地质通报  2020, Vol. 39 Issue (8): 1182-1190  
0

引用本文 [复制中英文]

牟妮妮, 孙祥, 万修权. 西藏米拉山地区化探异常特征与找矿预测[J]. 地质通报, 2020, 39(8): 1182-1190.
[复制中文]
Mou N N, Sun X, Wan X Q. Geochemical anomaly characteristics and mineral potential mapping in Milashan area of Tibet[J]. Geological Bulletin of China, 2020, 39(8): 1182-1190.
[复制英文]

基金项目

国家重点研发计划项目课题《深部矿产资源三维找矿预测评价示范》(编号:2017YFC0601506)

作者简介

牟妮妮(1995-), 女, 硕士, 地质工程专业。E-mail:mounini520@163.com

通讯作者

孙祥(1980-), 男, 教授, 从事青藏高原成矿作用与找矿评价研究。E-mail:sunxiang@cugb.edu.cn

文章历史

收稿日期: 2019-04-10
修订日期: 2020-03-20
西藏米拉山地区化探异常特征与找矿预测
牟妮妮1, 孙祥1,2, 万修权1    
1. 中国地质大学(北京)地球科学与资源学院, 北京 100083;
2. 中国地质大学(北京)地质过程与矿产资源国家重点实验室, 北京 100083
摘要: 水系沉积物地球化学异常分析在勘查找矿方面一直发挥着重要作用。采用中位数+2倍绝对中位差和C-A分形法,对米拉山地区1:5万水系沉积物Cu元素及由R型因子分析确定的Cu+Au+Ag组合元素进行了异常分析,确定了阈值。结果显示C-A分形法能更好地识别异常下限,且C-A分形模型确定的Cu元素异常比Cu+Au+Ag组合元素能更有效地反映米拉山地区与铜矿相关的化学异常特征。进而对Cu元素进行了S-A多重分形滤波处理,筛选出背景场和异常场,为圈定异常区提供更精准的依据。借助S-A分形模型和中位数方法划分了甲类异常2处(驱龙、甲玛)、乙类异常3处(达布、拉抗俄、程巴)、丙类异常2处(普雄、甲布纳)。甲类异常区包含冈底斯最大的2个斑岩铜矿,异常强,具有四级浓度分带,异常面积最大,外围找矿潜力巨大。乙类异常区包含3个大中型铜矿,都具有四级浓度分带,具有很好的找矿潜力。丙类异常区目前尚未发现铜矿,但值得进一步开展地质工作,查明成矿潜力。
关键词: 水系沉积物    异常下限    因子分析    找矿预测    米拉山    
Geochemical anomaly characteristics and mineral potential mapping in Milashan area of Tibet
MOU Nini1, SUN Xiang1,2, WAN Xiuquan1    
1. School of Earth Sciences and Resources, China University of Geosciences, Beijing 100083, China;
2. State Key Laboratory of Geological Processes and Mineral Resources, China University of Geosciences, Beijing 100083, China
Abstract: The analysis of geochemical anomalies derived from stream sediment geochemical data is a fundamental task in mineral prospecting.In this study, median+2 median absolute deviations(median+2MAD)and concentration-area(C-A)were applied to analyze geochemical anomaly delineation of Cu and Cu+Au+Ag association from factor analysis of stream sediment geochemical data in Milashan area of Tibet.The results show that the C-A fractal method is a favorable means for identifying the anomaly.Cu anomaly provides more information than Cu+Au+Ag associated anomaly.Furthermore, the S-A analysis was used to decompose the Cu element and distinguish the background from anomaly components, which provides a more accurate basis for delineating the anomalous area.Six anomalous areas have been classified into classes A(Qulong and Jiama), B(Dabu, Lakange and Chengba)and C(Puxiong and Jiabuna).Class A anomalous areas containing two largest porphyry copper deposits in the Gangdise belt are characterized by great anomalous intensity and largest anomalous area, and have great potential for periphery prospecting.Class B prospective areas contain three large and medium-sized copper deposits.Particularly, the Chengba anomalous area has similar anomalous intensity to Qulong and Jiama anomalous areas and thus has good prospecting potential.Copper deposits have not been discovered in Class C anomalous areas, but it deserves exploration work for identifying the mineral potential.
Key words: stream sediment data    anomaly    factor analysis    ore prospecting    Milashan area    

地球化学数据在圈定靶区和寻找矿床方面一直发挥着重要作用[1]。水系沉积物作为一种重要的地球化学数据被广泛用于揭示与金属矿化有关的地质与地球化学信息[2-4]。分析地球化学数据的基本任务之一是确定阈值,将地球化学异常从背景中分离出来,进而识别矿化异常,为进一步找矿工作提供有效依据[5-6]

目前西藏米拉山地区的成矿定量预测工作程度较低,且基于小比例尺的工作较多,对米拉山地区的成矿有利区域未能进行细致地挖掘。曾曼平等[3]对米拉山地区的地质、物化探特征进行了分析研究,认为元素综合异常受西向断裂控制,区内斑岩型矿床的赋存岩石以花岗斑岩、斜长花岗斑岩为主,基于1 20万、1 50万水系沉积物测量数据成果,利用传统统计学法分析得知,Cu、Mo、Pb、Zn、Au、Ag等元素异常总体呈近东西向带状分布。武进[4]基于1 25万的地、物、化、遥数据,分别采用证据权模型和逻辑信息量法对米拉山地区进行了定量成矿预测,详细分析对比发现,改进后的三态逻辑信息量法与米拉山地区的实际成矿情况最为符合,已知矿床(点)大都出现在逻辑信息量高值区,以此圈定了新的找矿预测区。西藏自治区地质调查院系统地分析了米拉山地区的成矿地质背景,总结了6类成矿模型,构建了相应的1 25万图件数据库,在典型矿床研究的基础上,结合成矿规律,圈定了9个预测找矿靶区,并采用面金属量法计算了预测资源量,显示米拉山地区的成矿潜力巨大

本次对研究区1 5万水系沉积物化探数据进行异常识别,选用中位数方法、C-A分形法及S-A分形滤波法确定化探异常,并确定出最合适本区化探异常提取的方法,识别区域化探异常,为米拉山地区找矿勘查提供有效依据。

1 区域地质概况

西藏冈底斯造山带位于印度河-雅鲁藏布江缝合带及北部班公湖-怒江缝合带间,为一条近东西向延伸的巨型构造-岩浆岩带,由南向北划分为南冈底斯、中冈底斯及北冈底斯[7-9]。西藏米拉山地区位于西藏特提斯构造域冈底斯-念青唐古拉板片中南部[4],地处冈瓦纳北缘晚古生代—中生代冈底斯喜马拉雅构造区。主要出露的地层为侏罗纪火山沉积岩类和古新世—中新世花岗岩类。侏罗纪火山沉积岩类出露面积最大,约占区域总面积的30%,以叶巴组为主;始新世花岗闪长岩体出露面积次之,主要呈岩基状产出[10],并出露多处喜马拉雅期侵入体,以古新世花岗岩类、渐新世花岗岩类和与成矿有关的中新世花岗岩体为主。区内发育的断裂构造以东西向和北西向为主(图 1)。区内已发现驱龙、甲玛、跃进、拉抗俄、达布、程巴等一系列大型-超大型及中小型斑岩型铜多金属矿床。矿床主要分布在南拉萨地体,其形成与中新世花岗质岩浆热液活动有关,中新世花岗岩体主要侵入到古新世—始新世花岗岩体中,其分布与矿床的分布联系密切(图 1)。

图 1 西藏米拉山地区地质简图(据参考文献[9]修改) Fig.1 Sketch geological map of Milashan area, Tibet
2 水系沉积物地球化学数据特征

研究区范围为北纬29°30~29°50′、东经90°45′~92°00′,水系沉积物样品共采集15623件,采样密度平均为4个/km2。本文通过对米拉山地区11种元素(Au、Ag、Cu、Pb、Zn、Ba、Mo、Sn、Sb、Bi、W)的原始数据进行统计分析,分别计算其算术平均值、中位数、标准离差、方差、峰度、偏度,以及累积频率为25%、50%、75%、95%、98%的元素浓度(表 1)。在正态性检验中,常常会用到偏度和峰度,偏度越靠近0,峰度越靠近3,数据分布就越接近于正态分布[11]。依据表 1数据可以看出,米拉山区域水系沉积物化探数据均不符合正态分布。

表 1 米拉山水系沉积物数据特征统计 Table 1 Statistics of stream sediment geochemical data from Milashan area
2.1 Cu元素特征

为初步探知米拉山地区Cu元素分布情况,选用累计频率为60%、70%、80%、90%、93%、96%、98%、99%制作Cu元素分布图(图 2)。Cu元素在累计频率93%(49×10-6)以上呈显著的富集中心,富集中心覆盖了研究区7个铜矿床(点)(约占研究区铜矿床(点)总数的63%),包括驱龙、甲玛、达布、跃进、拉抗俄等铜矿床,以及普雄、促翁迭等铜矿化点。

图 2 米拉山地区Cu元素分布图 Fig.2 Spatial distribution of Cu anomalies in Milashan area
2.2 元素共生组合

元素亲合性在地质体内的表现可以通过元素组合很好地反映出来,利用地球化学数据研究元素的共生组合关系具有一定的理论基础[12]。因子分析在总结工作区地球化学特征、分析工作区地球化学规律、圈定找矿靶区、判断找矿方向方面发挥了重要的作用。其中,R型因子分析的多元统计方法能直观有效地对变量进行分类,从变量群中提取共性因子,此方法能有效地区别元素组合之间的关系,直观地表现出找矿元素组合[13-16]

本次工作基于SPSS软件完成R型因子分析。考虑到Au元素含量与其他元素(Cu、Mo、Pb、Zn等)含量量纲不同,首先对米拉山水系沉积物数据进行标准化处理,使其成为具有统一尺度的无量纲的数据[17]R型因子分析中,在解释的累计方差贡献率为75.18%的基础上对公因子进行正交旋转,在特征值大于1的基础上得到3个公因子(表 2)。并计算了元素因子分析KMO检验,其值越接近于1,表明因子分析结果越好[17]。本次检验值为0.825,满足因子分析确定组合元素的要求。本文将因子载荷绝对值大于0.6的因子作为主要的载荷元素,第一主因子(F1)高载荷元素为Pb+Zn+Mo+Sb+W,指示成矿边缘元素组合;第二主因子(F2)高载荷元素为Cu+Au+Ag,指示与成铜矿关系密切的元素;第三主因子(F3)高载荷元素为Sn+Bi,与成铜矿无直接关系。分别对Cu元素和Cu+Au+Ag(F2)元素取对数后进行直方图和Q-Q图的分析,对数转换后偏度有所减少(图 3-AB),但Q-Q图中显示两类元素不遵循正态分布特征(图 3-CD)[17-19]

表 2 米拉山地区正交旋转因子(F1-F3)载荷矩阵 Table 2 Orthometric rotating factor(F1-F3)loading matrix in Milashan area
图 3 米拉山地区Cu元素(A)、Cu+Au+Ag元素组合直方图(B)及Q-Q(C、D)图解 Fig.3 Histograms of Cu(A), Cu+Au+Ag(B), and Q-Q plots of Cu(C), Cu+Au+Ag(D)in Milashan area
3 异常下限确定方法 3.1 中位数法

在以往化探工作中,平均值+2倍标准差方法常被用来确定化探异常下限,基于数理统计原理,在计算前要先检查数据是否符合正态分布[16],当数据不符合正态分布时,要采用迭代方法剔除极值,使计算所需的数据都处于正态分布范围。因此,基于正态分布条件,删除的部分原始数据可能包含有效的地球化学元素分布信息。为了保证数据源的完整性,本文分别用中位数和绝对中位差代替算数平均值和标准差进行计算[20]。中位数法以中位数+2倍绝对中位差来确定异常下限值。

3.2 C-A多重分形法

Cheng等提出的C-A分形法[21]在地球化学异常识别中具有显著效果[21-23]。C-A分形模型的主要公式如下:

$ A(C>v) \propto {v^{ - \beta }} $

公式两边取对数可得, lnA(C>v)∝-βlnv。其中, A(C>v)表示元素含量(浓度C)大于某一元素浓度阈值v的区域面积, v代表成正比, β为分维数, 反映了面积随浓度变化的规律, 定量刻画了地球化学元素含量分布的变化复杂程度, β值(斜率)可以通过分段拟合双对数曲线得到[22]。对采样数据进行插值计算后的栅格数据做面积-浓度双对数图, 图中不同斜率拟合线段的拐点对应的元素浓度值作为区分背景和异常的临界值[22-23]

3.3 S-A多重分形滤波法

为实现地球化学背景场和异常场的分离,更好地进行异常提取,研究其分形特征,成秋明等[23]建立了将C-A模型由空间域推广至频率域的S-A多重分形滤波技术。S-A分形模型的主要公式如下[23-25]

$ A(S \ge s) \propto {S^{ - \beta }} $

其中,A(Ss)代表能谱密度S大于某一特定值s的区域面积,β为分维数,∝代表成正比。β值可以通过双对数图得以确定,由最小二乘法拟合得到各条线段分别代表不同能谱密度范围的幂指数β。水系沉积物数据插值计算后得到的栅格数据,由傅里叶变换为频率域数据,建立S-A双对数图像,拟合线段的交点作为异常场和背景场的分界点,进而通过逆向傅里叶变换获得地球化学异常场和背景场的数据。

4 异常下限值

本文采用中位数方法和C-A分形法对米拉山地区的Cu元素和因子分析得到的F2因子(Cu+Au+Ag组合元素)分别进行了异常下限的求解。在用C-A法求异常下限时,首先分别对Cu元素和F2因子进行反距离加权插值,通过双对数图对插值后栅格面积随浓度的变化进行分析。通过Cu元素的双对数图(图 4-A)可以看出,Cu元素明显符合分形分布特征,按拟合线段的斜率可以分为2段,每段的R2都在0.98附近,分段效果很好,将拐点处对应的浓度值70×10-6作为C-A分形法的异常下限值。F2因子得分(Cu+Au+Ag组合元素)双对数图依据分段斜率可以分为2段(图 4-B),每段的R2都在0.98附近,分段效果明显,以72确定为异常下限值。

图 4 Cu元素(A)和Cu+Au+Ag(B)元素组合C-A模型双对数图 Fig.4 Log-log plots showing the relationship between area and Cu(A)and Cu+Au+Ag(B)generated using the C-A fractal model

由上述2种方法分别计算的米拉山范围Cu元素和Cu+Au+Ag元素组合的异常下限分析结果见表 3

表 3 Cu元素及Cu+Au+Ag组合元素异常下限值确定 Table 3 Anomaly threshold values calculated for Cu and Cu+Au+Ag

对Cu元素用C-A分形法计算的异常值为70×10-6, 异常面积内覆盖的矿床(点)个数占研究区铜矿(点)总数的43.8%(n), 低于中位数确定的异常面积内矿床的覆盖比重(62.5%); 异常值圈定的面积占研究区总面积(s)的5.2%, 低于中位数方法圈定的面积占比15.4%, 但单位异常面积内覆盖的矿床(点)数(n/s值)为8.4, 明显高于由中位数方法确定的n/s值(4.1)。比较中位数方法和C-A分形法分别确定的异常值, C-A分形法确定的异常值, 使研究区单位异常面积内矿床(点)的密度更高, 能够更有效地圈定异常面积, 可以更好地进行研究区Cu元素地球化学异常的识别, 因此将C-A分形法作为研究区求Cu元素异常下限的方法。

以相同的方法分析Cu+Au+Ag组合元素(F2),同样得到C-A分形法确定的n/s值(为6.4)最高,联系Cu元素异常下限方法的确定,说明C-A分形法在圈定研究区的地球化学异常合适、有效。因此确定70×10-6、72分别为Cu元素和Cu+Au+Ag组合元素的异常下限值。分别以Cu元素和Cu+Au+Ag组合元素异常下限值的1倍、2倍、4倍、8倍为异常分级,得到Cu元素地球化学异常图(图 5)和Cu+Au+Ag组合元素异常图(图 6)。

图 5 C-A模型下米拉山地区Cu元素地球化学异常图 Fig.5 Spatial distributions of Cu anomaly based on C-A fractal model in Milashan area
图 6 C-A模型下米拉山地区Cu+Au+Ag组合元素地球化学异常图 Fig.6 Anomaly diagram of Cu+Au+Ag association based on C-A fractal model in Milashan area

图 5图 6都显示有明显的浓集中心和浓度分带,异常高值区与已发现的大型-中型矿床具有匹配程度很高的特点。在Cu元素异常图(图 5)中,浓集中心显著分布,具有四级浓度分带的浓集中心5个,三级浓度分带的浓集中心1个,其余为分散的一级分带;已发现的驱龙、甲玛、程巴矿床处于铜异常的四级浓度带,跃进、拉抗俄矿床处于铜异常的二级浓度带,达布矿床处于铜异常一级浓度带。在Cu+Au+Ag组合元素异常图中,分布4处四级浓度带组合异常,1处三级异常浓度带组合异常,其余异常基本为散布的一级浓度带。

以上对比表明,Cu元素异常图浓集中心更显著、异常分带更明显、异常分布范围更有效,较之Cu+Au+Ag组合元素异常图更能清楚有效地反映米拉山地区化学异常元素含量的变化,凸显可能存在的矿化范围展布情况,为米拉山地区进一步找矿方向提供有效依据。

5 Cu元素地球化学模式分解

由于C-A分形模型在处理化探异常中,将背景当成统一的平面进行处理,存在一定的局限性,不适用于在地质背景复杂地区分析地球化学元素分布[22-25]。因此,本文采用S-A多重分形滤波模型对研究区的Cu元素分布做进一步分析,划分背景场与异常场,识别研究区地球化学致矿异常,为下一步圈定异常区提供有效依据。从拟合的双对数图(图 7)可以看出,按照斜率(分维数)的不同,线段y=-0.98x+22.73代表噪声场,线段y=-1.67x+30.87代表异常场,线段y=-2.59x+42.84代表背景场,据此绘制了Cu元素的背景图(图 8)和异常图(图 9)。

图 7 Cu元素S-A模型双对数图 Fig.7 Log-log plots showing the relationship between area and Cu, generated using the S-A fractal model
图 8 S-A模型下米拉山地区Cu元素背景场 Fig.8 Background component of Cu determined by S-A fractal model in Milashan area
图 9 S-A模型下米拉山地区Cu元素异常场及异常区分布 Fig.9 Spatial distributions of Cu anomaly and anomaly area determined by S-A fractal model in Milashan area

在背景图中(图 8),高背景区中心与已知矿床分布吻合,元素基本在原地富集。由于傅里叶逆转换之后的异常图中有很多负值,不能用C-A分形法进行异常分级,因此用中位数方法计算的阈值(29)作为异常分级的标准。S-A模型下的异常图(图 9)较之C-A模型下的,不仅缩小了异常范围,还增强了高异常区的强度,更能精准地识别异常分布。异常图中显示异常主要分布于中新世花岗岩体发育的地方。

6 区域找矿前景

依据化探异常,可对区域找矿前景进行分类[26]:①甲类异常,有已知矿异常或已查证的见矿异常,异常面积较大(数十平方千米以上),异常强度较高、有明显的浓集中心和浓集分带,成矿地质条件有利,表明该异常可能有较大的找矿前景和找到大、中型矿的可能;②乙类异常,推断的矿异常,异常面积中等、强度一般、有浓集中心,成矿地质条件有利,找矿前景次之,有找到中型矿床的可能;③丙类异常,面积较大、无明显浓集中心,找矿前景一般。

本文基于S-A模型圈定Cu异常,在研究区初步圈定了7个异常区,分别是甲-1(驱龙)、甲-2(甲玛)、乙-1(达布)、乙-2(拉抗俄)、乙-3(程巴)、丙-1(普雄)和丙-2(甲布纳)。

甲-1(驱龙)和甲-2(甲玛),异常浓集中心显著、浓度分带(四级浓度带)明显,强度最高,面积大。异常区分别发育驱龙、甲玛大型铜矿床,驱龙矿床的铜资源量为1100×104 t[27],甲玛矿床的铜资源量为740×104 t[28],应关注矿区外围找矿。

3个乙类异常区异常强度和异常规模次之,均分布有与成矿有关的中新世花岗岩质侵入体。乙-1异常区(达布)浓集中心对应达布铜矿床,具三级浓度带,其中达布矿床铜资源量33×104 t[29]。乙-2异常区(拉抗俄)的浓集中心对应跃进、拉抗俄等中型铜矿床,具三级浓度分带。乙-3异常区(程巴)存在显著浓集中心、具四级浓度带,但浓集中心与程巴矿床套合不好。程巴矿床为矽卡岩型铜-锌-钼多金属矿床,出露地层主要为下白垩统林布宗组(K1l)和上侏罗统夺底沟组(J3d),岩浆活动强烈,岩浆岩分布广泛,以二长花岗岩体最发育[30], 矿区铜资源量13.87×104 t,矿区外围仍有找矿潜力。

丙-1(普雄)为二级浓度带,有普雄矿化点分布。普雄矿区主要出露燕山晚期石英二长闪长岩,晚白垩世—早古近世沉积岩类等[31],区内发现的矿体以矽卡岩型、铜锌矿化为主,Cu的品位一般都在5.0%以上,并伴生金、银,在普雄矿区南部,发现有长度超过2 km的带状火烧皮蚀变,暗示在深部寻找斑岩型矿体的可能性较大。丙-2异常区(甲布纳)无已知矿床(点)分布,浓集中心显著、具有与驱龙、甲玛超大型铜矿床同等的四级浓集带,异常强度高,有待异常查证。

7 结论

(1) 分别采用中位数方法和C-A分形法计算了米拉山地区1 5万的水系沉积物地球化学数据阈值,结果显示C-A分形法确定的异常下限值最好,其圈定的单位异常面积内存在的已发现矿床(点)个数最多。

(2) 对比C-A分形模型确定的Cu单元素和Cu+Au+Ag组合元素异常图,发现Cu单元素异常图能更有效地反映米拉山地区与铜矿相关的化学异常特征。

(3) S-A多重分形滤波模型能从高背景场中提取化探异常,高异常区主要受控于中新世花岗岩体。

(4) 基于S-A模型下确定的Cu异常联合地质背景信息,圈定了甲类异常区2处(驱龙、甲玛)、乙类异常区3处(达布、拉抗俄、程巴)、丙类异常区2处(普雄、甲布纳),显示米拉山地区仍有很好的找矿潜力。

参考文献
[1]
Xie X J, Wang X Q, Zhang Q, et al. Multi-scale geochemical mapping in China[J]. Geochemistry:Exploration, Environment, Analysis, 2008, 8(3/4): 333-341.
[2]
王瑞廷, 毛景文, 任小华, 等. 区域地球化学异常评价的现状及其存在的问题[J]. 中国地质, 2005(1): 168-175.
[3]
曾曼平, 毛晓冬. 西藏米拉山地区铜钼矿化特征及找矿前景浅析[J]. 矿物学报, 2015, 35(S1): 180-181.
[4]
武进.基于模糊证据权的找矿远景区预测方法研究与应用[D].成都理工大学硕士学位论文, 2016.
[5]
Zuo R G. Identifying geochemical anomalies associated with Cu and Pb-Zn skarn mineralization using principal component analysis and spectrum-area fractal modeling in the Gangdese Belt, Tibet(China)[J]. Journal of Geochemical Exploration, 2011, 111(1/2): 1-22.
[6]
Sun X, Zheng Y Y, Wangle C M, et al. Identifying geochemical anomalies associated with Sb-Au-Pb-Zn-Ag mineralization in North Himalaya, southern Tibet[J]. Ore Geology Reviews, 2016, 73: 1-12. DOI:10.1016/j.oregeorev.2015.10.020
[7]
潘桂棠, 莫宣学, 侯增谦, 等. 冈底斯造山带的时空结构及演化[J]. 岩石学报, 2006(3): 521-533.
[8]
孙祥, 郑有业, 吴松, 等. 冈底斯明则-程巴斑岩-夕卡岩型Mo-Cu矿床成矿时代与含矿岩石成因[J]. 岩石学报, 2013, 29(4): 1392-1406.
[9]
曾忠诚, 刘德民, 王明志, 等. 西藏冈底斯东段驱龙—甲马地区构造-岩浆演化与成矿[J]. 地质论评, 2016, 62(3): 663-678.
[10]
李世杰, 魏启荣, 次琼, 等. 西藏达布矿区含矿岩体的时代、岩石地球化学特征及岩石成因[J]. 地球科学, 2018, 43(9): 3218-3233.
[11]
周洪伟. 正态性检验的几种常用的方法[J]. 南京晓庄学院学报, 2012(3): 13-18.
[12]
朱裕生. 矿产资源评价方法学导论[M]. 北京: 地质出版社, 1984.
[13]
刘平. 浅谈主成分分析与因子分析的异同[J]. 辽宁师专学报(自然科学版), 2004(3): 4-6.
[14]
林海明, 张文霖. 主成分分析与因子分析的异同和SPSS软件——兼与刘玉玫、卢纹岱等同志商榷[J]. 统计研究, 2005(3): 65-69.
[15]
林鑫, 周军, 张兵. 基于主成分分析的化探异常圈定新方法——以新疆西准噶尔地区1:50000岩屑数据为例[J]. 地质找矿论丛, 2012, 27(4): 516-521.
[16]
叶红刚, 叶红锋. SPSS软件数理统计应用及异常下限确定不同方法对比研究——以鹰咀山岩屑测量为例[J]. 甘肃地质, 2018, 27(2): 83-92.
[17]
丛源, 陈建平, 肖克炎, 等. "三江"地区北段区域地球化学元素组合异常提取及其找矿意义[J]. 地质通报, 2012, 31(7): 1164-1169.
[18]
李雪菲.吉林省和龙地区化探数据处理方法对比研究[D].吉林大学硕士学位论文, 2012.
[19]
宗序平, 姚玉兰. 利用Q-Q图与P-P图快速检验数据的统计分布[J]. 统计与决策, 2010(20): 151-152.
[20]
Reimann C, Filzmoser P, Garrett R G. Background and threshold:critical comparison of methods of determination[J]. Sci.Total Environ, 2005, 346(1/3): 1-16.
[21]
Cheng Q M, Agterberg F, Ballantyne S. The separation of geochemical anomalies from background by fractal methods[J]. Journal of Geochemical Exploration, 1994, 51(2): 109-130. DOI:10.1016/0375-6742(94)90013-2
[22]
成秋明. 空间模式的广义自相似性分析与矿产资源评价[J]. 地球科学, 2004(6): 733-743.
[23]
成秋明, 张生元, 左仁广, 等. 多重分形滤波方法和地球化学信息提取技术研究与进展[J]. 地学前缘, 2009, 16(2): 185-198.
[24]
Chen X, Zheng Y Y, Xu R K, et al. Application of classical statistics and multifractals to delineate Au mineralization-related geochemical anomalies from stream sediment data:a case study in Xinghai-Zeku, Qinghai, China[J]. Geochemistry:Exploration, Environment, Analysis, 2016, 16: 153-264.
[25]
Zuo R G, Xia Q L, Zhang D J. A comparison study of the C-A and S-A models with singularity analysis to identify geochemical anomalies in covered areas[J]. Applied Geochemistry, 2013, 33(6): 165-172.
[26]
向运川, 牟绪赞, 任天祥, 等. 全国矿产资源潜力评价化探资料应用研究[M]. 北京: 地质出版社, 2018.
[27]
Li Y, Selby D, Feely M, et al. Fluid inclusion characteristics and molybdenite Re-Os geochronology of the Qulong porphyry copper-molybdenum deposit, Tibet[J]. Miner Deposita, 2017, 52(2): 137-158. DOI:10.1007/s00126-016-0654-z
[28]
Zheng W B, Tang J X, Zhong K H, et al. Geology of the Jiama porphyry copper-polymetallic system, Lhasa Region, China[J]. Ore Geology Reviews, 2016, 74: 151-169. DOI:10.1016/j.oregeorev.2015.11.024
[29]
唐菊兴, 王勤, 杨欢欢, 等. 西藏斑岩-矽卡岩-浅成低温热液铜多金属矿成矿作用、勘查方向与资源潜力[J]. 地球学报, 2017, 38(5): 571-613.
[30]
刘鹏辉. 西藏林周县程巴铜多金属矿床地质特征及成矿条件研究[J]. 河南科技, 2015(15): 80-82.
[31]
雷波. 西藏拉萨幅1:25万Cu、Pb、Zn地球化学异常特征及找矿远景圈定[J]. 矿物学报, 2013, 33(S2): 780-781.
德西央宗, 多吉, 张金树, 等.西藏米拉山整装勘查区专项填图与技术应用示范报告.西藏自治区地质调查院, 2017.
泽仁扎西, 刘德民, 杨明生.西藏驱龙地区矿产远景调查报告.西藏自治区地质调查院, 2012.
陆宗德, 张圣, 何勇军, 等.西藏自治区林周县程巴矿区铜多金属矿详查报告.重庆市地质矿产勘查开发局川东南地质大队, 2008.