新疆雪米斯坦鈾成礦有利區(qū)高光譜遙感識(shí)別方法研究

韓曉青，楊國(guó)防，木紅旭，楊云漢

（核工業(yè)北京地質(zhì)研究院，北京 100029）

鈾成礦有利區(qū)識(shí)別預(yù)測(cè)是鈾礦地質(zhì)勘查技術(shù)的重要研究方向。為了實(shí)現(xiàn)鈾成礦有利區(qū)預(yù)測(cè)需要使用GIS、證據(jù)權(quán)法等技術(shù)，以及高光譜遙感技術(shù)、人工智能技術(shù)等新技術(shù)。礦產(chǎn)資源預(yù)測(cè)基于GIS 成礦預(yù)測(cè)方法，研究人員己成功地把GIS技術(shù)與證據(jù)權(quán)法結(jié)合起來(lái)并成功應(yīng)用［1-2］。張會(huì)瓊基于ArcGIS 空間分析模塊，在柵格數(shù)據(jù)環(huán)境下建立空間數(shù)據(jù)庫(kù)，進(jìn)行二次信息提取，以及依據(jù)專(zhuān)家打分模型、權(quán)重計(jì)算等數(shù)學(xué)方法，進(jìn)行適宜性分析，獲得適宜成礦靶區(qū)［3］。中國(guó)地質(zhì)科學(xué)院肖克炎（2000 年）在MAPGIS 軟件平臺(tái)上開(kāi)發(fā)了礦產(chǎn)資源評(píng)價(jià)系統(tǒng)（MRAS），軟件中包括證據(jù)權(quán)預(yù)測(cè)模型［4］。矯東風(fēng)等在MOR PAS 系統(tǒng)基礎(chǔ)上從中優(yōu)選出與礦床關(guān)系密切的7 類(lèi)20 個(gè)變量，利用證據(jù)權(quán)重法對(duì)甘南臨潭-宕昌地區(qū)鉛鋅礦遠(yuǎn)景區(qū)進(jìn)行了圈定，為在該區(qū)進(jìn)一步找礦指明了方向［5］。中國(guó)地質(zhì)大學(xué)池順都（1998 年）基于GIS 實(shí)現(xiàn)了金屬礦產(chǎn)經(jīng)驗(yàn)預(yù)測(cè)、礦產(chǎn)資源潛力評(píng)價(jià)等方面應(yīng)用［6］。中國(guó)地質(zhì)礦產(chǎn)信息研究院向運(yùn)川（1996年）等與四川地質(zhì)礦產(chǎn)勘查開(kāi)發(fā)局合作在ARC/INFO軟件平臺(tái)開(kāi)發(fā)了基于GIS 礦產(chǎn)資源區(qū)域評(píng)價(jià)方法（AMS-GIS）［7］。甘甫平等研究人員在高光譜遙感技術(shù)領(lǐng)域進(jìn)行了相關(guān)研究，為成礦有利區(qū)預(yù)測(cè)提供了大量信息［8-10］。

近年來(lái)，國(guó)內(nèi)外眾多研究機(jī)構(gòu)利用航天航空高光譜技術(shù)開(kāi)展了遙感地質(zhì)應(yīng)用研究，涉及蝕變信息提取、礦物填圖、巖石分類(lèi)、遙感地質(zhì)勘查等多方面，獲得了很多成果，如葉發(fā)旺等人利用航空高光譜識(shí)別高、中、低鋁絹云母礦物成因?qū)W研究［11］，使高光譜技術(shù)在遙感地質(zhì)勘查領(lǐng)域有了重要進(jìn)展。核工業(yè)北京地質(zhì)研究院自2008 年在國(guó)內(nèi)引進(jìn)了CASI/SASI 航空高光譜測(cè)量系統(tǒng)，我國(guó)核地質(zhì)系統(tǒng)增加了鈾礦勘查新技術(shù)，如張川、劉德長(zhǎng)、葉發(fā)旺等在新疆白楊河鈾鈹?shù)V區(qū)利用航空高光譜進(jìn)行礦物填圖及蝕變特征分析［12-14］。隨著深度學(xué)習(xí)新技術(shù)的出現(xiàn)，基于深度學(xué)習(xí)的高光譜圖像識(shí)別分類(lèi)在方法和性能上得到了突破性的進(jìn)展。中科院遙感所張兵等提出利用蟻群算法、離散粒子群優(yōu)化算法進(jìn)行高光譜礦物端元提取，在美國(guó)內(nèi)華達(dá)地區(qū)的AVIRIS 高光譜影像上取得成功應(yīng)用［15］。閻繼寧等利用SVM方法對(duì)ASTER數(shù)據(jù)進(jìn)行巖性分類(lèi)，獲得較好的巖性分類(lèi)效果［16］。

從20 世紀(jì)80 年代起王謀、肖艷東、趙聰?shù)葘?duì)新疆雪米斯坦火山巖鈾成礦區(qū)進(jìn)行了深入的鈾礦地質(zhì)成礦環(huán)境、控礦構(gòu)造、蝕變礦物等研究，取得了一系列成果［17-19］。核工業(yè)北京地質(zhì)研究院2011 年在該區(qū)進(jìn)行航空飛行采集了CASI/SASI 高光譜數(shù)據(jù)。本研究在已有研究基礎(chǔ)上，對(duì)新疆雪米斯坦鈾成礦區(qū)進(jìn)行地質(zhì)背景分析，指出成礦要素為地層、斷裂、巖體、蝕變礦物和鈾礦化點(diǎn)，使用深度學(xué)習(xí)長(zhǎng)短時(shí)記憶（Long Short Term Memory Neswork，LSTM）模型進(jìn)行鈾成礦區(qū)高光譜數(shù)據(jù)礦物提取，使用證據(jù)權(quán)法建立鈾成礦有利區(qū)預(yù)測(cè)模型，圈定新疆雪米斯坦鈾成礦遠(yuǎn)景預(yù)測(cè)區(qū)，實(shí)現(xiàn)基于SASI 成像光譜鈾成礦有利區(qū)人工智能識(shí)別技術(shù)方法研究。

1 地質(zhì)背景

新疆雪米斯坦是我國(guó)重要的火山巖鈾成礦區(qū)，同時(shí)該地區(qū)也是我國(guó)晚古生代火山巖型多金屬成礦帶。研究區(qū)內(nèi)產(chǎn)出工業(yè)化火山巖型鈾鈹?shù)V床，具有重要研究意義。研究區(qū)位于我國(guó)新疆準(zhǔn)噶爾雪米斯坦火山巖帶東部地區(qū)。雪米斯坦東部火山巖帶從西部的鐵列克德地區(qū)，經(jīng)白楊河、伊尼薩拉、巴音布拉克、十月工區(qū)到達(dá)馬門(mén)特地區(qū)，長(zhǎng)度約200 km，寬度約50 km，面積約10 000 km2。

雪米斯坦火山巖帶鈾鈹多金屬成礦明顯呈東西向展布，自西向東主要發(fā)育白楊河鈾鈹?shù)V床和一系列鈾礦點(diǎn)、銅礦點(diǎn)。礦化主要賦存于陸相為主的次火山巖、中酸性火山巖及火山碎屑巖中，礦化部位和周邊蝕變發(fā)育強(qiáng)烈。與鈾、鈹金屬成礦相關(guān)的蝕變礦物主要為高鋁絹云母、中鋁絹云母、低鋁絹云母、綠泥石化、高嶺石、碳酸鹽、蒙脫石等。SASI（Shortwave infrared Airborne Spectrographic Imager，SASI）航空高光譜數(shù)據(jù)光譜分辨率能夠達(dá)到納米級(jí)，可以準(zhǔn)確識(shí)別高鋁絹云母、中鋁絹云母、低鋁絹云母、綠泥石、高嶺石、碳酸鹽、蒙脫石等蝕變礦物。

1.1 鈾成礦要素

地層：區(qū)內(nèi)出露最老的地層為奧陶系，僅在工作區(qū)東北角有小塊出露。最廣泛分布的地層為晚古生代泥盆系，由下、中、上泥盆統(tǒng)構(gòu)成。雪米斯坦山西部主要發(fā)育下泥盆統(tǒng)，雪米斯坦山中部和東部主要由中泥盆統(tǒng)構(gòu)成，上泥盆統(tǒng)發(fā)育很少，泥盆系構(gòu)成了雪米斯坦山的主體。雪米斯坦山南坡出露有下石炭統(tǒng)的海相沉積碎屑巖，中基性、中酸性火山巖及火山碎屑巖，晚石炭至早二疊統(tǒng)的陸相中酸-酸性火山巖及火山碎屑巖。

斷裂：雪米斯坦火山巖帶斷裂構(gòu)造十分發(fā)育，并且規(guī)律性較強(qiáng)。按構(gòu)造尺度可分為一、二、三、四級(jí)構(gòu)造。研究區(qū)內(nèi)所有斷裂的方向、名稱(chēng)、分布范圍和特征都被詳細(xì)統(tǒng)計(jì)用于鈾成礦有利區(qū)預(yù)測(cè)（圖1）。

圖1 新疆雪米斯坦地區(qū)斷裂分布圖Fig.1 Fault distribution in Xuemistan area，Xinjiang

巖漿活動(dòng)：從已有資料看，雪米斯坦火山巖帶主要發(fā)育華力西晚期的各種侵入巖。巖石類(lèi)型復(fù)雜，超基性-基性巖、中性巖、酸性巖均有程度的出露，其中以花崗巖最為發(fā)育。在空間上受構(gòu)造控制明顯，巖體展布方向與區(qū)域構(gòu)造基本一致，呈北東東-南西西方向延伸（圖2）。

圖2 雪米斯坦成礦帶侵入巖體分布圖（據(jù)參考文獻(xiàn)［20］修改）Fig.2 Distribution of intrusive pluton in the Xuemistan metallogenic belt（after reference［20］）

1.2 鈾礦床

經(jīng)過(guò)多年鈾礦勘查及持續(xù)的鈾礦地質(zhì)研究，雪米斯坦火山巖帶內(nèi)發(fā)現(xiàn)了眾多的鈾礦床和鈾礦化異常點(diǎn)，如白楊河礦床、雪米斯坦工區(qū)礦點(diǎn)、七一工區(qū)礦化點(diǎn)、十月工礦化點(diǎn)、馬門(mén)特工區(qū)礦化點(diǎn)等，均位于近東西向的查干陶勒蓋-巴音布拉克深大斷裂所控制的陸相火山巖中，呈帶狀分布，構(gòu)成了近東西向展布的雪米斯坦鈾多金屬成礦帶。

2 高光譜SASI 數(shù)據(jù)來(lái)源

高光譜遙感數(shù)據(jù)數(shù)據(jù)量大、數(shù)據(jù)波譜間存在高度相關(guān)性，可以使用深度學(xué)習(xí)方法實(shí)現(xiàn)蝕變礦物提取。高光譜數(shù)據(jù)深度學(xué)習(xí)蝕變礦物提取，將提取結(jié)果與其他地質(zhì)要素結(jié)合構(gòu)建鈾成礦有利區(qū)預(yù)測(cè)模型，可以實(shí)現(xiàn)鈾成礦有利區(qū)的遠(yuǎn)景預(yù)測(cè)。SASI 高光譜數(shù)據(jù)使用短波紅外機(jī)載成像光譜儀，光譜范圍950～2 450 nm，空間分辨率達(dá)到亞米級(jí)，光譜分辨率達(dá)到納米級(jí)，下表（見(jiàn)表1）為SASI 技術(shù)參數(shù)。

表1 SASI 高光譜數(shù)據(jù)參數(shù)Table 1 SASI hyperspectral data parameters

2011 年核工業(yè)北京地質(zhì)研究院遙感信息與圖像分析技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室在雪米斯坦火山巖帶獲取了近4 200 km2具有高光譜分辨率和高空間分辨率的SASI 航空高光譜數(shù)據(jù)。SASI 高光譜數(shù)據(jù)的參數(shù)為：空間分辨率1.9 m，101 個(gè)波段，光譜分辨率約7.5 nm。根據(jù)航空高光譜礦物識(shí)別原理和礦物填圖技術(shù)，SASI 數(shù)據(jù)可以實(shí)現(xiàn)雪米斯坦鈾礦區(qū)礦物填圖。

3 SASI 高光譜數(shù)據(jù)礦物提取深度學(xué)習(xí)網(wǎng)絡(luò)模型

SASI 高光譜數(shù)據(jù)在950～2 450 nm 波段內(nèi)可用波段為101 個(gè)，具有高光譜分辨率和高空間分辨率。SASI 數(shù)據(jù)特點(diǎn)是波段多，數(shù)據(jù)量大，波段之間高度相關(guān)。高光譜數(shù)據(jù)的傳統(tǒng)處理方法為純凈指數(shù)法（PPI）、匹配濾波法（MTMF）等，雖然效果不錯(cuò)但費(fèi)時(shí)費(fèi)力，必須使用商業(yè)軟件（如ENVI）才能完成。目前隨著深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，高光譜數(shù)據(jù)處理也引入深度學(xué)習(xí)進(jìn)行礦物提取。在高光譜領(lǐng)域，深度學(xué)習(xí)技術(shù)可以更有效地處理大數(shù)據(jù)量和數(shù)據(jù)高度相關(guān)問(wèn)題，并提高地物提取精度，同時(shí)可以根據(jù)需求編制專(zhuān)門(mén)的深度學(xué)習(xí)目標(biāo)物提取軟件，滿足各類(lèi)任務(wù)要求。

深度學(xué)習(xí)網(wǎng)絡(luò)模型在高光譜數(shù)據(jù)提取分類(lèi)方面有較好效果。高光譜礦物提取分類(lèi)LSTM 模型采用端到端的架構(gòu)對(duì)高光譜數(shù)據(jù)進(jìn)行提取分類(lèi)。LSTM 模型（圖3）用長(zhǎng)短時(shí)記憶算法提取圖像光譜時(shí)序特征，再用二維卷積神經(jīng)網(wǎng)絡(luò)模型提取圖像一般光譜特征，將LSTM模型中全連接層與卷積神經(jīng)網(wǎng)絡(luò)模型中全連接層連接起來(lái)，用一個(gè)新全連接層獲得提取分類(lèi)結(jié)果。LSTM 模型解決了長(zhǎng)序列數(shù)據(jù)在模型訓(xùn)練過(guò)程中梯度消失和爆炸問(wèn)題。LSTM 模型的組成包括輸入門(mén)、忘記門(mén)、輸出門(mén)和自循環(huán)連接。輸入門(mén)控制是否允許輸入信號(hào)更新記憶單元狀態(tài)，輸出門(mén)控制單元狀態(tài)是否在下一個(gè)時(shí)間節(jié)點(diǎn)有效，忘記門(mén)控制自循環(huán)連接記憶單元記住或忘記它之前狀態(tài)。高光譜數(shù)據(jù)進(jìn)行LSTM 模型分類(lèi)輸入數(shù)據(jù)是光譜數(shù)據(jù)，LSTM模型提取的光譜時(shí)序特征和卷積神經(jīng)網(wǎng)絡(luò)提取的一般光譜特征融合得到圖像的空譜特征，通過(guò)全連接層分類(lèi)并輸出分類(lèi)結(jié)果。

圖3 LSTM 網(wǎng)絡(luò)模型示意圖Fig.3 Schematic diagram of LSTM network model

4 SASI 高光譜數(shù)據(jù)處理

深度學(xué)習(xí)礦物提取和參數(shù)設(shè)置：深度學(xué)習(xí)礦物提取主要分為網(wǎng)絡(luò)訓(xùn)練和網(wǎng)絡(luò)預(yù)測(cè)兩部分。高光譜數(shù)據(jù)礦物提取流程如圖4 所示。包括SASI 高光譜數(shù)據(jù)輸入、樣本數(shù)據(jù)輸入、礦物提取SASI 高光譜數(shù)據(jù)訓(xùn)練、礦物提取參數(shù)輸入、礦物提取SASI 高光譜數(shù)據(jù)預(yù)測(cè)等。礦物提取時(shí)高光譜圖像樣本標(biāo)注困難，標(biāo)注成本及數(shù)據(jù)質(zhì)量等原因?qū)е聵颖緮?shù)據(jù)較少，這使得網(wǎng)絡(luò)模型在訓(xùn)練過(guò)程中容易陷入局部最小值和過(guò)度擬合等現(xiàn)象產(chǎn)生，所以上述網(wǎng)絡(luò)模型訓(xùn)練過(guò)程中使用數(shù)據(jù)增強(qiáng)方法擴(kuò)展訓(xùn)練集，以避免模型過(guò)擬合，提高模型分類(lèi)的精度。

圖4 SASI 高光譜數(shù)據(jù)礦物提取流程圖Fig.4 Flow chart of mineral extraction from SASI hyperspectral data

白楊河礦區(qū)完成了LSTM 增強(qiáng)礦物提取，白楊河礦區(qū)識(shí)別出多種蝕變礦物，高光譜SASI圖像提取出的蝕變礦物類(lèi)型和分類(lèi)見(jiàn)圖5。白楊河礦床北部礦物類(lèi)型為：高鋁絹云母、中鋁絹云母、低鋁絹云母、高嶺土、葉蠟石、綠泥石、綠簾石等，白楊河礦床南部礦物類(lèi)型為：中鋁絹云母、低鋁絹云母等。

圖5 SASI 高光譜多條航帶白楊河礦床LSTM 增強(qiáng)礦物提取結(jié)果Fig.5 LSTM enhanced mineral extraction results of Baiyanghe deposit

礦物提取結(jié)果精度對(duì)比分析：礦物提取模型精度評(píng)價(jià)使用三種方法：總分類(lèi)精度（Overall accuracy，OA）、平均分類(lèi)精度（Average accuracy，AA）和Kappa系數(shù)（Kappa coefficient，Kappa）。

OA值是指預(yù)測(cè)結(jié)果正確的樣本數(shù)量占所有標(biāo)簽樣本數(shù)據(jù)的比例，AA值是對(duì)每個(gè)類(lèi)別的分類(lèi)精度求和后再求平均。根據(jù)定義，OA值和AA值可用下式（1）、（2）分別計(jì)算：

Kappa系數(shù)采用離散分析方法，可以避免總體分類(lèi)精度或平均分類(lèi)精度由于標(biāo)簽樣本數(shù)量輕微變化而引起較大波動(dòng)，能更好反映分類(lèi)算法的優(yōu)劣，因此Kappa系數(shù)是評(píng)價(jià)高光譜圖像分類(lèi)算法重要指標(biāo)。Kappa系數(shù)計(jì)算公式見(jiàn)式（3）：

式中，c表示總的類(lèi)別數(shù)量；Ni表示第i類(lèi)的樣本數(shù)量；N表示樣本總數(shù)量；m是一個(gè)大小為c×c的混淆矩陣，是由分類(lèi)結(jié)果和地表真實(shí)值進(jìn)行比較計(jì)算得出的；mij表示第j類(lèi)被識(shí)別成第i的樣本數(shù)。

表2 分別給出LSTM 模型和LSTM 模型+數(shù)據(jù)增強(qiáng)后的對(duì)比結(jié)果，進(jìn)行十次試驗(yàn)，然后取平均值得到OA、AA和Kappa的值?？梢钥闯鰯?shù)據(jù)增強(qiáng)后，LSTM 模型的分類(lèi)精度均有提升。

表2 LSTM 模型和LSTM+數(shù)據(jù)增強(qiáng)模型精度對(duì)比Table 2 Model accuracy comparison results

5 遙感信息鈾成礦有利區(qū)預(yù)測(cè)

為了預(yù)測(cè)鈾成礦有利區(qū)，需要將提取的地質(zhì)、遙感等多元找礦信息結(jié)合，建立基于ArcGIS 礦產(chǎn)資源評(píng)價(jià)平臺(tái)，使用證據(jù)權(quán)法進(jìn)行鈾成礦有利區(qū)預(yù)測(cè)，圈定鈾成礦有利區(qū)。

5.1 證據(jù)圖層確定

根據(jù)前述研究認(rèn)為雪米斯坦火山巖鈾成礦區(qū)主要控礦因素為：斷層、侵入巖體、巖石組分、圍巖蝕變。成礦預(yù)測(cè)前，在ArcGIS 平臺(tái)使用空間分析方法對(duì)斷層、侵入巖、地層巖石、蝕變礦物證據(jù)因子分別進(jìn)行證據(jù)層確定。

1）斷層圖層：區(qū)內(nèi)斷層密度與成礦作用密切相關(guān)，斷層密度分析反映斷層匯聚程度，目的是確定斷層匯聚程度和已知礦（點(diǎn)）的空間關(guān)系。處理方法為對(duì)斷層線要素類(lèi)進(jìn)行線密度分析得到斷層密度連續(xù)型柵格數(shù)據(jù)，再進(jìn)行重分類(lèi)獲得斷層密度圖（圖6）。斷層在研究區(qū)中部分布比較集中，大致從西南部賽力克地區(qū)向北至楊莊地區(qū)，再?gòu)臈钋f一直向東部的馬門(mén)特礦點(diǎn)都為斷層高值區(qū)，是已知鈾礦點(diǎn)（礦化點(diǎn)）比較集中的地方。結(jié)合統(tǒng)計(jì)結(jié)果，33%的礦點(diǎn)集中分布在等密度起始值［3.6，5.0］的區(qū)間范圍內(nèi)，因此選擇等密度異常區(qū)間［3.6，5.0］作為證據(jù)因子。

圖6 新疆雪米斯坦火山巖地區(qū)斷裂密度分級(jí)圖Fig.6 Fracture density classification in the Xuemistan volcanic area in Xinjiang

2）侵入巖圖層：研究區(qū)巖漿活動(dòng)頻繁，對(duì)成礦作用影響顯著。根據(jù)區(qū)內(nèi)典型鈾礦床特點(diǎn)，對(duì)原始侵入巖體做緩沖區(qū)分析獲得侵入巖熱液影響范圍分級(jí)圖（圖7）。通過(guò)對(duì)已知礦點(diǎn)在不同緩沖區(qū)出現(xiàn)的頻率統(tǒng)計(jì)，當(dāng)侵入巖緩沖區(qū)為2 km 時(shí)，礦點(diǎn)覆蓋的最多，得到連續(xù)型柵格數(shù)據(jù)，重新分類(lèi)后選取侵入巖2 km 緩沖區(qū)作為預(yù)測(cè)的一個(gè)證據(jù)因子。

圖7 新疆雪米斯坦火山巖地區(qū)侵入巖熱液影響范圍分級(jí)圖Fig.7 Classification of the influence range of intrusive rocks and hydrothermal fluids in the Xuemistan volcanic area，Xinjiang

3）巖層圖層：對(duì)成礦有利巖石組合進(jìn)行詳細(xì)劃分，獲得各類(lèi)巖石組合空間分布范圍，進(jìn)行相關(guān)分析和重分類(lèi)后得到巖石組合分類(lèi)圖（見(jiàn)圖8）。通過(guò)將已知礦點(diǎn)與地層進(jìn)行相交分析，統(tǒng)計(jì)得出賦存于侵入巖已知礦點(diǎn)最多，所占總礦點(diǎn)數(shù)的比例為55%，其次是泥盆系火山巖火山碎屑巖組合（D），所占比例為44%，因此將這兩組地層分別提取出來(lái)作為預(yù)測(cè)的證據(jù)因子。

圖8 新疆雪米斯坦火山巖地區(qū)巖石組合分類(lèi)圖Fig.8 Classification of rock assemblages in the Xuemistan volcanic area in Xinjiang

4）蝕變礦物圖層：為了預(yù)測(cè)雪米斯坦鈾成礦有利區(qū)域，采用深度學(xué)習(xí)方法對(duì)區(qū)內(nèi)全部SASI高光譜數(shù)據(jù)航帶進(jìn)行LSTM 模型礦物提取，獲得蝕變礦物分布。研究區(qū)提取的礦物為：低鋁絹云母、迪開(kāi)石、高鋁絹云母、綠泥石、明礬石、碳酸鹽、葉臘石、中鋁絹云母。通過(guò)鈾成礦帶內(nèi)所有已知鈾礦礦床點(diǎn)在各類(lèi)礦物不同距離范圍出現(xiàn)的頻率統(tǒng)計(jì)，統(tǒng)計(jì)表明蝕變礦物500 m 緩沖區(qū)是頻率高值區(qū)（圖9），可以作為證據(jù)權(quán)預(yù)測(cè)有利證據(jù)因子。

圖9 新疆雪米斯坦鈾礦區(qū)蝕變礦物分類(lèi)緩沖圖Fig.9 Buffer map of altered mineral classification in Xinjiang Xuemistan uranium mining area

5.2 證據(jù)權(quán)分析

將研究區(qū)劃分為1500×1500 m 的規(guī)則網(wǎng)格單元，研究區(qū)被劃分成6 210 個(gè)單元網(wǎng)格，建立該地區(qū)的證據(jù)權(quán)重法模型，將上述所提取出來(lái)的地質(zhì)、遙感數(shù)據(jù)作為證據(jù)因子，分別計(jì)算各個(gè)證據(jù)因子的權(quán)重值及其與成礦的相關(guān)性，并計(jì)算出個(gè)證據(jù)因子的證據(jù)權(quán)值，最終選出12 個(gè)與成礦關(guān)系比較密切的證據(jù)因子（表3）。

從表3 可見(jiàn)：①礦物蝕變異常與成礦的相關(guān)度最高，說(shuō)明圍巖蝕變對(duì)找礦指示作用明顯。蝕變礦物中碳酸鹽、高鋁絹云母、低鋁絹云母、綠泥石、中鋁絹云母的C 值都比較高（C值大于2.99），其中碳酸鹽、高鋁絹云母的C 值最高（C 值等于3.647），說(shuō)明這兩種礦物與鈾成礦的關(guān)系緊密；②成礦有利地層中，泥盆系的C值比較高（C 值等于1.94），說(shuō)明泥盆系地層對(duì)成礦有利；③侵入巖2km 緩沖區(qū)的C 值比較大，與成礦關(guān)系密切（C 值等于1.328）；④斷裂密度異常區(qū)的C 值較大（C 值等于0.569），對(duì)成礦有一定的指示作用。

表3 新疆雪米斯坦鈾礦區(qū)各證據(jù)因子權(quán)重值Table 3 The weight value of each evidence factor in the Xinjiang Xuemistan uranium mining area

5.3 鈾成礦有利區(qū)圈定

對(duì)研究區(qū)內(nèi)各個(gè)單元進(jìn)行成礦后驗(yàn)概率計(jì)算，將結(jié)果按照后驗(yàn)概率值劃分了5 個(gè)等級(jí)，不同等級(jí)賦予不同顏色，得到后驗(yàn)概率分布圖（圖10）。統(tǒng)計(jì)分析認(rèn)為全部已知礦點(diǎn)都落在后驗(yàn)概率值大于0.1 的區(qū)域，其中有94.4%的已知礦點(diǎn)落在后驗(yàn)概率值大于0.5 的區(qū)域，還有33.3%的已知礦點(diǎn)落在后驗(yàn)概率值大于0.9的高值區(qū)，預(yù)測(cè)效果良好。

圖10 成礦預(yù)測(cè)后驗(yàn)概率分布圖Fig.10 The posterior probability distribution of mineralization prediction

結(jié)合成礦后驗(yàn)概率分布，綜合考慮研究區(qū)地質(zhì)背景和典型鈾礦床特征，最終圈定5 個(gè)成礦遠(yuǎn)景預(yù)測(cè)區(qū)（圖11）。將5 個(gè)遠(yuǎn)景預(yù)測(cè)區(qū)與地層、斷裂構(gòu)造、巖漿巖體、蝕變異常等成礦影響因素進(jìn)行疊加分析，得到以下結(jié)論：成礦遠(yuǎn)景區(qū)Ⅰ位于白楊河礦區(qū)，該區(qū)有工業(yè)品位的鈾鈹?shù)V床，還有較多的已知礦點(diǎn)，屬于后驗(yàn)概率高值區(qū)，該區(qū)含礦巖層為泥盆系火山巖、火山碎屑巖和巖漿巖，地層厚度大，斷裂構(gòu)造發(fā)育，高鋁絹云母、碳酸鹽等蝕變礦物發(fā)育，Ⅰ區(qū)是研究區(qū)內(nèi)最重要的成礦遠(yuǎn)景區(qū)；成礦遠(yuǎn)景區(qū)Ⅱ位于研究區(qū)中部雪米斯坦礦區(qū)，屬于后驗(yàn)概率中值區(qū)。成礦遠(yuǎn)景區(qū)Ⅲ、Ⅳ、Ⅴ位于研究區(qū)東部的七一工區(qū)、十一工區(qū)和馬門(mén)特工區(qū)，其中成礦遠(yuǎn)景區(qū)Ⅴ區(qū)屬于后驗(yàn)概率高值區(qū)。

圖11 新疆雪米斯坦鈾成礦區(qū)遠(yuǎn)景區(qū)預(yù)測(cè)圖Fig.11 Distribution of uranium prospective area in Xuemistan uranium metallogenic area，Xinjiang

6 結(jié) 論

對(duì)新疆雪米斯坦火山巖鈾鈹成礦地區(qū)多種成礦因素進(jìn)行了分析研究，使用深度學(xué)習(xí)方法對(duì)SASI 高光譜數(shù)據(jù)進(jìn)行了蝕變礦物提取，用證據(jù)權(quán)法進(jìn)行鈾礦資源分析、定量預(yù)測(cè)與評(píng)價(jià)，圈定了成礦遠(yuǎn)景區(qū)。獲得以下結(jié)論：

1）鈾成礦區(qū)主要成礦因素為地層、侵入巖、斷裂、蝕變礦物。通過(guò)對(duì)雪米斯坦火山巖鈾鈹多金屬成礦帶地質(zhì)背景詳細(xì)分析，結(jié)合GIS 空間分析，獲得各類(lèi)地層巖石組合空間分布范圍和地層巖石組合分類(lèi)圖，并將已知礦點(diǎn)與地層進(jìn)行相交分析，統(tǒng)計(jì)出區(qū)內(nèi)火山侵入巖中賦存的鈾鈹?shù)V點(diǎn)最多，所占總礦點(diǎn)數(shù)的比例為55%；地層巖石中泥盆系火山巖火山碎屑巖中礦點(diǎn)所占比例為44%，泥盆系火山巖火山碎屑巖地層為該研究區(qū)控制成礦主要因素；區(qū)內(nèi)斷裂構(gòu)造十分發(fā)育，斷裂密度統(tǒng)計(jì)認(rèn)為密度值［3.6，5.0］區(qū)間礦點(diǎn)集中分布。

2）研究區(qū)自西向東主要發(fā)育一系列礦床和礦點(diǎn)。礦床礦點(diǎn)部位和周邊部位礦化蝕變發(fā)育強(qiáng)烈，使用深度學(xué)習(xí)LSTM 模型對(duì)SASI 數(shù)據(jù)進(jìn)行了礦物提取，并對(duì)LSTM 模型分類(lèi)結(jié)果進(jìn)行了精度評(píng)價(jià)，提取出與成礦有關(guān)高鋁絹云母、中鋁絹云母、低鋁絹云母、綠泥石化等蝕變礦物的中心位置和分布面積范圍。

3）為了預(yù)測(cè)鈾成礦有利區(qū)，將提取出的地質(zhì)、遙感等多元找礦信息結(jié)合，建立基于ArcGIS 礦產(chǎn)資源評(píng)價(jià)平臺(tái)，確定斷層、侵入巖、地層巖石、蝕變礦物作為證據(jù)因子，并進(jìn)行空間分析，獲得如下證據(jù)圖層：斷層圖層、侵入巖圖層、巖層圖層和蝕變礦物圖層。

4）使用證據(jù)權(quán)法進(jìn)行鈾成礦有利區(qū)預(yù)測(cè)，圈定鈾成礦有利區(qū)。將研究區(qū)劃分為1500×1500 m 的規(guī)則網(wǎng)格單元?jiǎng)澐殖? 210 個(gè)單元網(wǎng)格，建立該地區(qū)的證據(jù)權(quán)重法模型，計(jì)算各個(gè)證據(jù)因子權(quán)重值及其與成礦的相關(guān)性，計(jì)算出個(gè)證據(jù)因子的證據(jù)權(quán)值，最終選出12 個(gè)與成礦關(guān)系比較密切的證據(jù)因子。

5）利用證據(jù)權(quán)法計(jì)算證據(jù)權(quán)因子與鈾成礦床（點(diǎn)）權(quán)重值和相關(guān)度，得到鈾成礦后驗(yàn)概率值，圈定了5 個(gè)成礦遠(yuǎn)景區(qū)。最終預(yù)測(cè)結(jié)果對(duì)研究區(qū)進(jìn)一步找礦工作具有重要指導(dǎo)意義。