基于UFLI技术的铀异常层划分与中国北方鄂尔多斯盆地大营铀矿床的三维矿体重建 谭玉蕾（Yulei Tan） 黄建宇（Jianyu Huang） 张立元（Liyuan Zhang） 卢来军（Laijun Lu） 陈宝鹏（Baopeng Chen） 梁同源（Tongyuan Liang） 潘林（Lin Pan）

《Geosciences》：UFLI-Based Uranium Anomaly Layer Delineation and 3D Orebody Reconstruction of the Daying Uranium Deposit Within the Northern Ordos Basin, China Yulei Tan, Jianyu Huang, Liyuan Zhang, Laijun Lu, Baopeng Chen, Tongyuan Liang and Lin Pan

　　摘要：砂岩铀矿床表现出层状矿化特征和强烈的垂直异质性，这给利用钻孔数据集识别铀异常层并将其整合到矿床尺度的三维模型中带来了复杂性。在本文中，我们提出了一种基于UAPC傅里叶层识别（UFLI）的方法来识别铀异常层。该方法基于多测井特征构建、基于随机森林的深度连续铀异常概率曲线（UAPC）估计以及改进的傅里叶垂直变化分析。我们使用位于中国北方鄂尔多斯盆地大营铀矿床四个勘探线（ZKA-ZKD）上的19个钻孔进行了验证。所提出的UFLI方法以5米的采样间隔识别出了51个铀异常层，在钻探地层中形成了离散的垂直簇。结果表明，异常主要集中在中侏罗世的志罗组，特别是在志罗组下部，异常深度范围大约在550-745米之间。与已知的矿化记录相比，这些异常层中包含了工业级和普通级别的矿化区间。然后，基于钻孔间异常层的连续性，我们重建了五个铀矿体（矿体1-5）并描述了它们的分布特征。所提出的方法为砂岩铀系统的地下可视化和勘探目标定位提供了一种技术手段。

1. 引言
铀是核能系统的关键原材料，稳定的铀资源供应对长期能源规划至关重要。砂岩铀矿床因其埋藏深度适中、横向分布广泛且通常具有相对较低的开采成本而成为最具经济吸引力的铀资源[1,2]。因此，砂岩铀矿床构成了铀资源基础的重要组成部分[3]，在其勘探和特征描述方面的持续方法论进步在实践和科学上都非常重要[4,5]。在过去几十年中，中国多个沉积盆地（包括鄂尔多斯[9]、二连[10,11]、柴达木[12]、松辽[13]等盆地[14,15]）广泛发现了砂岩铀矿化现象，其中一些矿床已达到大型或超大型规模。北方鄂尔多斯盆地是产量最高的铀产区之一，拥有多个主要矿床和矿田[16]，如大营、纳林沟和东胜。本研究以大营铀矿床为例；该矿床的主要矿体位于侏罗纪地层中，特别是志罗组[17]。许多学者已经对沉积构造[5]、储层性质[18]、成矿流体[7]、来源和构造背景[4]以及控矿因素[19]提供了坚实的基础。然而，从钻孔数据集中定量划分铀异常层并将其转化为矿床尺度的空间表示仍然面临挑战[20]，尤其是在支持跨钻孔相关性和后续三维解释的可重复性方面[21]。这种困难与砂岩铀矿化的固有特性密切相关[22]。沉积盆地中的铀迁移和积累受到耦合的构造-地层条件和盆地尺度流体循环的控制，矿化通常通过层间氧化带及其邻近环境中的氧化还原驱动沉淀作用发生[23]。因此，铀矿化具有层状和垂直异质性的特征，表现为与贫瘠地层互层的离散矿化砂岩段[24,25]。这种不连续性和局部集中性意味着勘探和评估需要整合多测井信息，客观描述垂直变化，并在钻孔间关联矿化易发区间[26,27]，然后构建可以直接支持资源评估和勘探目标定位的三维矿体几何形态。

2. 地质背景
鄂尔多斯盆地位于华北克拉通[36]内，是一个位于稳定结晶基底[37,38]上的大型克拉通盆地，面积达2.51 × 10^5平方公里。该盆地富含能源和矿产资源，包括石油、天然气、煤炭和铀矿床[39]。从构造上看，它是一个中生代-新生代叠加盆地[40]。尽管经历了中生代-新生代叠加的构造-沉积演化[41]，鄂尔多斯盆地仍保持相对稳定的克拉通结构，其特征是宽阔的缓坡和长期的沉降[42]，而盆地边缘的变形通常比内部更为明显[43,44]。如图1a所示，盆地周围有几个造山系统和主要构造线状构造。北部与阴山造山带和中亚造山带相连，其中发育有索伦克尔缝合带和赤峰-巴彦奥博断层；西部与贺兰山带和阿尔xa地块相连；东部与太行山带接壤，受到滩卢断层系统的影响；南部与秦岭造山系统相关，其中存在上丹缝合带和绵芦缝合带[45]。这种构造配置显示了活跃的盆地边缘与相对稳定的盆地内部之间的强烈对比，为盆地演化和相关矿系统的形成提供了结构框架[46]。图1. 北方鄂尔多斯盆地的构造-地层背景。(a) 中国中北部的区域构造背景；(b) 鄂尔多斯盆地内的构造单元；(c) 标有大营铀矿床的北方鄂尔多斯盆地地质概览。如图1b所示，鄂尔多斯盆地被划分为几个主要的二级构造单元。北部是伊蒙隆起，而陕北斜坡延伸至中北部地区。西部有西缘逆冲带和天环凹陷；东部分布着晋西挠曲褶皱带和吕梁隆起，渭北隆起位于南部[47,48,49]。大营铀矿床位于北方鄂尔多斯盆地（图1b），处于边缘构造影响与相对稳定的盆地内部之间的过渡带[50]，这有利于流体聚集和矿相关元素的盆地尺度迁移[51]。

从地层学上看，该地区呈现出基底-盖层结构（图1c），包括太古代（Ar）、元古代（Pt）和古生代（Pz1–Pz2）地层（局部暴露[52,53,54]），上面覆盖着三叠纪（T）、侏罗纪（J）和早白垩纪（K1）地层，并被第四纪沉积物（Q）广泛覆盖。侵入岩（γ）也存在于这些地层中，通常出现在构造边界或基底-盖层过渡带附近（图1c）。在北方鄂尔多斯盆地，先前的研究表明侏罗纪是铀富集和矿化的关键时期，该地层也是能源积累（如煤炭和碳氢化合物）的重要层位[17,55,56,57]。在大营研究区域，铀矿床与侏罗纪地层（图1c）的空间关联表明，这些地层与盆地尺度的流体循环路径耦合[58]，这对铀的迁移和沉积至关重要[59]。

大营铀矿床位于北方鄂尔多斯盆地（图1c），坐标为108°54′24″–109°03′20″ E 和 39°55′55″–40°06′15″ N，海拔高度在1000至1500米之间[6]。勘探线和钻孔分布在矿床区域内（图1c）。与基底相关的构造（如断裂、褶皱和断层）可能对岩浆作用、沉积作用和成岩作用以及随后的构造改造具有首要控制作用[60]，这些因素影响流体的迁移和矿体的定位[61]。这些构造-地层特征为大营铀矿床的铀富集和矿化提供了必要的地质条件[62,63]。

3. 方法
3.1. 多测井特征构建和铀异常概率估计
砂岩铀矿床通常存在于离散的、分层的砂岩层中，常常表现为局部矿化而非连续带[64,65]。为了准确描述铀异常，整合来自多个钻孔的地球物理测量数据是必要的。这种方法有助于捕捉不同层和深度之间的矿化变化，从而更全面地了解矿床的结构。本文使用的钻孔数据包括自然伽马辐射率、视电阻率、孔隙度和自发电位。
对于勘探线上的第k个钻孔，钻孔数据可以表示为：
$$
X(k) = \left\{
\begin{array}{l}
x(k)_{11}, & x(k)_{12}, \ldots, x(k)_{1M}, \\
x(k)_{21}, & x(k)_{22}, \ldots, x(k)_{2M}, \\
\vdots, & \vdots, \\
x(k)_{Nk-1}, & x(k)_{Nk},
\end{array}
\right.
$$
其中M是钻孔变量的数量，Nk是第k个钻孔中的采样点数量。
为了消除变量之间的尺度差异并提高异常检测能力[6,20]，每个变量都使用以下公式进行标准化：
$$
x(k)_i \approx \frac{x(k)_i - \bar{x}(k)_i}{\sigma(k)_i}
$$
其中$\bar{x}(k)_i$和$\sigma(k)_i$分别是第k个钻孔中第i个变量的平均值和标准差。
$$
\Delta x(k)_i \approx \frac{x(k)_i - x(k)_i-1}{2\delta + 1} + \sum_{s=1}^{Nk-1} w_s x_s(x(k)_s}
$$
其中$w_s$是滑动窗口的半宽度。为了捕捉岩性或矿化边界的突变，计算梯度特征如下：
$$
\nabla x(k)_i \approx \frac{x(k)_i(x(k)+1) - x(k)_i(x(k)-1}{2}
$$
进一步结合物理知识构建额外的特征：视电阻率的倒数突出显示了典型的矿化砂岩的低电阻率区域：
$$
x(k)_i, R^{-1} = \frac{1}{x(k)_i}
$$
自发电位的绝对值强调了电化学异常：
$$
x(k)_i, |SP| = |x(k)_i, SP|
$$
所有特征被整合到一个每个深度点的特征向量中：
$$
f(k)_i = \left[ \frac{x(k)_i}{1}, \ldots, \frac{x(k)_i}{M}, \Delta x(k)_i, \ldots, \Delta x(k)_i, \nabla x(k)_i, \frac{x(k)_i}{R^{-1}}, \frac{x(k)_i}{|SP|} \right]
$$
随后应用随机森林分类器[66,67]来预测每个采样点的铀异常概率：
$$
T(y_k, i) = 1 \cdot \prod_{t=1}^{T} f(k)_i
$$
其中T表示树的总数，$h_t$是第t棵树生成的预测结果。第k个钻孔的铀异常概率曲线（UAPC）表示为一个列向量：
$$
U(k) = \left\{
\begin{array}{l}
U(k)_1, & U(k)_2, \ldots, U(k)_Nk-1,
\end{array}
\right.
$$
这个列向量可以直接针对深度进行可视化，并为后续的垂直层分析提供基础。

3.2. 基于傅里叶的垂直层变化分析
砂岩中的铀矿化通常是间断且振荡的，表现为与贫瘠砂岩互层的离散高品位层。为了量化垂直异质性，我们对UAPC应用了傅里叶理论[68,69]的性能改进。
定义钻孔数据的采样间隔为$\Delta z$。第k个钻孔的离散深度函数如下：??(??)?(n?Δ???)=???????????(??)??，其中??=1,2,…,????（10），z表示沿钻孔的深度。??(??)?(n?Δ???)提供了在不同深度收集的信号值，捕捉到了矿化程度的变化，这是识别垂直振荡模式的重要特征。然后按照以下方式计算离散傅里叶变换（DFT）：??(??)?(??)=????∑??=1??(??)?(???Δ???)???????2????????????（11）。DFT将深度域信号转换为频率域，将数据分解为其组成的频率成分。这种方法描述了地质空间中含铀层的振荡特性，并有助于识别钻孔数据中反映潜在地质结构的频率成分。在DFT之后，频率范围被限制以聚焦于地质信号的相关成分，之后应用逆DFT（IDFT）在垂直带域中重建信号：～??(??)?(??)=????????????{??(??)?(??)}，其中??=1,…,????（12）。IDFT可以描述为带限重建，其中DFT的频率成分被过滤以保留与矿化层等地质特征相关的低频成分。通过去除通常缺乏有意义地质信息的高频噪声，这一步确保了重建信号准确代表了潜在的地质特征，为后续分析提供了更清晰的信号。垂直层变化值表示每个深度与平均响应的偏差，可以定义为??(??)?(??)=∣～??(??)?(??)?1?????????∑??=1～??(??)?(??)∣（13）。??(??)?(??)表示每个深度的地质信号的绝对变化，表明了矿化程度的变化。通过计算重建信号与平均值之间的绝对偏差，这个指标量化了每个深度的信号变化。高值表明可能存在含铀矿层。满足??(??)?(??) ≥??的深度被识别为矿化倾向区，其中θ是一个基于经验或统计定义的阈值，用于识别显著异常。在本文中，阈值根据对地质数据预期变异性的先验知识进行调整，从而更准确地定义了与矿化区对应的异常。这个过程将概率UAPC转换为地质上可解释的垂直异质性曲线，突出了砂岩铀矿床的离散和振荡特性，并实现了对钻孔数据的全面分析。

4. 钻孔数据
本研究中使用的钻孔数据来自大营铀矿床。在矿床内的钻探是沿着一个规则的勘探网络进行的，钻孔分布在多个交叉的勘探线上，形成了类似网格的模式。如图2所示，最终的数据集包括来自四条勘探线（即ZKA、ZKB、ZKC和ZKD）的19个钻孔（表1）。图2. 研究区域四条勘探线上的钻孔布局。表1. 大营铀矿床四条勘探线上的钻孔布局。ZKA线包括五个钻孔（ZKA-1至ZKA-5），ZKB线包括四个钻孔（ZKB-1至ZKB-4），ZKC线和ZKD线各包括五个钻孔（ZKC-1至ZKC-5；ZKD-1至ZKD-5）。图3展示了钻孔的3D分布简化图，这是进行地层对比和后续分析的主要数据集。图3. 大营铀矿床中钻孔和勘探线的3D空间布局。从地层学上看，所有选定的钻孔都从下白垩统（K1）向下延伸到志罗组（J2z1）的下部，为整个研究区域提供了统一的相关基础。相比之下，只有一部分钻孔进一步向下延伸到延安组（J2y）。为了进行地层描述和对比，志罗组（J2z）被划分为上段（J2z2）和下段（J2z1）。此外，下段（J2z1）又被划分为两个亚单元，J2z1-2（上亚单元）和J2z1-1（下亚单元），这符合表2中总结的地层方案。这种划分在整个论文中得到应用，以确保钻孔比较的一致性，并支持对矿床内岩性地层变异性的解释。表2. 研究钻孔与垂直深度范围的地层交点。

5. 结果与讨论
5.1. UFLI方法划分的铀异常层的分布与验证
使用5米的垂直采样间隔，提出的UFLI方法从大营铀矿床沿四条勘探线（ZKA-ZKD）分布的19个钻孔中划分出了51个铀异常层。识别的异常层（包括顶部和底部深度）在表3中进行了总结，以及它们的宿主地层和已知的工业或普通铀矿化（顶部和底部深度）。将识别的异常层与已知的矿化进行比较后发现，UFLI方法成功识别了所有已知的工业和普通矿化层，并准确划分了这些矿化层的垂直分布和深度。UFLI方法的这一能力确保了异常层的准确检测，并验证了其划分地下矿化区的可靠性。同时，研究结果表明，铀异常表现出明显的分层聚集和强烈的垂直异质性，这与砂岩铀矿化的层状性质一致。这些现象可能受到沉积相的影响，连续的矿化层与特定的沉积环境相关，表明矿体形态与周围沉积环境之间存在密切关系。此外，铀矿化的垂直分区特征是在不同深度上矿化强度的逐渐变化，这受到断层带或裂缝等结构因素的影响。这些因素可能反映了地质空间内矿化流体的演化。表3. ZKA至ZKD勘探线上含铀层和矿化情况。从地层学上看，异常层主要集中在志罗组（中侏罗世），特别是在志罗组（J2z1）的下部。在51个异常层中，有35层（68.63%）位于上亚单元J2z1-2，12层（23.53%）位于下亚单元J2z1-1，合计占所有识别层的92.16%。只有少数异常层被划分在延安组（J2y；三层，5.88%）和上志罗段（J2z2；一层，1.96%），并且在下白垩统（K1）中没有检测到铀异常层。这种分布表明，大营矿床中的铀异常强烈受到志罗地层控制，其中J2z1-2是主要的异常倾向层，而J2z1-1和J2y中的深层异常反映了局部向下延伸，而不是整个盆地的连续矿化区间。图4显示了地层分布，表明J2z1-2是研究区域的主要异常承载区间，而J2z1-1和J2y中的异常出现相对较少。图4. UFLI方法铀异常层的地层分布。在垂直域中，划分出的异常层大约分布在550米到745米的深度范围内。异常层并不是均匀分布的，而是以上述地层区间内的离散簇出现。异常层主要出现在J2z1中，J2z1大致占据了钻孔的中部深度部分。分配给J2z1-1的层将异常承载区间向下延伸到J2z1-2，同时在J2y中也划分出少量异常层。这种深度分布为后续的钻孔比较和地层对比提供了基础。在四条勘探线上，连续异常层的数量各不相同（表3）：ZKA上有16层，ZKB上有13层，ZKC上有12层，ZKD上有10层。尽管J2z1-2在四条勘探线上占主导地位，但深层异常的相对贡献有所不同，特别是在J2z1-1和J2y中，这表明异常区间的垂直范围在矿床尺度上并不均匀。这种对比与不均匀的沉积结构和/或局部对流体聚焦和氧化还原界面的控制一致，它们直接促使了基于勘探线的对比剖面的构建。如图5所示，划分出的异常层被投影到勘探线剖面上，以可视化它们的分布和连续性。图5. UFLI方法铀异常层的勘探线基础上的空间分布图。与工业和普通矿化（97层）的比较显示，所有工业和普通层，包括67个工业层和30个普通层（表3），都分布在51个异常层中。这表明提出的UFLI方法可以从钻孔数据中突出矿化层。未记录在工业和普通层中的少数异常层不应仅被解释为误检测，因为矿化记录的可用性和分辨率可能因钻孔而异，一些异常层可能代表矿化程度较弱或未经验证的潜在区间。从勘探的角度来看，这些“不匹配”的异常层提供了后续验证的候选对象（例如，更接近的采样、重新测试或有针对性的填充钻探），特别是在它们显示一致的地层位置或在同一勘探线上相邻钻孔中显示连续性时。

5.2. 基于UFLI划分的铀异常层约束的3D矿体重建
基于提出的UFLI方法，我们划分了铀异常层及其在相邻钻孔之间的连续性，并识别出对应于五个铀矿体（矿体1-5）的异常区间。这一过程基于空间邻近性和地层连续性，并涉及强烈的人为因素；我们通过考虑相邻异常层之间的水平和垂直距离来定义空间邻近性标准。如果两个异常层在某个距离阈值内，则认为它们属于同一个矿体。如表4所示，总结了每个矿体的贡献钻孔，包括重建的顶部和底部边界（开始/结束）以及每个钻孔中的交叉厚度。就3D空间分布而言，重建的矿体占据大约550米至745米的垂直域，这记录了从较浅的、广泛连接的矿体（矿体1-3）到较深的、空间上更受限的矿体（矿体4-5）的清晰进展。表4. 铀矿体的钻孔位置和深度位置。矿体1包括ZKA和ZKB勘探线上的六个钻孔（图6a）。它分布在大约550米至575米的相对狭窄的深度区间内，单个钻孔的厚度范围从10米到25米不等（例如，ZKA-1/ZKA-3/ZKB-1/ZKB-3为10米，ZKB-2为最多25米）。开始深度在贡献钻孔中集中在550米至560米附近，厚度在孔之间有所不同，表明在同一深度带内的垂直发育存在差异。图6. 大营铀矿床中由UFLI方法约束的五个重建铀矿体的3D模型。(a) 矿体1；(b) 矿体2；(c) 矿体3；(d) 矿体4；(e) 矿体5。矿体2是从四条勘探线（ZKA、ZKB、ZKC和ZKD）上的七个钻孔重建的。如图6b所示，它的范围大约从565.95米到600米，厚度从5米（ZKC-3）到20米（ZKA-5）不等。跨多个线的分布和适中的厚度表明矿体2是一个横向广泛但垂直上较为有限的异常包体，其中钻孔之间的厚度有增厚和减薄现象。矿体3的钻孔数量最多，如图6c所示，涉及ZKA-ZKD之间的17个钻孔。它占据的深度区间从584.95米到645米，厚度在五个矿体中最为分散，范围从9.99米（ZKD-4）到45米（ZKA-3），许多钻孔的厚度在30米到40米之间（例如，ZKA-2为34.95米；ZKB-2为40米）。广泛的钻孔宽度分布和较大的厚度表明矿体3是研究区域内中深度异常域的主要重建体积（表4）。矿体4位于更深的深度，主要由ZKB、ZKC和ZKD的九个钻孔约束（图6d）。它的范围从625米到699.87米。在所有钻孔中，矿体4相对较厚，ZKC-4的测量值为42.2米，ZKC-5的测量值为34.87米，而其他钻孔的厚度通常在15米到25米之间。其深度位置和厚度分布表明矿体4是重建系统中的较深且相对稳定的异常体积。矿体5位于研究区域的最深区间，由ZKA到ZKD的五个钻孔约束。如图6e所示，该矿体的延伸范围从680米到745米，不同钻孔中的厚度分布不均（例如，ZKA-5和ZKB-4的厚度为15米，ZKC-5为13.9米，而ZKC-4和ZKD-5的厚度分别为3.7米和5米）。与较浅的矿体相比，矿体5在空间上更为局限，且垂直分布上也较为零散。图7展示了大营铀矿床中重建的铀矿体（矿体1-5）的3D可视化结果。矿体1-3主要位于中深度区间（大约550米至645米），其空间范围和厚度变化从矿体1到矿体3逐渐增大。矿体4和矿体5则位于更深的区域（大约625米至745米），空间发育程度有限。这些重建的体积清晰地展示了通过所提出的UFLI方法识别出的铀异常层的三维几何形态。这种表示方法可以为不同勘探线之间的矿体分布进行可视化和比较提供基础。图7：重建的铀矿体（矿体1-5）的3D可视化结果。

6. 结论

在本文中，我们提出了一种UFLI方法，该方法利用钻孔数据集识别铀异常层，并在砂岩铀矿中重建三维矿体。所提出的UFLI方法结合了多测井特征构建与基于随机森林的铀异常概率曲线（UAPC），并应用傅里叶垂直变化分析来识别铀异常层。我们以大营铀矿床作为研究区域（共4条勘探线上的19个钻孔；采样间隔为5米）。通过UFLI方法，我们识别出了51个具有明显地层聚集性和强垂直异质性的铀异常层。这些异常层主要集中在中侏罗世的志罗组（J2）中，尤其是在志罗组下部（J2z1）范围内。J2z1-2和J2z1-1中的异常层合计占所有识别出的异常层的92.16%。这些异常层的垂直范围从550米延伸到745米。所有已知的工业化和普通矿化层都包含在识别出的异常区域内，表明这些异常层有效地捕捉到了主要的矿化层位，并为进一步验证提供了额外的异常目标。此外，我们还重建了五个矿体（矿体1-5），揭示了与深度相关的三维特征：从较浅、连接更广泛的矿体（矿体1-3）到更深、空间限制更强的矿体（矿体4-5），从而明确了矿床尺度上异常相关体的地下分布和几何形态。

UFLI方法的准确性受到钻孔密度以及现有矿化记录的完整性/分辨率的限制；需要认识到该方法对钻孔间距的敏感性以及异常层合并的标准。钻孔间距会影响矿体重建的精度，较宽的间距可能导致矿体边界的划分不够精确。此外，合并规则，特别是空间邻近性和连续性的阈值，可能会影响矿体的表示方式。虽然我们已经建立了严格的标准来最小化这些不确定性，但进一步优化这些参数可以提高方法的准确性和可靠性。未来的工作应进一步测试划分结果对采样间隔和阈值设置的敏感性，并结合额外的地质约束条件（如岩相和氧化还原指标）来增强三维矿体重建和勘探目标的可靠性。