-
0 引言
-
找矿工作是矿产资源开发利用的“上游”,是发现矿产资源的主要途径,是事关国计民生和矿产资源安全保障的重要工作。“如何找矿”既是战略层面的问题,也是战术层面的问题,前者是需要立足学科发展和技术进步把握发展方向,后者需要结合不同地区的具体情况进行具体分析。当前新一轮找矿突破战略行动深入推进,以数字技术为代表的新一轮科技革命和产业变革加速发展,如何在战略上考虑找矿工作具有重要的指引价值和现实意义。
-
找矿工作是认识矿产和发现矿产的过程,正如其他领域的实践一样,必然有依靠经验和依靠理论指导的情况,二者可能是不同发展阶段的产物。从一般意义来看,经验找矿应该属于相对较为低级的阶段,一部分经验上升转化为普遍性认识才能步入理论找矿阶段。然而,Woodall(1994)认为经验找矿和理论找矿没有清晰的界线,经验找矿专家倾向于寻找理论来证明某些调查发现是否确切,而理论找矿专家则搜寻经验性认识去验证理论。此外,朱训 (1982)提出“就矿找矿”理念,强调在相同或类似成矿地质条件的空间范围内寻找类似的新矿床,在已有大型矿床周围和矿山深边部的找矿中可以发挥很大作用。谢学锦(1997)提出“信息找矿”,是在获取地下深部矿化极微弱信息的条件下,能够以直接信息为先导、快速掌握整体情况、结合各类信息逐步缩小范围直至定位矿床(谢学锦,1997;施俊法和吴传璧,2000)。随着大数据、人工智能为代表的新一代信息技术的快速发展,赵鹏大(2015)提出“数字找矿”,旨在用数据分析理论和方法解决矿床勘查中的实际问题;周永章等(2017)提出利用大数据技术进行矿床建模和找矿预测,并且可以通过互联网、云计算让不同研究团队共同参与,引发矿床模型研究方式的变革。可以发现,找矿工作存在不同的技术逻辑,并且会随着时代发展和科技进步不断演变,其未来的发展方向和应对策略需要我们提前思考。本文聚焦固体矿产找矿工作的技术逻辑,回顾新中国成立以来的演进情况,借鉴发达国家的经验做法,探讨今后一段时间的找矿工作的发展思路,为谋划矿产资源调查评价和矿产勘查工作提供参考。
-
1 中国固体矿产找矿的技术逻辑演进情况
-
从技术逻辑的主体特征来看,中国固体矿产找矿依次经历“直接找矿”“经验找矿”“理论找矿”“信息找矿”“智能找矿”5 个层级(图1),这是找矿工作随着工作程度提高的演替路径,是认知和寻找矿产资源不同发展阶段的表现。
-
1.1 直接找矿,自然界中找寻矿化露头和矿致异常
-
新中国成立初期,百废待兴、百业待举,大规模工业建设对矿产资源产生巨大需求,快速形成煤炭、钢铁、铜等资源基地是地质工作的首要任务。此时中国地质工作起步不久,技术标准和规范尚未形成,“1∶300 万中国地质图”有 2/3 面积是空白,更大比例尺地质图件基本缺失,大片国土属于地质矿产调查“盲区”(中国地质调查局,2016)。
-
直接找矿是通过寻找矿化露头和物探、化探等具有直接指示意义的异常而取得矿产资源发现的工作。1958 年,毛泽东同志指示“发动群众报矿”,全国上下兴起了群众报矿的热潮。地质工作者依据报矿信息发现矿化露头,甘肃金川铜镍矿床、西藏玉龙铜矿床等超大型矿床都是经群众报矿所发现的(《中国矿床发现史·综合卷》编委会,2001)。后来,中国引进前苏联地质工作规范和指南,在全国逐步推进 1∶100 万、1∶20 万和 1∶5 万的区域地质调查,工作内容包括区域地质填图、矿产普查和矿点检查等工作(朱训,2003),地质测量过程中也发现了一大批出露地表具有显著矿化显示的矿点或线索,引领了后续的矿产普查与勘探工作。
-
区域物探、区域化探作为基础地质调查中的重要工作内容,尤其是随着技术的进步,与矿体直接相关的物化探异常信息更容易被发现,这些异常引领发现了一批地表无明显矿化线索的矿床。例如,中国大多数铀矿床是依据放射性异常首先发现的,大部分铁矿床是依据航磁异常信息所发现的,多数金矿床是依据区域化探异常所发现的(《中国矿床发现史·综合卷》编委会,2001),这些区域物探、化探工作有效发挥了导向和聚焦的作用。
-
图1 中国固体矿产找矿技术逻辑演进示意图
-
1.2 经验找矿,从案例中借鉴找矿思路和方法
-
伴随着地质找矿工作的不断开展,地质工作者在具体实践中不断总结摸索,由特殊到一般、再由一般到特殊,不断归纳出一些规律性认识,成为地质找矿一线最早的指导方针和工作参照。
-
经验找矿是在搜集各类标志、特征等观测资料基础上,通过类比调查区域典型矿区的特征,指导实施小比例尺调查和工程部署,旨在判别矿在何处和发现矿床(施俊法和肖庆辉,2004)。在工作思路上,早期找矿工作从单一地依靠地质测量普查找矿,逐渐演变为以地质测量为主,配合重砂、金属化探、物探和山地工程等手段,综合圈定重点工作区,查证重点工作区的矿化蚀变及物化探异常,最终取得找矿发现;在规律认知方面从“点上为主”,逐渐演变为“点面结合、以点带面、面中求点”(俞开基, 1974),推动区域尺度地质认识提升和矿区尺度找矿发现之间的相互联系、相互贯通和相互促进。
-
在具体矿种找矿实践方面,地质工作者总结了一些经验,如孟宪民等(1966)梳理了铜、铅锌、汞、锑等矿床与地层、岩浆岩的空间依存关系,黑龙江地区总结了砂金找矿的“三山”“四不露”的找矿谚语。在具体地区的找矿工作中,地质工作者也积累形成了一些规律认识,如个旧锡矿、大栗子铁矿等矿床的矿体赋存规律(熊秉信,1959;朱明银, 1960),这些认识可在相似地区、相似类型的矿床找矿中提供借鉴。
-
1.3 理论找矿,理论指导下的找矿决策
-
随着地质找矿和综合研究工作的深入推进,科学家将找矿过程中的经验性认识逐步上升为理论认识,也得益于矿床学理论的引入和交流,推动地质工作者应用、发展和丰富成矿理论,大幅提升了找矿工作的理论水平。
-
理论找矿是从控制成矿的各种因素及其最佳组合和配置入手,注重成矿理论和矿床成因的探讨,以类比法为主要思路,以成因模型为研究手段,指导同类型矿床的勘查工作(施俊法和肖庆辉, 2004)。中国科学家在宁芜铁矿、南岭钨矿等地质找矿实践中,提出了很多有重要影响的矿床模式,如钨矿“五层楼”(广东有色金属地质勘探公司九三二队,1966)、玢岩铁矿(宁芜研究项目编写小组, 1978)等,对指导当时找矿工作发挥了重要作用(李建威等,2019)。在理论方面,一系列具有中国特色的成矿理论和找矿理论诞生和发展,理论学说繁多而难以一一列举。例如:老一辈科学家形成和发展了“成矿系列”理论,突出了不同矿床和不同矿床类型的内在联系,当在一个地区发现某种矿床类型时,可以指导该区找寻属于同一系列的其他类型矿床(程裕淇等,1979;陈毓川等,1998);翟裕生 (1999)阐述了成矿系统的内涵,表征一定时-空域中控制矿床形成和保存的全部地质要素和成矿作用过程,以及所形成的矿床系列和异常系列构成的整体,该理论可以指导地质工作者从全局的视角开展成矿预测;在危机矿山接替资源找矿和老矿山深部找矿工作中,创建了“勘查区找矿预测理论与方法”,以“成矿地质体、成矿构造和成矿结构面、成矿作用特征标志”研究为主线,获取指示找矿方向和矿体定位的地质、地球物理、地球化学等数据,综合预测矿体赋存的有利部位(叶天竺等,2014)。
-
1.4 信息找矿,大量信息中寻找“确定性”
-
随着全国地质找矿工作更大程度地展开,与矿产预测相关的地质、矿产、物探、化探、遥感等信息不断丰富,不同类别信息之间存在结构不平衡甚至地质指示冲突的情况,尤其是在地质信息相对有限 (如覆盖区)、成矿规律认识有争议、物化探异常多解性大的地区,需要更好地处理各类信息与理论认识的辩证关系,更加全面地综合已有信息进行找矿决策(谢学锦,1997;施俊法和吴传璧,2000)。
-
信息找矿是按照系统论的原则由区域到局部逐级收集、理解和驾驭信息,以期尽量减少风险、提高效能、发现矿床的过程,收集矿产预测相关的直接信息和间接信息是第一性、第一位的(施俊法等, 2005)。其中,直接信息除去矿化露头、矿化点分布等信息外,化探圈定的微露头也可以当成一种直接信息,间接信息经过综合佐证可以转化为直接信息。直接信息具有先导作用,可降低间接信息的 “不确定性”,是降低找矿风险、提高找矿效率的关键所在。信息找矿和理论找矿在很多情况下都是相互交融的,比选不同类别信息的过程需要参考已有的理论性、规律性认识,而理论找矿也需要依据不同信息修正完善理论模型。
-
1.5 智能找矿,海量数据中发现矿化“蛛丝马迹”
-
随着找矿工作获取的地质调查、地球物理、地球化学、矿床学研究等方面数据量越来越大,技术人员在处理海量数据、专业数据融合方面的困难和劣势越来越明显,更大程度依靠计算机来处理数据成为提高效率和水平的重要选择。中国在 20 世纪 80年代探索在矿产资源预测工作中引入智能理念,模拟专家在找矿过程中的推理过程,研发了可用于热液型金矿、岩浆铜镍硫化物矿等类型的找矿预测专家系统(卢作祥等,1986;肖树建等,1997),能大致反映矿床地质、地球物理、地球化学模式并能初步实现找矿预测。
-
以大数据、人工智能等技术为代表的新一代信息技术快速发展,为智能系统辅助人工决策创造了更好的条件。智能找矿是全面利用人工智能等新一代信息技术和现代勘查技术,在获取大量地质、地球物理、地球化学、遥感地质等调查和研究数据的基础上,通过寻找与矿产资源分布密切的要素或要素组合来指导发现矿产资源的工作。智能找矿与前面4个层次的重要区别在于从抽样数据到海量数据,从寻找因果关系到探索相关性(周永章等,2021),从主要依靠专家、人机协同到依靠计算机,更容易发现海量数据中专家难以留意的细微信息和相互关系,可能无需弄清成矿作用的“来龙去脉”,但从数据相关性角度可以寻找到与矿体最为密切的空间区域。当前,智能找矿总体仍处于探索阶段,在地球化学勘查(奚小环,2021;左仁广等, 2021)、地球物理勘探(Rouet-Ledu et al.,2017;Wu and Fomel,2018)、找矿预测(于立红等,2023)、储量估算(高孝敏等,2021)等方面都有很好的尝试,有研究者在安徽兆吉口铅锌矿床(刘艳鹏等,2018)、甘肃大桥—崖湾金矿床(杨明莉等,2021)等做了积极探索,部分预测结果得到验证并取得找矿发现,但是距离成熟推广应用仍有较大差距。
-
1.6 固体矿产找矿的技术逻辑演进规律
-
找矿本质上是寻找矿体的过程,从上述 5 个层级来看,这个过程中由于工作程度和认识程度不同,有的情况下可以直接发现矿体,在更多情况下难以直接找到矿体或评价出全部矿体,就需要从不同侧面、不同切入口、不同途径去获取与矿体相关的地质要素特征,包括时空分布和相关性特征,据此推断、验证、发现矿体直至掌握矿体全貌,这是不同层次找矿都必须面对的任务。直接找矿是发现矿体“露头”或获取直接指示矿体的信息;经验找矿是依靠专家个人或群体的经验性认识,从“已知到未知”探索找矿方向和推断潜在矿体,这些认识不仅涉及直接找矿标志,还涉及间接找矿标志;理论找矿是在经验基础上升华出更具本质性、更具普遍性的理论认识并据此指导找矿;信息找矿是面对理论认识尚不够清楚但已有大量繁杂信息的情况,从信息的视角去甄别筛选、确定直接信息、转化间接信息和剥离冗余信息,能够较为快速地明确方向、圈定靶区和优选靶位;智能找矿是“大数据”时代的必然产物,不再单纯依靠成矿理论方面的前置性认识,从海量数据中发现“关联性”,更加全面地认识成矿相关的地质要素、找矿主攻方向甚至找矿有利部位。整体上看,找矿工作技术逻辑的演进遵循事物发展的一般规律,是认知矿产资源由简单到复杂、由感性到理性、由现象到本质、从粗略到精细、从局部到整体的不同发展阶段的表现。在具体工作中,针对不同地区、不同工作程度需要根据实际情况实施不同层次的找矿工作。
-
2 发达国家找矿工作阶段演进与启示
-
回顾国际上地质找矿工作的发展历程,21世纪前可划分为“找矿人”“传统找矿”“理论找矿”“科技找矿”等阶段(施俊法等,2005),过去 10 余年间“智能找矿”从萌芽状态逐步转入试验应用,其与中国发展历程相比既有先发性又有相似性,一些发展理念和做法值得我们学习借鉴。
-
2.1 1840s—1900s,寻找野外露头的“找矿人”阶段
-
这一阶段,矿床发现都具有极大的偶然性,“找矿人”行走于高山原野河谷,试图发现矿化的踪迹,一些含有类似金属的露头或碎石、不同于常见岩石的特征是发现矿床的标志。美国西部、加拿大育空、澳大利亚墨尔本等地区的“淘金热”是这一阶段的代表,如美国西部淘金热潮源自一位木匠在河床上发现的砂金片,后续引起了大量“找矿人”的涌入,带动了加州采矿业和相关产业的大发展。在澳大利亚由于风化层较厚,次生富集作用十分强烈,地表氧化带成为当时找矿最有利的标志之一,寻找次生氧化带成为这一阶段最佳找矿方式(施俊法等,2005)。“找矿人”阶段相当于前述的“直接找矿”,以肉眼发现野外矿化线索为其典型特征。
-
2.2 1900s—1940s,基于实践经验的“传统找矿”阶段
-
这一阶段,地表露头矿仍是找矿工作的主要对象,但是已经开始配合实施少量的地球物理和地球化学勘查,地质填图工作也逐渐得到重视。矿产勘查者主要依据经验和地表露头,通过对裸露区开展地质填图以期发现地表的矿化,地质填图成为此阶段找矿的主要手段(施俊法等,2005)。“传统找矿” 相当于前述的“经验找矿”,是在露头矿化线索的基础上,结合对实测的地质特征和物化探特征,通过类比已知矿床案例来指导新区的找矿工作,总体来说仍属于较为传统的找矿理念。
-
2.3 1940s—1970s,成矿理论发展推动“理论找矿”
-
这一阶段,成矿理论研究蓬勃发展,先后涌现出花岗岩成矿、海底喷气成矿、火山作用成矿、层控成矿等理论,随之发现了斑岩型、块状硫化物型、含铀砾岩型、密西西比河谷型铅锌矿等矿床类型。到 20世纪80年代初,美国地质调查局基于全球110个国家的 3900 多个矿床,总结和建立了 87 种矿床模型(Cox and Singer,1986)。通过建立和完善矿床模型,可与大地构造演化建立更加清晰的成生联系,同时在矿床尺度上可表达不同期次和不同空间的地质-地球物理-地球化学表现样式,这有利于找矿工作中针对不同大地构造背景寻找具有专属意义的矿床类型,同时也有利于从局部有限的地质、地球物理、地球化学特征去推断整个矿床系统的全貌,这对找矿工作具有重要的指引作用。
-
2.4 1970s—2010s,勘查技术进步引领“科技找矿”
-
随着航空电磁法、激发极化法、地球化学勘查、遥感地质调查、反循环钻探等技术的快速发展,先进的勘查技术在找矿中的作用愈发凸显。一方面,借助先进勘查技术能够获取地质填图难以获取的信息,如航空电磁法可以推断隐伏岩体、遥感可以推断火山口和断裂构造等,这些信息为验证和完善矿床模型提供了丰富的参考依据,可提升“理论找矿”的针对性和有效性;另一方面,某些技术对于发现矿化体能够发挥关键作用,例如激发极化法能够较好定位块状硫化物矿体,这对于“理论找矿”是有益的补充和辅助。
-
2.5 21世纪以来,“智能找矿”从萌芽到快速发展
-
在 20 世纪 70 年代末至 80 年代初,具有智能特点的矿产勘探“专家系统”首次在美国问世,该系统大致模拟了矿产勘探专家的推理分析过程(Hart et al.,1978),初步进行了矿产预测实验,但在数据准备、应用推广等方面还存在极大局限。之后,证据权、神经网络等方法应用于地质找矿领域 (Agterberg,1989; Singer and Kouda,1996),以人机交互的方式进行了矿产预测,进一步提高了找矿预测的自动化计算水平。近十余年来,找矿智能化因大数据、云计算、人工智能等新一代信息技术快速发展而再次被加速,从较早的地球化学调查数据处理到地质、地球化学、地球物理调查数据的集成融合应用(Aryafar and Moeini,2017;左仁广,2019),人工智能在找矿工作的应用范围不断拓展,但目前总体处于探索阶段。
-
2.6 一些值得借鉴的经验做法
-
对比可以发现,从技术逻辑的演进过程来看,新中国成立以来经过几代地质工作者的努力,已基本赶上了西方发达国家的前进步伐,但是有一些理念和做法仍值得我们借鉴。(1)持续不断获取新“信息”。虽然美、加、澳等国家已经进入“科技找矿”和 “智能找矿”阶段,但是仍将采集基础地质数据作为重要选择。加拿大地调局长期支持两个矿产资源调查旗舰项目,即能源及矿产资源地质填图计划 (GEM)和靶区地球科学倡议(TGI),资助年限已超 20年,旨在填补空白区基础地质数据空白和获取已有矿产资源基地的新的“ 指示信息 ”(Lebel, 2020①)。(2)持续提升“信息”采集能力。近 30 年间国际上航空重力、航空重磁、多光谱和高光谱遥感、大测深电磁法、便携式矿物和化学分析等技术的快速发展(Mann et al.,1998;Clark et al.,2003; Okada,2021),为大幅提升深部信息、微弱信息的采集能力和效率提供了技术保障。(3)持续提升“理论找矿”水平。不同尺度的成矿模型精细化研究仍是国际矿床学家孜孜追求的方向,这些分门别类、包含丰富信息的矿床模型构成了找矿工作者脑海中的理论模型,为具体勘查实践提供了指导参考。(4) 重视“智能找矿”的应用尝试。加拿大 Diagnos 公司基于大数据分析的方法,在魁北克、安大略等地区圈定了一批找矿远景区(周永章等,2017),后期多个远景区转化矿业权。
-
3 中国找矿工作需要面对的几个重要问题
-
当前,新一轮找矿突破战略行动深入推进,矿产勘查形势逐步回暖,新一轮科技革命和产业变革加速发展,地质找矿工作迎来了新的发展机遇。立足于找矿工作技术逻辑发展现状,比较国外重要发展动向和做法,未来应当重视以下几个问题。
-
(1)找矿智能化进程较慢。“智能找矿”是找矿工作的发展趋势,是未来一段时间提高找矿能力和工作效率的必然路径,需要前瞻性做好“智能找矿” 的技术准备工作。当前在矿产预测智能化方面支持力度不够,基础数据不够完备,矿产预测算法、模型等研究尚未取得有效突破,学科交叉不够彻底,还未形成真正意义的示范样板。
-
(2)西部地区“直接找矿”仍有滞后。西部地区人烟稀少,以往群众报矿的总体规模较小。同时,西部地区地质调查工作程度也相对较低,以班怒带、冈底斯、西南三江等成矿带为例,1∶5 万矿调覆盖率在 41% 以下,1∶5 万航磁覆盖率在 15% 以下, 1∶5 万化探覆盖率在 37% 以下(董庆吉等,2022②),都低于全国成矿带的整体水平(分别为 52.8%、 61.7%、45. 0%)。
-
(3)中东部地区找矿难度不断加大。中东部地区地表矿、浅部矿、易识别矿越来越少,覆盖区找矿和就矿找矿成为主要方向。对于覆盖区找矿,依靠传统地质填图获取的地质矿产信息有限,如何针对性地采集和利用各类信息仍需探索;对于矿集区就矿找矿,如无成矿理论新认识和深部探测新发现,较难取得实质性突破。
-
(4)“科技找矿”与一线现实需求不匹配。当前矿产资源领域有组织的科技工作主要结合“五大平台”项目实施,一般在成矿动力学、成矿机制等学科前沿方面研究多,解决找矿方向、精细建模、矿体定位等具体问题的研究少;在大深度、高精度、高分辨的勘查技术前沿性研究多,针对性解决特定地区、特定类型、特定信息获取的找矿技术研究少。
-
4 未来一个阶段中国找矿工作的若干思考
-
着眼于新一轮找矿突破战略行动的紧迫需求,立足中国不同地区的不同找矿阶段,分类分级推进找矿工作,加快提升对成矿规律和资源潜力的认知水平,为找矿新突破发挥关键支撑作用。
-
4.1 加强跨学科联合攻关,加速推进找矿工作智能化进程
-
着眼于“智能找矿”发展方向,应当强化前期数据管理,加快储备技术研究,重点做好以下几方面工作。(1)深入推进智能矿产地质调查,不断提升数据采集和处理能力。基于现代化“星-空-地-井”一体化调查技术体系,推动地质填图、地球物理调查、地球化学调查、遥感地质调查等数据采集系统互联,各类数据实时上云,逐步实现各类数据的自动处理、自主分析和形成各类基础地质调查图件。(2) 进一步整合各领域地质矿产数据,为智能找矿提供充分的基础数据。当前地质矿产数据较为丰富,但是存在数据分散、联通共享不够等情况,需要将已有的基础地质调查、矿产勘查等数据整合在同一个平台,实现从区域地质背景、成矿建造构造、矿化蚀变等不同层级信息有序配套。(3)推动矿产预测智能系统建设,变革矿产预测工作范式。基于以机器学习为代表的新一代人工智能技术(周永章等, 2018;左仁广,2019),可以通过深度学习实施已知区域的找矿预测,以及通过迁移学习来开展未知区域的矿产预测,为不同类别地区找矿工作提供有效指引。(4)加强智能矿产预测示范,优选一批工作程度高、积累数据丰富的典型矿床,以智能矿产预测指导深边部矿产勘查,以勘查发现检验智能矿产预测效果,不断促进智能矿产预测系统迭代升级。
-
4.2 以遥感调查和航空物探为先导,加快西部地区“直接找矿”
-
鉴于西部地区重要成矿区带工作程度相对较低的情况,充分发挥遥感地质调查、航空物探等先行作用,加大区域地质调查、矿产地质调查等基础性工作力度,快速获取矿化蚀变和矿致异常等直接信息。(1)加快岩石裸露区 1∶5万~1∶1万遥感解译,发现一批与矿化蚀变关系密切的铁染、羟基等异常,这些异常可以作为快速寻找成矿有利区域的重要标志。(2)加快空白区 1∶5 万航空物探扫面,全面推进 1∶5万航磁、航重测量,加大 1∶5万航空电磁测量示范力度,快速摸底磁异常、重力异常、电性异常的分布范围,获取一批具有指示价值的地球物理信息。(3)围绕遥感异常和物探异常快速部署一批1∶5 万区域地质调查,提高成矿地质背景认识,新发现一批矿化露头或找矿线索。(4)优选重点异常区、重要找矿线索部署1∶5万矿产地质调查和区块优选调查,加强矿产检查和异常精细查证,提交一批新发现矿产地和找矿靶区,择优形成勘查备选区块。
-
4.3 充分利用新技术新方法,加强中东部地区“信息找矿”
-
中国中东部地区重要成矿区带工作程度和研究程度相对较高,“直接找矿”的空间较为有限,要在已有成矿规律和找矿方向的认识基础上,加强多元信息综合分析,充分利用现代矿产勘查技术强化 “非传统”信息采集,为取得矿产资源发现提供新指引和新依据。(1)加强地质矿产信息综合分析,基于最新的 1∶25 万及以大比例尺区域地质、地球物理、地球化学、遥感地质、矿产地质等基础数据,开展矿产资源潜力再评价,进一步圈定和优选具有找矿潜力且尚未查证的找矿靶区。(2)加强新技术新方法应用示范,在矿产资源调查和勘查工作中,充分利用高精度物探、深穿透地球化学、土壤活动态测量等先进技术手段,获取一批新的矿化指示信息,完善找矿预测模型,指导探矿工程部署。(3)提高紧缺战略性矿产的调查精度,围绕铜、镍、钴、铬等矿产,在具备大型潜力的重点勘查区,探索开展1∶2.5万~1∶1 万区块优选调查示范,助推形成矿产资源勘查开发基地。
-
4.4 精准实施科技攻关,强化大型资源基地找矿科技支撑
-
大型资源基地勘查程度和研究程度都相对较高,制约找矿突破的科学问题多是深部和外围找矿方向、矿体定位等具体的认识和技术问题,应精准实施相关研究工作,提升科技支撑的针对性和有效性。(1)加强找矿预测研究,充分利用已有矿床学研究基础,重点从成矿理论角度回答“矿可能在哪里形成”的问题,构建所在区域的成矿模型和找矿预测模型,指导矿产勘查部署与工程验证。(2)深化勘查技术方法组合研究,立足所在区域的地质条件,评价主要勘查技术方法的有效性和针对性,研究构建适用于所在区域的不同尺度的勘查技术方法组合,重点解决“矿化体和相关地质构造在哪里”的问题。(3)强化深部找矿攻关,聚焦成矿相关地质构造、矿体等的深部延伸问题,综合成矿理论、勘查技术示范等方面的认识,推动在大型资源基地深部取得找矿新发现。(4)在矿产资源调查和勘查项目中设置综合研究课题,专门开展成矿规律总结完善和勘查技术方法研究工作,强调解决影响找矿突破的方向性认识和勘查技术方法选择等问题,更好发挥对大型资源基地建设的科技引领作用。
-
5 结论
-
(1)从找矿工作的技术逻辑看,中国固体矿产找矿经历“直接找矿”“经验找矿”“理论找矿”“信息找矿”“智能找矿”5个层级,“智能找矿”是未来一个阶段的发展方向。
-
(2)中国固体矿产找矿发展历程与发达国家基本相似,可以借鉴其在夯实基础地质数据、构建精细矿床模型、运用现代矿产勘查技术、重视智能找矿探索等方面的经验做法。
-
(3)着眼于新一轮找矿突破战略行动的紧迫需求,就找矿工作提出4方面建议:一是加速推进找矿工作智能化进程,从野外调查、数据处理、系统构建和预测示范等方面进行改造升级;二是以遥感调查和航空物探为先导,加快西部地区“直接找矿”;三是充分利用新技术新方法,加强中东部地区“信息找矿”;四是强化矿床精细模型研究和勘查技术组合研究,精准实施大型资源基地找矿科技支撑。
-
致谢 感谢中国地质调查局王保良研究员、王平研究员,中国地质博物馆刘树臣研究员,中国地质调查局发展研究中心吴其斌研究员,在成文过程中给予的指导和启发。
-
注释
-
① Lebel D.2020. Geological Survey of Canada8. 0: Mapping the Journey Towards Predictive Geoscience[R]. London:Geological Society,49-68.
-
② 董庆吉,张翠光,杨建锋 .2022. 全国地质调查工作程度图集 [R]. 北京:中国地质调查局,1-142.
-
参考文献
-
Agterberg F P. 1989. Computer programs for mineral exploration[J]. Science, 245(4913): 76-81.
-
Aryafar A, Moeini H. 2017. Application of continuous restricted Boltzmann machine to detect multivariate anomalies from stream sediment geochemical data, Korit, East of Iran[J]. Journal of Mining and Environment, 8(4): 673-682.
-
Clark R N, Swayze G A, Livo K E, Kokaly R F, Sutley S J, Dalton J B, McDouga R R, Gent C A. 2003. Imaging spectroscopy: Earth and planetary remote sensing with the USGS tetracorder and expert systems[J]. Journal of Geophysical Research, 108(E12): 1-44.
-
Cox D, Singer D. 1986. Mineral Deposits Models[M]. Washington D. C, Bulletin: US Government printing office, 1-20.
-
Hart P E, Duda R O, Einaudi M T. 1978. PROSPECTOR——A Computor-based consultation systems for mineral exploration[J]. Journal of the International Association for Mathematical Geology, 10(5): 589-610.
-
Mann A W, Birrell R D, Mann A T, Humphreys D B, Perdrix J L. 1998. Application of the mobile metal ion technique to routine geochemical exploration[J]. Journal of Geochemical Exploration, 61(1/3): 87-102.
-
Okada K. 2021. A historical overview of the past three decades of mineral exploration technology[J]. Natural Resources Research, 30: 2839-2860.
-
Rouet-Ledu B, Hulbert C L, Lubbers N, Barros K. , Humphreys C J, Johnson P A. 2017. Machine learning predicts laboratory earthquakes[J]. Geophysical Research Letters, 44(18): 9276-9282.
-
Singer D A, Kouda R. 1996. Application of a feedforward neural network in the research for Kuroko deposits in the Hokuroku district, Japan[J]. Mathematical Geology, 28(8): 1017-1023.
-
Woodall R. 1994. Empiricism and concept in successful mineral exploration[J]. Australian Journal of Earth Sciences, 41(1): 1-10.
-
Wu X M, Fomel S. 2018. Automatic fault interpretation with optimal surface voting[J]. Geophysics, 83(5): O67-O82
-
陈毓川, 裴荣富, 宋天锐, 邱小平. 1998. 中国矿床成矿系列初论[M]. 北京: 地质出版社, 1-104.
-
程裕淇, 陈毓川, 赵一鸣. 1979. 初论矿床的成矿系列问题[J]. 中国地质科学院院报, 1: 32-58.
-
高孝敏, 孙宇佳, 垢元培, 崔伟, 于立民, 尤帅. 2021. 利用新型三维智能模型估算露天矿山的资源储量[J]. 矿产勘查, 12(12): 2468-2475.
-
广东有色金属地质勘探公司九三二队. 1966. 我们是怎样用“五层楼”规律寻找、评价和勘探黑钨石英脉矿床的[J]. 地质与勘探, (7): 15-19.
-
李建威, 赵新福, 邓晓东, 谭俊, 胡浩, 张东阳, 李占轲, 李欢, 荣辉, 杨梅珍. 2019. 新中国成立以来中国矿床学研究若干重要进展[J]. 中国科学: 地球科学, 49(11): 1720-1771.
-
刘艳鹏, 朱立新, 周永章. 2018. 卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例[J]. 岩石学报, 34(11): 3217-3224.
-
卢作祥, 范永香, 胡家杰. 1986. 焦家式金矿勘查专家系统简介[J]. 地质科技情报, 5 (4): 88-92.
-
孟宪民, 周圣生, 郑直, 吴功建, 黎诺, 孙忠和. 1966. 某些金属矿的找矿方向和方法的初步经验[J]. 地质论评, 24(1): 34-41.
-
宁芜研究项目编写小组. 1978. 宁芜玢岩铁矿[M]. 北京: 地质出版社, 1-196.
-
施俊法, 吴传璧. 2000. 巨型矿床勘查新战略——信息找矿[J]. 矿床地质, 19(1): 88-95.
-
施俊法, 肖庆辉. 2004. 经验勘查与理论勘查的发展趋势[J]. 地质通报, 23(8): 809-815.
-
施俊法, 姚华军, 李友枝, 吴传璧, 唐金荣, 金庆花, 邹毅平, 徐华升. 2005. 信息找矿战略与勘查百例[M]. 北京: 地质出版社, 1-50.
-
奚小环. 2021. 大数据科学从信息化, 模式化到智能化: 现代地球化学应用研究的新范式[J]. 地学前缘, 28(1): 308-317.
-
肖树建, 武润亭, 肖人岳. 1997. 矿产预测专家系统及其在新疆铜-镍硫化物矿床中的应用[J]. 地质论评, 43(2): 210-216.
-
谢学锦. 1997. 论矿产勘查史——经验找矿, 科学勘查与信息勘查[J]. 中国地质科学院地质研究所文集, 29-30.
-
熊秉信. 1959. 个旧锡矿的找矿勘探技术成就和基本经验[J]. 地质与勘探, (19): 8-12.
-
杨明莉, 薛林福, 冉祥金, 桑学佳, 燕群, 戴均豪. 2021. 智能矿产地质调查方法——以甘肃大桥—崖湾地区为例[J]. 岩石学报, 37(12): 3880-3892.
-
叶天竺, 吕志成, 庞振山. 2014. 勘查区找矿预测理论与方法(总论)[M]. 北京: 地质出版社, 1-11.
-
于立红, 张善良, 王国君. 2023. 基于多源地学数据的找矿预测应用研究[J]. 矿产勘查, 14(8): 1432-1439.
-
俞开基. 1974. 试谈普查找矿工作的几个问题[J]. 地质与勘探, (4): 27-29.
-
翟裕生. 1999. 论成矿系统[J]. 地学前缘, 6: 13-26.
-
赵鹏大. 2015. 大数据时代数字找矿与定量评价[J]. 地质通报, 34(7): 1255-1259.
-
中国地质调查局. 2016. 中国地质调查百年史纲[M]. 北京: 地质出版社, 29-112.
-
《中国矿床发现史·综合卷》编委会. 2001. 中国矿床发现史——综合卷[M]. 北京: 地质出版社, 46-92.
-
周永章, 黎培兴, 王树功, 肖凡, 李景哲, 高乐. 2017. 矿床大数据及智能矿床模型研究背景与进展[J]. 矿物岩石地球化学通报, 36(2): 327-344.
-
周永章, 王俊, 左仁广, 肖凡, 沈文杰, 王树功. 2018. 地质领域机器学习、深度学习及实现语言[J]. 岩石学报, 34(11): 3173-3178.
-
周永章, 左仁广, 刘刚, 袁峰, 毛先成, 郭艳军, 肖凡, 廖杰, 刘艳鹏. 2021. 数学地球科学跨越发展的十年: 大数据, 人工智能算法正在改变地质学[J]. 矿物岩石地球化学通报, 40(3): 556-573.
-
朱明银. 1960. 栗子铁矿床的赋存规律及找矿勘探经验[J]. 地质与勘探, (4): 14-16.
-
朱训. 2003. 中华人民共和国地质矿产史: 1949-2000[M]. 北京, 地质出版社, 23-36.
-
朱训. 1982. 论就矿找矿[N]. 地质报, 1982-05-07.
-
左仁广, 王健, 熊义辉, 王子烨. 2021. 2011—2020 年勘查地球化学数据处理研究进展[J].矿物岩石地球化学通报, 40(1): 81-93.
-
左仁广. 2019. 基于深度学习的深层次矿化信息挖掘与集成[J]. 矿物岩石地球化学通报, 38(1): 53-60.
-
摘要
本文通过回顾固体矿产找矿的技术逻辑演进历程,指出中国固体矿产找矿经历“直接找矿”“经验找矿” “理论找矿”“信息找矿”“智能找矿”5个层级,“智能找矿”是未来一段时间的发展方向。相比发达国家固体矿产找矿的发展演变情况,中国发展历程虽然后发但基本相似,可以借鉴其夯实基础地质数据、构建精细矿床模型、运用现代勘查技术、积极探索智能找矿等方面的经验做法。着眼于当前新一轮找矿突破战略行动的紧迫需求,就找矿工作提出4方面建议:一是加速推进找矿工作智能化进程,从野外调查、数据处理、系统构建和预测示范进行全方位改造;二是以遥感调查和航空物探为先导,加快西部地区“直接找矿”;三是充分利用新技术新方法,加强中东部地区“信息找矿”;四是精准实施科技攻关,强化大型资源基地找矿科技支撑。
Abstract
It is indicated that the mineral exploration evoluted from direct exploration, empirical exploration, theory exploration, information exploration and AI exploration in China, by reviewing and staging the history of mineral prospecting. The AI exploration will be the future trend. The evolution history of mineral exploration in China, similar to the main stage in the overseas countries, but started later than them. Basical geological suvey insistence, more detailed deposit modelling, modern exploration technology utilization, and AI exploration experi- ment in foreign countries, are worth learning. Considering the urgent demand of the New Round of Prospecting Breakthrough Strategic Action, four piece of advice are provided. Firstly, accelerate the intelligent process of mineral exploration, containing aspects of the geological survey, data analysis, software development and prospect- ing demonstration. Secondly, speed up the direct exploration in the west of China, guided by remote sensing survey and aerial geophysical survey. Thirdly, strengthen the information exploration in the central and eastern China, using new prospecting technologies and approaches. Lastly, conduct the detaied research on the deposit model and the combination of prospecting technology, to support the discovery of large-scale resource bases.