引用本文
闫柏琨, 董新丰, 王喆, 杨苏明, 于峻川, 李娜, 甘甫平. 航空高光谱遥感矿物信息提取技术及其应用进展——以中国西部成矿带调查为例[J].中国地质调查, 2016,3(4): 55-62.
YAN Bokun, DONG Xinfeng, WANG Zhe, YANG Suming, YU Junchuan, LI Na, GAN Fuping. Mineral information extraction technology by airborne hyperspectral remote sensing and its application progress: An example of mineralization belts of western China[J].Geological Survey of China, 2016,3(4): 55-62.
  
Permissions
Copyright@2016, 《中国地质调查》编辑部
版权所有 @ 《中国地质调查》编辑部
航空高光谱遥感矿物信息提取技术及其应用进展——以中国西部成矿带调查为例
闫柏琨1,2, 董新丰1,2, 王喆1,2, 杨苏明1,2, 于峻川1,2, 李娜1,2, 甘甫平1,2
1.中国国土资源航空物探遥感中心,北京 100083
2.国土资源部航空地球物理与遥感地质重点实验室,北京 100083

第一作者简介: 闫柏琨(1970—),男,博士,教授级高级工程师,主要从事高光谱、热红外遥感在地质调查、行星探测中的应用等研究。E-mail:55561161@qq.com

收稿日期: 2016-03-18
基金资助: 中国地质调查局“天山—北山重要成矿区带遥感调查(编号: 121201003000150008)”、“航空高光谱遥感调查(编号: 12120113072900)”和“高光谱地质调查技术方法研究(编号: 12120115040801)”项目联合资助
摘要

为推进航空高光谱遥感矿物信息提取技术及其在地质工程化中的应用,2010—2015年,以我国西部成矿带为调查区,使用CASI/SASI/TASI航空高光谱数据,在进行矿物光谱特征分析、高光谱影像数据预处理、矿物信息提取、蚀变异常信息筛选及区域找矿预测基础上,编制了矿物种类分布图、单矿物丰度分布图和找矿预测图等高光谱地质调查系列专题图件; 建立了一套高光谱遥感矿物填图技术体系,解决了高光谱数据预处理与矿物提取等方面的技术问题,推进了地质填图向精细化和微观化方向发展。该研究为高光谱技术在地质工程化中的应用奠定了基础,丰富了地质填图的产品类型和内容,并服务于地质找矿等地质工作。

关键词: 高光谱; 地质; 找矿; 矿物
中图分类号:TP79 文献标志码:A 文章编号:2095-8706(2016)04-0055-08
Mineral information extraction technology by airborne hyperspectral remote sensing and its application progress: An example of mineralization belts of western China
YAN Bokun1,2, DONG Xinfeng1,2, WANG Zhe1,2, YANG Suming1,2, YU Junchuan1,2, LI Na1,2, GAN Fuping1,2
1. China Aero Geophysical Survey & Remote Sensing Center for Land and Resources, Beijing 100083, China
2.Key Laboratory of Aero Geophysics and Remote Sensing Geology of China Ministry of Land and Resources, Beijing 100083, China
Abstract

In order to improve the extraction technology of mineral information from airborne hyperspectral and boost its application in geological engineering, the authors have completed several types of thematic maps based on CASI/SASI/TASI airborne hyperspectral data, including minerals species and abundance maps, as well as ore prospecting map from 2010 to 2015. All these maps were based on the mineral spectral feature analysis, hyperspectral image preprocessing, mineral information extraction, alteration anomaly information screening and regional prospecting prediction in mineralization belts of western China. A set of hyperspectral technique series was built to solve the problems of image preprocessing and minerals extraction and improve the airborne hyperspectral mapping to be more accurate and microcosmic. These investigations would help to build the foundation for hyperspectral applications in geological engineering and would be helpful to the traditional geological mapping and ore prospecting work.

Keyword: hyperspectral; geology; ore prospecting; mineral
0 引言

高光谱遥感技术具有“ 图谱合一” 的特点, 可同时获取地表高分辨率的空间信息和波谱信息[1], 在地质应用领域中具有较好的发展前景。目前在该领域中, 高光谱技术研究内容和存在问题主要涉及2个方面: ①高光谱数据影像处理; ②高光谱遥感地质应用[2]。高光谱数据影像处理主要包括条带噪声去除、绝对辐射值转换、系统误差校正和坏线修复等工作[3]; 数据处理不好, 会降低数据质量, 如定标参数误差会引起条带效应[4]。高光谱遥感地质应用主要包括高光谱矿物填图和高光谱矿产资源勘查技术体系构架[2]; 如何做到矿物信息提取准确、矿物种类提取多样、并能将填图结果应用于找矿预测, 是现阶段该领域所需解决的问题。

2010— 2015年, 中国国土资源航空物探遥感中心(以下简称航遥中心)、核工业北京地质研究院、中国地质调查局西安地质调查中心和核工业航测遥感中心4家单位共同承担, 在我国西部重要成矿区带开展航空高光谱遥感调查与找矿预测工作。迄今, 已完成各调查区全部数据的获取与处理, 以及调查区2010— 2014年的野外查证工作。工作中, 航遥中心强化技术创新与开发、优化数据处理方法、加强信息综合分析, 取得了明显的找矿应用效果。项目实施5 a来, 项目组完整形成了一套航空高光谱遥感矿物填图技术体系, 解决了航空高光谱数据在地质工程化应用中所遇到的问题, 在数据获取与预处理、矿物信息提取和区域找矿预测应用3方面均取得一定创新和成果: ①在高光谱数据影像处理方面, 通过自主开发的数据处理程序, 可快速对高光谱数据进行前期处理, 如修正影像条带误差等; ②在高光谱遥感地质应用方面, 开发了矿物识别分层谱系、光谱特征归一化匹配与光谱特征综合法、光谱分解法等矿物提取和矿物丰度计算方法, 目前可半定量识别岩石中含OH-、S O42-、C O32-、F e3+和Fe2+等与成矿作用密切相关的矿物信息(如: 高岭石、白云母、蒙脱石、方解石、白云石、黄钾铁矾、石膏、绿泥石、绿帘石、蛇纹石、滑石、角闪石、辉石和橄榄石等), 甚至可半定量估算矿物含量以及某些矿物晶格中的类质同象置换(如: 白云母中Si与Al的置换、绿泥石中Fe与Mg的置换[5]、明矾石中K与Na的置换); ③建立了一套高光谱区域找矿预测方法和地质调查产品体系。本文概要介绍航空高光谱遥感矿物信息提取技术及其应用进展情况。

1 调查区概况

2010— 2015年中国地质调查局部署的6个调查区(图1)总面积约1.24万km2, 均为干旱裸露区, 无植被覆盖, 适宜开展高光谱遥感调查工作。

图1 调查区分布Fig.1 Distribution of investigation areas

6个调查区分别位于甘肃柳园、方山口和祁连山地区, 新疆北山、阿尔金地区, 青海纳赤台地区, 多数处于整装勘查区内, 地质矿产资料丰富, 矿床种类多样。以甘肃柳园和方山口调查区为例, 区

内分布金矿床和矿点20余处, 赋矿岩体和地层为海西— 印支期花岗斑岩体及其外接触带的震旦系洗肠井群变质地层、二叠系哲斯群中基性火山岩和火山沉积岩。矿床成因可分为岩浆热液和海相火山岩型, 主要有南金滩、花牛山、新金厂等矿床, 受石英脉和断裂蚀变带控制明显。矿床周边矿物蚀变有硅化、绢云母化、褐铁矿化、绿泥石化和方解石化等[6]。

航遥中心负责2010年调查区、2012与2013年调查区东半部、2014年调查区北半部和2015年HyMap调查区, 总面积约5 700 km2。至目前为止, 已完成了2015年以前调查区所有数据的获取与处理和2010与2014年调查区的野外查证工作, 编制了1∶ 5万比例尺系列成果图件69幅。

2 技术方法

高光谱遥感矿物信息提取的技术流程包括数据获取、数据预处理和矿物信息提取。

在数据预处理中, 多航带数据地表二向性反射分布函数(bidirectional reflectance distribution function, BRDF)校正与无缝拼图和大气校正是关键环节与技术难点。BRDF校正与无缝拼图的目的是抑制或消除地表二向性反射引起的航带间的地物光谱差异, 可显著降低矿物识别的检出限、提高矿物的识别率, 对增强高光谱矿物弱信息提取能力至关重要。对多数类型的矿床而言, 相对于成岩、变质、风化等其他地质作用产生矿物的含量而言, 热液蚀变异常相对较弱, 因而对弱信息的提取对开展找矿预测非常重要。针对这一问题, 项目组开展了多航带裸露地表BRDF校正方法研究, 其校正结果如图2所示。

图2 地表二向性反射校正与无缝拼图Fig.2 BRDF correction and seamless mosaicing

矿物信息提取的难点与关键技术是如何进行大区域信息的快速提取、矿物弱信息的提取, 以及矿物微观信息(类质同象替换)的提取。基于特征提取、端元光谱选取和光谱相似性匹配的矿物信息提取技术(即“ 沙漏流程” )是最早发展的面向高光谱信息提取的技术; 但该技术因处理速度慢、难以处理大区域数据、矿物识别检出限高等多方面原因, 难以在大区域数据处理与工程化应用中使用。为此, 项目组开发了矿物识别分层谱系、光谱特征归一化匹配与光谱特征综合法、光谱分解法等方法, 在区域性找矿应用中, 主要应用了这3种方法。目前, 理论上可识别褐铁矿、赤铁矿、针铁矿、绿泥石/绿帘石、透闪石/滑石、角闪石/阳起石、绢(白)云母/伊利石/蒙脱石、高岭石、蛇纹石、地开石、叶蜡石/明矾石、辉石、橄榄石、符山石、电气石、黄玉、黑云母、金云母、方解石、白云石、菱铁矿、菱镁矿、孔雀石、石膏、黄钾铁矾、石英/硅化和超基性岩等近30种岩矿信息(其中经野外实地验证的有15种), 识别正确率达到90%以上。

2.1 矿物识别分层谱系

矿物识别分层谱系方法(图3)参照或借鉴矿物学的分类方法, 在可见— 反射红外光谱区间, 根据光谱主要谱带的谱带特征及其成因, 将可提取的矿物分为含Fe2+矿物、含Fe3+矿物、含Mn2+矿物、含Al— OH键矿物、含Mg— OH键矿物、碳酸盐矿物和水合硫酸盐矿物等7类。

图3 矿物分层识别谱系Fig.3 Hierarchical diagram of mineral identification

在每一类矿物中, 根据谱带的组合特征(主要谱带、次要谱带、伴随谱带的主次序列关系)又可分为若干矿物族, 每一族中包括若干矿物种乃至一些变种矿物, 这样, 就形成了类— 族— 种— 亚种(变种)序列。如Al— OH键矿物可分为高岭石族、蒙脱石族、白云母-伊利石族和明矾石族; 白云母-伊利石族中又包括伊利石、高铝白云母、中铝白云母和低铝白云母等矿物或变种[7]。矿物识别分层谱系方法的核心思想是基于光谱特征的决策树分类法, 对矿物识别具有普适性。该方法是在分析蚀变矿物光谱特征的基础上开发的, 矿物光谱特征及其变化规律是矿物的自身属性, 主要与矿物的成分和结构等有关, 这一规律不随调查区不同而变化, 从这个角度而言, 该方法具有普适性; 但算法中未考虑1 400 nm和1 900 nm附近大气吸收谱带的矿物光谱特征, 故在对地物测试光谱时应综合考虑。

2.2 光谱特征归一化与光谱特征综合法

光谱特征归一化匹配与光谱特征综合法是综合光谱特征和光谱相似性匹配算法进行的矿物识别。光谱相似性匹配算法不同于常用的光谱角或匹配滤波算法, 在匹配前首先对光谱特征强度(或吸收深度)进行归一化[8], 消除影像光谱与参考光谱矿物含量差异对匹配度的影响, 使矿物种类在光谱相似性匹配中占主导; 然后利用光谱吸收位置等特征参量对矿物信息做进一步识别。

2.3 光谱分解法

光谱分解法流程(图4)如下: ①采用高光谱遥感端元提取方法提取端元, 并从美国地质调查局(USGS)光谱库中选取各端元的光谱; ②运用Hapke模型计算随机混合光谱, 端元光谱除①中选取的光谱之外, 加入一些造岩矿物与金属矿物光谱; ③对随机混合的反射光谱进行去连续统分解, 分解前对端元光谱与混合光谱去连续统, 在端元光谱中加入所有谱段均为“ 1” 的光谱代表光谱不活跃的端元, 建立光谱分解的丰度与光谱随机混合时随机设定的丰度之间的统计关系; ④对高光谱数据进行去连续统分解, 得到光谱分解丰度, 根据③中建立的统计关系, 将光谱分解丰度转换为矿物丰度。

图4 高光谱矿物丰度反演流程Fig.4 Inversion process of mineral abundance from hyperspectral data

3 区域性找矿预测
3.1 “ 矿物— 蚀变矿物” 信息提取与筛选

初步总结了一套“ 矿物— 蚀变异常— 找矿蚀变异常” 的2级信息筛选找矿预测方法。首先通过矿物组合与分布特征, 从区域变质、成岩、接触变质、化学风化和热液蚀变等多种成因的矿物中筛选出热液蚀变成因的蚀变异常信息; 然后以现代矿床成因理论为指导, 分析蚀变异常发育与产出的地质背景(与地层、构造、岩体的关系), 筛选出找矿意义或概率相对较大的找矿蚀变异常。蚀变信息筛选具体方法如下:

(1)基于矿物空间展布与分布特征的异常信息筛选。成岩(沉积、岩浆)和区域变质成因的矿物以面状分布为主要特征, 且空间展布特征与岩体展布和地层层理展布特征的一致性较大; 而热液蚀变成因的矿物分布则以小团块状、长条带状为主要特征, 少量为星散状, 且空间展布特征与岩体展布和地层层理展布特征的一致性、协调性较差。

(2)基于矿物组合的异常信息筛选。由内生金属矿床蚀变矿物组合可知, 不同的矿床类型具有不同的矿物组合, 因此可采用矿物组合的方法筛选热液成因的矿物信息。因受遥感数据空间分辨率、信噪比、矿物检出限及矿床特定地质条件等多种因素影响, 从机载高光谱遥感数据提取出的矿物种类一般少于在野外地质观察基础上总结出的矿物种类。例如高光谱遥感矿物提取结果显示, 本调查区内热液脉型金矿地表在遥感像元尺度上仅能看到褐铁矿和绢云母, 则可用该组合进行蚀变异常的筛选。

(3)基于矿物成分和结构等微观信息的异常信息筛选。基于光谱进行矿物多型、有序度等信息的提取仍处于光谱特征定性分析的研究层面, 尚不能支撑找矿应用。层状硅酸盐矿物的层间水含量因受大气影响无法用机载高光谱数据探测, 故可支持应用的信息以绢云母的Al成分变化信息为主。在区域找矿预测应用中, 绢云母的形成时空跨度很大, 其成分变化的确切原因更难以确定; 但绢云母的成分变化至少可作为区分热液蚀变与区域变质成因的绢云母的重要参数。例如在2012年调查区, 区域变质成因的绢云母以贫Al为主, 而热液蚀变成因的绢云母以中Al或富Al为主。

(4)基于侵入岩体的异常信息筛选。斑岩型、矽卡岩型、岩浆期后高温热液型和超基性岩型矿床在成因上与侵入岩体密切相关, 可根据调查区内侵入岩体与蚀变矿物的空间关系进行异常筛选, 优选出成矿条件较好、找矿潜力较大的蚀变异常; 若对调查区的区域成矿规律研究深入, 则可重点根据特定构造运动期的侵入岩体进行找矿预测。此外, 对于不同的矿床类型, 蚀变矿物的空间展布特征及与侵入岩体的关系可能也不同。

(5)基于地层的异常信息筛选。浅成低温热液型矿床、卡林型金矿床、火山岩熔矿块状硫化物矿床、密西西比河型矿床和Sedex型矿床在成因上分别与沉积岩、火山岩地层密切相关, 可根据调查区内控矿地层与蚀变矿物的空间关系进行异常筛选, 优选出成矿条件较好、找矿潜力较大的蚀变异常。

(6)基于构造的异常信息筛选。热液脉型矿床在成因上往往与构造、特别是断裂构造有关, 构造控矿特征明显。该类矿床的显著特征是蚀变矿物的空间展布受构造控制, 并且在构造交叉、转折等构造产状、性质变化的部位更有利于成矿。

3.2 地质调查产品体系

为了更好地服务于地质调查工作, 满足地质调查与找矿预测需求, 项目组结合高光谱遥感技术特征, 总结并编制出一套高光谱遥感地质调查产品体系, 包括基础信息产品与综合分析信息产品2大类。基础信息产品包括遥感影像图、矿物种类分布图、矿物丰度分布图和矿物成分信息分布图, 综合分析信息产品包括岩性-构造解译图和找矿预测图。目前已编制了甘肃柳园、青海纳赤台、新疆阿尔金等5个调查区的遥感影像图、矿物分布图、单矿物丰度图、蚀变异常图及找矿预测图等5大类图件共计69幅(比例尺为1∶ 5万)。图5为2010年调查区的部分图件, 图件中不同航带间信息一致性高, 矿物信息检出率高(除第四系覆盖的区域外, 80%以上的区域正确识别出了矿物)。

图5 -1 航空CASI_SASI高光谱遥感系列图件Fig.5-1 Series maps of aero CASI_SASI hyperspectral remote sensing

图5 -2 航空CASI_SASI高光谱遥感系列图件Fig.5-2 Series maps of aero CASI_SASI hyperspectral remote sensing

2010— 2013年, 在调查区中共圈定60余个找矿有利区, 经不完全的野外查证, 在15处找矿有利区中发现了Au、Ag、Cu、Ni等金属元素矿化异常, 其中部分有利区成矿元素的丰度接近或超过边界品位, 显示出较好的找矿潜力。在2010年调查区内, 根据高光谱异常发现了多处Au和Ag矿化异常, 其中一处石英脉出露宽度12 m, 地表延伸长度约1 000 m; 2个地表组合样品的Au品位分别为0.14 g/t和0.25 g/t。另一处石英脉出露宽度23 m, 地表延伸长度约100 m; 3个地表组合样品的Au品位分别为0.49 g/t、0.58 g/t和0.63 g/t。还有一处矽卡岩中Au品位为0.321.74 g/t。此外, 2014年在祁连山调查区内发现一处Au矿点, 通过地表连续采样与化学分析, 认为有必要进一步进行地面勘查工程控制。

4 后续发展方向
4.1 数据获取与预处理

在航空高光谱数据获取与预处理方面, 需针对如何提高数据获取效率与保证数据质量进行系统研究, 确定高效、科学的工作流程; 在显著降低飞行成本的同时, 提高数据质量, 建立严格的数据质量检控规范。数据质量的主要指标包括信噪比、光谱保真度、空间分辨率和光谱分辨率。光谱保真度是需要特别关注的指标, 除仪器性能指标外, 还与仪器的定标方法和流程及大气校正方法等密切相关, 需要对这些流程进一步系统优化; 并针对特定问题开展技术开发, 特别是提升高海拔、高湿度地区大气校正精度的问题。

4.2 矿物信息提取

在矿物信息提取方面, 需要特别关注矿物微观信息提取方法的开发。目前的找矿预测应用中, 主要应用的是蚀变矿物的种类、丰度等信息; 但实际上, 矿物微观信息可能还蕴含着更准确、更丰富的成矿信息。常见的微观信息包括绢云母的Si/Al与Al/(Mg, Fe)类质同象与结晶度[9]、绿泥石Mg/Fe类质同象、高岭石结晶度、橄榄石Mg/Fe类质同象和明矾石K/Na类质同象等。此外, 在信息提取自动化方法、软件开发、光谱相似性矿物的区分和热红外遥感信息提取等方面仍需开展研究。

4.3 区域找矿预测应用

在区域找矿预测应用方面, 需要在构建找矿预测模型、规范野外查证、应用矿物微观信息和部署调查区等方面加强研究。目前的找矿预测模型以概念性地质模型为主, 与现代矿床成因理论和矿床系统的研究成果结合不够; 应在概念性地质模型的基础上, 融入矿床系列/系统剖面图和矿床成矿模式图, 形成图文结合的预测模型, 以增强预测模型的科学性和客观性。目前的野外查证方法和流程等仍存在不太规范的问题, 应从高光谱技术与信息特点出发, 结合不同矿床类型进行总结, 充分发挥光谱、采样、测试等多种方法的优势, 确保在提高效率的同时, 最大程度地发掘高光谱找矿效果。矿物微观信息蕴含着丰富的地质信息, 与矿物产出的地质背景和流体的物理、化学条件密切相关, 并且具有明确的因果关系, 应进一步挖掘这些信息, 充分发挥其作用。此外, 在调查区部署方面应加强研究, 要充分吸收成矿带区域成矿背景与规律和矿产远景区划与找矿部署的研究成果[10, 11, 12, 13, 14], 依据不同成矿带、不同矿床类型的成矿特征和勘查形式, 进行合理科学的找矿部署。

5 结论

(1)在区域性找矿预测中, 蚀变异常的类型和空间展布特征等信息是重要的预测因子, 目前其他调查或勘查技术手段难以大范围、快速、宏观地获取这些信息。高光谱遥感技术在快速发现矿化蚀变或矿化线索、分析蚀变带的空间展布和标志性蚀变矿物组合方面具有明显的优势, 提取的矿物信息、蚀变异常信息以及圈定的找矿有利区可为地面地质调查和矿产勘查提供重要信息。

(2)通过近几年的工程化试应用, 项目组已建立了一套高光谱遥感矿物填图技术体系。获取航空高光谱数据后, 可在最短时间内高质量完成从数据预处理到高光谱找矿预测图制作等工作, 将高光谱数据快速转化为找矿线索, 充分显示了高光谱遥感在矿产资源基础性调查中的特有优势, 为在我国西部成矿带部署高光谱遥感调查工作提供了依据; 丰富了西部成矿带找矿预测的技术方法, 为更好地开展下一步找矿预测工作、推进高光谱技术在地质工程化中的应用奠定了基础。

致谢: 中国国土资源航空物探遥感中心王润生教授级高级工程师、杨金中研究员在找矿预测方法和成果表达等方面给予了指导与帮助, 在此表示衷心感谢。

(责任编辑:刁淑娟)

The authors have declared that no competing interests exist.

参考文献
[1] 成宝芝. 高光谱图像异常目标检测算法研究与进展[J]. 国土资源遥感, 2014, 26(3): 1-7. [本文引用:1]
[2] 王茂芝. 高光谱遥感影像处理与地质应用若干关键问题研究[D]. 成都: 成都理工大学, 2014. [本文引用:2]
[3] 张紫程, 张绪教, 胡道功, 等. Hyperion高光谱遥感在青海东昆仑东大滩地区找矿中的应用[J]. 现代地质, 2011, 25(4): 759-767. [本文引用:1]
[4] 李志忠, 汪大明, 刘德长, 等. 高光谱遥感技术及资源勘查应用进展[J]. 地球科学: 中国地质大学学报, 2015, 40(8): 1287-1294. [本文引用:1]
[5] 梁树能, 甘甫平, 闫柏琨, 等. 绿泥石矿物成分与光谱特征关系研究[J]. 光谱学与光谱分析, 2014, 34(7): 1763-1768. [本文引用:1]
[6] 刘德长, 叶发旺, 赵英俊, 等. 航空高光谱遥感金矿床定位模型及找矿应用——以甘肃北山柳园—方山口地区为例[J]. 地球信息科学学报, 2015, 17(12): 1545-1553. [本文引用:1]
[7] 甘甫平, 王润生, 马霭乃. 基于特征谱带的高光谱遥感矿物谱系识别[J]. 地学前缘, 2003, 10(2): 445-454. [本文引用:1]
[8] Clark R N, Swayze G A, Livo K E, et al. Imaging spectroscopy: Earth and planetary remote sensing with the USGS Tetracorder and expert systems[J]. Journal of Geophysical Research, 2003, 108(E12): 5131. [本文引用:1]
[9] 彭自栋, 申俊峰, 曹卫东, 等. 近红外分析提取蚀变信息及其找矿实践——以甘肃岗岔金矿为例[J]. 中国地质调查, 2015, 2(3): 28-39. [本文引用:1]
[10] 李荣社, 陈隽璐, 马中平, 等. 中国西北部造山带中几个古生代俯冲增生楔的识别与确认[J]. 中国地质调查, 2016, 3(1): 44-51. [本文引用:1]
[11] 查显锋, 李荣社, 辜平阳, 等. 北阿尔金红柳沟—拉配泉构造混杂岩带东段的结构、构造[J]. 中国地质调查, 2015, 2(8): 35-42. [本文引用:1]
[12] 校培喜, 高晓峰, 康磊, 等. 西昆仑—阿尔金成矿带地层-岩石-构造时空格架及成矿地质背景新认识[J]. 中国地质调查, 2015, 2(2): 48-55. [本文引用:1]
[13] 邱瑞照, 谭永杰, 朱群, 等. 中国及邻区重要成矿带成矿规律研究与境外地质工作思考[J]. 中国地质调查, 2014, 1(3): 44-52. [本文引用:1]
[14] 李文渊, 董福辰, 张照伟, 等. 西北地区矿产资源成矿远景与找矿部署研究主要进展及成果[J]. 中国地质调查, 2015, 2(1): 18-24. [本文引用:1]