地球化学勘查作为矿产资源预测的重要手段，其异常圈定的准确性直接决定了找矿效率和资源评估的可靠性。传统异常圈定方法基于全域统计理论，通过统一背景值计算异常下限。这种方法自19世纪末诞生以来，经过国内外学者的系统性发展，已成为矿产资源勘查的重要手段，并取得了显著成果（陈海龙等，2025）。例如：我国通过1∶20万区域化探扫面发现了胶东金矿带（李廷栋，2022）；美国通过土壤测量发现了克莱马克斯钼矿（Pettke et al，2010）；澳大利亚通过水系沉积物测量发现了奥林匹克坝铜铀金矿（Cook et al，2024）。尽管该方法在斑岩铜矿和卡林型金矿勘查中取得了显著成果，但在岩性—构造复杂区常会考虑以下2个方面的影响：（1）高背景岩体（如花岗岩）导致假异常频发（刘达东等，2025）；（2）低背景区弱异常易被掩盖（Smedley et al，2007；朵德英等，2025）。
针对上述问题，学者们相继探索出多种改进方法，例如岩性分区校正法和背景场分解法等在异常圈定中展现出意想不到的效果（陈晶源等，2025）。其中，岩性分区衬值法通过构建“地质单元—地球化学场”耦合模型，在智利Los Pelambres斑岩铜矿和内蒙古三七林场铜矿的应用中显示出独特优势（Moshefi et al，2020； Liao et al，2021）。然而，该方法在造山带多期次成矿系统的适用性仍需实证检验。
新疆青河县希结勒研究区是检验异常下限衬值法在复杂岩性区化探圈定效果的理想场所。区内晚古生代岛弧带发育多期次地质事件，形成了以蕴都喀拉组为代表的沉积岩、以康布铁堡组为代表的火山岩以及以花岗斑岩为代表的侵入岩并存的复杂地质背景（白建科，2021）。前期勘查显示，Au和Cu等成矿元素在不同岩性单元中背景值差异显著，其中，侵入岩中Au背景值是沉积岩的2.1倍，传统方法圈定的异常与矿点空间偏差超过200 m（李建江等，2020）。此外，区域NW向断裂控制的矿化体严格受岩性界面制约，金矿体主要赋存于安山岩与凝灰质粉砂岩的接触带（李建江等，2020），亟须通过岩性分区厘清成矿元素富集规律。为此，本研究采用1∶1万土壤测量数据，结合地质填图划分三大岩性子区，为该方法在造山带型矿床的适用性提供关键实证。
1 研究区概况
1.1 地质概况
1.2 地球化学景观特征
研究区位于新疆青河县中部偏北，总体处于低山丘陵地貌单元。区内海拔高程为1 117~1 638 m，相对高差为0~200 m，地形切割程度中等，基岩出露较好。该区气候为温带大陆性干旱气候，春、秋季节短暂且温差大，5~10月为野外工作时间。区内水系不发育，且以季节性河流居多，年平均降水量低，蒸发量强烈。常年多风，有着剧烈的风力作用，但风成沙的覆盖很少。地表覆盖以第四系残坡积物和岩屑为主。研究区土壤层普遍不发育，地表覆盖以基岩风化形成的岩屑和碎屑物为主，本次采集的样品90%以上为此类介质。
2 样品采集与分析
考虑到地形及岩性的影响，将研究区划分为南北2个采样区进行采样，在1∶1万地形图上布设250 m间距的样品点位，每个点位进行3~5个子样组合采样，研究区土壤层不发育，因此主要采集地表风化碎屑物样品，在基岩区采集浅部风化碎屑，在局部第四系覆盖区采集30~50 cm土壤，野外样品干燥可直接过筛，样品粒级为-4~+20目，采集样品重量为500 g。测线方位为近NE向，测线垂直于区域构造线与蚀变带展布方向（图2）。工作区地球化学景观为半干旱、裸露—半裸露区域，样品为残坡积物，采集较易，对于少量的设计采样点无法采集的情况，采用移点（弃点）方式，即在设计点位的土壤测线（40°）方向左右10 m（点距的1/5范围）、垂直测线方向50 m（点距的1/4范围）的矩形范围内，选择适宜部位采样，在以上可移点矩形范围内，仍有个别采样点未能采集到合适样品，作弃点处理。设计采集土壤多元素样品共930个，重复样按照3%设计为28个，弃点3个，弃点率为0.32%。每个样品点均记录样品采集编号、照片、GPS航迹和筷子上绑红布条标记位置等信息。土壤样品由中国地质调查局西安矿产资源调查中心实验室进行分析，测定了Pb、Cu、Zn、Ni、As、Hg、Au、Ag、W、Bi、Co、Mo和Sb共13种元素，Zn、As、Hg和Co元素采用粉末压片-X射线荧光光谱法测定，所用的检测设备为X射线荧光光谱仪，设备型号为WDX-4000；Au和Ag元素采用原子吸收光谱法测定，所用的检测设备为原子吸收光谱仪，设备型号为iCE3000（吕婷， 2020）。
3 异常圈定方法对比研究
3.1 传统方法异常圈定
3.2 岩性分区异常下限衬值法异常圈定
表1 2种方法统计的元素背景值（X）与异常下限（C）Table 1 Element background values（X） and anomaly lower limits（C） counted by two methods |
| 异常检查方法 | 分类 | 参数 | Au | Cu | Pb | W | Mo |
|---|---|---|---|---|---|---|---|
| 岩性分区异常下限衬值法 | 沉积岩n=622 | X | 1.8 | 69.4 | 14.4 | 1.2 | 0.8 |
| C | 3.8 | 111.5 | 21.2 | 1.8 | 1.3 | ||
| 火山岩n=190 | X | 1.2 | 56.7 | 14.3 | 1.3 | 0.8 | |
| C | 2.8 | 123.9 | 22.1 | 2.2 | 1.2 | ||
| 侵入岩n=115 | X | 3.8 | 82.3 | 13.3 | 1.3 | 1.0 | |
| C | 11.5 | 185.2 | 21.0 | 2.1 | 1.8 | ||
| 传统方法 | n=927 | X | 1.7 | 66.0 | 14.2 | 1.2 | 0.8 |
| C | 3.7 | 116.7 | 21.3 | 1.9 | 1.3 | ||
| 算术平均值 | 3.3 | 77.7 | 14.4 | 1.3 | 1.0 | ||
| 新疆土壤丰度 | 1.40 | 24.0 | 23 | 1.8 | 0.8 | ||
| 浓集系数 | 2.36 | 3.24 | 0.63 | 0.72 | 1.25 | ||
此外，统计发现一般在侵入岩中测试的元素含量较大，在火山岩中测试的元素含量较小，这表明元素含量在不同岩性子区差异较大，说明统一背景值会掩盖真实的差异，进行元素分区具有一定的必要性（杨建国等， 2010）。基于此情况，传统异常下限提取方法无法避免侵入岩区的假异常或在火山岩区遗漏真异常，所以需要充分考虑区内地质特征而进行岩性分区。
基于上述地质特征参数差异，将研究区整体划分为3个岩性单元：沉积岩区、火山岩区和侵入岩区，各子区空间分布如图6所示，确保同一子区内地层与岩性特征相对均一（孟秋熠，2020）。沉积岩区是分布最广泛的岩性单元，主要分布于研究区北部，面积占比为63%，其地层主要为托让格库都克组，点位占比为67.1%；火山岩区主要为晚古生代岛弧带中发育的一套中—基性火山岩及其碎屑岩建造（热亚尼古丽·杰力力，2012），岩性以安山岩和玄武岩为主，主要分布于研究区南部，面积占比为25%，点位占比为20.5%；侵入岩区主要为早石炭世—早二叠世的酸性岩株和岩脉，具有中等程度的剥蚀，受后期韧性剪切作用的影响，具有明显的糜棱岩化特征，呈带状和脉状在全区不规则分布，面积占比为12%，点位占比为12.4%。
岩性分区：将全区划分为沉积岩区、火山岩区和侵入岩区3个岩性子区，确保同一子区内地层与岩性特征相对均一（罗赣平，2023）。
衬值计算：以子区各采样点的元素含量值与子区背景值之比作为原始衬值，需要注意的是，此方法隐含了“次生异常含量与下伏基岩背景值之间存在近似线性衬度关系”的假设。连续迭代出衬值均值加3倍标准差的异常值（杨用彪等，2024）。
衬值归一化：不同子区背景值与异常下限不同，不同子区的同种元素要在一张图展现，须归一化衬值。
离散数据网格化：分别将每种元素采样点归一化后的衬值投影为一个孤点，采用Grd模型将离散数据进行网格化处理。
异常下限计算：按传统方法统计衬值的均值及异常下限（T），将T、2T、4T分别圈定为异常的外带、中带和内带，如图6所示。
3.3 异常差异比较
通过新疆维吾尔自治区自然资源厅提供的研究区内矿点以及本项目在科克吐木和希结勒对金矿体采刻槽样进行验证（图7）。对于希结勒金矿，传统方法在该区产生“泛异常化”现象［图8（a）］，虽然圈定出1.2 km²的异常范围，但矿体仅处于外带，且异常中心与矿体无成因联系。岩性分区法则通过背景校正，呈现出更具找矿意义的异常特征［图8（b）］：（1）异常连续性较好，斑点沿NW向线性排列，与隐伏断裂展布吻合；（2）异常更精准，75%的异常点与矿体间距小于80 m；（3） 剔除沉积岩区1.2×10⁻⁹低背景干扰后，异常衬值梯度真实反映了矿化强度变化。这一对比凸显了地质锚点的核心价值——若无实体矿体定位，传统方法的较分散的异常不易掌握异常分布规律，而衬值法提供了精确的构造带方位，明确了找矿方向。
对于科克吐木金矿，传统方法表现出明显的“异常弱化”效应［图9（a）］。该方法圈定的异常呈现以下特征：首先，异常空间分布极不连续，形成多个孤立的异常斑点，异常完整度仅为32%；其次，异常强度普遍偏弱，其中三级异常占比高达74%，二级异常占26%，无一级异常，导致异常信息熵值降低至1.2（理想值应大于2.5）。这种异常弱化现象主要源于：（1）全域统计未能消除凝灰质砂岩（背景值为1.2×10⁻⁹）与安山岩（背景值为2.8×10⁻⁹）的岩性差异；（2）矿化信号在背景平均化过程中被稀释。相比之下，岩性分区衬值法在该矿区展现出显著优势［图9（b）］。首先，圈定的异常连续性明显改善，异常完整度提升至68%，形成呈NW向展布的异常带，与区域控矿构造走向一致；其次，异常分级更加合理，其中三级异常占比达70%，二级异常占比为25%，一级异常仅占5%，异常信息熵值提升至2.8，达到了理想水平。更重要的是，该方法圈定的异常与已知矿体的空间吻合度大幅提升，其中一级异常区与矿体位置的空间偏差均小于100 m。
4 讨论
分别采用2种不同的异常圈定方法绘制Au、Cu、Pb、W和Mo元素异常等值线图，对比分析各元素异常空间特征的差异，基于岩性子区地球化学背景特征统计，不同岩性子区元素背景值存在较大差异（南艳等，2017）。Au元素背景值受岩性影响较大，表现出侵入岩的高背景特征，Cu背景值受岩性影响中等，表现出火山岩的中高背景特征，Pb、W和Mo元素背景值受岩性影响较小，表现出沉积岩的低背景特征（王克军，2004）。然而，张诗敏等（2023）通过对内蒙古呼伦贝尔市基岩与化探数据进行比较，认为Cu和Pb等元素与背景值关系较密切。李随民等（2023）通过比较冀中钼矿元素与酸性岩体含量，认为二者之间差异较大，存在明显的盐矿时差。杨用彪等（2023）对溧阳盆地化探样品Au、W元素与基岩丰度进行对比，认为其受背景值影响较小。因此，不同区域、不同成矿条件和地质特征内岩性对背景值的影响程度不同，元素含量受到区域局限和地质特征的双重制约，具有多样性和区域性两大特征，而这种多样性反映了岩性的本底特征，区域性则反映表生地质作用的差异化因素，如物理、化学风化过程或外生成矿作用（马昌前等，2024）。
对比2种方法圈定的异常并结合参数统计（图2，表1），可以看出不同方法下的异常差异与浓集系数关系密切。例如Au的高含量多出现于侵入岩对应的高背景区与沉积岩对应的低背景区的过渡地带，传统方法采样Grd模型通过搜索半径的筛选会将高背景区圈定为异常，导致虚假异常的出现；而岩性分区会通过浓集系数区分背景值，使得评价更为客观。Cu元素受侵入岩和碳酸盐岩等多背景的影响，传统方法圈定异常多集中在侵入岩和碳酸盐岩分布区，异常面积普遍偏大，这一现象与Zhou et al（2024）的研究结果一致。
需要注意的是，需要对岩性分区衬值法的适用条件与局限性进行讨论。该方法更适用于矿化与特定岩性关系密切或受“构造—岩性”界面控制的矿床类型，对于成矿物质主要源于深部流体、异常严格受构造控制的矿床，该方法需谨慎使用或需结合构造格架进行优化。同时，由于研究区是物理风化为主，本文假设了次生异常与基岩背景是线性衬度的关系，实际上表生地球化学是一个复杂的过程，异常还会受剥蚀程度和地形等因素的影响，从而破坏这种线性关系来影响该方法的准确性，本文只是从岩性的维度来优化对异常空间的探讨，非直接评估矿化规模。
5 结论
（1）在新疆希结勒研究区以及基岩出露好且覆盖以风化碎屑为主的浅覆盖区的特定景观和地质条件下，岩性分区异常下限衬值法能够显著提高复杂地质区化探异常的识别精度。相比传统方法，该方法通过分区计算背景值，有效降低了侵入岩高背景区的假异常干扰，并增强了火山岩区弱异常的识别能力。在新疆希结勒矿区的应用中，金矿异常与矿点的吻合度从42%提升至78%，有效提升了异常识别在金矿勘查应用中的效率。
（2）衬值归一化处理使不同岩性单元的地球化学异常具有可比性，尤其适用于斑岩型—浅成低温热液型金矿系统的“岩性+构造”控矿特点的矿床。研究结果表明，元素富集特征受岩性背景和成矿作用的共同制约，未来可结合机器学习优化岩性分区算法对寻找隐伏矿床作进一步探索。
甘公网安备 62010202000672号
