岩浆岩分类是岩浆岩研究的基础，一百多年来许多学者为此做了大量的研究，提出了许多不同的分类方案。早先以实际矿物成分分类，后来演变为标准矿物分类。著名的如由Cross、Iddings、Pirrson和Washington四位岩石学家和地球化学家设计的分类，为了纪念他们的贡献，该分类方案以他们姓名的第一个字母组合表示，即CIPW标准矿物分类(Rollison, 1993)。随着科学技术的发展，自动化的XRF分析技术的出现，大量岩浆岩地球化学数据的积累，使得采用岩石化学方法进行分类不仅必要，而且有了可能。岩石化学分类是岩浆岩的主流分类，比较受学术界青睐，岩石化学分类比较多，其中应用得比较广泛的是在国际上流行的全碱-硅图解(TAS)方案(Cox et al., 1979; Le Maitre et al., 1989; Wilson, 1989; Rickwood, 1989)。该分类主要以Na₂O+K₂O对SiO₂作为分类的基础，适合于火山岩和侵入岩。鉴于K₂O对于岩浆岩的特殊意义，还提出了K₂O-SiO₂的分类(Peccerillo and Taylor, 1976; Le Maitre et al., 1989; Rickwood, 1989; Ewart, 1982; Carr, 1985; Middlemost, 1985)，也是文献上使用得比较广泛的。此外还有利用Ab-An-Or图解的花岗岩分类(O’Connor, 1965)，利用阳离子进行分类的方案等，如R1-R2分类方案(De la Roche et al., 1980)等。最近，还提出一种火成岩的BP神经网络分类法(陶文宏, 1997)，但由于当时所采用的算法和计算机硬件的限制，处理速度很慢。近些年BP神经网络方法在火成岩岩石分类方面的应用，已经有了很多的改进(张天云等, 2003; 张治国等, 2008)。因受计算能力的限制，上述分类只考虑了2或3个氧化物对分类的影响，其结果也只能反映在简单的二维图解之上。

随着大数据时代的来临和计算机技术的迅猛发展，将传统的定性地质研究方法推向定量研究的高度已成为可能，“大数据正在引发地球科学领域一场深刻的革命”(张旗和周永章, 2017)，相对于传统的定性地质研究，地质大数据是以现有全部的地质信息为研究对象(信息是事物内在原因的外部表现)，以成熟的多元统计分析为方法，以计算机为工具，避开了地质事件及其结果之间复杂的因果关系推理，定量查明了结果和变量(信息、条件)的相关关系，从而，实现对地质过程及结果的分析和预测。地质大数据(用数学方法解决地质问题)避免了人为主观因素对研究过程和结果的影响，又消除了因地质现象隐蔽性、相关理论片面性，造成的研究结果不确定等诸多弊端，从而使研究过程更加科学，研究成果更加准确、真实。我们设想，如果即考虑全部氧化物，又可反映各氧化物对分类所起作用的大小，利用这种方法得出的分类是否更有研究意义呢？

甘肃省西秦岭造山带位于扬子板块、柴达木-祁连板块之间，是早古生代增生碰撞型造山带，经历了晚古生代沉降盆地和中生代强烈隆(张新虎等, 2013)。花岗岩岩浆侵入活动和金矿作用关系密切(侯云生等, 2004; 张旗等，2009)，碰撞花岗岩岩浆侵入是该金矿富集区金矿形成的主导因素(张宏飞等, 2005; 金维俊等, 2005; 殷勇和赵彦庆, 2006; 韩海涛等, 2008; 梁亚忠, 2008; 邱庆伦等, 2008)。

因此，深入研究区内岩浆岩分类及其与金矿的相关关系，对有效的开展全区成矿预测研究和金矿地质找矿工作有着极其重要的意义。本文以甘肃省西秦岭地区的岩浆岩作为实例，尝试了一种由全部氧化物参与的岩浆岩分类方案：以聚类分析和逐步判别分析交替使用的方法，对甘肃省西秦岭地区现有523件岩浆岩样本中的11个氧化物测试数据进行定量处理，构建起一个新的岩浆岩(氧化物)定量分类系列模型，期盼得到学术界的批评指正。

1 甘肃省西秦岭地区岩浆岩定量分类 1.1 传统岩浆岩分类存在的问题

纵览现有岩浆岩分类方法，均不能满足当前(大数据时代)技术水平下，对岩浆岩的理想分类。

1.1.1 岩浆岩矿物学定名(实地观察)分类

因受个人主观因素、观察局限性等因素影响，不能对岩浆岩做出准确的定名分类，难以满足岩浆岩分类及相关问题的精确研究。

1.1.2 SiO₂含量百分比分类

将甘肃省西秦岭地区523件岩浆岩氧化物SiO₂含量排降序，其分布曲线见(图 1)，由各段分布特征可见，传统的分段节点，并不符合该区岩浆岩SiO₂含量的自然分布趋势(各分段节点不在变化趋势大的位置)。

1.1.3 Middlemost (1985)花岗岩岩类TAS分类图解

将甘肃省西秦岭地区花岗岩氧化物SiO₂、Na₂O+K₂O按含量投影在“Middlemost (1985)花岗岩岩类TAS分类图”上(图 2)，“TAS分类图”无法对甘肃省西秦岭地区花岗岩进行有效的分类，究其原因，现有类似于“TAS分类图”的岩浆岩二维图解分类方法，大致存在如下三方面的问题：

(1) 指导思想问题：矿物学定名分类和岩浆岩氧化物含量图解分类，是两种指导思想和分类方法完全不同的分类结果，将二者简单的统一在一起，过于牵强。二者貌似有岩浆结晶理论支持，但自然条件下岩浆结晶演化还是一个远没有研究清楚的问题，何况不同成因的花岗岩如何能用一个假想的“理论”来涵盖。

(2) 分类方法简单过时：类似“TAS分类图”的分类方法，仅用局部地区部分样本的个别成分含量制作二维图解，只是计算能力低下时期的产物。若增大样本量，即使取消矿物学定名，“TAS分类图”中各分类界线也将失去分类作用(图 2)。

(3) 思想基础不成立、结果无法确定：计算甘肃省西秦岭地区523件岩浆岩氧化物相关参数列表 1。

“TAS分类图”中仅以SiO₂和Na₂O+K₂O对岩浆岩进行了简单分类，只应用了总信息量3/11的信息(表 1)，导致片面的结果不言而喻，而且Na₂O+K₂O指标，不能反映二者的比例关系，本身不能提供更多分类信息。表 1中MgO、Al₂O₃、CaO、FeO、Fe₂O₃标准差远大于Na₂O、K₂O，认为前者在岩浆岩中变化更加强烈，应该是远比后者重要的分类指标。假如，以SiO₂和其它任意一个或两个氧化物构成更多的二维图解，不难想象，某两个样本在一个图解中被分为同一类，但在另一图解中完全有可能被分为不同的两类(所设计的分类体系进入“混沌”)，因此，此类图解分类结果不具唯一性，图解完全不具备对岩浆岩的分类能力。

由此认为：岩浆岩矿物学和岩石地球化学定名不够精准。仅由部分样本的个别成分构建的二维图解的岩浆岩分类方法，其结果片面且不具唯一性，更不能推广到建模区域以外的区域使用。

为更加真实的反映区内岩浆岩与矿产的相关关系，必须对研究区内岩浆岩作真实、合理的分类。本文着重介绍一种不受个人主观因素和现有岩浆岩理论控制，完全由全部岩浆岩样本和氧化物含量分布特征决定的岩浆岩分类方法—“甘肃省西秦岭地区岩浆岩(氧化物)定量分类系列模型”。

1.2 甘肃省西秦岭地区岩浆岩(氧化物)定量分类系列模型

整理现有地质成果资料，甘肃省西秦岭地区出露岩浆岩体362个，搜集整理区内有氧化物分析结果的样本523件，样本分别采集于216(占岩体总数60%)个不同的岩体中。

以523件样本，选取各样本中SiO₂、TiO₂、Al₂O₃、Fe₂O₃、FeO、MnO、MgO、CaO、Na₂O、K₂O、P₂O₅共11个氧化物分析结果为变量构成数据库(全样本，全变量)，利用“SPSS”统计软件对该数据库做Q型系统聚类分析(以组内连接为聚类方法，相关性为计算模型)(赵鹏大等, 1990)。在Q型聚类谱系图中选取分类明显的样本为Ⅰ类样本，其余样本为Ⅱ类样本，对Ⅰ、Ⅱ类样本构成新的数据库做两类判别分析(罗建民等, 2005a, b)，构建起“甘肃省西秦岭地区Ⅰ类岩浆岩定量分类模型”，以R₀=-9.59为临界值，将判别得分小于-9.59的样本确定为Ⅰ类岩浆岩，对判别得分大于等于-9.59的样本再次做Q型系统聚类分析，方法同前，依次构建起Ⅱ、Ⅲ、Ⅳ类岩浆岩定量分类模型。对由上述四类模型确定的样本，以上述系统方法分别做次级定量分类(以Q型系统聚类分析分类，以两类判别分析构建岩浆岩分类模型)，循环该步骤直到样本在Q型系统聚类分析中没有明显分类为止。以此构建起“甘肃省西秦岭地区岩浆岩(氧化物)定量分类系列模型”定量分类系列模型及各分类谱系关系见(图 3)。

1.3 甘肃省西秦岭地区岩浆岩定量分类结果

以(图 3)为计算机程序“架构图”，编制“甘肃省西秦岭地区岩浆岩(氧化物)定量分类”软件，以软件(或以“架构图”在“Excel”电子表格中构建函数)对全区523件岩浆岩样本的氧化物测量结果进行计算，全区岩浆岩按其氧化物含量特征可分为4大类共20小类，各主要分类样本数及所占百分比见(表 2)。

2 甘肃省西秦岭地区岩浆岩定量分类评述 2.1 岩浆岩定量分类模型评述

(1) 各分类模型有效性：图 3中各分类模型Fp/Fα≥2.33，认为各分类模型在统计学意义上高度有效(Fp/Fα≥1, 分类模型有效, 赵鹏大等, 1990, 1994)

(2) 与实地定名分类相比较，定量分类完全不受个人主观因素和认识差异的影响。

(3) 与传统的以SiO₂含量将岩浆岩分为四大类的分类方法相比较，SiO₂含量分类仅受1个变量控制，定量分类系列模型各模型均由多个变量所控制(如Ⅲ大类与Ⅳ大类相区分，由7个变量控制，其中前5个变量累积贡献达92.68%)。而且各变量贡献率可以定量描述该变量在模型中的重要程度，这对岩浆岩成因分析及其控矿作用研究均有很好的指示作用。

(4) 与“TAS分类图”、“标准矿物三角图解”等分类方法相比较，标准矿物计算只是一个与自然状态有一定差距的假想过程和结果，而且无法被试验所证实，定量分类系列模型则不受地质理论限制，完全由测试数据自身特征和其相关关系所决定，再者，定量系列分类模型构建在全部11个氧化物分析数据基础之上，分类结果具有唯一性(任何被测样本只能从模型某一输出端输出)，其分类结果理应更加精准、真实。

(5) SiO₂在Ⅱ大类与Ⅲ和Ⅳ大类分类模型中贡献率仅为25.05%，SiO₂在Ⅰ大类与Ⅱ、Ⅲ和Ⅳ大类分类中所起作用很小(单独贡献率仅2.47%)，在Ⅲ与Ⅳ大类分类及各次级分类模型中均不起作用。此现象与传统的岩浆岩以SiO₂含量分为4大类的思想和方法完全不同。说明仅以SiO₂含量对岩浆岩分类与岩浆岩自然特征并不相符，同时也解释了定性分类中部分分类SiO₂含量不在相应范围的原因。

2.2 岩浆岩定量分类结果评述

全区523个岩浆岩氧化物测试样本采集于216个岩体中，同一岩体采集两个以上氧化物测试样本的岩体77个(占采样岩体总数的36%)，经统计：

(1) 采于同一岩体的不同样本定量分类大类出现分歧(样本分别判归为不同大类)的岩体16个(占多样本岩体总数的21%)，其中13个岩体(占错判岩体总数81%)定性定名为斑岩、变质辉长岩和岩相变化大的岩体。如格尔括合花岗闪长斑岩体中3个样本定量分类分别判定为Ⅱ222、Ⅲ21和Ⅳ1类，扎安俄蚀变辉绿岩岩体中5个样本，3个判定为Ⅱ1，两个判断为Ⅲ1类，此类错判可能为岩体地球化学成分极不均匀所致。

(2) 同一岩体不同样本定量次级分类出现分歧的岩体13个(占多样本岩体总量的17%)，其中3个岩体(占错判岩体总数23%)定性定名为斑状花岗岩或变闪长岩体。如积石山变闪长岩体中7个样本，4个判定为Ⅱ221，3个判断为Ⅱ222类，迷坝石英二长闪长岩体中3个样本，分别判定为Ⅳ211、Ⅳ212和Ⅳ221类，此类错判部分可能为岩体地球化学成分极不均匀所致，更多的是由采样代表性或采样、测试过程中其它随机误差所致。由此，岩浆岩定量分类结果一定程度的受到岩体成分均匀程度和采样代表性的影响。

(3)Ⅰ1定量分类模型中变量Fe₂O₃系数1.09，单独贡献率高达90.21%，即Ⅰ1类样本与Fe₂O₃呈正相关关系，仅以Fe₂O₃含量相对高可将Ⅰ1类样本与Ⅰ21和Ⅰ22区分开。结合Fe₂O₃的地球化学特性，此现象系样本采集于高铁岩体地表部位(氧化带)所致。

(4) 定量分类与时代：Ⅰ21全部样本分布于泥盆-二叠纪，83%Ⅱ1类样本分布于志留-泥盆纪。其它分类多为三叠-侏罗纪的产物。

(5) 定量分类与构造：定量分类对区域构造没有明显的选择性，同一定量分类样本一般分别分布于多个构造带内。此结果与定性分类结果基本一致。

(6) 定量分类与定性分类：统计定量分类与定性分类结果差异极为显著，除92%的Ⅱ1类样本采自于辉绿岩体，其它同一定量分类的样本多采自于不同岩性(定性分类)的岩体，如Ⅱ21类样本40%的采自于闪长岩，30%采自于辉长岩，30%的样本分别采自于石英闪长岩、花岗岩和花岗闪长岩。另外，67%以上的Ⅳ211、Ⅳ212、Ⅳ221、Ⅳ222类样本均采自于花岗岩。此现象充分说明，两种不同指导思想的分类方法，其分类结果也存在着极大的差异。

2.3 岩浆岩定量分类效果评述 2.3.1 定量分类模型结果的数学解释

将各模型对应的多元函数的函数值绘制成四大类分类模型判别得分(图 4)可见：不同于(图 1、图 2)，各定量预测模型中各样本函数值的分布曲线，以相应的临界值(R₀)被明显分为两类，各模型临界值均位于结果分布曲线的间断区或曲线拐点处。其数学意义可以简单的理解为：在各定量分类模型相应的多维(变量数)空间内，所建多元函数，以临界值为界可以将所有样本截然地分为两类。即所建分类函数(模型)，高度有效。

2.3.2 岩浆岩定量分类结果与Au矿空间分布相关性统计

根据西秦岭地区岩浆岩体和金矿床(点)空间分布关系，岩体内部或其外围3公里范围内分布有金矿床(点)的岩浆岩体45个称为“金相关岩体”，约占西秦岭岩体总数的21%。以216个有氧化物分析结果的岩浆岩为样本，以各岩体构造带、定量分类、定性分类、时代以及岩体蚀变、矿化特征等22个属性为变量，构建“甘肃省西秦岭地区岩浆岩Au找矿靶区定量预测模型”。预测全区共有91个岩浆岩体与金矿相关。以“黄金分割法”将91个岩体分为3级(一级17个，二级28个，三级46个)，分别对各属性频率以降序排序，统计各分级中金相关岩体的出现比率(表 3)。

2.3.3 岩浆岩定量分类效果评述

(1) 岩浆岩各个属性在一、二分级中金相关岩体所占比远大于其平均值(21%)。四级构造分带对鉴别岩浆岩与金矿相关性最为有利(由四级构造带排序所确定的17个一级岩体中，金相关岩体所占比率52%，比率高出平均值31个百分点)。

(2) 一级分级中，定量分类属性所确定的金相关岩体所占比率较定性分类高出11个百分点，就岩浆岩与金矿相关性判定而言，定量分类结果较传统的定性(定名)分类结果有更好的判定效果。

(3) 进一步分析，定性分类中个别种类所占比率很大，如二长花岗岩占总岩体数26%，石英闪长岩占总岩体数25%。而定量分类将二长花岗岩进一步细分出13个分类，其中金相关岩体仅出现在6个分类中，因此，定量分类可以更加精准的研究岩浆岩分类以及与矿床的相关关系。

3 结论

(1) 岩浆岩矿物学定名虽然不够精准。但该分类建立在统一的标准之上，便于全球性统一对比，现在乃至将来，仍不失为一种理想、有效的分类方案。但是，仅由部分样本、个别成分构建的二维图解分类方案，分类结果不具唯一性，不适应大样本分类，更不能推广到其它区域使用。

(2) 本文提出了岩浆岩定量分类系列模型，各模型受不同组合的多个变量所控制，不受地质理论和个人主观因素限制，完全由测试数据自身分布特征和其相关关系所决定，分类结果更加精准、真实、唯一。在岩浆岩与金矿相关性判定中，定量分类结果较传统的定性(定名)分类结果有更好的判定效果。定量分类属性所确定的金相关岩体所占比率较定性分类高出11个百分点。与传统的岩浆岩定性分类方法相比较，定量分类结果更加丰富、精细。可以更为精准的研究岩浆岩成因、分类以及与矿床的相关关系。为地质研究和成矿预测开辟了新的思路和方法。

(3) 定量分类结果完全受测试数据的控制，因此，在研究工作中应确保原始数据的真实性，在采样工作中应注重加大采样量，提高样本的代表性。需要指出的是，该模型的建模思想和方法仅供探讨，模型本身不能简单的使用于其它地区。依据“大数据”的观点和相关地质理论，不应该也没必要存在一个适用于所有地区的岩浆岩定量分类模型。因为，以当前的资料储备和计算、处理能力，构建不同地区(成矿构造带)的岩浆岩定量分类模型早已成为一件极其简单的事情。再者，岩浆岩分类的最终目的在于能够更加精确地研究岩浆岩和其它地质事件及产物(矿床)的相关关系，这样的定量分类才会更有意义。