新疆東昆侖西段鐵礦預測區的圈定及資源量估算－基于ArcGIS平臺

毛磊，弓小平，2，薛迎喜，劉艷賓

(1．新疆大學新疆烏魯木齊830046;2．新疆大學地理學科博士后科研流動站，新疆烏魯木齊830046; 3．中國地質調查局資源評價部，北京100037)

新疆東昆侖西段鐵礦預測區的圈定及資源量估算－基于ArcGIS平臺

毛磊1，弓小平1，2，薛迎喜3，劉艷賓1

(1．新疆大學新疆烏魯木齊830046;2．新疆大學地理學科博士后科研流動站，新疆烏魯木齊830046; 3．中國地質調查局資源評價部，北京100037)

研究區屬華北板塊的柴達木地塊的早古生代陸緣活動帶(祁曼塔格裂陷槽)，即祁漫塔格早古生代巖漿型被動陸緣。本文基于ArcGIS平臺，通過建立研究區鐵礦資源潛力評價模型，以沉積變質型鐵礦為例，對新疆東昆侖西段的鐵礦資源進行預測區的圈定，并對圈定的靶區進行優選。由于沉積變質型鐵礦主要與沉積地層、巖石分布狀況有關，總結出本研究區沉積變質型鐵礦主要控礦因素包括沉積地層、Fe元素異常、巖石組合等。本文選取(1)沉積地層、(2)Fe元素異常這兩個方面的證據圖層對研究區鐵礦資源進行預測，共圈定了3個沉積變質型預測區，其中A類1處，C類2處。在成礦區帶圈定的基礎上，估計區帶內未發現礦床的個數;對預測區礦點的分布、品位、礦石量(噸位)的分布特征進行模擬，來獲得資源量的估算，對研究區鐵礦資源潛力做出快速、準確的評價。此次研究表明新疆東昆侖西段具有一定的鐵礦資源潛力。

東昆侖西段ArcGIS平臺預測區品位－噸位模型

Mao Lei，Gong Xiao－ping，Xue Ying－xi，Liu Yan－bin．Delineation of the predicted iron ore areas and resource estimation for the western section of the East Kunlun in Xinjiang－Based on ArcGIS platform［J］．Geology and Exploration，2012，48(5):1049－1057．

在我國GIS被用于礦產資源的研究工作始于20世紀80年代中后期，但是隨著GIS在多元信息成礦預測方面的探索和研究，利用GIS在礦產資源預測已經得到了應用和推廣(池順都，1998;肖克炎，1999;陳建平，2005;劉巖峰，2008)。研究區位于東昆侖西段、柴達木盆地西南緣，新疆東昆侖西段鐵礦資源潛力評價就是對新疆東昆侖西段鐵礦可能蘊藏的資源數量進行估計并對其近、中、長期供應保證程度做出評價的工作。在利用基于ArcGIS平臺的礦產資源潛力評價以被評價區的地質、地球物理、地球化學、遙感地質和礦產資料為依據。對東昆侖西段資源潛力的評價研究，預測區的圈定以及靶區優選可以為研究區的鐵礦勘查部署工作提供有效的指導作用。

1 研究區地質概況

研究區以阿爾金南緣斷裂為界，以北劃分為阿爾金地層分區;以南劃分為東昆侖地層分區，包括祁漫塔格地層小區和烏魯克蘇河地層小區。研究區是多個構造單元(柴達木、塔里木、秦嶺－大別褶皺帶、可可西里－巴顏喀拉構造帶等)的交接地帶，各構造旋回在本區的不同區段表現出的造山運動和造陸運動，是極不均衡的，其結果就造成了研究區現今復雜的斷裂系統和褶皺系統的外貌。

研究區內最重要鐵礦類型是沉積變質型和矽卡巖型。其中沉積變質型礦床主要形成于大陸邊緣活動帶。成礦時代主要為古生代。矽卡巖型鐵礦主要位于東昆侖弧盆系之祁曼塔格蛇綠混雜巖帶中。另外有奧陶－志留紀、早石炭世、晚石炭世、中二疊世蛇綠巖及混雜巖塊。本文僅以沉積變質型為例研究基于ArcGIS平臺的新疆東昆侖西段礦產資源潛力評價。

2 使用的基礎數據

本次研究采用基于ArcGIS平臺的鐵礦資源潛力評價方法。以區域成礦理論為指導，以現代空間信息技術及方法為手段，以研究區沉積變質型鐵礦資源潛力評價為目標，以規范而有效的資源評價方法、技術和各類基礎數據為支撐，充分利用多元地質資料，從成礦帶整體層面進行研究區鐵礦成礦地質條件和成礦規律研究，全面、快速、準確、客觀地評價研究區主要鐵礦類型的資源潛力以及空間布局，建立研究區的基礎地質數據庫。基礎數據包括:(1)研究區所涉及1∶25萬區域地質圖及報告共6套:瓦石峽幅(J45C002003)1∶25萬區域地質礦產報告①、蘇吾什杰幅(J45C002004)1∶25萬區域地質礦產報告②、且末縣一級電站幅(J45C003002)1∶25萬區域地質礦產報告③、古爾嘎幅(J45C003003)1∶25萬區域地質礦產報告④、阿牙克庫木湖幅(J45C003004)1∶25萬區域地質礦產報告⑤、庫郎米其提幅(J46C003001)1∶25萬區域地質礦產報告⑥。(2)J46C002001(茫崖鎮幅)所涉及范圍內1∶50萬區域地質圖。(3)已知礦床(點)數據，必須滿足以下兩個原則:①2km以內的所有礦化點和蝕變帶均合并為1個礦床(點);②礦床(點)必須要有準確的品位－噸位數據，為建立準確的品位－噸位模型提供良好可靠的原始數據。據統計研究區已知礦床(點)累計20個，分布于且末縣、若羌縣等地。(4)品位－噸位模型。(5)ETM遙感影像。(6)地球化學數據。(7)航磁數據。

3 預測區的提取

3．1 典型礦床預測模型建模

此次研究涉及的鐵礦礦產預測類型為沉積變質型鐵礦，典型礦床選取迪木那里克沉積變質型鐵礦。

3．2 成礦有利信息提取模型的建立

根據研究區成礦地質背景、ArcGIS空間數據庫和典型礦床成礦模式，確定成礦預測類型和找礦標志，建立區域成礦要素表，明確兩大類型鐵礦的控礦構造和找礦標志。通過地質、礦化、物探(主要是磁法)等綜合信息提取，建立典型鐵礦床定性和資源量定量評價的預測模型，并確立各個預測要素與數據庫中屬性字段的對應關系，建立以ArcGIS空間數據庫為基礎的預測區提取模型，為快速、準確、高效地進行成礦有利因素的提取奠定基礎。表1為東昆侖西段ArcGIS空間數據庫沉積變質型鐵礦預測區提取模型表。

表1 東昆侖西段ArcGIS空間數據庫沉積變質型鐵礦預測區提取模型表Table1 Extracted elements of forecast area about iron ores of sedimentary and metamorphic type in ArcGIS spatial database for the western section of the East Kunlun

3．3 證據圖層的確定

根據預測區提取模型表所列數據庫字段提取成礦因子，通過泛化分析將包含相同地層字段的有利沉積(火山)地層、侵入巖地層進行合并;由密度分析工具生成礦點密度圖和斷層密度圖;對礦點、侵入體進行緩沖區分析，然后再進行雙要素類組合分析。包括:斷層證據圖層(通過三種方式對斷層數據進行處理:密度分析(圖略)、距離分析(圖略)和方向分析(圖略))、侵入巖證據圖層(圖略)和沉積地層證據圖層(圖1)、自然巖石組合證據圖層(圖略)、化探數據圖層(選取與鐵礦密切相關的Fe(圖2)、Mn、Cr元素化探數據，對其進行柵格化處理，經重分類后，得到化探證據圖層)(其它圖略)、物探數據圖層(選取與鐵礦成礦密切的物探數據，進行相關數據處理，經柵格化、重分類后，得到航磁異常、化激異常、原平面等重要證據圖層)(圖略)。

本此研究涉及的單因素分析主要包括:斷層因素、沉積地層因素、自然巖石組合因素、化探數據因素、物探數據因素等。數據像元大小為100m，采用分析單元面積為4km2，通過單因素分析，判斷斷層的密度、距離、方向、侵入巖、沉積地層、自然巖石組合、化探異常Fe元素異常、Mn元素異常、Cr元素異常、物探航磁異常、原平面、化激異常等與鐵礦床(包括礦(化)點)的空間關系。涉及的單因素分析主要包括:斷層因素(從斷層密度、斷層距離、斷層方向3個方面與鐵礦床(包括礦(化)點)間的關系進行分析)、沉積地層因素(表2，圖3)、自然巖石組合因素(圖表略)、化探數據因素(Fe，表2，圖4)、物探數據因素等(圖表略)。

圖1 東昆侖西段沉積地層分布圖Fig．1 Map showing distribution of sedimentary strata in the western section of the East Kunlun

圖2 東昆侖西段Fe元素異常分級圖Fig．2 Grading graph of Fe anomalies in the western section of the East Kunlun

表2 東昆侖西段沉積變質型鐵礦與Fe元素異常組合空間關系定量評價表Table2 Quantitative evaluation about the spatial relation between iron ores of sedimentary metamorphic type and Fe anomalies in the western section of the East Kunlun

分析表2可知，沉積地層對沉積變質型鐵礦控制作用，主要表現為長沙溝蛇綠混雜巖和茫崖蛇綠混雜巖，落入前者147個單元內的礦床或礦(化)點數有4個，占所有礦床或礦(化)點數的57．1%，其學生化反差為5．2383，綜合權值達到3．21，落入后者74個單元內的礦床或礦(化)點數有1個，說明沉積地層對成礦作用影響極大。而其它區間綜合權值均為負值。因此，沉積地層應作為沉積變質型鐵礦成礦有利度定量評價的主要影響因素之一。

分析表2可知，Fe元素異常對沉積變質型鐵礦控制作用，主要表現在6．0～7．0區間內，落入該區373個單元內的礦床或礦(化)點數有4個，占所有礦床或礦(化)點數的57．1%，其學生化反差最高達3．9126，綜合權值達到2．9737，說明Fe元素異常對成礦作用影響極大。而其它區間綜合權值均為負值。因此，Fe元素異常應作為沉積變質型鐵礦成礦有利度定量評價的主要影響因素之一。

在證據權模型中，假設參與模型的各證據層對于成礦影響必須是條件獨立的。由于證據權模型的條件獨立假設在地學中往往難以完全成立，由此提出了在證據權模型基礎上加入加權Logistic回歸方法，用回歸方法替代貝葉斯法則計算后概率，解除貝葉斯法則中的條件獨立假設對地學應用的種種限制，避免條件獨立假設在預測結果中所造成的偏差。

3．4 預測區的圈定

基于單因素分析，選擇與成礦關系密切的因素，用前概率和權值計算按證據權模型或加權Logistic回歸模型綜合，得到沉積變質型鐵礦成礦有利度綜合定量評價。

在ArcGIS平臺下，圈出成礦有利區，結合區域地質背景及典型礦床的研究成果，綜合地質、物化探等信息，核實各個成礦有利區的成礦條件，最終確定成礦預測區。本次研究共圈出3個沉積變質型鐵礦預測區(見圖5)。

主要采用加權證據權法計算各成礦有利因子權值，確定各預測區權重，進行預測區排序。

4 預測區優選和級別劃分

采用成礦有利性分類方案，即根據后驗概率，結合具體的地質情況對預測區按三類劃分:Ⅰ類:成礦條件十分有利，可建議優先安排勘查工作的地區;Ⅱ類:成礦條件有利，有預測依據，找礦標志明顯可供參考，地球化學異常評序分類屬乙1、乙2類;Ⅲ類:具成礦條件，找礦標志不明顯或尚未發現找礦線索，但地球化學異常評序屬乙1、乙2、乙3類，可作為探索的地區或現有礦區外圍和深部有預測依據，據目前資料認為資源潛力較小的地區。

劃分原則:①成礦地質條件具備情況;②找礦標志及輔助標志明顯程度;③礦床勘查程度及遠景情況;④礦床成因類型及礦物組合;⑤各類異常的可信程度。

根據上述預測區級別劃分原則，結合3個預測區的地質礦產特征及物化探異常信息，將其分別劃分為A、B、C三等，見下表3。

5 預測資源量估算

5．1 品位模型和噸位模型的建立

總結全球或全國現有類型礦床的品位－噸位分布特征建立模型，將其應用到預測評價的成礦區帶中;其次在成礦區帶圈定基礎上，估計區帶內未發現礦床的個數;對預測區礦點的分布、品位、礦石量(噸位)的分布特征進行蒙特卡羅模擬，來獲得不同概率(不同置信度)下的對資源量的估算。取估算值的數學期望作為預測區估算資源量。

圖5 新疆東昆侖西段沉積變質巖型鐵礦帶預測區分布圖Fig．5 Distribution of forecasting area about iron－ore belt of sedimentary metamorphic type in the west of the East Kunlun in Xinjiang

表3 新疆東昆侖西段沉積變質型鐵礦預測區級別劃分Table3 Distinction of forecasted metasediment iron ore areas in the western section of the East Kunlun in Xinjiang

根據研究區以及相似成礦條件區域主攻礦床類型的規模和品位的統計規律，根據已知礦床(點)品位－噸位模型，評估、修正各個未見礦區的品位和噸位數值;為研究區資源潛力評價提供可靠評價參數。圖6為沉積變質型品位模型和噸位模型。

5．2 資源量估算結果

建立研究區沉積變質型鐵礦的品位噸位模型，為資源潛力評價提供可靠的評價參數。

建立礦床描述模型并收集控制區(開發程度高的地區)資料，根據“密度=個數/面積”得到礦床的密度。一般使用單位面積(100，000km2)的礦床個數。

礦床數估計作為資源量評估的一大核心內容，其數量預測方法為:擬合回歸曲線法。即獲得散點圖(X軸為有利區面積area，Y軸為單位面積(100，000km2)的礦床數量n)，然后擬合回歸曲線，得線性回歸方程:

R50=alog(area)+b=log(density);R50為置信度為50%時的礦床數系數，area為有利區面積，density為礦床的密度，b為線性回歸方程常數項。

根據公式分別求得L90、U10時的log(density):

L90，U10=(R50±t×s×y/x/(1+1/n)+［log10分別為置信度為90%、10%時的礦床數系數，R50為置信度為50%時的礦床數系數，t為噸位平均值，s為標準差，y為鐵礦床累計頻率(0～1)，x為品位平均值，area為預測有利區面積，n為礦床數量。

根據數量=10R50，L90，U10分別求出50%、90%和10%置信度時的預測數量。

圖6 沉積變質型品位模型和噸位模型(其中橫軸分別為鐵礦石的品位(單位:%)和噸位(單位:萬噸)，縱軸為鐵礦床累計頻率(0～1))Fig．6 Grade and tonnage model of sedimentary－metamorphic type iron ores(horizontal axis shows the grade (%)and tonnage(tons)of iron ores，and the longitudinal axis shows the cumulative frequency of iron deposits (0～1))

研究區進行資源量估算的鐵礦類型主要是沉積變質型，資源量級別為(334－2)即內蘊經濟含量并經過概略研究的預測資源量。基于ArcGIS平臺的資源潛力評價數據庫，采用單要素組合和雙要素組合等空間分析方法，圈定的預測區面積雖然較大，但不排除該區域內可能發現鐵礦的潛力，且綜合多源信息數據處理后，航磁、化探異常較明顯，故在資源潛力評價過程中仍可看作成礦有利區域。

研究區內3個預測區的預測資源量結果顯示，沉積變質型鐵礦估計礦床數為8個之多，分布于3個預測區內。由于涉及數據的保密性，文章只給出部分數據。3個預測區平均品位高達31．374%，合計達此品位礦石量多達幾億噸，預測資源量共計更多。由此可見新疆東昆侖西段擁有強大的鐵礦資源潛力。

6 結論

本次研究以中國地質調查局地質調查技術標準《數字地質圖空間數據庫》(DD2006－06)技術要求為依據，以資源潛力評價為目標，建立研究區面向對象空間數據庫。建立數字地質圖數據庫，目的在于最有效地保存和交流使用數據，按規范對掃描地質圖進行數字化;設計和建立東昆侖地區數字地質圖數據庫，實現地質圖原始資料客觀描述的、統一分類的、圖文一體化的矢量入庫，為東昆侖地區鐵礦的GIS空間分析奠定了統一的基礎和完整的數據平臺。根據已知礦床建立品位－噸位數據的統計規律，擬合研究區未知區域主攻礦床類型的品位噸位模型，進行資源量的估算，總體工作質量較好，預測的鐵礦石資源量較為可靠，顯示研究區具備一定的鐵礦資源潛力。

［注釋］

①廣西地質調查院．2000－2002．J45C002003(瓦石峽幅)1∶25萬區域地質調查［R］．

②西安地質研究所．2001－2003．J45C003002(蘇吾什杰幅)1∶25萬區域地質調查［R］．

③湖南省地質調查院．2000－2002．J45C003002(且末縣一級電站幅)1∶25萬區域地質調查［R］．

④廣西地質調查院．2000－2002．J45C003003(阿爾金山幅(古爾嘎幅)1∶25萬區域地質調查［R］．

⑤陜西省地質調查院．2000－2002．J45C003004(阿牙克庫木湖幅)1∶25萬區域地質調查［R］．

⑥青海省地質調查院．2001－2003．J46C003001(庫郎米其提幅) 1∶25萬區域地質調查［R］．

⑦青海省地質調查院．2001－2003．J46C004001(布喀達坂峰幅) 1∶25萬區域地質調查項目［R］．

Boyan B，Jordan H．2002．An Object Model for Geologic Map Information［C］．Proceedings of the Spatial Data Handling 2002 Sympo－sium: 5－43

Chen Chuan，Gong Xiao－ping．2010．Mineral resource assessment methodology study:Based on spatial information［J］．Journal of Northwest University，86(40):399－404(in Chinese with English abstract)

Chen Yu－chuan．1999．Mineral resources assessment of major metallogenic provinces［M］．Beijing:Geological Publishing House:384－392(in Chinese with English abstract)

Cheng Yu－qi．1994．An introduction to the regional geology of China［M］．Beijing:Geological Publishing House:16－17(in Chinese with English abstract)

Gao Wan－li，Zhang Xu－jiao，Wang Zhi－gang．2010．ASTER remote sensing image－based lithologic information extraction of the east Kunlun orogenic belt［J］．Journal of Geomechanics，16(1):59－69 (in Chinese with English abstract)

Geng Xin－xia，Yang Jian－min，Yao Fo－jun，Yang Fu－quan，Liu Feng，Cai Feng－mei．2010．Ore－search information extraction from remote sensing data and integrated analysis of multiple geochemical information for the Abagong lead－zinc deposit in the Altay region，Xinjiang，China［J］．Geology and Exploration，46(5):0942－0952(in Chinese with English abstract)

Guo Na，Chen Jian－ping，Tang Ju－xing．2008．Remote sensing information extraction of mineralizing anomaly in the Dongdashan area of Eastern Tibet［J］．Geology and Prospecting，44(4):69－73(in Chinese with English abstract)

Hammerbeck E，Veselinovic－Williams M．2000．Status of Metallogenic Mapping in the World Today［C］．Briskey J A，Schulz K J．Proceedings of a Workshop(Deposit Modeling，Mineral Resource Assessment，and Their Role in Sustainable Development)that followed 31st IGC．USGS Circular 1294．Rio de Janeiro:115－124

Huang Zhao－qiang，Li Xiang－qiang．2009．Extration of remote sensing geology for satellite photos and airscapes of Majiatang area in the middle part of Hunan province［J］．Geology and Prospecting，45(5): 605－610(in Chinese with English abstract)

Liu Lei，Zhang Bing，Zhou Jun，Wang Jue．2008．Synthetic analyses of remote sensing geochemical surveying and geology in the ore exploration in the Singu tin deposit，Yunnan Province［J］．Geology and Prospecting，44(5):70－75(in Chinese with English abstract)

Mccammon R B．1993．ProspectorⅡ－an expert systerm for mineral deposit models［C］．Geological Association of Canada Special Paper: 679－684

North American Geologic Map Data Model(NADM)Steering Committee Data Model Design Team．2004．NADM Conceptual Model 1．0－A Conceptual Model for Geologic Map Information［R］．USGS，2004－1334:3－16

Singer D A，Berger V I，Menzie W D．2005．Porphyry copper density［J］．Economic Geology，100(3):491－514

Singer D A，Berger V I，Moring B C．2008．Porphyry copper deposits of the world:Database and grade and tonnage［R］．USGS，2008－1155:3－42

Singer D A，Kouda R．1997．Use of a neural network to integrate geoscience information in the classification of mineral deposits and occurrences［C］．GUBINS A G．Proc Exploration 97．Fourth Decennial Intern．Conf．Mineral Exploration:127－134

Singer D A，Menzie W D．2008．Mineral deposit models［R］．USGS，2008－1253:3－59

Singer D A．1993．Basic concepts in three－part quantitative assessments of undiscovered mineral resources［J］．Nonrenewable Resources，2 (2):69－81

Wang Shi－cheng，Chen Yong－niang，Xia Li－xian．2000．The theory and methods of Comprehensive information mineral prediction［M］．Beijing:Science Press:2－30(in Chinese with English abstract)

Wittinger G．Tapponnier P．Poupinet G．Jiang M，Shi T N，Herquel G，Masson F．1998．Tomographic evidence for localized lithospheric shear along the Altyn fault［J］．Science，282:74－76

Xi’an Institute of Geology and Mineral Resources．2006．Mineral resources prospecting potential of Northwestern，China［M］．Beijing: Geological Publishing House:384－392(in Chinese with English abstract)

Xu Dong，Yin Guang－hou．2010．A prospecting model and prediction for iron－ore deposits of the Huimin－type in the western Yunnan Provice［J］．Geology and Exploration，46(5):0765－0778(in Chinese with English abstract)

［附中文參考文獻］

陳川，弓小平．2010．基于信息科學思想的資源潛力評價體系研究［J］．西北大學學報，186(40):399－404

陳毓川．1999．中國主要成礦區帶礦產資源遠景評價［M］．北京:地質出版社:384－392

程裕淇．1994．中國區域地質概論［M］．北京:地質出版社:16－17

高萬里，張續教，王志剛．2010．基于ASTER遙感圖像的東昆侖造山帶巖性信息提取研究［J］．地質力學學報，16(1):59－69

耿新霞，楊建民，姚佛軍，楊富全，劉峰，柴鳳梅．2010．新疆阿巴宮鉛鋅遙感找礦信息提取及地化多元信息綜合分析［J］．地質與勘探，46(5):0942－0952

郭娜，陳建平，唐菊興．2008．藏東東達山地區遙感找礦地質異常提取方法研究［J］．地質與勘探，44(4):69－73

黃照強，李祥強．2009．基于ASTER和ETM+數據的蝕變信息提取比較研究－以西藏澤當礦田為例［J］．地質與勘探，45(5):605－610

劉磊，張兵，周軍，王玨．2008．云南思姑錫礦區地質、化探、遙感、多元信息綜合找礦研究［J］．地質與勘探，44(5):70－75

王世稱，陳永良，夏立顯．2000．綜合信息礦產預測理論與方法［M］．北京:科學出版社:2－30

西安地質礦產研究所．2006．西北地區礦產資源找礦潛力［M］．北京:地質出版社:384－392

許東，尹光侯．2010．滇西惠民式鐵礦找礦模型及預測［J］．地質與勘探，46(5):0765－0778

Delineation of the Predicted Iron Ore Areas and Resource Estimation
for the Western Section of the East Kunlun in Xinjiang－Based on ArcGIS Platform

MAO Lei1，GONG Xiao－ping1，2，XUE Ying－xi3，LIU Yan－bin1
(1．Xinjiang University，Urumqi，Xinjiang830046;2．College of Geology and Mineral Exploration engineering，Xinjiang University，Urumqi，Xinjiang830046;3．Department of Mineral Resources Assessment of China Geological Survey，Beijing100037)

The research area lies in the early Palaeozoic epicontinental active belt(Qimantage rift trough)of the Qaidam block in the north China plate，which was the early Palaeozoic magma type passive epicontinental in Qimantage．Based on the ArcGIS platform，taking the sedimentary－metamorphic type iron ores as an example，this paper constructs an evaluation model for iron resource potential，delineates the forecasted iron ore areas in the western section of the East Kunlun，and optimizes the target areas．As the sedimentary－metamorphic type iron ores are related with sedimentary formation and rock association，we infer that the major ore－controlling factors for iron mineralization include sedimentary formation，Fe geochemical anomalies and rock association in the region．We use sedimentary formation and Fe geochemical anomalies as the evidence to predict iron ore resources．There are three prospecting areas，i．e．one A type and two C－type places，which are all of the sedimentary metamorphic type．After delineating the forecast areas of iron ores，we estimate the quantity of undiscovered ore deposits in these areas and simulate the distribution features，grade and tonnage about the ores in these areas．Then we estimate the resource with different probability and make the evaluation of resource potential fast and accurately．The result indicates some resource potential of iron ores in the area．This study can serve the exploration and deployment work of iron ores in the western section of the East Kunlun．

western section of East Kunlun，ArcGIS platform，forecast area，grade－tonnage model

book=9,ebook=548

P612

A

0495－5331(2012)05－1049－9

2011－05－05;

2011－11－06;［責任編輯］郝情情。

中國地質調查局“新疆西天山阿吾拉勒東段銅鐵礦調查評價”(1212010880202)。

毛磊(1987年－)，女，新疆大學09級碩士研究生，從事綜合信息成礦預測研究。E－mail:maolei19870130@163．com。

弓小平(1963年－)，男，河南中牟人，教授級高工，博士后，從事綜合信息成礦預測研究。E－mail:gxiaoping01@163．com。