結(jié)合化探數(shù)據(jù)的齊石灘金礦區(qū)遙感地球化學(xué)建模

孔 華， 黃慧坤， 成 功

(1. 中南大學(xué)地球科學(xué)與信息物理學(xué)院，湖南 長沙 410083；2. 有色金屬成礦預(yù)測與地質(zhì)環(huán)境監(jiān)測教育部重點(diǎn)實驗室，湖南 長沙 410083)

0 引 言

隨著找礦難度的增加，傳統(tǒng)地球化學(xué)礦產(chǎn)勘查的優(yōu)勢在逐漸消失(陳子萬等，2012)。元素的分布對礦產(chǎn)賦存情況具有指示意義(李進(jìn)波等，2018)，如何利用現(xiàn)有的找礦信息建立找礦預(yù)測模型，進(jìn)一步圈定成礦靶區(qū)，為后續(xù)找礦工作提供依據(jù)成為熱點(diǎn)問題。遙感技術(shù)可快速測量地球動態(tài)參數(shù)，彌補(bǔ)單一地球化學(xué)勘探手段的不足(王晉年等，1996)?，F(xiàn)有研究表明,成礦元素含量與遙感影像灰度值及光譜反射率之間存在必然聯(lián)系(Kemper et al.，2002；Siebielec et al.，2004；Choe et al.，2008；陳勇敢等，2010)，因此建立成礦元素含量與遙感影像之間的反演模型是遙感地球化學(xué)的重要研究內(nèi)容。常見的線性模型(如多元統(tǒng)計模型)和非線性模型(如BP神經(jīng)網(wǎng)絡(luò)模型)能較好地擬合成礦元素含量與遙感影像之間的相關(guān)關(guān)系，結(jié)合化探數(shù)據(jù)建立遙感地球化學(xué)模型，反演結(jié)果可以用于圈定礦化異常(陳三明等，2010；陳勇敢等，2010；盧志宏等，2018)。

新疆齊石灘地區(qū)為一金多金屬成礦區(qū)，對該區(qū)進(jìn)行的大量地質(zhì)構(gòu)造特征、地質(zhì)填圖、物化探測、電磁探測等礦產(chǎn)勘查工作(雷建華等，2004；溫常貴等，2015；陳威等，2016)初步證實該區(qū)具有一定的找礦潛力。結(jié)合成礦元素的化學(xué)勘探數(shù)據(jù)進(jìn)行遙感地球化學(xué)建模與反演研究，探索適合該區(qū)的建模方法，獲取找礦異常信息，為該區(qū)的找礦工作提供參考。

1 研究區(qū)地質(zhì)背景

齊石灘金礦研究區(qū)位于亞洲中部，新疆吐魯番鄯善東南部。屬于南湖戈壁灘的低山丘陵區(qū)，地勢平緩，植被稀少，表層多為沙土礫石，基巖大多裸露(許璇，2012)。該區(qū)日照充足，降雨量少且蒸發(fā)量極大，難以形成河流，是進(jìn)行遙感地球化學(xué)找礦的理想?yún)^(qū)域(圖1)。

圖1 新疆齊石灘金礦區(qū)地質(zhì)地貌概況圖(據(jù)Sun et al.，2020)(a) 地理位置縮略圖；(b) 地質(zhì)構(gòu)造背景；(c) 地理景觀圖1-中-新生代沉積蓋層;2-二疊紀(jì)大陸火山沉積巖;3-石炭紀(jì)火山沉積巖;4-奧陶—泥盆紀(jì)火山沉積巖;5-前寒武紀(jì)變質(zhì)巖;6-花崗巖;7-阿奇山組;8-雅滿蘇組;9-土古土布拉克組;10-底坎爾組;11-康古爾斷裂帶；12-雅滿蘇斷裂帶；13-沙泉子斷裂帶；14-斷裂帶;15-剪切帶;16-金礦;17-銅礦;18-銅鎳硫化物礦床；19-鐵礦床;20-銅鐵礦床；21-銀礦床;22-大型礦床；23-中型礦床；24-小型礦床Fig. 1 Geological and geomorphic sketch of the Qishitan gold deposit in Xinjiang(after Sun et al., 2020) (a) Thumbnail of geographical location; (b) Geological tectonic setting; (c) Geographical landscape map

研究區(qū)的地層主要為下石炭統(tǒng)雅滿蘇組和中-下石炭統(tǒng)苦水組，除西北和西南分布少量第四系外，其他區(qū)域均為下石炭統(tǒng)地層，以雅滿蘇大斷裂為界，南部為雅滿蘇組，北部為苦水組。西北部地表多覆蓋雜礫巖、泥巖等；中南部主要為呈弧形并近東西向展布的雅滿蘇大斷裂，是苦水組與雅滿蘇組地層的分界，具普遍的擠壓現(xiàn)象和剪切特征；南部存在若干條近東西向的斷裂。

研究區(qū)東南部的康古爾金礦目前正在開采。該礦區(qū)周邊火山-巖漿活動頻繁，地層褶皺及斷層極為發(fā)育，韌性剪切疊加構(gòu)造作用較為強(qiáng)烈，動力變質(zhì)作用明顯，區(qū)內(nèi)金及金多金屬礦分布多受地層和韌性剪切帶控制(徐湘康等，1994)?；鹕交顒哟龠M(jìn)了成礦元素的重新分配和組合，強(qiáng)烈的韌性剪切變質(zhì)運(yùn)動使其富集疊加。熱液上升過程中大部分冷卻形成礦體，少部分滲透至近地表，使成礦元素的地表豐度增加，為遙感找礦提供了有利條件。區(qū)內(nèi)元素組合好、強(qiáng)度高，分帶明顯(張連昌等，1997)，具有一定規(guī)模的含Au、Cu的物質(zhì)(潘益清，2009；林楠，2015)。

野外勘查發(fā)現(xiàn)研究區(qū)具有金礦化和金礦(化)體的存在(潘益清，2009)，且齊石灘金礦與康古爾金礦、馬頭灘金礦、紅石金礦等已知金礦位于同一剪切構(gòu)造帶上，具備基本相同的地質(zhì)、構(gòu)造、地球物理、地球化學(xué)等賦存金及金屬礦的成礦條件(薛春紀(jì)等，1995)，具有良好的找礦前景。

圖2 研究區(qū)概況及采樣點(diǎn)分布1-第四系；2-雅滿蘇組第五段灰?guī)r；3-雅滿蘇組第五段火山碎屑巖層；4-雅滿蘇組第五段石英粗面巖；5-雅滿蘇組第四段火山碎屑巖；6-雅滿蘇組第三段長石巖屑砂巖；7-苦水組長石巖屑雜砂巖;8-康古爾塔格第三單元英云閃長巖;9-康古爾塔格第二單元石英閃長玢巖;10-康古爾塔格第一單元淺色輝長巖;11-英安斑巖;12-實測地層界線;13-斷層;14-韌性斷裂;15-地層產(chǎn)狀;16-金礦點(diǎn);17-采樣點(diǎn)Fig. 2 Geological sketch and distribution of sampling points in the study area

2 數(shù)據(jù)處理

2.1 化探數(shù)據(jù)獲取與處理

采樣方式為巖屑地球化學(xué)采樣，采樣部位為基巖風(fēng)化層位的頂部。采樣時嚴(yán)格按照100 m×40 m網(wǎng)格采集地表樣品，記錄采樣位置的坐標(biāo)(圖2)。采樣過程：鏟去上部風(fēng)積或風(fēng)積蓋層，露出基巖分化層，在其頂部采集樣本，在采樣點(diǎn)周圍點(diǎn)線距1/10范圍內(nèi)采樣3～5處樣品組成1個樣本，且每個樣本的質(zhì)量>200 g。經(jīng)曬干、過4.75～0.85 mm(4～20目)套篩等初加工后，烘干，磨細(xì)至0.075 mm (200目)，進(jìn)行化探分析。共對6 968個點(diǎn)進(jìn)行樣本采集，經(jīng)化學(xué)分析后，得到每個樣本點(diǎn)10種元素的含量。

2.2 遙感數(shù)據(jù)獲取與處理

采用2011-12-20的WorldView-2遙感多光譜影像，分辨率為1.8 m、波段數(shù)為8。WorldView-2數(shù)據(jù)地面分辨率較高、尺度更小、波段較多，可進(jìn)行精確變化檢測和制圖，有利于提取元素的特征光譜(Segal-Rozenhaimer et al.，2020)。為消除和修正大氣、環(huán)境、地形引起的誤差，更好地確定化學(xué)元素與光譜響應(yīng)之間的函數(shù)關(guān)系，進(jìn)行了輻射定標(biāo)、大氣校正、幾何校正等操作。其中，將化學(xué)勘探時保留的探槽選作幾何校正的配準(zhǔn)點(diǎn)，與地質(zhì)圖坐標(biāo)進(jìn)行匹配，完成幾何校正。

2.3 建模樣本挑選

根據(jù)前期研究成果，線性回歸建模時樣本數(shù)為50左右即可取得較好的精度(成功等，2019)。為驗證采樣位置對建模效果的影響，將區(qū)內(nèi)的元素含量高值區(qū)、低值區(qū)以及全區(qū)劃分為3個子集，從子集內(nèi)隨機(jī)挑選各50個樣本作為建模樣本。

3 線性回歸建模

巖石作為礦物的集合體，其化學(xué)成分和物理特性與地物光譜特征密切相關(guān)(于勝堯等，2014；Yang et al., 2015；楊長保等，2017)。光譜反射值隨元素含量的變化而變化，遙感影像檢測到的地表光譜反射值的變化反映了元素含量的差異。

計算元素含量與對應(yīng)位置響應(yīng)光譜的相關(guān)性并繪制散點(diǎn)圖發(fā)現(xiàn)，兩者之間呈一定的線性相關(guān)，因此可假設(shè)元素含量與光譜反射值之間存在多元線性關(guān)系，并在此基礎(chǔ)上進(jìn)行定量遙感地球化學(xué)多元線性回歸分析。此時，因變量即為需要估算和預(yù)測的元素的含量，自變量為圖像波段band1，band2, …, bandn在方程中的表示?；赪orldView-2遙感影像進(jìn)行波段運(yùn)算和多元線性回歸系數(shù)求解，然后進(jìn)行建模、反演和繪圖，得到Au元素3個不同取樣位置的模型(表1)，以及Au、Ag等元素遙感地球化學(xué)反演結(jié)果(圖3)。其中，反演繪圖的顏色等級按自然斷點(diǎn)法進(jìn)行分級，紅色越深代表元素正異常值越高，該區(qū)存在金屬礦體的可能性越大。實驗結(jié)果引入相關(guān)系數(shù)(R)、決定系數(shù)(R2)和均方根誤差(RMSE)來檢驗?zāi)Ｐ偷臄M合程度，以實現(xiàn)最終模型的精度評價(表2)。對比表2結(jié)果發(fā)現(xiàn)下列特征。

(1) MLR模型反演提取的高值異常區(qū)與已知信息存在偏差。反演結(jié)果顯示，As、Au、Hg、Pb等元素在研究區(qū)均異常分布，且在北部、北西—南東的弧形斷裂帶和東南部近東西走向的斷裂位置有較強(qiáng)的異常值。相關(guān)資料(溫常貴等，2015)顯示，反演區(qū)域東南角為康古爾多金屬礦，確實存在多種金屬礦床，但研究區(qū)西北部為地勢較高的巖體，反演結(jié)果顯示該處存在的異常與礦體形成的地質(zhì)條件不符合，與化探分析結(jié)果相悖，為假異常，說明MLR模型對該區(qū)元素的反演效果不夠理想。

表1 基于WorldView-2遙感數(shù)據(jù)和化探實測數(shù)據(jù)的Au元素遙感反演模型

表2 研究區(qū)各元素定量遙感地球化學(xué)反演精度檢驗結(jié)果

圖3 各元素遙感地球化學(xué)反演結(jié)果圖Fig. 3 Inversion results of remote sensing geochemistry of each element(a) Ag； (b) As； (c) Au； (d) Cu； (e) Hg； (f) Mo； (g) Pb; (h) Sb; (i) Zn

(2) 建模點(diǎn)的采樣位置對建模效果影響不大。指標(biāo)計算結(jié)果顯示：高值區(qū)取點(diǎn)建模的Cu、Pb、Zn元素的R2較高，整體相關(guān)系數(shù)R在0.4～0.8之間；全區(qū)隨機(jī)取點(diǎn)建模的Au、Zn、Sb元素的R2較高，其他各元素的相關(guān)系數(shù)R在0.5～0.8之間；低值區(qū)取點(diǎn)建模效果最差。雖然全區(qū)隨機(jī)取點(diǎn)建模的總體精度略高，但無顯著區(qū)別，因此在樣本數(shù)量相同的情況下建模樣本位置的不同對建模效果影響并不大，說明MLR模型反演結(jié)果精度不高與建模點(diǎn)的采樣位置無關(guān)。

綜上所述，MLR模型的數(shù)學(xué)統(tǒng)計(R、R2、RPD、RMSE)指標(biāo)計算結(jié)果普遍存在均方根誤差較大、R2較低等問題，在反演繪圖過程中，不僅許多R2較高的元素不如R2較低的元素反演繪圖效果好，而且出現(xiàn)樣本數(shù)量較多時建模精度反而下降的情況。分析原因，一方面，統(tǒng)計學(xué)指標(biāo)的檢驗是點(diǎn)對點(diǎn)的檢驗，對于連續(xù)的面的檢驗?zāi)芰Σ蛔悖涣硪环矫?，在實際情況下，元素含量與影像像元及波譜響應(yīng)之間的線性和非線性關(guān)系同時存在，單一線性模型不具有概括性，且當(dāng)樣本數(shù)量較多時MLR模型誤差累積變大而單個樣本產(chǎn)生影響較小，對模型精度的提高較少(成功等，2019)，此時模型的歸納與推演能力不足。因此，引入BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行元素反演，以彌補(bǔ)MLR線性模型反演的不足。

4 BP神經(jīng)網(wǎng)絡(luò)建模

圖4 BP神經(jīng)網(wǎng)絡(luò)元素反演圖Fig. 4 BP neural network element inversion diagrams(a) Ag； (b) As； (c) Au； (d) Cu； (e) Hg； (f) Mo； (g) Pb; (h) Sb; (i) Zn

BP神經(jīng)網(wǎng)絡(luò)能通過學(xué)習(xí)實例自動獲取求解規(guī)則，具有一定的推廣能力，并能存儲激活函數(shù)及其導(dǎo)函數(shù)，不斷修正自身各個連接權(quán)誤差值，提高訓(xùn)練的準(zhǔn)確性(楊曉帆等，1994)。

上述實驗證明，在全區(qū)隨機(jī)取點(diǎn)建模效果更好，按因變量∶自變量≥1∶10規(guī)則，在區(qū)內(nèi)隨機(jī)選取160個樣本數(shù)據(jù)，劃分為訓(xùn)練集和驗證集，網(wǎng)絡(luò)訓(xùn)練前對樣本的輸入輸出進(jìn)行歸一化和反歸一化處理。實驗設(shè)置3層隱含層，每層的節(jié)點(diǎn)數(shù)范圍為8～25，迭代選取最優(yōu)節(jié)點(diǎn)數(shù)，分配權(quán)值和閾值。訓(xùn)練函數(shù)采用Levenberg-Marquardt方法的trainlm函數(shù)。

Au等元素的反演結(jié)果(圖4)及精度檢驗結(jié)果(表2)顯示，總體而言，BP神經(jīng)網(wǎng)絡(luò)模型效果更優(yōu)，尤其是As、Mo、Pb等元素。與高值區(qū)取點(diǎn)的MLR模型相比，BP模型的R和R2分別提升了20.65%、45.86%，RMSE減少了22.31%；與全區(qū)取點(diǎn)的MLR模型相比，BP模型的R和R2分別提升了18.53%、42.91%，RMSE增加了117.83%。

5 結(jié)果與討論

5.1 結(jié)果分析

圖5 元素化探插值圖Fig. 5 Geochemical interpolation diagrams of elements

為解決統(tǒng)計學(xué)指標(biāo)檢驗?zāi)芰Σ蛔愕膯栴}，對采集的6 968份樣本分析數(shù)據(jù)進(jìn)行插值得到各元素含量異常分布圖(圖5)，與反演結(jié)果(圖3、圖4)對比發(fā)現(xiàn)下列特點(diǎn)。

(1) 與MLP模型相比，BP模型有效減少了北部、西北部的假異常現(xiàn)象，反演細(xì)節(jié)對異常的圈定范圍更小，指示性更強(qiáng)；與化探插值圖相比，BP反演結(jié)果中雖部分元素異常位置偏移，但各元素反演結(jié)果與化探異常的形態(tài)較為相似，且精度檢驗顯示BP神經(jīng)網(wǎng)絡(luò)反演精度更高。綜合說明，BP反演結(jié)果實際效果較好。

(2) 圖3、圖4、圖5的各元素反演結(jié)果均顯示區(qū)內(nèi)有1條南西—北東走向、近弧形展布的異常帶，南部有1條近東西走向的異常帶，與雅滿蘇大斷裂、康古爾塔格韌性剪切帶所處位置相近或相似，與已知的化探與物探的異常結(jié)果吻合，說明該處元素富集度較高，成礦的可能性很大，可作為找礦的重點(diǎn)區(qū)域。

5.2 討 論

(1) 多元線性回歸(MLR)法適用于元素的光譜與含量之間存在明顯線性相關(guān)的情況，當(dāng)超過一定樣本數(shù)后，其擬合優(yōu)度、模擬與預(yù)測能力逐漸下降，無法通過增加樣本數(shù)量實現(xiàn)精度的提升。

BP神經(jīng)網(wǎng)絡(luò)對非線性映射關(guān)系具有較好的處理效果(成功等，2017)，對新數(shù)據(jù)有較強(qiáng)的學(xué)習(xí)能力，可適當(dāng)增加樣本數(shù)量來提高模型預(yù)測精度，在樣本數(shù)足夠多的情況下效果更好。

因此，BP神經(jīng)網(wǎng)絡(luò)法對多為混合像元的實際地表的預(yù)測與反演能力優(yōu)于MLR方法。

(2) 雖然在建模精度及反演效果上BP神經(jīng)網(wǎng)絡(luò)模型優(yōu)于MLR模型，且模型的相關(guān)系數(shù)R、決定系數(shù)R2均有所提升，但BP神經(jīng)網(wǎng)絡(luò)的RMSE提升較少甚至減小，元素之間反演精度具有差異性，少數(shù)元素(如Ag、Bi元素等)的R2仍不夠理想，計算復(fù)雜度增加，反演異常在形態(tài)上與化探插值圖存在少量偏差。原因可能是地表元素含量不高，可通過反演其伴生元素的異常位置進(jìn)一步推測，或探索影響建模的因素，不斷修正和改進(jìn)建模方法，以達(dá)到更好的效果。

6 結(jié) 論

(1) 各元素的反演結(jié)果顯示，齊石灘金礦研究區(qū)存在與已知康古爾金礦相似的遙感地球化學(xué)異常，與化探插值異常吻合很好，具有較好的金礦找礦潛力。

(2) 遙感地球化學(xué)建模中，BP神經(jīng)網(wǎng)絡(luò)建模方法的精度優(yōu)于多元線性回歸建模方法，主要是因為遙感影像為混合像元，其光譜與元素含量之間可能為非線性關(guān)系，BP神經(jīng)網(wǎng)絡(luò)更適合非線性關(guān)系的建模。