塔吉克斯坦阿德拉斯曼-卡尼曼蘇爾鉛鋅礦集區(qū)找礦潛力分析

孫萌萌 陳川 趙同陽

摘? 要：為服務于“一帶一路”沿線國家礦產(chǎn)資源風險勘查及礦山企業(yè)“走出去”發(fā)展戰(zhàn)略，降低境外礦產(chǎn)資源勘查風險，充分發(fā)揮遙感先行的現(xiàn)實意義。選擇塔吉克斯坦阿德拉斯曼-卡尼曼蘇爾鉛鋅礦田為研究區(qū)，以地質(zhì)資料為基礎，在充分總結與構造運動密切相關的熱液脈型鉛鋅礦控礦要素的基礎上，基于ASTER遙感數(shù)據(jù)，利用濾波法、波段比、PCA等遙感信息挖掘技術，依據(jù)控礦構造、含礦圍巖和蝕變信息3個成礦要素的基本特征，提取相關控礦信息，并基于空間分布規(guī)律，最終圈定3處找礦靶區(qū)。結合區(qū)域成礦地質(zhì)條件分析認為，阿德拉斯曼-卡尼曼蘇爾鉛鋅礦集區(qū)中部具有較好的鉛鋅找礦潛力。

關鍵詞：一帶一路;ASTER遙感數(shù)據(jù);成礦預測;熱液脈型鉛鋅礦

塔吉克斯坦是世界上金屬礦儲量最多的國家之一，儲量和產(chǎn)量均位于世界前列[1，2]，其境內(nèi)地質(zhì)特征明顯，成礦條件良好，礦產(chǎn)資源豐富，但海拔較高，地形起伏較大，交通不便，地質(zhì)研究程度低[3]，為“一帶一路”沿線國家礦產(chǎn)資源風險勘查帶來諸多不便。隨著遙感技術在地質(zhì)領域作用的提高，ASTER多光譜遙感數(shù)據(jù)發(fā)揮著舉足輕重的作用，因多波段和中-高分辨率的特點，在巖性解譯、構造識別、礦化蝕變信息提取、及成礦預測等展開研究并取得較好的成果[4-9]，為本次研究提供方法和技術依據(jù)。

塔吉克斯坦阿德拉斯曼-卡尼曼蘇爾礦田位于中天山成礦帶恰特卡爾河成礦亞帶，為區(qū)域上重要的中溫熱液脈型鉛鋅礦集區(qū)[10，11]。近年來，新發(fā)現(xiàn)多處鉛鋅礦（化）點，具較好的鉛鋅成礦潛力。本次研究選擇扎姆巴克鉛鋅礦，為遙感信息提取工作的模型區(qū)，以熱液脈型鉛鋅礦成礦條件、礦物光譜特征為基礎，基于ASTER多光譜遙感數(shù)據(jù)及相應算法技術，提取與成礦有關的地質(zhì)要素，結合成礦地質(zhì)背景，分析和總結典型礦床成礦規(guī)律，通過遙感解譯圈定有利找礦部位，就成礦要素對找礦潛力進行分析。

1? 研究區(qū)地質(zhì)概況

阿德拉斯曼-卡尼曼蘇爾礦田位于塔吉克斯坦塔博沙爾地區(qū)塔-烏邊界附近，礦區(qū)范圍為：北緯40°33′～40°42′，東經(jīng)69°50′～70°05′。屬中天山成礦帶恰特卡爾河成礦亞帶，與塔吉克斯坦北部楚魯克-達龍（Chorukh-Dairon）、阿爾登托普坎（Altyntopkan）、烏茲別克斯坦阿爾馬雷克（Almalyk）礦田共同構成多金屬成礦區(qū)。研究區(qū)處于晚石炭世活動大陸邊緣，同時受北東部費爾干納大型走滑斷層影響，區(qū)內(nèi)構造發(fā)育，主要出露地層為晚古生代火山巖夾沉積巖建造（圖1-a）。

研究區(qū)主要出露的巖石地層由老到新依次有：下石炭統(tǒng)納繆爾階明布拉克組流紋-英安斑巖、英安-安山玢巖、礫巖、砂巖，中—上石炭統(tǒng)納達克組安山和安山-英安玢巖、砂巖等，上石炭統(tǒng)阿克欽組流紋斑巖、玢巖、凝灰?guī)r等火山巖，上石炭統(tǒng)奧亞塞組霏細斑巖、球粒斑巖、凝灰?guī)r、凝灰熔巖等火山巖及次火山巖，上二疊統(tǒng)拉瓦什組流紋斑巖、凝灰熔巖、凝灰礫巖等，上白堊統(tǒng)沉積巖及少量火山碎屑巖，古近系碎屑巖，全新統(tǒng)松散堆積物等，其中石炭系火山巖及火山碎屑巖為鉛鋅礦主要賦礦圍巖。

研究區(qū)侵入巖主要為卡拉馬扎爾類花崗巖體，主要巖性為花崗巖、花崗閃長巖、正長花崗巖，位于研究區(qū)北東部，與石炭系火山巖構造接觸。區(qū)內(nèi)構造發(fā)育，以NE向構造為主。礦田內(nèi)已發(fā)現(xiàn)卡尼曼蘇爾鉛鋅礦、扎姆巴克鉛鋅礦等9處熱液脈型礦床（圖1-b）。

2? 典型礦床分析

據(jù)研究區(qū)基礎地質(zhì)資料，結合前人研究成果，選擇扎姆巴克（Zambarak）鉛鋅礦床為典型礦床，對地質(zhì)成礦條件進行分析總結。

扎姆巴克鉛鋅礦床位于阿德拉斯曼-卡尼曼蘇爾礦田中心偏西位置，為一處中型的熱液脈型鉛鋅礦。礦床成礦年齡為290 Ma[13]，礦區(qū)出露地層為上石炭統(tǒng)火山巖，巖性主要為石英斑巖、英安玢巖、凝灰熔巖。礦區(qū)主要構造有3條，均為NE向構造，其中扎姆巴克和中間斷層為主要控礦構造，屬壓性逆斷層（圖2-a）。

礦體形態(tài)多為脈狀，礦體長度達1.3 km，埋深約400 m，方向和形態(tài)嚴格受礦區(qū)NE向次級構造控制[14]。礦脈大多沿NE向次級構造展布，厚度不一，較厚的礦脈賦存于沿NE向近平行次級構造中，NW，NS向次級構造中的礦脈較薄，且在NE向次級構造附近，分布有硫化物浸染現(xiàn)象?？梢?，礦脈產(chǎn)出在礦區(qū)次級構造中，主要次級含礦構造為NE向平行次級構造，次要含礦構造為NW及NS向次級構造，在含礦次級斷裂相交部位，形成了不同方向、相互連接的礦脈網(wǎng)，構成了礦區(qū)網(wǎng)脈型礦體（圖2-b）。礦脈厚度達10～25 cm，主要為重晶石-硫化物礦脈，硫化物以方鉛礦、閃鋅礦為主。其中脈石礦物為石英、重晶石，礦石礦物為黃鐵礦、方鉛礦、閃鋅礦、黃銅礦、赤鐵礦等。礦區(qū)礦化蝕變發(fā)育程度較高，表現(xiàn)為距離次級斷裂越近，礦化發(fā)育越明顯。主要蝕變類型為赤鐵礦化、碳酸鹽化、綠泥石化、白云石化，其中與成礦有關的蝕變類型為赤鐵礦化、碳酸鹽化、白云石化，主要蝕變礦物有赤鐵礦、黃鐵礦、鐵白云石。

通過對扎姆巴克鉛鋅礦床礦區(qū)及礦體概況的分析，總結與成礦有關的地質(zhì)要素如下：①研究區(qū)鉛鋅礦賦礦圍巖為上石炭統(tǒng)火山巖;②構造是必要的成礦地質(zhì)要素，是成礦熱液的運輸通道，其中NE向、壓性區(qū)域構造為主要導礦構造，NE向次級平行構造為主要容礦構造;③與成礦有關的礦化蝕變也是重要的指示成礦的地質(zhì)要素，主要蝕變類型為赤鐵礦化、碳酸鹽化、白云石化，主要蝕變礦物有赤鐵礦、黃鐵礦、鐵白云石。綜上，建立研究區(qū)熱液脈型鉛鋅礦地質(zhì)成礦要素表（表1）。通過對地質(zhì)成礦要素的分析總結，確定了遙感提取成礦地質(zhì)要素的內(nèi)容。

3? 數(shù)據(jù)選取

據(jù)地質(zhì)要素遙感提取對象，兼顧空間分辨率和光譜分辨率，本次研究選取ASTER L1T數(shù)據(jù)1景，獲取時間為2007年9月11日6時16分33秒。影像全范圍覆蓋研究區(qū)，云雪覆蓋度小于5%，數(shù)據(jù)質(zhì)量較好，該景遙感影像可作為數(shù)據(jù)支撐此次研究。

4? 地質(zhì)要素解譯

通過對研究區(qū)成礦地質(zhì)條件、扎姆巴克鉛鋅礦地質(zhì)成礦要素分析認為，NE向斷裂控制著研究區(qū)熱液脈型鉛鋅礦體的分布。因此，在開展地質(zhì)成礦要素解譯工作時，首先要進行構造解譯，在此基礎上進行賦礦圍巖解譯及相關蝕變信息的提取。

4.1? 構造解譯

從地質(zhì)構造條件看，研究區(qū)熱液脈型鉛鋅礦床受區(qū)域壓性斷裂控制，礦體多分布在次級壓扭性斷裂帶中。因此，構造解譯工作需先解譯區(qū)域構造并區(qū)分構造力學性質(zhì)，再進行次級構造信息的提取。區(qū)域線性構造在遙感影像上易識別，但對于力學性質(zhì)的區(qū)分，需根據(jù)不同力學性質(zhì)的遙感解譯標志進行解譯。按照力學性質(zhì)，斷裂可分為壓性、扭性、壓扭性及張扭性，其解譯標志分別為：①壓性。線狀呈正弦曲線的舒緩波狀，延伸遠，走向穩(wěn)定;②扭性。呈窄而平直的如刀刃的直線狀影像，延伸遠、走向穩(wěn)定，穿越不同地貌單元也可保持直線狀;③壓扭性。具明顯的主干斷裂，波紋形態(tài)比壓性斷裂的更平緩、起伏更小;④張扭性。斷裂線呈線或鋸齒狀，寬窄變化大，斷續(xù)出現(xiàn)或雁行狀排列，特征相對不明顯[15]。

為準確提取研究區(qū)線性構造信息，利用ENVI平臺，基于ASTER SWIR-VNIR 波段對研究區(qū)區(qū)域構造進行解譯，選擇Band8、Band3、Band1 組合波段作為基礎影像，利用卷積濾波工具（Convolutions and Morphology Tool）中拉普拉斯（Laplacian）算法，增強構造紋理信息。在此基礎上，使用方向濾波器（Direcional Filter），角度分別設置為30°、330°，增強NE、NW向上的線性構造特征，便于提取控礦線性構造。據(jù)解譯標志，結合增強后的影像，采用人機交互目視解譯，對研究區(qū)區(qū)域和次級構造進行提取，解譯時注意區(qū)分第四紀沖溝與斷裂，解譯結果見圖3。

4.2? 賦礦圍巖識別

據(jù)區(qū)域成礦地質(zhì)背景特征及典型礦床分析成果發(fā)現(xiàn)，熱液脈型鉛鋅礦賦礦圍巖為上石炭統(tǒng)火山巖，主要巖石類型為石英斑巖、凝灰熔巖、英安玢巖。相關研究表明，TIR波段具識別火山巖的能力[15]。因此，基于ASTER TIR數(shù)據(jù)，采用TIR（12×12）/（11×13）波段比方法，用來突出與成礦有關的上石炭統(tǒng)火山巖，解譯結果見圖3。

4.3? 蝕變信息提取

通過對典型礦床的分析，發(fā)現(xiàn)與熱液脈型鉛鋅礦有關的礦化蝕變類型為赤鐵礦化、碳酸巖化、白云石化，主要蝕變礦物有赤鐵礦、黃鐵礦、菱鐵礦、鐵白云石。在ENVI平臺標準波譜庫中檢索以上礦物，得到礦物波譜曲線。據(jù)波譜曲線，ASTER VNIR-SWIR范圍內(nèi)有明顯波譜特征。其中，赤鐵礦在0.5 μm、0.86 μm附近有吸收特征，在0.7 μm、1.08 μm附近出現(xiàn)反射峰;黃鐵礦在在0.8 μm附近有吸收特征，0.68μm、1.6μm附近出現(xiàn)反射峰;菱鐵礦在1.1 μm附近有較寬的吸收特征，在0.72 μm、2.1 μm附近出現(xiàn)反射峰;鐵白云石在1.95 μm、2.3 μm附近有吸收特征，在2.13 μm、2.3 μm附近有反射峰。以上礦物波譜特征作為蝕變信息提取的依據(jù)。

4.3.1? 鐵染蝕變信息提取

對于黃鐵礦、赤鐵礦等含鐵或鐵氧化物，由于電荷和晶體場的轉(zhuǎn)移，在ASTER VNIR波段有診斷性吸收特征[16]。研究表明，對于鐵染蝕變信息的提取，選取ASTER第Band1、2、3、4波段，對其進行主成分分析[17，18]。據(jù)特征向量分析（表2），在B3處有強的吸收性，B4處有弱的吸收性，在B1、2有反射。因此正確的特征向量為：B3、4負載值的符號相同，B3擁有較大的負載值，且與B2符號相反，最終確定鐵染蝕變異常主分量為PC4。

4.3.2? 碳酸巖蝕變信息提取

碳酸巖蝕變特征礦物為菱鐵礦、鐵白云石。對蝕變信息提取，常用方法為ASTER Band1、3、4、（5+8）/2波段對其主成分分析[19]，用B5/7、B4/8和B（6+8）/7進行波段比[20]。本文使用Band1、3、4、（5+8）/2波段，對其進行主成分分析。特征向量見表3，在B1處有強吸收性，在B4處有弱吸收性，且B（5+8）/2有反射，最終確定PC3為異常主分量。

在經(jīng)過以上主成分變換后，將異常主分量進行3×3中值濾波去除孤立的噪聲點，并對結果進行0-255內(nèi)的線性拉伸，計算最終數(shù)據(jù)標準差δ和最大值M，采用三級分割：[1δ，2δ]、[2δ，3δ]、[3δ，M]，得到遙感異常蝕變信息圖3。

5? 遙感找礦預測

5.1? 遙感解譯準確性分析

構造解譯? 據(jù)已知地質(zhì)資料，前人實測區(qū)域構造共11條。本次研究解譯區(qū)域構造共13條，其中完全吻合構造7條，細化了3條，新解譯構造共3條，準確率約76.9%。次級構造共解譯了193條，以NE向次級平行構造為主，少數(shù)NNE向和NW向，主要分布在區(qū)域構造附近，對照扎姆巴克礦床，次級構造與礦區(qū)構造較吻合。

賦礦圍巖? 據(jù)前人區(qū)域地質(zhì)圖，賦礦圍巖為上石炭統(tǒng)火山巖，賦礦地層面積為29.703 km2。本次解譯面積為48.868 km2，解譯賦礦地層在原有地層周圍，受區(qū)域構造改造，賦礦地層多沿構造展布。

圍巖蝕變? 蝕變信息形態(tài)呈片狀或星點狀，強弱程度不一。從空間分布看，蝕變信息多沿構造分布，主要沿次級構造分布。對比扎姆巴克礦床，礦區(qū)分布有較強的鐵染信息和CO32-信息，蝕變信息分布在次級平行構造中，與前人研究結果一致。

5.2? 遙感找礦模型

通過區(qū)域成礦地質(zhì)條件分析，結合模型區(qū)扎姆巴克鉛鋅礦床成礦地質(zhì)特征，據(jù)研究區(qū)熱液脈型鉛鋅礦地質(zhì)成礦要素及遙感地質(zhì)要素的解譯結果，將成礦地質(zhì)要素與遙感地質(zhì)要素一一對應，建立研究區(qū)熱液脈型鉛鋅礦地質(zhì)-遙感找礦模型（表4）。

模型要素以賦礦圍巖、構造及蝕變信息為主要內(nèi)容。其中，賦礦圍巖為上石炭統(tǒng)火山巖，主要巖性為石英斑巖、凝灰熔巖。構造表現(xiàn)為NE向壓性區(qū)域構造為導礦構造、NE向次級平行構造為主要含礦構造;蝕變類型為赤鐵礦化、碳酸巖化、白云石化，對應的蝕變信息為鐵染、CO32-信息?；谝陨?個地質(zhì)要素的提取，建立“圍巖+構造+蝕變”三位一體的找礦預測模型，作為熱液脈型鉛鋅礦靶區(qū)圈定的依據(jù)。

5.3? 遙感找礦預測及潛力分析

據(jù)對研究區(qū)熱液脈型鉛鋅礦地質(zhì)特征分析，結合地質(zhì)-遙感找礦模型，在中天山成礦帶恰特卡爾河成礦亞帶阿德拉斯曼-卡尼曼蘇爾鉛鋅礦集區(qū)對賦礦圍巖、控礦構造、礦化蝕變信息綜合分析，利用綜合信息地質(zhì)單元法，選擇“圍巖+構造+蝕變”重合部位，重點考慮NE向次級平行構造，圈定遙感找礦靶區(qū)4處（圖3）。根據(jù)靶區(qū)圈定結果，針對各靶區(qū)地質(zhì)特征、遙感信息等方面要素，對其進行優(yōu)選及成礦潛力分析（表5）。根據(jù)靶區(qū)劃分表，A類靶區(qū)（Ⅰ-1）成礦潛力極大;B類靶區(qū)（Ⅰ-2、Ⅰ-3）成礦潛力較大;C類靶區(qū)（Ⅱ-1）成礦潛力一般。

6? 結論

（1） 基于ASTER遙感數(shù)據(jù)及現(xiàn)代空間分析技術，建立了一套適用于中高山地區(qū)快速、有效地開展熱液型鉛鋅礦成礦定位預測的技術組合。

（2） 在充分總結前人研究成果的基礎上，構建了中天山成礦帶熱液型鉛鋅礦“圍巖+構造+蝕變”三位一體的遙感找礦預測模型。

（3） 在塔吉克斯坦塔博沙爾地區(qū)新圈出鉛鋅找礦靶區(qū)4處，其中A類1處、B類2處、C類1處。

參考文獻

[1]? ? 向運川，陳正，張振芳，等.中國與周邊國家合作開展礦產(chǎn)資源勘查開發(fā)戰(zhàn)略[J].地質(zhì)通報，2015，34（04）：599-604.

[2]? ? Rahimov F K， Mamadjonov Y M. Mineral resource potential of Tajikistan： As an important component of sustainable development of the silk road economic belt[J]. Journal of Resources and Ecology， 2015， 6（2）： 125-128.

[3]? ? 李恒海，邱瑞照，等.中亞五國礦產(chǎn)資源礦產(chǎn)開發(fā)指南[M].武漢：中國地質(zhì)大學出版社，2010.

[4]? ? Aboelkhair H， Abdelhalim A， Hamimi Z， et al. Reliability of using ASTER data in lithologic mapping and alteration mineral detection of the basement complex of West Berenice， Southeastern Desert， Egypt.[J]. Arab J Geosci，2020，13： 287

[5]? ? 段俊斌， 彭鵬， 楊智， 等.基于ASTER數(shù)據(jù)的多金屬成礦有利區(qū)預測[J].國土資源遙感，2019，（3）：24.

[6]? ? 傅碧宏， 丑曉偉.利用熱紅外多光譜遙感技術提取和識別巖石，礦物信息[J].遙感技術與應用，1994，9（1）：56-61.

[7]? ? 楊斌， 李茂嬌， 王世舉， 等.ASTER 數(shù)據(jù)在塔什庫爾干地區(qū)礦化蝕變信息的提取[J].遙感信息，2015，（4）： 109-114.

[8]? ? Hu B， Wan B， Xu Y， et al. Mapping hydrothermally altered minerals with AST_07XT， AST_05 and Hyperion datasets using a voting-based extreme learning machine algorithm[J]. Ore Geology Reviews， 2019， 114： 103116.

[9]? ? 王鋒德.基于ASTER數(shù)據(jù)的遙感地質(zhì)信息提取及綜合成礦預測研究[D].云南大學，2013.

[10]? Yu.G.Safonov，N.S.Bortnikov，T.M.Zlobina，et al.Prokofev.Polymetal （Ag， Pb， U， Cu， Bi， Zn， F） Adrasman-Kanimansur Ore Field （Tajikistan）， and Its Ore-Forming System， II： Physicochemical， Geochemical，and Geodynamic Formation Conditions[J].GEOLOGY OF ORE DEPOSITS， 2000， 42（ 4），317-327.

[11] Yu.G.Safonov，N.S.Bortnikov，T.M.Zlobina，et al. Polymetal （Ag， Pb， U， Cu， Bi， Zn， F） Adrasman-Kanimansur ore field（Tadzhikistan），and its ore-forming system. I： Geology， mineralogy， and structural conditions of the ore deposition[J].GEOLOGY OF ORE DEPOSITS， 2000， 42（ 3）： 195-211.

[12]? Sang M， Xiao W， Windley B F. Unravelling a Devonian–Triassic seamount chain in the South Tianshan high-pressure/ultrahigh-pressure accretionary complex in the Atbashi area （Kyrgyzstan）[J].Geological Journal， 2020， 55（3）： 2300-2317.

[13]? Chernyshev，I.V.Golubev，V.N.Chugaev，A.V.Anomalous Lead Isotopic Composition of Galena and Age of Altered Uranium Minerals： a Case study of Chauli Deposits， Chatkal-Qurama District， Uzbekistan[J]. Geology of Ore Deposits， 2017， 59（6）：551-561

[14] E.M.Nekrasov.Geology and Structural Features of Vein-Type Lead and Zinc Deposits[J].GEOLOGY OF ORE DEPOSITS，2007，49（6）：487-496.

[15]? 田淑芳，詹騫.遙感地質(zhì)學[M].北京：地質(zhì)出版社，2013.

[16]? Noda S，Yamaguchi Y.Estimation of surface iron oxide abundance with suppression of grain size and topography effects[J]. Ore Geology Reviews， 2017， 83： 312-320.

[17]? 高猛，付翰澤，陳川.遙感技術在和田玉成礦要素識別與找礦預測中的應用——以南阿爾金塔什薩依一帶為例[J].西北地質(zhì)，2019，52（3）：240-252.

[18]? 武慧智，陳俊魁，白朝軍，等.基于ASTER與Landsat8的遙感蝕變信息提取——以新疆西昆侖塔什庫爾干地區(qū)老并鐵礦區(qū)為例[J].礦產(chǎn)勘查，2019，10（10）：2667-2673

[19]? 張船紅.西藏墨竹工卡地區(qū)遙感找礦信息提取研究[D].成都理工大學，2011.

[20]? 張潔.玉龍斑巖銅礦帶遙感蝕變信息提取技術方法研究[D].成都理工大學，2017