矿集区“透明化”电磁探测技术:现状、进展与挑战

王栩 ,  严加永 ,  陈煜烽 ,  余爱民 ,  游越新 ,  刘家豪

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (9) :3561-3576

PDF (5297KB)
科学技术与工程 ›› 2026, Vol. 26 ›› Issue (9) :3561-3576 DOI: 10.12404/j.issn.1671-1815.2507711
热点述评

矿集区“透明化”电磁探测技术:现状、进展与挑战

作者信息 +

Electromagnetic Detection for Transparent Ore Districts: Current Status, Advances, and Challenges

Author information +
文章历史 +

摘要

随着浅部矿床日趋枯竭,向深部要资源已成为保障国家矿产资源安全的必然选择。在此背景下,精细刻画深部地质结构和控矿地质体三维空间展布,实现矿集区“透明化”已成为深部矿产勘查的重要途径。电磁探测技术因其对良导矿化体与高阻控矿构造具有独特灵敏度,已逐渐成为揭示深部成矿系统、实现矿集区“透明化”的核心地球物理手段之一。首先阐述了在深部找矿突破战略需求下开展精细探测的紧迫性,进而梳理了从大地电磁法(magnetotellurics,MT)到可控源音频大地电磁法(controlled-source audio-frequency magnetotellurics,CSAMT)、瞬变电磁法(transient electromagnetic method,TEM)等主流技术的特点与进展,重点探讨了三维正反演算法的关键技术突破,如基于伴随方程的效率优化、多信息约束联合反演等,并通过国内外典型实例展示了该技术在深部结构刻画与找矿预测中的实际效果;最后,深入剖析了当前在复杂环境噪声压制、深部微弱信号提取、反演多解性以及计算效率等方面存在的瓶颈,并对未来向智能化、融合化、高效化方向的发展趋势进行了展望,认为三维电磁探测技术的持续创新与深度融合,是实现矿集区“透明化”与推动深部矿产资源勘查取得突破的关键。在此基础上,提出面向复杂环境与深部目标的三维电磁探测业务化技术路线,为矿集区透明化建模与深部找矿预测提供参考。

Abstract

With shallow mineral resources gradually being depleted, deep-earth exploration has become imperative for ensuring national resource security. Against this backdrop, the precise three-dimensional characterization of deep geological structures and metallogenic systems, aiming to achieve “transparent ore districts,” has emerged as a key approach of deep mineral exploration. Owing to its sensitivity to both conductive mineralized bodies and resistive ore-controlling structures, three-dimensional electromagnetic surveying has gradually been established as a pivotal geophysical tool for imaging deep metallogenic systems and enabling “transparent ore districts.” First, the urgency of detailed surveys, driven by strategic demand for breakthroughs in deep mineral exploration, was outlined. Next, the characteristics and recent advances of mainstream techniques, including magnetotellurics (MT), controlled-source audio-frequency magnetotellurics (CSAMT), and the transient electromagnetic method (TEM), were summarized. Particular emphasis was placed on key advances in 3D forward modeling and inversion algorithms, including efficiency optimization using the adjoint-state method and joint inversion constrained by multi-source information. The practical effectiveness of 3D EM technology in deep structural characterization and mineral prospecting prediction was demonstrated through representative case studies in China and abroad. Finally, the bottlenecks existing in current aspects such as complex environmental noise suppression, extraction of deep weak signals, inversion multi-solutionality, and computational efficiency were deeply analyzed. The future development trend towards intelligence, integration, and efficiency was also prospected. It was believed that the continuous innovation and deep integration of three-dimensional electromagnetic detection technology is the key to achieving “transparency” in mining areas and promoting breakthroughs in deep mineral resource exploration. Based on this, a three-dimensional electromagnetic detection operational technology route for complex environments and deep targets was proposed, which provides a reference for transparent modeling of mining areas and deep-level prospecting prediction.

Graphical abstract

关键词

矿集区 / 电磁探测 / 矿产勘查 / 矿集区“透明化”

Key words

ore district / electromagnetic exploration / mineral exploration / transparent ore district

引用本文

引用格式 ▾
王栩, 严加永, 陈煜烽, 余爱民, 游越新, 刘家豪. 矿集区“透明化”电磁探测技术:现状、进展与挑战[J]. 科学技术与工程, 2026, 26(9): 3561-3576 DOI:10.12404/j.issn.1671-1815.2507711
WANG Xu, YAN Jia-yong, CHEN Yu-feng, YU Ai-min, YOU Yue-xin, LIU Jia-hao. Electromagnetic Detection for Transparent Ore Districts: Current Status, Advances, and Challenges[J]. Science Technology and Engineering, 2026, 26(9): 3561-3576 DOI:10.12404/j.issn.1671-1815.2507711

登录浏览全文

4963

注册一个新账户 忘记密码

矿产资源是国家经济与社会发展的重要物质基础。在全球能源转型与数字经济快速发展的背景下,关键矿产需求持续上升,资源供给呈现“需求快速增长—供给集中度较高—供应链易受扰动”的特征;例如,锂等电池金属在2024年仍保持显著增长态势,铜等基础金属亦被视为绿色与数字经济的战略性原材料之一[1-3]。为提升国内资源保障能力,中国持续推进新一轮找矿突破战略行动,地质勘查投入保持增长并取得新发现,为增强资源保障能力提供了重要基础支撑[4]。但是在中国众多矿集区浅部资源经过长期开采已日趋枯竭,面临“浅部资源日趋枯竭”与“深部资源潜力巨大”并存的困境,资源接替问题严峻。向深部(500~2 000 m)“第二深度空间”要资源,已成为保障国家矿产资源安全的必然战略选择[5-6]。
矿集区“透明化”是指通过地球物理探测(如三维电磁、地震、重磁)、钻探验证、地质建模与信息技术,构建能够精确反映矿集区地质结构、岩性分布、构造格架、成矿流体通道等控矿要素乃至矿体空间展布的三维可视化模型或数据体。其目标是实现从地表到深部矿体尺度地质体的可“直视化”认知与定量化预测[7-8]。进而提升找矿效率、降低勘探风险,为保障国家能源资源安全提供关键科学技术支撑。三维电磁探测技术通过揭示与成矿作用密切相关的岩性、构造、蚀变带的空间展布,为构建高置信度的三维地质-地球物理模型提供了最直接的数据支撑[9],推动了从“经验找矿”向“科学找矿”的转变。
近年来,在国家“深部探测技术与实验研究专项(SinoProbe)”等重大工程推动下,中国围绕长江中下游成矿带等重点区带开展了矿集区立体“透明化”探测实验。吕庆田等[10-11]对长江中下游成矿带及典型矿集区深部结构探测进行了阶段性总结,并进一步强调多尺度综合地球物理探测在揭示成矿系统结构、识别深部控矿要素与支撑深部找矿中的关键作用。在矿集区“透明化”实践方面,主要借助重磁约束的三维建模方法来实现控矿地质体的“透明化”,祁光等[12]在庐枞矿集区开展了基于先验信息约束的三维地质建模试验,刻画了5 km深度范围内地质体几何形态与物性分布的三维表达,初步实现了“透明化”,支撑了小包庄铁矿等深部矿床的发现。
由于重磁方法缺乏垂向分辨率,在一定程度上制约了“透明化”的可靠性。而电磁探测技术因其对成矿相关电性结构的敏感性,在深部资源探测中表现出显著优势。特别是三维电磁技术能够基于大规模观测数据重构地下介质电阻率的三维分布,实现对深部成矿系统结构的高分辨率成像,为构建“透明矿集区”提供关键技术支持[13]。其发展水平在很大程度上制约着深部目标体识别精度、三维透明化模型可信度及找矿预测效果。汤井田等[14]对安徽铜陵矿集区开展大地电磁法(magnetotellurics,MT)观测并进行三维反演,揭示了区域主要构造格架与深部电性结构特征,为控矿断裂识别及有利部位约束提供了关键依据;肖晓等[15]基于多条MT测深剖面获取庐枞矿集区及邻区电性结构特征,明确了火山岩盆地结构、边界断裂及深部构造主控方向等要素;进一步地,汤井田等[16]在庐枞矿集区矾山—将军庙等重点地段,AMT三维反演获得浅—中深部电性结构精细成像,提升了隐伏构造与成矿相关岩体、蚀变带识别能力。与此同时,面向大规模MT数据的工程化应用,我国已开展大地电磁三维反演系统与流程化平台建设,推动三维反演从“算法验证”走向“业务化支撑”[17]。除长江中下游成矿带外,胶东金矿集区等深部找矿重点区域也已开展高精度重磁-MT综合剖面探测与深部结构解析,显示电磁探测在我国矿集区透明化与深部找矿中的应用正在由示范走向规模化推广[18]。此外,吕庆田等[19]在金属矿地球物理勘探技术与装备综述中指出,矿产勘探正加速向深部(500~2 000 m)与强干扰、强非均质等复杂条件拓展,三维电磁与多源融合反演是提升深部目标体识别能力的重要方向之一。
当前,人工智能与大数据技术的兴起正深刻变革着地球物理数据的处理与解释方式[20]。三维电磁探测海量数据的正反演计算、多源数据融合、智能噪声压制等领域相关研究正快速发展,有望在一定程度上缓解反演多解性与解释主观性问题,提高深部目标识别的客观性与可重复性。
电磁探测在矿集区“透明化”应用中取得了长足进展,但依然面临着新的挑战。一是深部矿体赋存环境复杂、信号微弱,传统地球物理方法在探测深度与分辨率之间存在矛盾;二是许多老矿集区与城镇建成区空间叠置,矿产资源开发与城市建设存在长期协调需求,地球物理探测常需在场地受限条件下实施,并兼顾深部找矿与地下空间安全等多目标任务[21];三是在城市与工矿区环境中,人文电磁噪声(电网、轨道交通、工业设施等)可能显著抬升背景干扰,影响电磁资料质量与解释可靠性,亟须面向强干扰环境的数据采集设计与噪声压制策略[22-23]。
开展矿集区三维电磁探测技术研究,是国家资源安全战略需求与地球物理技术迭代发展的共同驱动,具有重大的科学意义与广阔的应用前景。为了系统梳理矿集区三维电磁探测技术的现状,现剖析其在数据采集、处理、反演与解释中面临的核心挑战,并对其在未来智能化、融合化方向的发展进行展望,以期为推动该技术在我国的深入应用提供参考。为进一步提高电磁探测技术在矿集区“透明化”应用效果。围绕矿集区透明化目标,按“观测设计—数据处理—三维正反演—综合解释—模型验证”的全流程,总结MT、音频大地电磁法(audio-frequency magnetotellurics,AMT)、可控源音频大地电磁法(controlled-source audio-frequency magnetotellurics,CSAMT)、广域电磁法(wide-field electromagnetic method,WFEM)、瞬变电磁法(transient electromagnetic method,TEM)、航空电磁法(airborne electromagnetic method,AEM)等主流电磁方法的适用深度、分辨率特征与工程约束条件,为方法选型与组合提供可操作参考。然后在国内外代表性矿床/矿集区应用实例的基础上,从数据质量控制、反演稳定性、验证闭环与可推广边界等维度对典型应用实例的系统梳理与对比分析,有助于深化对该技术应用效果及影响因素的认识,从而为其在复杂矿集区中的推广应用提供经验借鉴。然后结合计算科学与人工智能发展趋势,从计算加速、多源约束联合反演、智能噪声压制、定量化解释与不确定性评估等方面提出矿集区“透明化”探测技术发展建议。

1 矿集区“透明化”电磁探测技术

矿集区多尺度综合勘探通常采用“天-空-地-井”一体化的技术思路,综合运用航空探测、地面探测、空中探测及巷道探测等多种技术手段,旨在获取从浅表到深部的综合地球物理信息。在重、磁、电、震等诸多物探方法中,电磁法因其对低阻体异常敏感(与金属硫化物矿化、控矿断裂等高度相关)、装备相对轻便,且能适应复杂地形等突出优势,在深部找矿中发挥着不可替代的作用。近年来,随着三维采集、处理和反演技术的成熟,电磁法已从传统的二维剖面探测步入三维精细探测的新阶段,其应用范围也拓展至岩石圈结构探测[24-26]、矿产勘查[27-28]、地热资源调查[29-30]、孕震构造带[31-32]及火山结构研究[33-34]等多个领域。

目前,在矿集区“透明化”中广泛应用的电磁方法主要包括大地电磁法(MT)、音频大地电磁法(AMT)、可控源音频大地电磁法(CSAMT)、广域电磁法(WFEM)以及瞬变电磁法(TEM)等。矿集区“透明化”电磁方法对比如表1所示。根据场源性质,可分为被动源和主动源两大类。

1.1 被动源电磁法

该类方法以天然电磁场(如太阳风、雷电活动等产生的电磁场)为场源,具有勘探深度大(可达数十千米)、无需人工源、施工便利等优点,但同时也存在信号强度弱、易受人文电磁噪声干扰、在“死频带”数据质量差等缺点。

大地电磁法:该方法是探测岩石圈电性结构的基准方法。其有效频率范围宽(通常为104 ~ 10-4 Hz),可用于揭示从浅表到上地幔的电性结构,常用于刻画矿集区深部的控矿构造、岩体展布和地壳流体分布[35]。然而,其点距大(通常>1 km)、横向分辨率较低,且在城市矿集区受电磁噪声污染严重。在澳大利亚奥林匹克坝铁氧化物铜金(IOCG)矿床,Heinson等通过MT成像在矿床下方识别出贯穿地壳尺度的低阻异常,并与地震成像中相对弱反射带相对应,指示深部导电体可能与成矿系统的深部连通结构有关,为深部成矿系统的电性响应提供了经典范例[36]。在厚层导电覆盖条件下,Kay等[37]以宽频带MT开展成像研究,指出厚度大于百米且电阻率低于约10 Ω·m的覆盖层会显著削弱深部目标识别能力,并通过三维MT成像验证了该类场景下MT仍可为深部构造—成矿体系提供有效约束。

音频大地电磁法:该方法是MT的高频扩展(通常为1 ~ 104 Hz),勘探深度较浅(通常<1.5 km),更适用于区域尺度或矿集区中浅部结构的精细刻画。其点距可加密至百米级,横向分辨率优于MT。在加拿大Athabasca盆地McArthur River铀矿区,基于矿区尺度AMT、MT数据的三维电阻率反演研究表明,三维电性模型可用于约束不整合面-基底导电构造等关键控矿要素的空间展布,从而为钻探验证与靶区圈定提供电性约束[38]。

1.2 主动源电磁法

通过人工建立可控场源的主动源电磁法,具有信号强、抗干扰能力好、工作效率高等优点,但勘探深度受发射源功率和收发距的限制。

可控源音频大地电磁法:采用人工接地长导线源(长度1~2 km),在距源5~20 km的远区测量电磁场分量。其信号强度远高于天然场,数据质量高,信噪比高,且测点间距可加密至10~300 m,横向分辨率显著提升,非常适用于矿集区中浅部(约1.5 km)的精细探测。但其应用受“过渡区”效应影响,且在高阻屏蔽区下效果较差。

由中南大学何继善院士[39-40]提出的广域电磁法,突破了CSAMT必须工作在远区的限制,可在过渡区甚至近区进行观测。通过严格求解均匀大地电场的表达式,实现了全区测量,大幅减少了野外布站距离,提高了工作效率,尤其适合地形狭窄、场地受限的矿集区工作。在日本本州北部Itaya远景区,Yoshioka[41]基于金属矿业机构(MMAJ)实施的CSAMT测量,通过密集测线与二维反演解释浅部电阻率结构,用于服务浅覆盖火山岩区的浅-中深部靶区评价;该工作给出了较为完整的野外布设参数(约2 km测线、200 m线距、测点约100 m间距、总计200多个测点)与解释流程,是CSAMT用于浅覆盖火山-热液系统勘查的典型案例。在智利Santa Cecilia斑岩铜金系统,既有案例研究表明:CSAMT与三维直流激电法(three-dimensional direct current induced polarization,3D DCIP)及MT等方法联合应用,可在约千米尺度内指示与蚀变、矿化相关的导电异常,并为深部异常延拓提供进一步约束,体现了CSAMT在斑岩系统中对中浅部电性结构精细刻画的实用价值[42]。此外,针对城市环境强噪声问题,Fu等[43]在高背景电磁噪声条件下开展CSAMT应用研究,强调通过合理的观测系统设计、频带选择与数据处理流程仍可获得可解释的电性剖面,为“地上城市、地下矿区”场景下CSAMT的工程化应用提供了方法学参考。

瞬变电磁法:采用阶跃波或伪随机码作为场源,通过观测地下涡流产生的二次场随时间衰减的过程来探测地电结构。其具有对低阻体灵敏、横向分辨率高、体积效应小等优点。在澳大利亚Mt Keith South镍硫化物矿床,Elliott等[44]基于矿区瞬变电磁数据开展了典型案例研究,展示了TEM对镍硫化物等良导体靶体的响应特征,并用于对比不同TEM系统在矿区条件下的探测效果,是TEM矿床勘查应用中被广泛引用的案例之一。

地面瞬变电磁法(GTEM):该方法可采用大功率发射和大回线装置,获取较大勘探深度(>1 km),但在地形复杂区布设困难。采用接地导线源的短偏移距瞬变电磁法(SOTEM)较好地克服了地形限制,实现了大深度的探测[45]。机载电磁法(AEM)也是一种利用飞机作为电磁系统载体的主动探测方法。AEM方法具有工作效率高、水平分辨率高的优点[46]。使用这种方法,人们不需要进入调查区域进行数据收集,可以快速扫描圈定找矿靶区。这些优点使得AEM法非常适用于矿物崎岖的山脉、沙漠或森林覆盖的地区进行勘探,但勘探深度较浅(通常<500 m),且分辨率低于地面方法。以Morrison斑岩Cu-Au-Mo矿床为例,研究指出机载ZTEM可实现较均匀的空间采样与快速覆盖,而地面宽频带MT在探测深度方面更具优势;通过联合反演可综合两者优势,提升对矿化相关电性结构的横向与纵向分辨能力,体现了机载电磁在矿集区“快速圈定-精细约束”技术体系中的定位[47]。

GTEM与AEM相比,GTEM的发射机和接收机都放在地面上。在这种情况下,可以采用大发射环和大功率发射。这种工作方案使得GTEM的勘探深度远远大于AEM。大的勘探深度固然是有利的,但在地形复杂的调查地区,大的发射回线尺寸也给系统设置带来了困难。这限制了GTEM方法的应用。为了克服这些缺点,人们使用长地线作为GTEM发射机。

1.3 正演及反演算法

在过去数十年中,电磁法三维正、反演数值算法的开发一直是国内外学者研究的重点[48-49]。随着计算能力的显著提升,尤其是高性能计算与并行技术的发展,以往受限于计算量的基于导数的三维反演算法与全局优化方法已逐步走向实用化[50-51]。在矿集区“透明化”探测中,精确获取控矿地质体的三维电性结构对实现找矿突破具有决定性意义,而传统二维反演因无法真实反映地电体的三维各向异性,往往导致解释结果出现较大偏差。因此,开展电磁数据三维反演,对于揭示深部电阻率结构、理解区域成矿系统与动力学过程具有关键作用[52-53]。

三维反演的核心是构建以数据拟合差与模型约束项共同构成的目标函数,并通过数值优化方法求解。其基本步骤包括:①目标函数的构造;②优化方程的推导;③灵敏度(雅可比)矩阵的计算;④模型更新量的求解。近年来,尽管目标函数的基本形式未发生根本改变,但为提高反演的稳定性与地质解释合理性,研究者主要在数据拟合项与模型约束项两方面进行了大量改进。在改善数据拟合方面,除传统L2范数外[54-56],采用L1范数以增强对离群值的鲁棒性也被广泛尝试[57]。在模型约束方面,除改变范数类型,如从L2平滑转为L1最小结构反演[58]外,还发展了基于小波变换[59]、曲波变换(curvelet)[60]等稀疏变换域约束方法,以更好地恢复异常体边界并实现多尺度反演。Vignoli等[61]则提出一种新型空间约束策略,显著提升了瞬变电磁数据三维反演的效果。此外,为适应复杂地形,Zhang等[62]发展了基于非结构四面体网格的平滑约束反演方法。

在优化算法方面,主流方法包括高斯-牛顿法(GN)、限内存拟牛顿法(L-BFGS)及非线性共轭梯度法(NLCG)等。其中,GN法收敛速度快,但需计算并存储完整的灵敏度矩阵,计算与内存成本极高[63],尤其适用于发射-接收组合数较少的系统(如航空电磁AEM)[64]。相比之下,L-BFGS与NLCG法虽收敛稍慢,但无需构建灵敏度矩阵,仅需利用目标函数梯度信息,因而更适用于多源多接收点的大地电磁(MT)、可控源音频大地电磁(CSAMT)及瞬变电磁(TEM)等数据反演[65-66]。

灵敏度矩阵的计算是反演中计算量最大的环节。早期多采用扰动法,适用于一维反演,但对三维模型因参数过多而难以实现。当前主流方法是通过求解与正演问题类似的伴随方程或利用互易原理进行计算[67],从而高效获取灵敏度信息。

尽管计算条件不断改善,面对大规模三维反演问题仍亟需发展高效算法。目前主要加速策略如下。

局部网格/移动脚印法:针对航空电磁等场源影响范围有限的系统,Cox等[68]提出移动脚印概念,将全局反演分解为多个局部反演问题[69],大幅降低计算量[70-72]。Zhang等[62]进一步结合非结构局部网格,增强了对复杂构造的适应性。

区域分解法(DDM):通过将大型计算区域划分为若干子域并行求解,在保持场耦合的前提下提升正演与灵敏度计算效率。该方法尤其适用于源影响范围广的电磁问题(如可控源电磁法)。Xiong等[73]首次将其用于CSEM反演,Rung-Arunwan等[74]、惠哲剑[75]则分别将其推广至MT和时域电磁法中。

多重网格反演策略:基于正演模拟对精度要求高于雅可比矩阵的特点,Zhang等[76]提出在反演不同阶段采用不同网格密度:正演使用细网格保证响应精度,灵敏度计算使用粗网格提高效率。数值试验表明,在保证分辨率的前提下,该方法可提升反演效率约3倍。Zhang等[77]对矿产勘查中三维电磁正向建模、反演和数据解释进行了全面综述。

综上,随着三维反演算法的不断成熟与计算效率的提升,电磁法在深部矿集区精细结构探测中的应用前景将更加广阔。未来研究可进一步聚焦于联合反演、人工智能辅助反演以及极端复杂环境下的高适应性反演技术等领域。

2 矿集区“透明化”实例

近年来,随着三维电磁反演技术的不断成熟,凭借能够更真实地还原地下电性结构的空间展布特征和有效识别控矿构造、岩体、矿化体及蚀变带等目标地质体的优势,其在深部资源勘探中的应用广度与深度持续拓展,并在全球多个典型矿床中取得了显著的地质成效。以下通过一系列具体案例,展示该技术在不同地质背景、不同矿床类型中的成功应用与实践细节。

Volkan等[78]在位于加拿大阿萨巴斯卡盆地的全球著名的高品位铀矿集区之一——麦克阿瑟河铀矿,布设了132个AMT测点。如图1所示,三维反演结果揭示了下伏于高阻砂岩盖层之下的区域性低阻体,其空间延伸特征与已知铀矿化关系密切。该低阻体可能与富含石墨、黏土或流体的变质基底有关,为盆地流体运移路径和铀成矿作用研究提供了深部电性结构约束。该案例的突出价值在于:AMT 在中浅部尺度具有较高横向分辨率,密集测点布设有利于三维反演获得结构连续、可用于解释的电性模型。不足在于低阻体与矿化的成因关联仍需岩石物性测试、测井或更多钻探证据闭环验证;若缺少岩石物理约束,异常体的“矿致/非矿致”判别仍存在不确定性。

Pare等[79]基于SPECTREM和ZTEM数据对美国阿拉斯加州佩布尔(Pebble)铜-金-钼矿床进行三维反演;Lee等[80]则在加拿大不列颠哥伦比亚省莫里森(Morrison)铜-金-钼矿实现MT与航空数据的三维联合反演,揭示了成矿岩体和热液系统的电性结构。这类“空-地电磁协同/联合反演”研究的贡献在于:利用机载数据的高空间采样密度与地面MT的更大探测深度互补,可在同一三维框架下同时提高浅部结构的横向精细度与深部结构的约束能力。但应强调:联合反演的效果高度依赖于不同数据类型之间约束关系的设定(如结构耦合、权重选择、正则化策略),需要通过合成试验、数据残差诊断与独立地质/钻探验证来证明“联合”确实优于“分别反演”的增益,避免因耦合假设不当引入系统偏差。Fu等[81]在新疆拉伊克勒克斑岩铜矿集区部署了1 198个AMT测点(26条剖面)(图2)。采用非线性共轭梯度(NLCG)算法对阻抗张量非对角元素进行三维反演,获得了高分辨率电性模型。结果显示两组NW-SE走向的中-低阻异常带,与北部高阻基岩区相交。其中,北部的中低阻异常被解释为含矿斑岩体(钠长石化花岗斑岩),经钻探验证该方法有效指示了隐伏矿体的位置,为找矿提供了直接依据。该研究对中国矿集区透明化电磁探测具有较强示范意义:一是大规模高密度观测与三维反演结合,体现了工程化获取高分辨率模型的能力;二是以钻探结果对关键异常进行验证,提高了成果的可信度与可推广性。需要进一步完善之处在于:在强近地表非均质与可能存在电性畸变条件下,阻抗张量处理与反演策略应配套给出更清晰的数据质量控制与畸变分析,并建议提供分辨率或敏感性测试以量化“可解释深度范围”与关键异常的稳定性。

吴懿豪等[82]在内蒙古双尖子山大型银铅锌矿集区开展了大功率CSAMT探测。采用基于有限元法和L-BFGS算法的三维反演技术,使用四面体网格对复杂地形和构造进行离散,反演深度达2 000 m(图3)。反演结果清晰刻画了电性结构:浅部低阻层对应沉积盖层,中部中阻层反映侵入岩及二叠系地层蚀变,深部高阻体为侵入岩。该模型与已知地质情况高度吻合,精准揭示了控矿构造与成矿空间,对区域进一步找矿具有重要指导意义。圣安陈等[83]在甘肃铅锌矿集区利用CSAMT三维反演技术有效指示了矿体赋存位置。上述成果表明:在矿集区中浅部精细探测与场地受限条件下,CSAMT仍具有较强工程适用性;采用四面体网格刻画复杂地形与构造、并结合高效优化算法,有助于提升三维成像质量与解释一致性。同时需注意 CSAMT 在过渡区近区效应、源场几何与地电结构强非均匀条件下可能出现的响应偏差,建议在成果表达中补充源-收几何、有效远区判据或全区建模策略说明,并通过对比试验或钻孔、矿体对照进一步量化反演结果的稳定性与不确定性,以支撑其在更复杂矿集区的可复制推广。

爱尔兰Lisheen矿集区地质剖面如图4(b)所示[84]。Yin等[72]对爱尔兰Lisheen铅锌矿床的GEOTEM机载瞬变电磁数据进行了三维反演。采用基于二次场有限体积法(FV)的正演和L-BFGS优化算法,反演结果在7条剖面上均清晰呈现了与已知矿化带对应的低阻异常。块状硫化物矿体主要赋存于黑色基质角砾岩与白云岩层中,三维反演不仅证实了主矿带的存在,还精细刻画了其在地下200 m深处的空间分布形态,显著提升了矿床模型的精度。该成果的代表性主要体现在:一是针对机载 TEM 数据的三维反演流程较为完整,能够在航线约束下稳定恢复与矿化带一致的导电异常;二是以已知矿化带为“外部约束”进行对照验证,使得反演解释的可检验性较强。但同时应注意:机载 TEM对深部目标的敏感性随深度快速衰减,反演结果对正则化与先验约束依赖较强,因而在推广至更深部或更复杂覆盖条件时,宜配合地面电磁或钻探约束,并通过分辨率、灵敏度分析量化模型可靠性。

Yang等[85]利用SQUID瞬变电磁(TEM)数据对拉洛VMS矿进行三维反演;McMillan等[86]利用VTEM数据解析了卡伯VMS矿床的三维电性分布。上述两项工作从不同系统角度表明:在VMS等良导体目标体勘查中,提升传感器灵敏度与采用成熟机载平台均可显著改善对导电矿体及其围岩导电结构的识别能力。其局限性亦较典型:高灵敏系统在野外运行与成本控制方面约束更强,而常规机载系统受飞行高度、航线稀疏与系统波形等因素影响,深部与小尺度结构的反演稳定性仍需依赖合理的先验约束与地质验证。

通过上述国内外案例可以发现,三维电磁成像已能够在VMS、IOCG、斑岩、铀等多类型矿床中恢复与矿化、控矿要素一致的电性异常,并在“机载快速覆盖—地面精细约束—三维反演成像—钻探验证”的技术体系中发挥关键作用。与此同时,现有成果也显示出业务化推广需要重点补齐的环节:其一,复杂噪声与近地表非均质条件下的数据质量控制与畸变分析仍是影响可解释性的前提;其二,联合反演的增益需通过残差分析、分辨率-灵敏性分析与独立验证进行量化;其三,电性异常的成因解释必须与岩石物理、测井或钻探形成闭环,以避免“异常-矿化”对应关系被经验化、简单化处理。

3 矿集区“透明化”电磁探测面临的挑战

向地球深部要资源是国家资源安全战略的必然选择,而三维电磁探测是揭示矿集区深部精细结构、实现找矿突破的重要技术。然而,矿集区复杂的地质地球物理环境对探测的各个环节都提出了更为严峻的要求,其发展主要面临以下几个关键瓶颈。

3.1 矿集区复杂环境的严峻挑战

当前,矿产资源勘探的重点已逐步转向深部及矿区、城区等复杂环境,这些区域普遍存在信噪比低、干扰类型复杂等特点,对电磁探测数据质量提出了严峻挑战。

3.1.1 地形效应的建模与校正

地形起伏导致的电磁场畸变是影响数据解释精度的主要因素之一。频域电磁法(MT、AMT、CSAMT)的高频成分以及时域电磁法(TEM)的早期信号对地形变化尤为敏感。传统的二维地形校正手段已难以适应真正三维地形条件下的精细反演需求。发展趋势是开展显式引入地形约束的全频带三维正反演研究,将DEM作为已知边界条件嵌入反演网格或正演求解器中,在正反演阶段统一考虑地形影响,从而在原理上避免后续校正引入的误差,尤其适用于我国中西部山区矿集区的勘探实践。

3.1.2 强干扰环境下的噪声压制技术

矿集区常分布有高压输电线、轨道交通、油气管道及大型工业设施,产生工频谐波、脉冲噪声及间歇性宽带干扰,其幅值往往远超过深部有用信号。远参考、稳健估计、小波变换等传统去噪方法在如此高强度干扰背景下效果有限。当前亟须发展具有强鲁棒性的自适应噪声抑制技术如下。

智能信号处理算法:应深入研究各类噪声的时频特征,发展基于压缩感知、稀疏表示和深度学习的智能去噪方法,实现信噪的有效分离。

阵列信号处理技术:通过布设阵列式观测系统,结合干扰源定位、相干噪声消除与波束形成等方法,在空间域实现噪声辨识与压制。

优化观测系统设计:采用分布式、多分量、高密度观测方式,并在采集阶段优化测点位置、时段与频带策略,从源头改善数据质量,为后续处理提供更高信噪比的原始数据。

3.1.3 近地表非均质导致的电性畸变与静态位移问题

矿集区浅表覆盖层、风化带、充填体及工程扰动常导致近地表电性强非均匀,从而引发频域电磁数据的电性畸变与静态位移现象,使视电阻率发生整体偏移而相位相对稳定,进而影响跨测点对比与三维反演的结构可信度。该问题在浅覆盖、填土与强风化条件下尤为突出。后续需通过稳健阻抗估计、联合使用倾子信息、引入近地表约束以及分层多尺度参数化等方式对其进行识别与校正,以降低其对深部结构成像与解释的一致性影响。

3.2 深部微弱信号响应提取与增强

随着探测深度增加(>1 500 m),电磁信号呈指数衰减,深部目标体的响应极易被浅部电性不均匀体及各类噪声淹没,导致有效信息难以提取。针对该问题,需从场源设计、传感器研发和数据处理3个层面系统突破。

在场源技术方面,传统依赖天然场源的大地电磁法(MT、AMT)虽具宽频带优势,但场源强度与时变性受空间天气与电离层扰动影响,深部有效频段的信噪比在部分地区可能不足,从而制约深部成像质量。发展大功率、编码可控的人工场源发射系统成为重要技术途径。通过提高发射功率、采用伪随机编码与多频协同发射技术,可显著增强深部信号的强度与稳定性。可控源音频大地电磁法(CSAMT)、广域电磁法(WFEM)和短偏移距瞬变电磁法(SOTEM)等主动源方法,已在深部探测中展现出相对天然场源的信噪优势。

在传感器方面,高灵敏度、低噪声、宽频带的磁场与电场传感器是深部微弱信号采集的关键。当前,低温超导(SQUID)磁强计因其在低频段具有极高磁场灵敏度,在研究与试验应用中受到关注,可为极低频弱信号观测提供潜在技术支撑。

在数据处理方法方面,需发展适用于强干扰背景中弱异常提取的特征增强技术。例如基于稳健统计的响应估计、时频域自适应滤波、相干噪声消除以及多尺度约束的特征增强方法,并结合多源数据对照与一致性检验,突出深部目标体的可解释响应,从而提高深部电磁数据的有效信噪比与解释可靠性。

3.3 反演多解性制约与高精度成像

地球物理反演本质上是一个具有高度非唯一性的反问题,其核心科学问题在于如何从观测数据中重建出稳定且地质上合理的地下介质参数分布。

为有效缓解多解性问题,需发展多信息融合约束反演技术。单一电磁反演方法往往存在较强多解性,应通过融合地质构造、钻探数据、重力、磁法、地震以及岩石物理测试等多源先验信息,建立地质-地球物理统一模型。将地质界面、岩性分布等结构化信息转化为反演过程中的数学约束,可显著缩小解空间,提高反演结果的可靠性和地质解释合理性。

实际地下介质普遍表现出电性各向异性特征,传统的各向同性反演假设会引入解释偏差。发展三维电阻率各向异性反演技术,能够更真实地反映地电结构,提供更丰富的地质信息。然而,该方法面临参数维度高、稳定性不足与主轴方向约束困难等问题,需要在参数化、先验约束与稳健优化策略方面进一步突破。

在计算效率方面,尽管伴随状态法、自适应局部网格细化等先进技术在一定程度上提升了计算性能,但对于大规模三维反演问题,计算成本仍然较高。未来需要进一步探索随机优化等高效优化算法,充分发挥云计算和GPU并行计算优势,并发展基于先验知识的智能初始模型构建方法,推动三维反演技术向实用化、常态化方向发展。

3.4 人工智能与大数据技术的深度融合

人工智能技术为应对上述挑战提供了新的技术途径,但仍面临诸多理论和技术挑战。在数据处理方面,基于深度学习框架(如CNN、GAN、Transformer等),通过对大量模拟与实测数据样本进行训练,可实现复杂噪声的自适应识别与压制,并在一定条件下增强弱信号表现。但其跨区泛化能力与对罕见干扰类型的鲁棒性仍有待提高;同时,模型对高质量标注样本与具有代表性的训练数据分布高度依赖,实际勘探环境的多变性将显著增加训练与验证难度。

在反演成像方面,当前主要存在两种技术路线:一是端到端的深度学习反演,能够实现从观测数据到电阻率模型的直接映射,其极高的计算速度适用于快速扫描与反演初始模型的构建;二是将神经网络与传统反演算法相结合,例如利用人工智能方法预测反演过程中的正则化参数或迭代步长,以提高收敛速度与数值稳定性。但其黑箱特性导致结果缺乏物理解释性,难以评估反演结果的可信度。同时,神经网络与传统反演算法结合时,如何有效融入物理约束、保持数值稳定性仍是亟待解决的问题。在电磁数据反演智能化方面,已有研究基于深度学习构建可控源音频大地电磁(CSAMT)二维反演模型,实现由观测数据到电阻率模型的快速映射,为反演初始模型构建与计算加速提供了可借鉴的技术路径[87]。

在智能解释与成矿预测方面,通过构建集成地质、地球物理、地球化学及遥感等多源数据的三维地学大数据平台,并结合机器学习与知识图谱方法,可以挖掘深部成矿规律,建立综合预测模型,从而实现对成矿潜力的定量评价与靶区圈定,为智能矿产勘探提供决策依据。但是多源地学数据的融合存在数据异构、尺度不一与质量参差等难点。模型可解释性不足与跨区迁移能力有限也制约其工程化推广。知识图谱构建对专家知识依赖较强,自动化程度与维护成本仍是现实瓶颈。

3.5 岩石物理研究的基石作用与解释转化

地球物理反演最终获得的是地下介质的物性分布模型(如电阻率),而非直接的地质模型。如何将反演得到的电性结构准确转化为具有地质意义的解释成果,是目前面临的关键挑战之一。

当前亟需深化岩石物理机理研究,系统开展不同岩性、蚀变程度、矿化类型及温压条件下岩石电性参数(电阻率、极化率)和各向异性的测试与分析,建立可靠的“岩性-物性”对应关系与转换模型。

需要加强矿集区尺度岩石物性数据库的建设,系统整合钻孔岩心、测井、露头采样等多元物性数据,构建三维可视化数据库,为反演提供可靠的物性约束条件和地质解释依据。

必须发展定量化地质解释方法,摒弃简单化的“低阻即矿”经验模式,结合成矿系统理论与统计学习方法,建立基于概率统计与机器学习的综合评价技术,实现对异常体含矿性、空间展布及资源潜力的定量评估,并形成可复核、可迭代的解释闭环。

实现深部矿集区“透明化”目标,需要开展从数据采集到地质解释的全链条创新,通过多学科交叉与技术融合,系统解决上述瓶颈问题。

4 矿集区“透明化”电磁探测技术展望

尽管三维电磁探测技术已展现出巨大潜力,但其正反演的计算效率、分辨率以及解释可靠性仍是制约其大规模业务化应用的瓶颈。结合第三章所述挑战可以看到,瓶颈问题主要集中体现在:复杂环境下数据质量与弱信号获取难、三维反演在强非均质与强对比度条件下的可分辨性与稳定性不足,以及“电性模型-地质意义”转换与可信度量化体系仍不完善。未来技术的发展将不再是单一算法的改进,而是一个融合计算科学、人工智能、地质学等多学科的系统性演化趋势。鉴于三维电磁探测的技术瓶颈往往在复杂应用场景中耦合呈现,未来发展可从5个方面加以概括。

4.1 计算效率提升与算法优化

当前计算效率仍是制约三维反演应用的瓶颈。未来研究重点将集中如下3个方面。

(1)发展新型正演数值算法,如基于非结构网格的有限元-有限体积混合算法,提高复杂地质条件下的模拟精度;同时,模块化、可扩展的软件体系对于业务化落地尤为关键,典型的模块化三维电磁反演系统已证明有利于集成不同数据类型、正演算子与正则化策略[88]。

(2)推进随机优化算法在反演中的应用,通过引入自适应采样策略降低计算复杂度。面向三维大规模问题,自适应网格与多分辨率参数化可在保证关键构造及异常体刻画的同时显著降低自由度;并行自适应有限元三维反演与多分辨率四面体网格反演等研究为该路径提供了直接证据[89-90]。

(3)深化GPU、TPU异构计算技术在地球物理问题中的应用,实现大规模并行计算加速。此外,时域正演在“一次计算覆盖多频段响应、并可同步获得伴随场信息”等方面具有潜在效率优势,已在三维MT正反演研究中得到验证,可作为频域体系的重要补充[91]。这些技术的融合将推动三维反演向“准实时”与“可迭代更新”方向发展。

4.2 多场数据协同反演与解释

为解决地球物理反演的多解性问题,需要发展多场数据协同反演技术。

(1)发展结构耦合联合反演方法,通过建立不同物性参数之间的结构约束关系,提高反演结果与地质的一致性。交叉梯度等结构耦合范式已被证明能够在MT与地震等多物理场之间传递“结构同位性”信息,从而提升综合成像的地质可解释性[92]。

(2)完善岩石物理耦合联合反演技术,基于定量岩石物理模型建立电阻率与密度、速度等参数的本构关系。在矿集区应用中,建议将“矿化、蚀变带电性响应机理”与“可观测参数统计特征”结合,形成可检验的解释标志体系,并通过钻孔电测、岩石物性测试进行闭环校验,以避免将非矿致导电体误判为矿化异常。

(3)构建地质-地球物理一体化建模框架,将钻孔、地质剖面等先验信息作为硬约束融入反演过程。将结构、岩石物理与地质不确定性以约束形式纳入反演平台化实现,是提高模型一致性与可复现性的重要方向;相关“结构—岩石物理—地质约束”在反演平台中的系统归纳与示例研究已表明其在复杂区成像中的有效性[93]。

(4)为缓解电磁反演的多解性并提高结果的地质一致性,已有研究在贝叶斯框架下实现了大地电磁测深与重力数据的联合反演,体现了利用多物理场互补约束并以概率方式表达反演不确定性的可行性[94]。

4.3 探测方法与技术体系的拓展

未来电磁探测技术将向如下3个维度拓展。

(1)深部探测领域,发展大功率极低频电磁系统,结合高灵敏度磁场传感器技术,实现岩石圈尺度的导电性结构探测。同时,应加强“长周期MT阵列-中高频MT/AMT-控源电磁(CSAMT/TEM)”的多尺度协同观测设计,使频带与尺度覆盖与矿集区成矿系统的结构层次相匹配,减少单一方法导致的尺度缺失与解释偏差。

(2)海洋探测领域,完善海底可控源电磁技术装备,推动海洋矿产资源勘探技术的发展。

(3)特种环境探测领域,研发轻量化、高精度电磁探测系统,满足复杂地形地质条件下的勘探需求。对于“地上城市、地下矿区”格局,应将电磁探测从“找矿单目标”拓展为“找矿-采空区/断裂带-工程安全”一体化服务体系,并发展适配的高密度、小场地观测与抗干扰处理流程,以满足多目标评价需求。

4.4 智能化技术应用与融合

人工智能技术将与电磁探测深度融合体现在如下3个方面。

(1)智能数据处理方面,发展基于深度学习的噪声压制与信号增强算法,提高数据信噪比。面向MT时序数据的机器学习去噪与片段识别已展示出对强干扰数据质量提升的潜力,但应配套建立“物理一致性检验(如相位-视电阻率关系、互功率谱稳定性)+对照处理+人工复核抽检”的质量控制流程,避免黑箱模型引入系统性偏差[95]。

(2)反演计算方面,探索物理约束神经网络方法,将先验地质信息嵌入深度学习框架。物理约束、物理引导的MT深度学习反演已被用于噪声数据场景,并在“速度提升与拟合一致性”方面提供了新思路,但其跨区泛化与不确定性表达仍需加强[96-97]。

(3)综合解释方面,构建地学知识图谱与大数据分析平台,实现多源数据的智能融合与矿致异常识别。建议将AI定位于“辅助决策与流程自动化”(如噪声标注、靶区排序、参数推荐),而非替代地质约束与物理反演,以确保成果可解释、可追溯。面向高密度、快速覆盖的航空电磁数据,已有研究尝试采用深度学习开展二维航空大地电磁数据反演,为机载电磁资料的快速成像解释与靶区初筛提供了智能化实现思路[98]。

4.5 定量化解释与不确定性评估

为提升解释结果的可靠性,需要从以下方面加强研究。

(1)加强岩石物理机理研究,建立典型矿床电性结构模型与解释标志。

(2)发展反演结果不确定性量化方法,采用贝叶斯反演框架提供解的概率分布评估。近年来,面向电磁反演的不确定性量化研究表明,可通过“正则化反演+抽样”的途径在工程可承受成本下给出可信的模型不确定性评估;例如基于随机化后优化(randomize-then-optimize,RTO)思想的UQ方法为二维乃至三维问题提供了可扩展路径[99],而基于哈密顿蒙特卡洛概率反演在提升采样效率、输出后验不确定性方面具有明确优势[100]。此外,跨维度参数化结合高斯过程等思路,为降低采样维度与提升不确定性成像的可行性提供了新的技术路线[101]。

(3)构建标准化解释流程,形成从数据采集到地质解译的完整技术体系。建议在“透明矿集区”成果表达中,统一输出,主要包括:①数据拟合与残差分析;②关键构造、异常体的分辨率与敏感性测试;③不确定性体(可信区间或概率体)及其对靶区圈定的影响说明;④与钻孔、地质模型的符合度与偏差来源分析,从而实现“可复核、可对比、可迭代”的工程化交付[99-101]。三维电磁探测技术正朝着计算高效化、数据融合化、方法多元化、解释智能化与评估定量化的方向发展。这些技术进步将极大提升对深部矿产资源的探测能力,为实现矿集区“透明化”提供关键技术支撑。未来需要进一步加强学科交叉融合,推动方法技术创新与成果转化应用。

5 结论

矿集区电磁探测技术经过数十年的发展,已从理论方法研究逐步走向规模化应用,成为深部矿产资源勘探不可或缺的核心技术。系统梳理了其方法原理、应用现状、面临挑战及未来趋势,得出以下结论。

(1)三维电磁探测技术通过对良导与高阻目标体的敏感响应,能够有效揭示深部控矿构造、岩体展布与矿化空间,为实现矿集区“透明化”提供了关键的地球物理支撑。其在深部找矿展现出不可替代的价值。

(2)当前技术发展仍面临复杂地形与强噪声干扰、深部微弱信号提取、反演多解性以及计算效率等多重挑战。克服这些瓶颈必须依赖于正演算法、传感器技术、数据处理方法与计算模式的协同创新。

(3)多学科交叉融合是未来发展的必然路径。通过重磁电震等多场数据联合反演、地质与地球物理模型的深度耦合,以及人工智能技术在数据处理、反演成像与智能解释中的深度融合,将从根本上提升探测结果的精度与地质解释的可靠性。

(4)实现深部勘探突破的最终落脚点在于岩石物理研究的深化与定量化解释能力的提升。唯有建立精确的“岩性-物性”本构关系,发展基于概率统计与机器学习的综合评价技术,才能准确地将电性模型转化为地质语言,为找矿预测提供科学依据。

矿集区三维电磁探测技术的进步是一个从数据采集到地质解释的全链条系统工程。其未来发展必将推动深部矿产资源勘探范式的变革,为保障国家资源安全提供坚实的技术支撑。

参考文献

[1]

International Energy Agency (IEA). Executive summary — global critical minerals outlook 2025[EB/OL]. ( 2025-05-21)[2025-12-22].

[2]

UNCTAD. Global trade update May 2025:critical minerals—copper in the new green and digital economy[EB/OL]. ( 2025-05-01)[2025-12-22].

[3]

U. S. Geological Survey (USGS). Final 2025 list of critical minerals[EB/OL]. Federal Register, ( 2025-12-04)[2025-12-22]. https://www.usgs.gov/centers/national-minerals-information-center/2025-list-critical-minerals.

[4]

新华社.《中国矿产资源报告》发布: 2024年全国新发现矿产地150处[EB/OL]. ( 2025-10-24)[2025-12-22]. https://www.xinhuanet.com/government/20251024/093d8ba9a98546f3a96482035775154e/c.html.

[5]

Xinhua News Agency《China Mineral Resources Report》released: 150 newly discovered mineral deposits in China by 2024.[EB/OL]. ( 2025-10-24)[2025-12-22]. https://www.xinhuanet.com/government/20251024/093d8ba9a98546f3a96482035775154e/c.html.

[6]

滕吉文, 刘建明, 刘财, 等. 第二深度空间金属矿产探查与东北战略后备基地的建立和可持续发展[J]. 吉林大学学报(地球科学版), 2007, 37(4): 633-651.

[7]

Teng Jiwen, Liu Jianming, Liu Cai, et al. Prospecting for metal ore deposits in the second deep space of the crustal interior, the building of strategy reserve base of northeast China[J]. Journal of Jilin University(Earth Science Edition), 2007, 37(4): 633-651.

[8]

严加永, 滕吉文, 吕庆田. 深部金属矿产资源地球物理勘查与应用[J]. 地球物理学进展, 2008, 23(3): 871-891.

[9]

Yan Jiayong, Teng Jiwen, Lü Qingtian. Geophysical exploration and application of deep metallic ore resources[J]. Progress in Geophysics, 2008, 23(3): 871-891.

[10]

吕庆田, 韩立国, 严加永, 等. 庐枞矿集区火山气液型铁、硫矿床及控矿构造的反射地震成像[J]. 岩石学报, 2010, 26(9): 2598-2612.

[11]

Lü Qingtian, Han Liguo, Yan Jiayong, et al. Seismic imaging of volcanic hydrothermal iron-sulfur deposits and its hosting structure in Luzong ore district[J]. Acta Petrologica Sinica, 2010, 26 (9): 2598-2612.

[12]

严加永, 吕庆田, 陈向斌, 等. 基于重磁反演的三维岩性填图试验——以安徽庐枞矿集区为例[J]. 岩石学报, 2014, 30(4): 1041-1053.

[13]

Yan Jiayong, Lü Qingtian, Chen Xiangbin, et al. 3D lithologic mapping test based on 3D inversion of gravity and magnetic data: a case study in Luzong ore concentration district, Anhui Province[J]. Acta Petrologica Sinica, 2014, 30(4): 1041-1053.

[14]

柳建新, 赵然, 郭振威. 电磁法在金属矿勘查中的研究进展[J]. 地球物理学进展, 2019, 34(1): 151-160.

[15]

Liu Jianxin, Zhao Ran, Guo Zhenwei. Research progress of electromagnetic methods in the exploration of metal deposits[J]. Progress in Geophysics, 2019, 34(1): 151-160.

[16]

吕庆田, 史大年, 汤井田, 等. 长江中下游成矿带及典型矿集区深部结构探测——SinoProbe-03年度进展综述[J]. 地球学报, 2011, 32(3): 257-268.

[17]

Lü Qingtian, Shi Danian, Tang Jingtian, et al. Probing on deep structure of middle and lower reaches of the Yangtze metallogenic belt and typical ore concentration area: a review of annual progress of SinoProbe-03[J]. Acta Geoscientica Sinica, 2011, 32(3): 257-268.

[18]

吕庆田, 董树文, 汤井田, 等. 多尺度综合地球物理探测: 揭示成矿系统、助力深部找矿——长江中下游深部探测(SinoProbe-03) 进展[J]. 地球物理学报, 2015, 58(12): 4319-4343.

[19]

Lü Qingtian, Dong Shuwen, Tang Jingtian, et al. Multi-scale and integrated geophysical data revealing mineral systems and exploring for mineral deposits at depth: a synthesis from SinoProbe-03[J]. Chinese Journal of Geophysics, 2015, 58(12): 4319-4343.

[20]

祁光, 吕庆田, 严加永, 等. 基于先验信息约束的三维地质建模: 以庐枞矿集区为例[J]. 地质学报, 2014, 88(4): 466-477.

[21]

Qi Guang, Lü Qingtian, Yan Jiayong, et al. 3D geological modeling of Luzong ore district based on priori information constrained[J]. Acta Geologica Sinica, 2014, 88(4): 466-477.

[22]

底青云, 朱日祥, 薛国强, 等. 我国深地资源电磁探测新技术研究进展[J]. 地球物理学报, 2019, 62(6): 2128-2138.

[23]

Di Qingyun, Zhu Rixiang, Xue Guoqiang, et al. New development of the Electromagnetic (EM)methods for deep exploration[J]. Chinese Journal of Geophysics, 2019, 62(6): 2128-2138.

[24]

汤井田, 周聪, 任政勇, 等. 安徽铜陵矿集区大地电磁数据三维反演及其构造格局[J]. 地质学报, 2014, 88(4): 598-611.

[25]

Tang Jingtian, Zhou Cong, Ren Zhengyong, et al. Three-dimensional magnetotelluric inversion and structural framework of Tongling ore district, Anhui[J]. Acta Geologica Sinica, 2014, 88(4): 598-611.

[26]

肖晓, 王显莹, 汤井田, 等. 安徽庐枞矿集区大地电磁探测与电性结构分析[J]. 地质学报, 2014, 88(4): 478-495.

[27]

Xiao Xiao, Wang Xianying, Tang Jingtian, et al. Conductivity structure of the Lujiang-Zongyang ore concentrated area, Anhui Province: constraints from magnetotelluric data[J]. Acta Geologica Sinica, 2014, 88(4): 478-495.

[28]

汤井田, 张林成, 王显莹, 等. 庐枞矿集区矾山——将军庙地区AMT三维反演及地质结构解释[J]. 地球物理学报, 2018, 61(4): 1576-1587.

[29]

Tang Jingtian, Zhang Lincheng, Wang Xianying, et al. Subsurface electrical structure of the Fanshan-Jiangjunmiao region in the Lujiang-Zongyang ore district derived from 3-D inversion of audio-magnetotelluric data[J]. Chinese Journal of Geophysics, 2018, 61(4): 1576-1587.

[30]

张昆, 何钰娴, 严加永. 大地电磁测深三维反演系统及应用[J]. 中国地质调查, 2015, 2(1): 25-30.

[31]

Zhang Kun, He Yuxian, Yan Jiayong. 3D inversion system of magnetotelluric sounding and its application[J]. Geological Survey of China, 2015, 2(1): 25-30.

[32]

陈大磊, 王润生, 贺春艳, 等. 综合地球物理探测在深部空间结构中的应用——以胶东金矿集区为例[J]. 物探与化探, 2022, 46(1): 70-77.

[33]

Chen Dalei, Wang Runsheng, He Chunyan, et al. Application of integrated geophysical exploration in deep spatial structures: a case study of Jiaodong gold ore concentration area[J]. Geophysical and Geochemical Exploration, 2022, 46(1): 70-77.

[34]

吕庆田, 张晓培, 汤井田, 等. 金属矿地球物理勘探技术与设备: 回顾与进展[J]. 地球物理学报, 2019, 62(10): 3629-3664.

[35]

Lü Qingtian, Zhang Xiaopei, Tang Jingtian, et al. Review on advancement in technology and equipment of geophysical exploration for metallic deposits in China[J]. Chinese Journal of Geophysics, 2019, 62(10): 3629-3664.

[36]

周永章, 左仁广, 刘刚, 等. 数学地球科学跨越发展的十年: 大数据、人工智能算法正在改变地质学[J]. 矿物岩石地球化学通报, 2021, 40(3): 556-573, 777.

[37]

Zhou Yongzhang, Zuo Renguang, Liu Gang, et al. The great-leap-forward development of mathematical geoscience during 2010-2019: big data and artificial intelligence algorithm are changing mathematical geoscience[J]. Bulletin of Mineralogy, Petrology and Geochemistry, 2021, 40(3): 556-573, 777.

[38]

中华人民共和国自然资源部. 全国矿产资源规划(2016—2020年)[EB/OL]. ( 2016-11-02)[2025-12-22]. https://www.mnr.gov.cn/dt/kc/201611/t20161130_2323389.html.

[39]

Ministry of Natural Resources of the People’s Republic of China. National mineral resources planning (2016-2020)[EB/OL]. ( 2016-11-02) [2021-12-22]. https://www.mnr.gov.cn/dt/kc/201611/t20161130_2323389.html.

[40]

蒋永芳, 李芳书, 曹渊, 等. 广域电磁法在金属矿勘探中的应用研究和探讨[J]. 物探与化探, 2020, 44(5): 1073-1077.

[41]

Jiang Yongfang, Li Fangshu, Cao Yuan, et al. Discussion and research on the application of the wide field electromagnetic method to the exploration of metal ore deposits[J]. Geophysical and Geochemical Exploration, 2020, 44(5): 1073-1077.

[42]

李帝铨, 胡艳芳. 强干扰矿区中广域电磁法与CSAMT探测效果对比[J]. 物探与化探, 2015, 39(5): 967-972.

[43]

Li Diquan, Hu Yanfang. A comparison of wide field electromagnetic method with CSAMT method in strong interferential mining area[J]. Geophysical and Geochemical Exploration, 2015, 39(5): 967-972.

[44]

Cheng Y, Han B, Li Y, et al. Lithospheric electrical structure beneath the Cathaysia Block in South China and its tectonic implications[J]. Tectonophysics: International Journal of Geotectonics and the Geology and Physics of the Interior of the Earth, 2021, 814: 228981.

[45]

Feng J, Chen X, Unsworth M J, et al. Mechanism for the uplift of Gongga Shan in the southeastern Tibetan Plateau constrained by 3D magnetotelluric data[J]. Geophysical Research Letters, 2022, 49(9): e2021GL097394.

[46]

Paul A B, Carol D F. Geophysical extent of the Wyoming Province, western USA: Insights into ancient subduction and craton stability[J]. GSA Bulletin, 2022; 135(3/4): 725-742.

[47]

Yin Y, Jin S, Wei W, et al. Lithosphere structure and its implications for the metallogenesis of the Nanling Range, South China: constraints from 3-D magnetotelluric imaging[J]. Ore Geology Reviews, 2021, 131(20): 104064.

[48]

Deng Z, Wang Q, Zhang H, et al. Lithosphere architecture characterized by crust-mantle decoupling controls the formation of orogenic gold deposits[J]. National Science Review, 2023, 10(3): 257.

[49]

Zhou W, Hu X, Guo H, et al. Three-dimensional magnetotelluric inversion reveals the typical geothermal structure of Yanggao geothermal field in Datong Basin, northern China[J]. Geothermics, 2022, 105: 102505.

[50]

Pace F, Martí A, Queralt P, et al. Three-dimensional magnetotelluric characterization of the travale geothermal field (Italy)[J]. Remote Sensing, 2022, 14: 542.

[51]

Liu X, Zhan Y, Zhao L, et al. Using resistivity structure to study the seismogenic mechanism of the 2021 Luxian Ms6.0 earthquakes[J]. Remote Sensing, 2024, 16(21): 4116.

[52]

Zhan Y, Sun X, Zhao G, et al. Electrical structure of southwestern longmenshan fault zone: insights into seismogenic structure of 2013 and 2022 Lushan earthquakes[J]. Remote Sensing, 2024, 16(2): 370.

[53]

Li Y, Weng A, Xu W, et al. Translithospheric magma plumbing system of intraplate volcanoes as revealed by electrical resistivity imaging[J]. Geology, 2021(11): 1337-1342.

[54]

Matthew J C, Michael B, Alexander V G, et al. The geophysical signature of a continental intraplate volcanic system: from surface to mantle source[J]. Earth and Planetary Science Letters, 2022, 578: 117307.

[55]

Wei W, Jin S, Ye G, et al. Conductivity structure and rheological property of lithosphere in southern Tibet inferred from super-broadband magnetotelluric sounding[J]. Science in China (Earth Sciences), 2010, 53: 189-202.

[56]

Heinson G S, Direen N G, Gill R M. Magnetotelluric evidence for a deep-crustal mineralizing system beneath the Olympic Dam iron oxide copper-gold deposit, southern Australia[J]. Geology, 2006, 34(7): 573-576.

[57]

Kay B, Heinson G, Boren G, et al. Magnetotelluric imaging of an iron-oxide copper gold (IOCG) deposit under thick cover[J]. Exploration geophysics, 2024(6): 645-656.

[58]

Farquharson C G, Craven J A. Three-dimensional inversion of magnetotelluric data for mineral exploration: An example from the McArthur River uranium deposit, Saskatchewan, Canada[J]. Journal of Applied Geophysics, 2009, 68(4): 450-458.

[59]

何继善. 广域电磁法理论及应用研究的新进展[J]. 物探与化探, 2020, 44(5): 985-990.

[60]

He Jishan. New research progress in theory and application of wide field electromagnetic method[J]. Geophysical and Geochemical Exploration, 2020, 44(5): 985-990.

[61]

何继善. 大深度高精度广域电磁勘探理论与技术[J]. 中国有色金属学报, 2019, 29(9): 1809-1816.

[62]

He Jishan. Theory and technology of wide field electromagnetic method[J]. The Chinese Journal of Nonferrous Metals, 2019, 29(9): 1809-1816.

[63]

Yoshioka K. 2D inversion of CSAMT data for exploring the epithermal gold deposit in the Itaya prospect, Northern Hottshu, Japan[J]. Seg Technical Program Expanded Abstracts, 1949, 15(1): 630-633.

[64]

Bournas N, Thomson D. Delineation of a porphyry copper-gold system using 3D DCIP, CSAMT and MT surveys-case history, the Santa Cecilia Deposit, Chile[C]// KEGS Symposium 2013 “Copper:Discovery and Delineation”. Toronto: Canadian Association of Explorers and Developers, 2013: 131747468.

[65]

Fu C, Di Q, An Z. Application of the CSAMT method to groundwater exploration in a metropolitan environment[J]. Geophysics, 2013, 78(5): 201-209.

[66]

Elliott P J, Elliott G. The Mt Keith South nickel sulphide deposit ? a TEM case study[J]. Exploration Geophysics, 1985. DOI: 10.1071/EG985210.

[67]

薛国强, 陈卫营, 周楠楠, 等. 接地源瞬变电磁短偏移深部探测技术[J]. 地球物理学报, 2013, 56(1): 255-261.

[68]

Xue Guoqiang, Chen Weiying, Zhou Nannan, et al. Short-offset TEM technique with a grounded wire source for deep sounding[J]. Chinese Journal of Geophysics, 2013, 56(1): 255-261.

[69]

Auken E, Christiansen A V, Westergaard J H, et al. An integrated processing scheme for high-resolution airborne electromagnetic surveys, the SkyTEM system[J]. Exploration Geophysics, 2009, 40(2): 184-192.

[70]

Lee B M, Unsworth M J, Hubert J, et al. 3D joint inversion of magnetotelluric and airborne tipper data: a case study from the Morrison porphyry Cu-Au-Mo deposit, British Columbia, Canada[J]. Geophysical Prospecting, 2018, 66(2): 397-421.

[71]

Kruglyakov M, Kuvshinov A. 3-D inversion of MT impedances and inter-site tensors, individually and jointly. New lessons learnt[J]. Earth Planets Space, 2019, 71(1): 4.

[72]

Kordy M, Wannamaker P, Maris V, et al. 3-D magnetotelluric inversion including topography using deformed hexahedral edge finite elements and direct solvers parallelized on SMP computers-Part I: forward problem and parameter Jacobians[J], Geophysical Journal International, 2016, 204(1): 74-93.

[73]

Spichak V, Popova I. Artificial neural network inversion of magnetotelluric data in terms of three-dimensional earth macroparameters[J]. Geophysical Journal International, 2000, 142(1): 15-26.

[74]

Xiang E, Guo R, Stan E D, et al. Efficient hierarchical trans-dimensional Bayesian inversion of magnetotelluric data[J]. Geophysical Journal International, 2018, 213(3): 1751-1767.

[75]

阮帅. 三维大地电磁有限内存拟牛顿反演[D]. 成都: 成都理工大学, 2015.

[76]

Ruan Shuai. Three-dimensional magnetotelluric inversion based on limited memory quasi-Newton method[D]. Chengdu: Chengdu University of Technology, 2015.

[77]

陈辉. 地面频率域电磁法三维有限体积正演与截断牛顿法反演[D]. 长春: 吉林大学, 2017.

[78]

Chen Hui. Three-dimensional finite-volume modelling and truncated newton inversion for frequency-domain land EM methods[D]. Changchun: Jilin University, 2017.

[79]

Cai H, Liu M, Zhou J, et al. Effective 3D-transient electromagnetic inversion using finite-element method with a parallel direct solver[J]. Geophysics, 2022, 87(6): 377-392.

[80]

Commer M, Newman G. A parallel finite-difference approach for 3D transient electromagnetic modeling with galvanic sources[J]. Geophysics, 2004, 69(5): 1192-1202.

[81]

Cox L H, Wilson G A, Zhdanov M S. 3D inversion of airborne electromagnetic data[J]. Geophysics, 2012, 77(4): 59-69.

[82]

Alexey K, Alexey S. Global 3-D imaging of mantle electrical conductivity based on inversion of observatory C-responses—I. An approach and its verification[J]. Geophysical Journal International, 2012, 189(3): 1335-1352.

[83]

Colin G F. Constructing piecewise-constant models in multidimensional minimum-structure inversions[J]. Geophysics, 2007, 73(1): 1-9.

[84]

Liu Y, Colin G F, Yin C, et al. Wavelet-based 3-D inversion for frequency-domain airborne EM data[J]. Geophysical Journal International, 2018, 213(1): 1-15.

[85]

苏扬, 殷长春, 刘云鹤, 等. 基于曲波变换的大地电磁二维稀疏正则化反演[J]. 地球物理学报, 2021, 64(1): 314-326.

[86]

Su Yang, Yin Changchun, Liu Yunhe, et al. 2D magnetotelluric sparse regularization inversion based on curvelet transform. Chinese Journal of Geophysics, 2021, 64(1): 314-326.

[87]

Vignoli G, Fiandaca G, Christiansen A V, et al. Sharp spatially constrained inversion with applications to transient electromagnetic data[J], Geophysical Prospecting, 2015, 63(1): 243-255.

[88]

hang J, Liu Y, Yin C, et al. Three-dimensional regularized inversion of marine controlled-source EM data based on unstructured tetrahedral meshes[J]. Chinese Journal of Geophysics, 2019, 62(11): 4451-4461.

[89]

Randall L M, Theodore R M. Three-dimensional magnetotelluric inversion using conjugate gradients[J]. Geophysical Journal International, 1993, 115(1): 215-229.

[90]

张博, 殷长春, 刘云鹤, 等. 起伏地表频域/时域航空电磁系统三维正演模拟研究[J]. 地球物理学报, 2016, 59(4): 1506-1520.

[91]

Zhang Bo, Yin Changchun, Liu Yunhe, et al. 3D modeling on topographic effect for frequency/time-domain airborne EM systems[J]. Chinese Journal of Geophysics, 2016, 59(4): 1506-1520.

[92]

Gregory A N, David L A. Three-dimensional magnetotelluric inversion using non-linear conjugate gradients[J]. Geophysical Journal International, 2000, 140(2): 410-424.

[93]

刘云鹤, 殷长春. 三维频率域航空电磁反演研究[J]. 地球物理学报, 2013, 56(12): 4278-4287.

[94]

Liu Yunhe, Yin Changchun. 3D inversion for frequency-domain HEM data[J]. Chinese Journal of Geophysics, 2013, 56(12): 4278-4287.

[95]

Mcgillivray P R, Oldenburg D W, Ellis R G, et al. Calculation of sensitivities for the frequency-domain electromagnetic problem[J]. Geophysical Journal International, 1994, 116(1): 1-4.

[96]

Cox L H, Wilson G A, Zhdanov M S. 3D inversion of airborne electromagnetic data using a moving footprint[J]. Exploration Geophysics, 2010, 41(4): 250-259.

[97]

Douglas W O, Eldad H, Roman S. Three dimensional inversion of multisource time domain electromagnetic data[J]. Geophysics, 2012, 78(1): 47-57.

[98]

Yang D, Oldenburg D W, Haber E. 3-D inversion of airborne electromagnetic data parallelized and accelerated by local mesh and adaptive soundings[J]. Geophysical Journal International, 2013, 196(3): 1492-1507.

[99]

Yin C, Huang X, Liu Y, et al. Footprint for frequency-domain airborne electromagnetic systems[J]. Geophysics, 2014, 79(6): 243-254.

[100]

Ren X, Yin C, Macnae Y Z B. 3D time-domain airborne electromagnetic inversion based on secondary field finite-volume method[J]. Geophysics: Journal of the Society of Exploration Geophysicists, 2018, 83(4): 219-228.

[101]

Xiong Y S. Chebyshev pseudospectral domain decomposition method of one-dimensional elliptic problems[J]. Acta Mathematica Scientia, 1995, 15(3): 303-309.

[102]

Rung-Arunwan T, Siripunvaraporn W. An efficient modified hierarchical domain decomposition for two-dimensional magnetotelluric forward modelling[J]. Geophysical Journal International, 2010, 183(2): 634-644.

[103]

惠哲剑. 基于非结构有限元的时间域海洋电磁三维正反演研究[D]. 长春: 吉林大学, 2022.

[104]

Hui Zhejiang. 3D forward modeling and inversion for time-domain marine CSEM based on unstructured finite-element method[D]. Changchun: Jilin University, 2022.

[105]

Bo Z, Kim W E, Gianluca F, et al. 3D inversion of time-domain electromagnetic data using finite elements and a triple mesh formulation[J]. Geophysics, 2021, 86(3): 257-267.

[106]

Zhang B, Qu K, Yin C, et al. Review of 3D electromagnetic modeling and inversion for mineral exploration available to purchase[J]. Geophysics, 2025, 90(3): 47-59.

[107]

Volkan T, Martyn J U, Weerachai S, et al. Exploration for unconformity-type uranium deposits with audiomagnetotelluric data: a case study from the McArthur River mine, Saskatchewan, Canada[J]. Geophysics, 2006, 71(6): 201-209.

[108]

Pare P, Gribenko A V, Cox L H, et al. 3D inversion of SPECTREM and ZTEM airborne electromagnetic data from the Pebble Cu-Au-Mo porphyry deposit, Alaska[J]. Exploration Geophysics, 2012, 43(2): 104-115.

[109]

Lee B M, Unsworth M J, Hübert J, et al. 3D joint inversion of magnetotelluric and airborne tipper data: a case study from the Morrison porphyry Cu-Au-Mo deposit, British Columbia, Canada[J]. Geophysical Prospecting, 2018, 66(2): 397-421.

[110]

Fu G, Yan J, Chen H, et al. 3D inversion of audio-magnetotelluric data for mineral exploration: a case study of Layikeleke buried porphyry copper deposit, Xinjiang, China[J]. Applied Geophysics, 2020, 17: 576-588.

[111]

吴懿豪, 韩江涛, 刘云鹤, 等. 内蒙古双尖子山矿集区三维电性结构及成矿意义[J]. 地球物理学报, 2021, 64(4): 1291-1304.

[112]

Wu Yihao, Han Jiangtao, Liu Yunhe, et al. Three-dimensional electrical structures and mineralization significance in the Shuangjianzishan ore-concentrated area, Inner Mongolia[J]. Chinese Journal of Geophysics, 2021, 64(4): 1291-1304.

[113]

圣安陈, 杨悦, 李亚彬, 等. 可控源电磁法三维反演在甘肃花牛山铅锌矿勘查中的应用[J]. 世界地质, 2020, 39(4): 878-887.

[114]

Shen Anchen, Yang Yue, Li Yabin. Application of 3D inversion of CSAMT in Huaniushan lead-zinc deposit exploration in Gansu[J]. World Geology, 2020, 39(4): 878-887.

[115]

Hitzman M W, Redmond P B, Beaty D W. The carbonate-hosted lisheen Zn-Pb-Ag deposit, county Tipperary, Ireland[J]. Economic Geology, 2002, 97(8): 1627-1655.

[116]

Yang D, Oldenburg D W. Three-dimensional inversion of airborne time-domain electromagnetic data with applications to a porphyry deposit[J]. Geophysics, 2012, 77(2): 23-34.

[117]

McMillan M S, Schwarzbach C, Haber E, et al. 3D parametric hybrid inversion of time-domain airborne electromagnetic data[J]. Geophysics, 2015, 80(6): 25-36.

[118]

汪茂, 谭捍东, 付兴. 基于深度学习的可控源音频大地电磁二维反演[J]. 科学技术与工程, 2025, 25(7): 2683-2690.

[119]

Wang Mao, Tan Handong, Fu Xing. The study of 2D controlled source audio-frequency magnetotelluric inversion based on deep learning[J]. Science Technology and Engineering, 2025, 25(7): 2683-2690.

[120]

Kelbert A, Meqbel N, Egbert G D, et al. ModEM: a modular system for inversion of electromagnetic geophysical data[J]. Computers & Geosciences, 2014. DOI: 10.1016/j.cageo.2014.01.010.

[121]

Grayver A V. Parallel three-dimensional magnetotelluric inversion using adaptive finite-element method. Part I: theory and synthetic study[J]. Geophysical Journal International, 2015(1): 584-603.

[122]

Chen H, Ren Z, Tang J. Magnetotelluric adaptive inversion using multi-resolution tetrahedral grids: application to the North China Craton[J]. Journal of Geophysical Research, 2025, 130(4). DOI: 10.1029/2024JB030405.

[123]

Ryhove S D L K D, Morten J P, Kumar K. Efficient 3D MT inversion using finite-difference time-domain modelling[C]// 75th EAGE Conference & Exhibition incorporating SPE EUROPEC 2013. Lundon:European Association of Geoscientists & Engineers, 2013: 20130487.

[124]

Gallardo L A, Meju M A. Joint two-dimensional cross-gradient imaging of seismic traveltime data for structural and lithological classification[J]. Geophysical Journal International, 2007, 169(3): 1261-1272.

[125]

Giraud J, Ogarko V, Martin R, et al. Structural, petrophysical, and geological constraints in potential field inversion using the Tomofast-x v1. 0 open-source code[J]. Copernicus GmbH, 2021(11). DOI: 10.5194/GMD-14-6681-2021.

[126]

陈晓, 李文乔, 郭曼, 等. 大地电磁测深和重力数据贝叶斯联合反演[J]. 科学技术与工程, 2016, 16(15): 30-35.

[127]

Chen Xiao, Li Wenqiao, Guo Man, et al. Bayesian joint inversion of magnetotelluric and gravity data[J]. Science Technology and Engineering, 2016, 16(15): 30-35.

[128]

Gui T, Deng J, Li G, et al. De-noising magnetotelluric data based on machine learning[J]. Journal of Applied Geophysics, 2024, 230: 105538.

[129]

Liu W, Wang H, Xi Z, et al. Physics-informed deep learning inversion with application to noisy magnetotelluric measurements[J]. Remote Sensing, 2024, 16(1): 20.

[130]

Liu L, Yang B, Zhang Y. Inverting magnetotelluric data using a physics-guided auto-encoder with scaling laws extension[J]. Frontiers in Earth Science, 2024. DOI: 10.3389/feart.2024.1510962.

[131]

李赓, 曹飞翔. 基于深度学习的二维航空大地电磁数据反演[J]. 科学技术与工程, 2021, 21(4): 1272-1278.

[132]

Li Geng, Cao Feixiang. The inversion research for two-dimensional airborne magnetotelluric data based on deep learning[J]. Science Technology and Engineering, 2021, 21(4): 1272-1278.

[133]

Blatter D, Morzfeld M, Key K, et al. Uncertainty quantification for regularized inversion of electromagnetic geophysical data—Part I: motivation and theory[J]. Geophysical Journal International, 2022, 231(2): 18.

[134]

Peng R, Han B, Hu X, et al. 2-D probabilistic inversion of MT data and uncertainty quantification using the Hamiltonian Monte Carlo method[J]. Geophysical Journal International, 2024, 237, 1826-1841.

[135]

Blatter D, Ray A, Key K. Nonlinear, 2D uncertainty estimation in Magnetotelluric inversion using trans-dimensional Gaussian processes[C]// ASEG Extended Abstracts. Brisbane: Taylor & Francis, 2021: 1-4.

基金资助

地球深部探测与矿产资源勘查国家科技重大专项(2024ZD1002201)

国家自然科学基金(U2344220)

中国地质调查项目(DD202602110301)

中国地质调查项目(DD20240079)

PDF (5297KB)

38

访问

0

被引

详细

导航
相关文章

/

〈 〉