系数越大，元素的空间分布越不均匀、迁移富集能力越强、成矿的可能性也就越大。异常衬度也称衬值，是指异常内元素平均含量与背景值之比。是异常清晰度的量度，所以也叫异常清晰度。指示元素因在不同区域内背景平均值存在着明显的差异，各个区域的样品在分析方法上存在着系统的偏倚。所以，不能直接依据样品的分析结果来对比不同区域内某一指示元素的异常强度。而异常衬度可以消除以上两方面的影响，显示异常相对于背景的起伏变化状态。表4-2不同景观区地电提取元素含量统计结果矿区元素极小值（10-6）极大值（10-6）平均值（10-6）背景值（10-6）异常平均值（10-6）标准差变异系数异常衬度河南周庵aCu0.63016.664.122.308.064.491.093.50Ni0.13022.183.281.078.594.601.408.03Co0.1348.821.480.643.581.781.205.59吉林红旗岭bCu10.50112.4036.2212.6955.5841.031.134.38Ni8.90102.4035.4310.0752.5341.981.185.22甘肃金川cCu3.280377.0037.6323.8873.3252.881.413.07Ni0.49042.563.241.735.994.611.423.46Co0.0070.4080.0450.0370.120.051.113.24青海拉水峡dCu1.783240.2015.468.2728.9419.841.283.50Ni0.500132.365.032.389.159.081.813.84Co0.0050.5510.0580.0290.1080.0671.163.72a样品204个,由桂林矿产地质研究院测试完成,2011；b样品54个,由桂林矿产地质研究院测试完成,1997；c样品126个,由桂林矿产地质研究院测试完成,2005；d样品195个，由桂林矿产地质研究院测试完成,2006；统计结果表明，不同景观区的地电提取Cu、Ni、Co元素各统计指标均有较大差异：1）研究区内的Cu、Ni、Co三个元素的变异系数范围处于1.09-1.81，变异系数均大于1，表明这些元素在各研究区的分布是极不均匀的。2）对比表中各元素的平均值和背景值，所有元素的平均值都明显的高于背景值，部分元素高数倍以上，这也表明本区发生了成矿元素的富集作用。3）不同景观区各元素的平均含量有较大的差异，如金川矿区的Cu含量37.63×10-6，是周庵矿区Cu平均含量4.12×10-6的9倍之高，Ni的平均值亦从3.28~35.43，变化较大。但是不同景观区个元素的异常衬度的变化却不大，Cu为3.07~4.38，Ni为3.46~8.03。这说明地电化学提取法在4个不同景观区提取的金属量相差很大,但反映元素异常的能力基本相同。4）从周庵—红旗岭—拉水峡—金川，Cu、Ni、Co的异常衬度呈明显的降低，从异常衬度能反映异常清晰度的角度来说，从周庵矿区的找矿效果最佳，并向红旗岭矿区—拉水峡矿区过渡，金川矿区的找矿效果最差。4.2.2多元统计结果化探元素之间存在着各种联系，比如某些元素物理化学性质相似，某些具有相同的成因。单个元素异常在反映这个元素在空间上的分布特征上可能不够全面，通过聚类分析、因子分析等多元统计分析方法可以确定元素之间的联系，确定多元素的组合特征更能反映出元素的分布特征。本次多元统计方法包括：相关分析，是处理变量与变量之间关系的一种统计方法；因子分析，是通过尽量少损失地质信息的前提下，将众多的变量组合进行降维，并组合成新的变量—“因子”，从而对地质现象进行说明的成矿分析方法。1）元素相关分析在相关分析中，通常利用两个变量之间的简单相关系数和一个变量与多个变量之间的复相关系数来分析或测定这些变量之间的线性相关程度。本次研究对多个地电提取元素的相关分析见表3-20~3-23。表3-20河南周俺铂族-铜镍矿区地电提取元素相关统计表CuNiCoPbZnAgCdTiVMnCu1Ni0.8461Co0.8110.9231Pb0.6660.7170.7961Zn0.8020.8450.8340.7381Ag0.5310.5910.5810.5700.6171Ti0.7590.8570.8960.8200.8590.6340.1741V0.6500.7330.7500.6810.7670.5460.2090.8691Mn0.7320.8140.8980.8080.8240.6210.2040.9520.8521表3-21金川2矿区地电提取元素相关统计表TiVMnCoNiCuZnAgPbTi1.000V0.1021.000Mn0.760-0.0191.000Co0.478-0.2260.5941.000Ni0.564-0.1050.6530.7831.000Cu-0.0420.143-0.017-0.016-0.0321.000Zn0.2880.0490.3720.1410.175-0.0071.000Ag0.1040.3040.105-0.0070.0640.1000.0841.000Pb0.282-0.1220.5080.2400.2270.1230.3900.0741.000表3-22拉水峡矿区地电提取元素相关统计表TiVMnCoNiCuZnAgPbTi1.000V0.2541.000Mn0.9380.2411.000Co0.8970.2650.9081.000Ni0.3980.1690.3810.6321.000Cu0.1690.0590.2140.2300.2371.000Zn0.5490.0520.5510.5510.2210.1381.000Ag0.013-0.1220.010-0.023-0.0250.0150.0651.000Pb0.2620.0840.2470.2620.1420.1120.2230.1711.000从以上元素相关统计结果看，三个矿区Ni、Co的相关系数都大于0.632，呈明显的正相关，而Cu与Co、Ni的相关性则有较大的差异。周庵矿区和拉水峡矿区的Cu与Co、Ni的相关系数分别大于0.811、0.230，即这两个矿区的Cu和Co、Ni呈正相关。但是金川矿区Cu与Co、Ni的相关分别为-0.032,、-0.016，呈弱负相关，下文还将进一步解释这一差异。由此可见，地电提取Co、Ni异常对寻找隐伏铜矿的指示意义不同。南阳矿区的Co、Ni可以作为本区寻找隐伏铜矿的直接指示元素，拉水峡的Co、Ni可以作为参考元素指示元素，而金川矿区的Co、Ni异常对找隐伏铜矿的意义不大。2）因子分析因子分析的基本思想是根据相关性大小将变量分组，使得同组内的变量之间相关性最高，不同组的变量相关性较小。每组变量代表一个基本结构，用一个不可观测的综合变量表示，这个基本结构称为公共因子。对于研究的问题就可用最少个数的不可观测公共因子的线性函数来描述原来的变量。因子分析可以通过对地质观测数据的分析来建立一个成因系统。它的作用主要表现为：通过因子分析可以用嘴简洁的形式描述地质对象，即对观测到的大量地质现象进行综合归纳，以再现它们之间的内在联系；对因子分析结果进行解释可探索各种地质现象的成因联系。例如在成矿作用中，因子可能具有矿化阶段的含义。按特征值大于0.9，累计方差大于80%为标准选取主因子，对测区内的地电提取分析数据进行正交因子计算，其结果见表3-24~3-26表3-24周俺矿区R型因子分析正交因子载荷矩阵因子F1F2F3Ti0.9570.0960.074V0.8710.1930.013Mn0.9320.1420.118Cu0.838-0.0510.121Ni0.923-0.0400.053Co0.9360.0440.081Pb0.8340.1620.054Zn0.8970.0440.132Ag0.68