勘查地球化学数据处理是矿产勘查和矿产资源定量预测与评价领域一项重要的基础工作，特别是在矿产勘查程度较低的地区，运用有效的化探数据处理方法识别和提取有意义的致矿异常信息，可以快速聚焦找矿范围，指导找矿方向，提高找矿效果。Cohen et al. (2010)在对国际勘查地球化学过去十年来学科发展进行总结时，也曾明确指出如何运用不同的数学模型和信息技术处理地球化学数据并识别和解释异常是当前勘查地球化学面临的重要任务之一。化探数据处理的根本目的有两个 (王世称等, 2000; 蒋敬业等, 2006)：其一，研究地球化学元素的空间分布特征，确定地球化学背景与异常，对化探样品、化探异常等进行分类；其二，研究元素共生组合规律及组合异常的空间分布特征，进行地球化学制图。为此，针对这两大基本问题，前人已提出了诸多有关勘查地球化学数据处理的方法 (Carranza, 2008; Grunsky, 2010; Pawlowsky-Glahn and Buccianti, 2011)，如单变量统计方法 (Campbell, 1982; Smith et al., 1982)、多变量统计分析方法 (Jimenez-Espinosa et al., 1993; Reimann et al., 2002; Xiao and Chen, 2012)、地质统计学 (Goovaerts, 1992; Jimenez-Espinosa et al., 1993; Li et al., 2009)、谱分析方法 (Cheng et al., 2000; Shahi et al., 2015; 陈建国和夏庆霖, 1999; 黄厚辉等, 2007) 以及非线性模型 (分形或多重分形)(Cheng et al., 1994, 2000; Li et al., 2003; Cheng, 2007; Chen et al., 2007; 郭科等, 2007; Zuo et al., 2009; Xiao et al., 2012, 2016) 等。其中，基于分形与多重分形理论的非线性化探异常识别和提取技术是近年来该领域研究的重要成果和前沿方向，通过对地球化学数据的分形、多重分形特征的研究和定量分析，如局部奇异性、广义自相似性及多重分形谱等，可以有效的增强弱缓异常和分解复合叠加异常信息 (Cheng, 2007; 成秋明等, 2009; Zuo et al., 2009; Xiao et al., 2012, 2016)。与此同时，以多元统计模型为代表的地学多源信息融合技术也有了进一步发展，如空间加权主成分分析模型的提出 (Bonham-Carter and Cheng, 2001; Cheng et al., 2011)，通过利用其它类型的地质信息 (如构造、岩浆岩、地球物理等) 来构建空间权重模型来度量化探样品的重要性，从而改变主成分分析中地球化学元素之间的空间相关关系，最终有效的实现了地球化学异常信息与其它类型地质信息的融合，更加客观的揭示了地球化学异常的地质意义。这些先进的地学信息处理技术方法都为致矿地球化学异常信息的识别和提取提供了有力工具。

钦-杭结合带是由扬子和华夏两大古陆碰撞拼接而成的一条巨型多金属成矿带，它南西起自广西钦州湾，经湖南东部和江西中部，近北东向延伸至浙江杭州湾，全长约有2000km，宽约70~130km，空间上整体呈反“S”状弧型展布 (周永章等, 2015)。由于其具有巨大的找矿潜力，近年来，已被中国地质调查局列为国家级重点成矿带 (肖克炎等, 2016)，备受关注。研究区位于粤西云开隆起区的南缘，属钦-杭成矿带的南段。本文拟综合运用多重分形局部奇异性和空间加权主成分分析方法对研究区1：5万水系沉积物地球化学数据进行处理，提取与Ag-Au矿化有关的化探异常信息，以期为该地区Au-Ag矿的找矿工作提供指导。

从地质成矿的角度来讲，奇异性可被定义为在很小的时间-空间范围内巨大能量的释放或巨量物质的堆积 (Cheng, 1999, 2007)，如金属元素的急剧富集或含矿热液中成矿物质的迅速沉淀等现象。从分形-多重分形的非线性理论来讲，这一过程可以描述成一种幂律模型：

(1)

(2)

式 (1) 和 (2) 中：μ和c分别为体积V内金属元素总量和平均含量，ε为V的线性尺度，α为幂律关系的指数。在二维情况下，将体积换成面积A，则有：

(3)

(4)

式 (3) 和 (4) 中：μ(A) 和ρ(A) 分别为面积A内金属元素总量和平均含量，ε为A的线性尺度，α为幂律关系的指数。

在实际应用中，通常基于网格化 (栅格) 数据，采用滑动窗口的方法计算奇异性指数值α(图 1)，在μ(A) 或ρ(A) 与ε的双对数图中，相应直线的斜率为α或2-α，即通过求双对数坐标系内μ(A) 或ρ(A) 与ε之间线性拟合关系的斜率来估计奇异性指数α值的大小。奇异性指数有明确的地质意义，一般来讲，当α≈2时，表示无奇异性；当α < 2时，表示元素的局部富集；当α>2时，表示元素的局部亏损或贫化 (Cheng, 1999, 2007)。

图 1

Fig. 1

图 1 基于滑动窗口法的奇异性指数计算示意图 (据Xiao et al., 2016) Fig. 1 The windows gliding method for calculating singularity index (after Xiao et al., 2016)

主成分分析是一种常用的数据降维分析方法，它以信息丢失量最小为基本原则，对多变量数据进行最优线性组合简化，生成若干 (少于原始变量数) 主要新变量，即主成分 (赵鹏大等, 1994; Davis, 2002)。设随机变量X_m×n均值向量和相似性矩阵 (或方差-协方差矩阵) 分别为E(X)=μ和Cor(X)(或Cov(X))=Σ，主成分分析的一般模型为：

(5)

式 (5) 中Z_i(i=1, 2, 3, …, n) 为对X的a_i(i=1, 2, 3, …, n) 线性变换，要使得Z_i(i=1, 2, 3, …, n) 的方差达到最大，即求以a_i(i=1, 2, 3, …, n) 为约束的最优化问题：

(6)

的解。可以证明 (赵鹏大等, 1994; Davis, 2002)，a_i(i=1, 2, 3, …, n) 实质为矩阵Σ的第i(i=1, 2, 3, …, n) 个特征向量。当Σ为相似性矩阵时，称为Q型主成分分析；若Σ为方差-协方差矩阵时，则称为R型主成分分析。

以上为传统主成分分析方法的一般原理，不难发现该模型在计算变量之间相关性时是基于理想的数学空间进行的，即假定认为空间中每个样本点的重要性是完全相同的。而在实际的应用中，特别是在解决地质问题时，这种假设通常面临挑战 (Arino et al., 1993; Ma et al., 1990; Saunders and Kriebel, 1998)，譬如利用主成分分析方法识别某类地质体时，如果已知某些区域在已有地质条件下不可能产出此类地质体，那么就有必要剔除位于这些区域内的样品，即样品在主成分分析中的重要性，以消除它们对主成分分析结果的干扰，否则可能导致一些分析结果的不合理性。基于以上对地质约束条件对样品空间相关性影响的考虑，前人提出对主成分分析方法进行改进，通过引入空间权重变量来突出不同样品在主成分分析中的重要程度的差异性，即空间加权主成分分析模型 (Spatially Weighted Principal Component Analysis, SWPCA)(Bonham-Carter and Cheng, 2001; Cheng et al., 2011)。它的核心内容就是定义某种具有特殊地质意义的空间权重来度量样品的重要程度，以此来改变相似性矩阵的计算，空间加权后的相似性矩阵被定义为：

(7)

式 (7) 中w_k为第k(k=1, 2, 3, …, m) 个样品的空间权重系数。显然，在利用空间加权主成分分析模型对地质变量进行分析时，关键是如何选取和确定合理的空间权重变量，譬如在对化探数据的处理时，我们通常可以选择那些控制化探异常形成与分布的关键地质要素，如控矿构造、岩体、地层等，作为构造空间权重模型的主要变量，以尽可能突显化探样品在地质条件约束下的空间相关关系。

研究区位于钦-杭结合带的南段，大地构造位置属粤西云开隆起区的南缘，北东向信宜-廉江断褶带南段。区内出露地层主要有上元古宙混合岩、塘蓬群，志留纪连滩组，泥盆纪老虎头组、帽子峰组、天子岭组、信都组、东岗岭组，石炭纪孟公坳组，白垩纪罗文组以及第四纪洪-冲积层 (图 2)。断裂发育，依据其走向，可大致分为北东向、北西向以及东西向三个断层组。区内燕山期岩浆活动强烈，侵入岩体呈岩基、岩株或零散分布的花岗 (斑) 岩脉产出。研究区为钦-杭成矿带南段重要的贵金属、有色金属矿集区，矿种繁多，已勘探查明或正在开采利用的矿产有银金矿、铅锌矿、钨钼矿等。

图 2

Fig. 2

图 2 庞西垌地区地质图 Fig. 2 The geological map of Pangxitong district

前人 (孙华山等, 2005, 2007; 王祖伟, 1998; 王祖伟和周永章, 2002; 周永章等, 2015) 研究表明，区内金银矿床，如庞西垌、金山、中苏等，均受北东向断裂构造的控制，Ag-Au多金属矿体多赋存于断裂蚀变带的中、上部，主要为含石英、硫化物的蚀变岩，少部分为石英脉；金属硫化物呈细脉状或浸染状分布，矿体与围岩没有明显的界限，多呈渐变过度的接触关系，属典型的构造蚀变岩型矿床。具体成矿作用过程可概括为：含金银组份和具萃取能力流体、挥发份等的花岗岩浆，从深部上侵、定位和冷却的过程中，首先萃取前寒武系和寒武系矿源层 (如上元古宙唐蓬群及混合杂岩等) 中经过初始富集的成矿有用组分，形成富含金属的成矿溶液体系，随后成矿热液沿断裂破碎带运移并与围岩发生交代作用，最终形成了构造蚀变岩型银金矿 (王祖伟, 1998; 王祖伟和周永章, 2002)。这类银金矿床的矿石结构较为复杂，主要有自形-半自形-他形粒状结构、压碎-碎裂结构、残余-熔蚀结构等类型，呈现出不同程度的糜棱岩化和碎裂岩化的变形特征。银金矿以银为主，伴生金、铅、锌、铜等多金属矿化，主要金属矿物有自然银、银金矿、硫银矿、辉铜银矿、闪锌矿、方铅矿、黄铜矿、黄铁矿等，非金属矿物主要有石英、绢云母、长石、绿泥石、角闪石等。

本文地球化学数据来源于“钦杭成矿带 (南段) 庞西垌地区矿产远景调查项目”中1：5万水系沉积地球化学测量工作 (张焱和周永章, 2012; 周永章等, 2015)。水系沉积物地球化学样品主要采集于河床底部或在河道岸边与水面接触处的松散沉积物。其中，若采样点恰位于间歇性河流或干枯河道中，则在河床底部采样；否则，在水流变缓处、水流停滞处、转石背后及河道转弯等有较多细粒沉积物聚积的位置采样 (张焱, 2012)。全区总共采集了7236个化探样品，平均采样密度约为4.27个/平方千米，无空大格和连续空5个以上小格现象。共分析了Ag、Au、Cu、Pb、Zn、Mn、W、Sn、Mo、As、Sb、Bi、Hg、F、Ba和B 16种元素，各元素的测试分析方法、检出限、报出率、分析准确度与精密度等技术要求严格按照《地球化学普查规范》(DZ/T 0011—1991) 的要求执行。

正如上文所述，庞西垌地区Ag-Au多金属矿床的矿石矿物主要由含Au、Ag、Cu、Pb、Zn等金属硫化物组成，如银金矿、硫银矿、辉铜银矿、闪锌矿、方铅矿、黄铜矿等，这些矿物在表生地质作用过程中风化分解可能会引起Au、Ag、Cu、Pb、Zn元素地球化学异常。并且，通过对这些元素进行相关性分析，发现Au、Ag、Cu、Pb、Zn元素具有较强的正相关关系。因此，选取Au、Ag、Cu、Pb和Zn五种与区内银金矿化密切相关的元素进行分析处理，以识别和提取Ag-Au致矿地球化学异常信息。表 1给出了Au、Ag、Cu、Pb和Zn五种元素地球化学数据基本统计特征参数，从这些参数可以看出，这五种元素在不同样品中含量的差异是十分显著的，相应的地球化学数据并不服从正态分布，用传统的方法进行异常信息的提取是比较困难的。图 3为这五种元素的原始地球化学元素含量分布图，从图中可以明显的看出，这五种元素在区内分别很不均匀，其异常主要集中分布于已知银金矿床 (点) 附近，亦或表现为大面积与区域背景有关的异常信息。特别是Au、Ag这两种主成矿元素，它们的分布显得更加不均匀，高含量异常主要零星分布于研究区西北部已知银金矿区，而在其它区域地球化学异常的显示则不明显，主要表现为低弱异常特征，往往很难被识别和圈定。

表 1

Table 1

表 1(Table 1)

表 1 Au、Ag、Cu、Pb和Zn元素地球化学数据基本统计特征 Table 1 The descriptive statistic parameters of Au, Ag, Cu, Pb and Zn 元素 最小值 最大值 中位数 均值 标准差 偏度 峰度 Au 0.20 1145 0.81 2.07 18.99 40.19 2058 Ag 0.00 40.70 0.06 0.09 0.59 53.12 3341 Cu 1.00 440.0 7.00 12.01 16.82 8.03 121.0 Pb 1.00 5504 26.00 34.57 74.30 56.12 4063 Zn 3.00 2955 30.00 36.11 49.99 34.47 1755 注：表中除Au元素单位为×10-9，其它元素单位都为×10-6

表 1 Au、Ag、Cu、Pb和Zn元素地球化学数据基本统计特征 Table 1 The descriptive statistic parameters of Au, Ag, Cu, Pb and Zn

图 3

Fig. 3

图 3 原始地球化学异常图 Fig. 3 The geochemical concentration maps of Au (a), Ag (b), Cu (c), Pb (d) and Zn (e)

相较于地球化学元素含量数值的高低所表现出来的化探异常的强弱程度，地球化学异常的空间结构特征则往往能够提供更为丰富的异常信息，反映异常存在的地质意义，如具有相同矿化类型的不同矿床，可能由于矿床的埋藏深度或表生条件下与成矿有关的指示元素的富集程度的不同，导致其对应的化探元素含量高低异常极有可能有很大的不同，仅依据元素含量的高低往往难以有效的识别其异常，但是它们的局部空间结构模式可能具有很强的相似性，可为异常的识别提供重要的线索 (Cheng, 2007; Xiao et al., 2012)。因此，为了揭示异常的局部空间结构模式以识别和增强局部异常信息，我们运用多重分形奇异性制图技术对上述与银金矿化关系密切的五种化探元素Au、Ag、Cu、Pb和Zn原始地球化学数据进行处理，分别计算它们的局部奇异性指数图并编制其与银金矿床 (点) 分布相关的地球化学异常图。

为了计算Au、Ag、Cu、Pb和Zn五种元素的局部奇异性指数，在地球化学图上以每一个点为中心，依次形成不同大小的窗口：250m×250m、750m×750m、1250m×1250m、1750m×1750m、2250m×2250m、2750m×2750m，计算每个窗口内元素含量的平均值，再在双对数坐标系上绘制元素平均含量与窗口大小的关系图并进行最小二乘线性回归，回归直线的斜率为2-α，即据此可估计奇异性指数的值。最终计算得到的Au、Ag、Cu、Pb和Zn奇异性指数图如图 4所示。从图中可以看出，应用多重分形局部奇异性分析方法可以很好的突出局部异常，增强弱缓异常信息，有效的消除或减弱了由于地球化学背景场值的高或低对化探异常圈定的影响。局部奇异性指数α < 2的区域在空间上与银金矿床 (点) 空间分布具有显著的相关性，这说明α < 2可以反映元素局部高含量的异常信息，它指示了元素的局部富集。

图 4

Fig. 4

图 4 多重分形局部奇异性指数分布图 Fig. 4 The singularity index value maps for Au (a), Ag (b), Cu (c), Pb (d) and Zn (e)

地球化学异常的识别与提取不仅要考虑单元素异常，还需要考虑多元素之间的亲和性与空间相关性，按照地球化学元素的空间组配形式来提取组合异常 (陈永清等, 2011; 丛源等, 2012; 李春华等, 2010; 柳炳利等, 2012)。这是因为，一方面，成矿是一个多组成和多过程耦合的复杂动力学系统过程，这决定了它往往不只是形成单一成矿元素的化探异常，而是形成与矿化有密切成因联系的一套元素的组合异常，并且它们之间通常存在较强的亲和性和空间相关性；另一方面，在化探异常识别中同时考虑多种元素异常之间的协同效应，充分利用不同地球化学指标之间的关联性，有利于减小地球化学异常识别与提取结果的不确定性 (陈永良等, 2014)。与此同时，还需考虑化探异常产出的地质环境，有找矿意义的化探异常往往是与重要的成矿地质异常紧密相联系的 (赵鹏大和胡旺亮, 1992)，如重要的控矿构造 (包括断裂、褶皱等)、岩体、地层等。基于以上因素的考虑，我们运用空间加权主成分分析方法，在考虑重要控矿地质因素的条件下，对Au、Ag、Cu、Pb和Zn五种元素局部奇异性异常进行综合，以得到多元素组合异常。

同上所述，在进行空间加权主成分分析时，很关键的一步就是如何选取和定义合理的空间权重变量。已有研究表明 (孙华山等, 2005, 2007; 王祖伟, 1998; 王祖伟和周永章, 2002)，研究区银金矿床属构造蚀变岩型银金多金属矿床，北东向断裂构造为其最重要的控矿要素之一，它一方面起到了容矿空间的作用，另一方面也是成矿物质发生迁移、富集和沉淀的重要场所。据此，我们将北东向断裂构造控矿作用的影响范围，即距离北东向断裂的距离，作为应变量来构建空间加权主成分分析中的空间权重变量的计算模型 (Cheng et al., 2011; Xiao et al., 2012)：

(8)

式 (8) 中w为空间权重，d为距北东向断裂的距离，d_opt为最佳距离 (即在距离断裂d_opt单位长度范围内为有利成矿部位，否则为不利成矿部位)，d_max为最大距离，β为幂律关系的指数。

为了计算银金矿床分布与北东向断裂的最佳距离，首先从地质图中提取出北东向断裂构造，然后进行断裂构造的缓冲区分析，以每250m宽度绘制40个等间距缓冲区，将缓冲区与已知银金矿床 (点) 单元进行综合，以采用证据权方法中t统计量来分析计算每个累计缓冲区与已知矿床 (点) 之间的空间相关性。t统计量提供了一种可以度量点与面空间相关关系显著性的定量指标，t值越大，说明空间相关性越强，通常t>1.96可以认为空间相关性较强，具有显著的统计意义 (Agterberg et al., 1990; Bonham-Carter, 1994)。图 5为北东向断裂缓冲距离与已知银金矿床 (点) 之间空间关系的t统计量图，从图中可以看出当t=2.19时，空间相性达到最大，此时对应的距离为1000m，也就是说，北东向断裂对已知银金矿床 (点) 空间分布的最佳控矿距离为1000m。另外，当距离等于1500m时，t=2.03>1.96，仍然显示出较强的空间相关性，此时可认为距离1000~1500m具有中等程度的控矿作用。距离1500~3500m时，由t值指示的空间相关性转为不显著并程逐渐减弱的趋势，指示随着远离北东向断裂构造距离的增大，其控矿作用越来越弱。根据上述北东向断裂缓冲距离与已知银金矿床 (点) 之间空间关系的t统计量变化的关键参数和趋势，最终确定式 (8) 中计算空间权重变量的参数为：d_opt=1000m，d_max=3500m，β=3(使得d=150m时的空间权重w≈0.6，指示中等程度的控矿作用)。最终得到的空间权重系数与北东向断裂距离之间的定量关系模型及用于空间加权主成分分析的权重系分别如图 6和图 7所示。

图 5

Fig. 5

图 5 北东向断裂缓冲距离与已知银金矿床 (点) 之间空间关系的t统计量图 Fig. 5 The spatial statistical t values between the buffer distances of NE faults and the Ag-Au ore deposits (occurrences)

图 6

Fig. 6

图 6 空间权重系数与北东向断裂距离之间的关系 Fig. 6 The relationship between spatial weights and the buffer distances of NE faults

图 7

Fig. 7

图 7 空间加权主成分分析权重系数图 Fig. 7 The map of spatial weights for spatially weighted principal component analysis

利用图 7给出的空间权重系数，采用空间加权主成分分析方法对Au、Ag、Cu、Pb和Zn元素的奇异性指数值 (α值) 进行主成分分析，五个主成分的方差贡献以第一主成分 (PC1) 为最大 (图 8)，占总方差的52%。从第一主成分的因子载荷图 (图 9) 中可以看出，第一主成分由Au、Ag、Cu、Pb和Zn元素组成，该组合构成的综合局部奇异性图 (因子得分图，图 10) 清晰的反映了庞西垌地区与银金矿化关系密切的一套元素局部奇异性空间组合异常模式，不仅在研究区西北部已知矿化区域异常反映明显，而且在东部的低弱异常也反映明显。在空间上这些异常沿北东向断裂构造分布，显示出重要的地质内涵，可能为致矿异常，找矿意义有待于进一步的查证。

图 8

Fig. 8

图 8 空间加权主成分分析方差图 Fig. 8 The variances of spatially weighted principal component analysis

图 9

Fig. 9

图 9 第一主成分 (PC1) 因子载荷图 Fig. 9 The loading factors of the first principal component (PC1)

图 10

Fig. 10

图 10 第一主成分因子得分图 Fig. 10 The score map on the first principal component (PC1)

为了进一步揭示Au、Ag、Cu、Pb和Zn元素的奇异性指数组合异常与已知银金矿化之间的空间关系并据此对组合异常进行分类和筛选。我们首先将上述组合异常值取不同的阈值进行二值化，然后再次应用证据权方法中t统计量来分析计算每类组合异常与已知矿床 (点) 之间的空间相关性，组合异常阈值与t值的关系如图 11所示，t值的大小反映了组合异常值小于某一阈值的区域与已知银金矿床 (点) 空间相关性的强弱程度。当组合异常值在-2.40至-0.98的区间上，t值随组合异常值的增大而增大；当组合异常值在大于-0.98的区间上，t值随组合异常值的增大而减小。指示空间相关性大小的t值在组合异常为-0.98时达到最大 (t=2.15>1.96)。因此，我们认为组合异常值等于-0.98是最优的分割阈值，它将原始组合异常分割为两部分 (图 12)：一部分为组合异常值小于-0.98的区域与已知8个银金床 (点) 具有最显著的空间相关性；另一部分则为异常值大于-0.98的区域与已知银金床 (点) 不具有统计意义的空间相关性。前者即为最终识别提取的Ag-Au致矿地球化学异常信息，它不仅显示在已知矿区异常与矿床 (点) 分布具有明显的相关关系，而且在未知区也圈定了较好的异常，其找矿潜力可能较大，结合成矿地质条件分析，可在这些未知区异常中进一步筛选出具有重要找矿意义的异常区，以指导研究区进一步找矿工作。

图 11

Fig. 11

图 11 第一主成分因子得分与已知银金矿床 (点) 之间空间关系的t统计量图 Fig. 11 The spatial statistical t values between the scores on the first principal component and the Ag-Au ore deposits (occurrences)

图 12

Fig. 12

图 12 Ag-Au致矿地球化学异常图 Fig. 12 The Ag-Au mineralization associated geochemical anomaly map

本文利用钦-杭结合带南段庞西垌地区1：5万水系沉积物地球化学数据，研究了如何利用多重分形奇异性与空间加权主成分分析方法识别与提取Ag-Au致矿地球化学异常信息。首先计算了与研究区银金矿化关系密切的五种地球化学元素Au、Ag、Cu、Pb和Zn的空间局部奇异性指数，然后在控矿要素分析的基础上，将北东向断裂构造作为应变量来构建空间加权主成分分析中的空间权重变量的计算模型，进而采用空间加权主成分分析的方法来圈定Au、Ag、Cu、Pb和Zn元素奇异性指数值的组合异常。取得的主要研究结论有：

(1) 多重分形局部奇异性与空间加权主成分分析方法相结合是一种有效的致矿地球化学异常圈定方法，前者可以增强局部强弱缓异常信息，后者则可以在此基础上将地球化学异常信息与其它类型地质信息，特别是重要的控矿要素信息进行融合，从而能更加客观的揭示了地球化学异常的地质意义；

(2) 致矿地球化学异常的识别不仅要考虑单元素异常信息，更要充分考虑多个具有成因联系的多元素组合异常特征及其与主要控矿要素之间的套合或耦合关系，从而有效的减小地球化学异常识别与提取结果的不确定性；

(3) 本文提取的庞西垌地区Ag-Au致矿地球化学异常不仅清楚的反映了与已知银金矿床 (点) 分布具有很强的空间相关性，而且在未知区也圈定了多处较好的组合异常，它们可能具有较好的找矿意义，结合成矿地质条件分析，可考虑在这些未知区异常中进一步筛选出具有找矿潜力的异常区，进行野外地质调查及化探取样查证，以指导研究区进一步找矿工作部署。