基于Plurigaussian与Turning Bands联合模拟的复杂金矿床三维地质建模与不确定性量化——以水银洞金矿为例

《Frontiers in Earth Science》：Co-simulation of continuous and categorical variables: application in the Shuiyindong gold deposit modeling

本文提出了一种整合Plurigaussian模拟（PGS）和Turning Bands算法（TBS）的协同模拟工作流，用于联合模拟连续型（金品位）和类别型（岩石类型）变量。该框架通过线性协同区域化模型（LMC）显式捕获变量间的空间自相关与互相关，有效再现了贵州水银洞卡林型金矿的矿体几何形态与内部非均质性。研究成果不仅提升了深部矿产资源预测精度，还为类似复杂矿床的三维建模与不确定性管理提供了实用范式。

　　

1 引言

在复杂地质环境中精确刻画隐伏矿体形态是深部矿产勘探的核心挑战。连续变量（如品位）与类别变量（如岩性）间的强空间依赖性显著增加了三维建模与不确定性评估的复杂度。传统级联模拟流程在岩性边界处易产生人为“硬边界”，割裂变量间的空间互相关。本研究针对贵州水银洞金矿的复合控矿特征（层控与断裂控矿并存），建立Plurigaussian模拟与Turning Bands算法协同的联合模拟框架，旨在实现品位与岩性的空间互约束模拟，并为深部找矿提供靶区优选依据。

2 方法论

2.1 工作流程

研究采用六步工作流：①数据预处理（品位正态得分变换、岩性指标化）；②空间结构分析（计算实验变差函数与交叉变差函数）；③协同区域化建模（拟合LMC确保多变量协方差结构有效）；④地统计学模拟（PGS模拟岩性，TBS模拟品位）；⑤后处理与验证（高斯场反变换生成多组等概率实现）；⑥不确定性分析（通过基数性与香农熵量化模型不确定性）。

2.2 数据转换与空间建模

对偏态品位数据分岩性域进行正态得分变换，岩性数据按五类（非矿化岩石、生物碎屑岩、钙质砂岩、角砾岩、黏土岩）转换为指示变量。通过接触分析与滞后散点图识别岩性1-5、3-5间存在“软边界”（相关系数分别为0.541、0.537），证实跨边界品位空间依赖性需通过协同模拟表征。

2.3 品位与岩性协同模拟

岩性模拟采用三高斯场截断规则（阈值-0.5417, 0.7091, 0.1517, 0.8426），品位模拟采用五层嵌套变差函数结构（高斯模型30 m+球状模型800 m+指数模型200 m等）。通过协同区域化矩阵耦合四个高斯场（Y₀为品位，Y₁-Y₃为岩性），确保模拟结果同时尊重变量自相关与互相关。

3 研究区与数据集

3.1 地质特征

水银洞金矿位于黔西南坳陷，矿体受控于惠水背斜及P₃l-P₂m不整合面。层控矿体主要赋存于龙潭组（P₃l）生物碎屑灰岩夹层，断裂控矿体沿高角度逆断层分布。研究聚焦海拔1080–1400 m的层控矿化域，排除蚀变带以保持数据平稳性。

3.2 数据预处理

利用97个钻孔的13288个样品，按岩性分别进行品位高斯变换。垂直比例曲线显示岩性比例随高程变化（岩性1占55.8%，岩性5占30.2%），截断规则基于钻孔岩性接触关系确定为[5,1,1,5,1,1,1,5,2,2,5,3,4]。

4 结果

4.1 协同模拟结果

12组模拟实现显示，矿体区域品位与已知矿体轮廓高度吻合（图7）。均值模型与众数模型有效刻画了品位空间各向异性与岩性分布。变差函数验证表明模拟结果保持了原始数据的空间结构特征（图8-9），岩性比例误差小于2%（表4）。

4.2 不确定性分析

基数性与香农熵量化表明，岩性模拟不确定性主要集中在数据稀疏的边缘区域（图11），品位不确定性热点与矿体分散性相关（图12）。与独立模拟相比，协同模拟显著降低了岩性边界处的伪异常。

4.3 找矿指示

通过协同模拟识别出P₃l¹-P₃l²层位深部两处高概率成矿靶区（图13a），其空间约束源于品位-岩性交叉相关性。对比未约束的品位插值模型（图13b），协同模拟结果更符合地质规律，已获28吨深部资源量验证。

5 讨论

协同模拟通过LMC耦合变量空间结构，避免了独立模拟在边界处产生人为异常。当前框架的平稳性假设在强异质性区域可能存在局限，未来可引入局部变差函数或多点地统计学处理非平稳模式。此外，整合热液蚀变指标将进一步提升模型地质意义。

6 结论

本研究成功将PGS-TBS协同模拟框架应用于水银洞金矿，通过LMC捕获变量互相关，生成的三维模型有效再现了矿体空间异质性。不确定性量化指导了深部靶区圈定，为卡林型金矿勘探提供了可推广的不确定性管理方案。