基于统计距离(Statistical Distance)方法的Cu-Ag层控(Stratabound)矿体成矿远景制图(Prospectivity Mapping)方法论验证——以智利中部El Olivo矿山为例

《Minerals》：Validation of a Statistical Distance-Based Methodology for Cu-Ag Stratabound Prospectivity Mapping: A Case Study from the El Olivo Mine, Central Chile

　　

摘要：识别环境影响最小的矿床需要异构数据集的优化利用。本研究验证了利用统计距离(Statistical Distance)在有限原始数据中识别模式的快速地理空间勘探方法论。该方法应用于智利大都会区蒂尔蒂尔(Tiltil)地区一处Cu-Ag层控(Stratabound)矿床，通过处理多种空间变量，基于用户定义标准生成已知矿化带（El Olivo、Esmeralda和El Manzano）与未勘探区域间变量分布的统计对比相似度图(Similarity Map)。结果表明，统计距离的应用有效圈定了高概率矿化带，生成的12个靶区均与已记载矿化体吻合；其中总变差距离(Total Variation Distance, TVD)在靶区判别中精度最高、对比度最强。该方法证明适用于小型矿山勘探，并可拓展至矿区及区域尺度的斑岩铜矿体系，显著优化早期勘探资源配置。

论文解读：基于统计距离方法的Cu-Ag层控矿体成矿远景制图方法论验证——以智利中部El Olivo矿山为例

该文发表于《Minerals》。

一、研究背景与立项依据

传统矿产勘探面临隐伏深埋矿床及地表显示微弱的问题，常规方法成本高且环境扰动大。现行矿产远景制图(Mineral Prospectivity Mapping, MPM)多依赖机器学习算法，需大量高质量数据与专家知识进行证据因子定义，属"黑箱"模型且预处理复杂，在数据匮乏地区应用受限。Navarro等(2024)提出的基于统计距离(Statistical Distance)的方法尚未在层控(Stratabound)矿床体系中验证。本研究旨在将Navarro等(2024)方法应用于智利中部早白垩世成矿带Veta Negra组Cu-Ag层控矿床（El Olivo矿区），检验不同统计距离生成相似度图圈定高概率矿化带的效果，验证该方法在小型矿业数据受限环境下的适用性与可扩展性。

二、主要关键技术方法

研究人员选取智利大都会区Tiltil市El Olivo矿山（约1.4×2 km）已知矿化带Esmeralda、El Olivo、El Manzano为研究区。数据源包括28 m分辨率数字高程模型(Digital Elevation Model, DEM)、Google卫星影像RGB波段、历史技术与野外实测断层(fault)及线理(lineament)矢量数据。建立10 m×10 m等距规则格网统一支撑，DEM双线性重采样，结构要素转为各网格单元至最近构造的欧氏距离(Euclidean Distance)表面，卫星影像拆为三波段独立图层，形成多维像元栈。采用简单线性迭代聚类(Simple Linear Iterative Clustering, SLIC)超像素分割将网格聚为空间斑块(Patch)，选取已知矿化露头训练点（Esmeralda 13个、El Olivo 16个、El Manzano 6个）所属斑块为参考斑块。对参考斑块与目标斑块各变量做归一化直方图，计算四种统计距离——总变差距离(Total Variation Distance, TVD)、KL散度(Kullback–Leibler Divergence, KLD)、JS散度(Jensen–Shannon Divergence, JSD)及Hellinger距离(Hellinger Distance, HEL)，累加多变量距离得总距离，逆转为相似度赋值并合成相似度图(Similarity Map)，红色为高相似低总距离区。开展单扇区训练交叉验证及三扇区联合TVD制图，识别新靶区。

三、研究结果

4.1. Comparative Analysis of Similarity Maps（相似性图的比较分析）

分别用Esmeralda、El Olivo、El Manzano单独扇区训练，四种统计距离均识别出其余已知矿化扇区为高相似区，证明矿区具共有地质"指纹"。TVD产出高、低概率区间对比最鲜明，El Manzano也被TVD明显突显；KLD、JSD、HEL结果较平滑相近。无论训练集选取何扇区，三处已知矿化体均被圈定为相似区，表明层控矿化特征具跨扇区稳健性。

4.2. Cross-Validation and Predictive Robustness（交叉验证与预测稳健性）

仅用El Manzano扇区训练点，算法仍成功将Esmeralda与El Olivo标记为高等似区，说明Veta Negra组中受控于断裂系统的二次渗透带具可泛化的地球化学—构造特征签名，模型具良好跨区域预测力，高概率区与已知断裂及渗透带吻合。

4.3. Identification of New Exploration Targets（新勘探靶区识别）

联合三扇区训练点以TVD生成最终相似度图，除已知矿化体外，在El Manzano东侧、Esmeralda与El Olivo北侧及El Manzano–Esmeralda间廊道识别出连续高概率斑块，这些新靶区在多实验中稳定出现且与已知矿化体具相同统计特征。道路及营地等人工作用区被正确划为低相似（深蓝），证实模型捕获的是Cu-Ag矿化相关的地质—多光谱特征而非地表扰动噪声。

四、讨论与结论翻译

讨论指出统计距离选择影响模型行为：TVD最适合广域靶区泛化，KLD/JSD/HEL较保守平滑，适合高精度靶区精修。构造距离图层贡献显著印证了Veta Negra组热液流体沿构造运移成矿机制被模型真实捕捉而非偶然统计相关。内部交叉验证成功表明即使仅有DEM、卫星影像与构造图，该方法仍有高预测力。局限为缺系统地球化学及三维构造模型，未来可纳入航空地球物理或ASTER/Sentinel?2热液蚀变信息以降低假阳性。该法透明、高效，仅需每扇区6–16个训练点即识别已知矿体，适合资金受限的小型矿山初勘缩小搜索范围。

结论：研究通过多参数表征早白垩世Cu-Ag层控矿化区，证实Navarro等(2024)基于统计距离的流程（数据标准化→SLIC分割→直方图构建→统计比较）对有限原始数据有效，流程关键参数为兴趣点坐标、格网间距、平均斑块尺寸及所选统计距离。12组实验验证方法稳健性——El Manzano训练可突显Esmeralda与El Olivo，反之亦然；模型还提出Esmeralda北延、El Manzano东侧及两区间廊道为新勘探靶区。专家判选输入图层与训练点及地质合理性校验是半监督工具核心。四种统计距离(TVD、KLD、JSD、HEL)结果与已知矿化吻合度高，证明该方法适用于小型矿业数据受限环境下的Cu–Ag层控矿床初步远景制图，并可推广至斑岩铜矿体系；未来拟融合多源数据及四距离加权集成模型以提升普适性。