滇东南富宁地区风化壳型钛铁砂矿隐伏矿成矿预测：来自AlphaEarth数据融合与机器学习的应用

赵志芳; 钱第伟; 王泽传; 章涛; 袁嘉晨; 马华盛

doi:10.13745/j.esf.sf.2026.3.6

地学前缘 ›› 2026, Vol. 33 ›› Issue (4) : 272 -294. DOI: 10.13745/j.esf.sf.2026.3.6

滇东南富宁地区风化壳型钛铁砂矿隐伏矿成矿预测：来自AlphaEarth数据融合与机器学习的应用

赵志芳, 钱第伟, 王泽传, 章涛, 袁嘉晨, 马华盛

作者信息 +

Author information +

文章历史 +

摘要

钛金属因独特的理化性质，被誉为“第三金属”,在航空航天、海洋工程与生物医学等领域应用广泛。在我国，风化壳型钛铁砂矿是重要的钛资源类型，其中滇东南富宁地区风化壳型钛铁砂矿潜力巨大，但勘查推进效率仍较缓慢。遥感地质作为近年愈来愈广泛拓展应用的智能找矿方法，在表生风化壳型矿找矿勘查中优势显著。但以往遥感地质研究往往面临多源遥感异构数据难有效融合、成控矿条件无法精细解析等挑战。针对这些挑战，本研究选取富宁钛铁砂矿区为研究区，基于谷歌2025面向全球发布、融合了多源异构遥感数据、分辨率达10 m、具有64维的AlphaEarth数据，结合地质、地球化学及地形地貌等多维数据进行成控矿条件解析，构建基于“机器学习建模”的遥感智能找矿方法体系。基于随机森林(Random Forest, RF)、支持向量机(Support Vector Machine, SVM)与多层感知机(Multilayer Perceptron, MLP)模型对比实验，优化开展钛铁砂矿成矿预测。实验结果表明：AlphaEarth数据显著增强了矿化异常信息识别能力并明确约束了地质指示意义；MLP模型较RF模型和SVM模型在预测精度与稳定性上表现最优，对复杂地质背景下的矿化异常信息识别能力突出。基于MLP生成的成矿有利度信息与已知矿床高度吻合，经成功率曲线精度评价及野外验证，预测准确性高(AUC=0.94)。本研究为富宁地区钛铁砂矿勘查提供了科学依据，也为类似地区同类矿床的智能预测提供了可参考的技术路径。