四川省白馬釩鈦磁鐵礦床鐵品位分布地質統計學研究

黃 繼，肖光莉，劉 偉，王 歡，向 虎

（四川省煤田地質工程勘察設計研究院，四川成都610045）

固體礦產勘查就是針對礦產資源中的固體物質進行的勘查，在區域地質調查和成礦預測的基礎上，根據國內外礦產品市場的需求，運用成礦理論，采用有關的勘查技術手段和方法，對有關的礦產資源進行的專門性的地質調查研究工作.其主要任務就是通過一定數量的露頭、鉆孔、探槽及坑道提供的有用信息（如化驗分析數據及巖礦標本）的研究，來揭示成礦地質條件，預測和普查礦床，對己經發現的礦床查明其規模、形態、產狀及質量特征、工業應用條件，研究其成因，最后對它們做出總的工業評價.1951年，南非地質學家、采礦工程師克里格（D.G.Krige）根據南非金礦的具體情況提出了計算礦產資源量的方法：即按照樣品與待估塊段的相對空間位置和相關程度來計算塊段品位及儲量，并使估計誤差為最小.1962年，馬特隆（G.Matheron）經過對克里格提出的方法進行深入研究，提出了區域化變量（regionalized variable）的概念，產生了地質統計學［1］.生產實踐證明，地質統計學具有強大的生命力，它在地質科研、找礦勘探、采礦設計及礦山地質等領域日益顯示出優越性，取得了一定的經濟效益［2］.

本次研究采用地質統計學原理和方法，通過對四川省米易縣白馬釩鈦磁鐵礦區及及坪礦段主礦體25個鉆孔的2124個樣品品位分布的分析和研究，探求其分布規律，為礦山的進一步開發和生產提供有意義的決策依據.

1 礦區地質概況

白馬釩鈦磁鐵礦區大地構造位置處于康滇地軸中段，地跨康滇地軸深斷裂系的安寧河深斷裂帶，幔源及殼源重熔物質極其豐富.區內各時代地層都有發育并出露，地層、構造、巖漿組合類型多樣，具備不同類型鐵礦生成的區域地質條件.

1.1 地層與構造

區內地層在礦區外圍零星分布，有前震旦系會理群天寶山組、燈影組，二疊系峨眉山玄武巖以及第四系.

區內構造較復雜.主要褶皺為南北向的茨達-撒蓮背斜.白馬巖體產于該背斜的核部，巖體形態及空間分布位置與背斜核部相吻合.背斜軸線及白馬巖體走向均近于南北向，與區域構造線方向一致.

區域性南北向斷裂（昔格達斷裂及安寧河斷裂）分別在白馬巖體東、西側通過，北北東向張性剪切斷裂（茨達斷裂）通過巖體北部.上述斷裂在白馬地區交匯，形成一個剪切拉張地帶，對白馬礦體的形成起到控制作用.礦區成巖成礦后的構造十分發育，主要為南北向及北東向兩組斷裂，構成礦區內的構造格架（如圖1所示）.

1.2 巖漿巖

區內與釩鈦磁鐵礦有關的巖漿活動主要為華力西早期的基性—超基性巖漿侵入活動.空間上與此有一定關系的還有華力西晚期輝長偉晶巖、輝綠巖脈，二疊紀玄武巖，燕山期偉晶巖脈，印支期角閃正長巖、石英角閃正長巖等?四川省地質礦產勘查開發局106地質隊.四川省米易縣白馬釩鈦磁鐵礦區及及坪、田家村礦段勘探地質報告.1988..

1.3 礦體概況

白馬釩鈦磁鐵礦區共圈定4個工業礦體，其中Ⅰ、Ⅱ號礦體是主礦體，本文研究重點即為Ⅰ、Ⅱ號礦體.該含礦層之礦體為一個厚大層狀礦體.其形態產狀與含礦層一致，呈穩定的層狀產出，走向近南北，傾向西，傾角 50～70°.

礦石結構以海綿隕鐵結構為主，是該含礦層礦體中稀到中稠浸染礦石的主要結構類型.其次是粒狀嵌晶結構和假斑狀嵌晶結構，這兩種結構主要分布在礦體底部的礦石中.礦石構造以中等至稠密浸染狀構造為主，次為稀疏浸染狀構造，在位于含礦層頂、底部礦體的礦石還見有中等至密集條帶狀構造.

礦體沿走向南北長大于5000 m，并沿傾向方向向深部繼續延伸.

2 礦石品位的統計和分析

白馬釩鈦磁鐵礦區位于四川省米易縣白馬鎮，為一構造侵蝕中山區，南北長約9 km，東西寬約5 km，面積約45 km2.及及坪礦段是其主要礦段之一.因為研究及及坪礦段鐵品位分布特征，所以將鐵的品位值作為區域化變量對待，對它的研究應限制在一個品位值具有相關性的空間里，即應使用落在礦體內的樣品進行統計分析.本文采取了以邊界品位15%為起點進行統計分析.

2.1 鐵品位統計分布特征

參與計算的品位數據來源于各個勘查線的鉆孔資料，選取25個鉆孔共計2124個樣品，利用SPSS11.5軟件繪制出鐵品位分布直方圖（圖2）.從直方圖中可以看出，樣品符合正態分布，因此我們就可以計算出其變異函數.

鐵品位統計數字特征如下：

從表1中可以看出，鐵最高品位值為59.6%，為特高異常值.特異值即特高品位，是由于個別樣品取在礦化局部富集的地段產生的，特高品位的存在往往會影響礦體總的品位分布和估值，通常情況下必須對其進行處理［1］.

白馬礦區及及坪礦段礦床品位變化簡單，因此選用3倍標準差的方法進行特高品位處理.但若某一地區連續出現特高品位時，則認為是富礦地區，不進行處理［3］.由于對原始樣品統計分析得出的樣品均值為23.21，標準差為6.52，因此特高品位下限值定為23.21＋3×6.52=42.77，若出現大于特高品位下限值時均用42.77作代值處理.特高品位處理后的品位分布規律、直方圖如圖3.

表1 原始樣品數據統計表Table 1 Statistics of primary samples

從原始樣品鐵品位分布直方圖（圖2）可看出Fe元素品位數據呈現出較為明顯的偏畸.在進行特高品位處理之后，從表2和圖3中均可以看出各項結果均有所下降，2110個樣品中的大部分品位數據集中在（16，29）區間內出現.

表2 特高品位處理后樣品數據統計表Table 2 Statistics after outlier processing

2.2 實驗變異數據的計算

實驗變異數據按下式進行計算：

式（1）中：N（h）是滯后距為h時參加實驗變異函數計算的樣品個數，h為滯后距，Z為區域化變量在空間點上的品位值.

在進行金屬元素品位變異函數分析時，分別沿礦體走向、傾向與厚度3個方向進行變異函數分析［4］.根據礦床產出特征，確定各分析方向計算時實驗變異函數角度及距離參數（見表3）.同時繪制出3個方向的實驗變異函數曲線圖，圖4、5、6實線所示為鐵品位的實驗變異函數曲線.

表3 各分析方向計算時變異函數角度及距離參數Table 3 Parameters for variation function analysis

2.3 理論變異函數的曲線擬合

從該礦的實驗變異函數曲線的特征來看（如圖4、5、6），從幾組樣品得到的實驗變異函數，雖然數據點的分布不很規則，但仍可看出C（h）隨h首先增加，然后趨于穩定，符合球狀模型的特點，因而采用實驗變異函數球狀模型用加權多項式回歸法分別對走向、傾向、厚度3個方向進行擬合.球狀模型的公式為［5-6］：

式（2）中：C0為塊金常數，C0+C 為基臺值，a為變程，h為滯后距.

從公式（2）中可以看出，C（h）隨 h的增加而增加，當h 達到變程時，C（h）達到基臺值 C0+C；之后 C（h）便保持常值C0+C.這種特征的物理意義是：當樣品之間的距離小于變程時，樣品是相互關聯的，關聯程度隨間距的增加而減小，或者說，變異程度隨間距的增加而增大；當間距達到一定值時，樣品之間的關聯性消失，變為完全隨機，這時 C（h）即為樣品的方差［7］.因此，變程實際上代表樣品的影響范圍［8］.本次研究經過反復實驗，確定鐵品位的理論半變異函數的主要參數如下.

礦體走向方向：C0=18.53，C=22.41，a1=1214；

礦體傾向方向：C0=13.13，C=27.81，a2=391；

礦體厚度方向：C0=13.35，C=27.59，a3=78.

2.4 礦體的變化性

根據各部分礦體鐵元素品位的半變異函數曲線所得到的塊金值、躍遷常數及變程等各項指標，很容易計算出礦體各方向上的變化程度參數Ф［9-10］.

變化程度參數Ф的關系式如下：

式中：C0為塊金常數，C為躍遷常數，m為C0與C的平均值，a為變程，L為某一方向上礦體長度的一半［11-12］.

判別條件：①當Φ=0.0～0.3時，表示礦體變化簡單；②Φ=0.3～0.6，變化較簡單；③Φ=0.6～0.8，變化中等；④Φ=0.8～0.9，變化較復雜；⑤Φ＞0.9，變化極復雜.

通過對礦體變化程度系數的計算（表4），鐵品位在走向、傾向與垂直方向上均小于0.3，表明礦體鐵元素品位在3個方向上的變化程度簡單.

表4 礦體變化程度系數計算結果表Table 4 Variation coefficients of orebodies

3 結論

1）白馬釩鈦磁鐵礦礦床鐵元素的品位分布均具有一定的規律性，鐵元素在傾向上較走向與垂向上變化有規律性.這與該礦區勘查成果基本吻合，礦體在走向上受4組近東西向斷層影響，導致走向上主礦體空間賦存狀態差異較大.

2）白馬鐵礦床鐵品位統計分布呈單峰的正態曲線，并且礦體變化程度系數值較小，說明該礦區成礦作用單一，礦化較均勻.

3）鐵品位在3個方向上的變異函數在一定距離范圍內呈上升趨勢，隨后逐漸平緩，最后達到水平，說明當樣品之間的距離小于變程時，樣品是相互關聯的，關聯程度隨間距的增加而減小.當礦體走向、傾向、垂直這3個方向的距離分別達到1214、391、78 m時，鐵品位之間的相關性消失，變為完全隨機.

4）工程間距只有小于變程時才能控制礦體的變化，根據礦區復雜的構造情況，目前礦區采用400 m×400 m的工程間距探求333資源量，擬采用200 m×100 m工程間距控制332資源量，應該說是合理的.

5）建立了礦體走向、傾向、垂直3個方向的礦化數學模型，對鐵品位分布特征進行統計.結果表明，模型確定合理，所統計的數據真實可靠，真實形象地體現了主礦體鐵品位的空間分布規律.為下一步用普通克立格法計算礦體品位和儲量計算打下了基礎，為以后在攀西地區找類似華力西期基性、超基性鐵礦床起到了一定的指導作用，為礦山生產設計以及建立整個礦體的三維模型提供了理論依據.

［1］夏正清.基于灰色系統理論和地質統計學的Cu品位估算研究［D］.湖南：中南大學，2009.

［2］馬田生，寇軼勇，陽正熙，等.地質統計學在山東焦家金礦床深部含礦性預測中的應用［J］.地質找礦論叢，2005，20（3）:176—181.

［3］羅周全，劉曉明，吳亞斌，等.地質統計學在多金屬礦床儲量計算中的應用研究［J］.地質與勘探，2007，43（3）:83—87.

［4］萬昌林，朱利平，高祥.應用地質統計學評估福建某銅礦資源［J］.金屬礦山，2002（6）:140—143.

［5］李蓮花，李卉.遼寧弓長嶺一礦區鐵礦石品位分布的地質統計學研究［J］.遼寧地質，1998（2）:126—130.

［6］李嶺.地質統計學及其在某銅礦山儲量計算中的應用［J］.礦業研究與開發，2004，24（5）:21—23.

［7］馮超東，楊鵬，胡乃聯.克立格法在SURPAC軟件中的實現及應用［J］.金屬礦山，2007,370（4）:55—77.

［8］鄭文寶，黎楓佶，唐菊興，等.西藏墨竹工卡地區甲瑪矽卡巖型銅多金屬礦體的變化性［J］.地質通報，2010,29（10）:1487—1494.

［9］余海軍，李文昌，尹光候，等.普朗銅礦床銅品位分布地質統計學研究［J］.地質與勘探，2009,45（4）:437—443.

［10］侯景儒，黃競先.地質統計學在固體礦產資源/儲量分類中的應用［J］.地質與勘探，2001,37（6）:61—66.

［11］賈明濤，潘長良，王李管.克服地質統計學礦床建模中主觀因素影響技術研究［J］.地質與勘探，2003,39（4）:73—77.

［12］侯景儒，黃競先.地質統計學及其在礦產儲量計算中的應用［M］.北京：地質出版社，1982:35—46.