摘要：赣南地区的黑钨矿资源是重要的战略性有色金属资源，钨矿化相关地球化学异常的识别和提取对钨资源的勘查具有重要指示意义。本研究通过聚类分析与主成分分析，识别出与赣南钨矿化密切相关的8种单元素（Ag、Cd、Pb、Bi、W、Cu、Sn、As）和元素组合（Ag、Bi、Cd、Cu、F、Pb、Sn、W、Zn、As）；采用累计频率法、浓度-面积（C-A）模型和预测-面积（P-A）模型提取地球化学异常，通过捕获效率定量评估上述3种方法圈定的异常区域并进行对比分析。研究结果表明，8种单元素和元素组合的高异常区分布与区内4个矿集区相对应，表现出良好的指示作用。在累计频率法和C-A模型中，主成分2综合异常的捕获效率均为最高（4.39和33.9），分别在15.04%的区域中识别出66.1%的矿点，以及在0.1%的区域中识别出3.39%的矿点；P-A模型划分的异常区域中W元素的捕获效率最高(3.17)，在23.97%的区域中识别出76.03%的矿点。对比3种方法，C-A模型的异常区域展示了最高的矿点捕获效率（33.9），但所圈定的矿点数量相对较少；P-A模型的异常区域矿点捕获效率虽然较低，但识别出最多的矿点（76.03%），展现出更高的捕获矿点覆盖率。本研究综合考虑矿点捕获效率与捕获矿点覆盖率，选择基于多准则提取的主成分2和W元素地球化学异常评价区域成矿潜力，并制作异常分布图。
文章目录
1 研究区概况与数据来源
2 研究方法
2.1 主成分分析
2.2 基于多准则的地球化学提取方法
2.2.1 浓度-面积（C-A）模型
2.2.2 累计频率法
2.2.3 预测-面积（P-A）模型
3 区域地球化学异常特征
3.1 单元素地球化学异常
3.2 元素组合地球化学异常分布
4 基于捕获效率的地球化学异常提取成效评价
4.1累计频率法
4.2 C-A模型
4.3 P-A模型
5 结论
