CN109239177A - 一种基于植物中铍元素含量预测隐伏铍矿床的方法 - Google Patents

一种基于植物中铍元素含量预测隐伏铍矿床的方法 Download PDF

Info

Publication number
CN109239177A
CN109239177A CN201811171062.3A CN201811171062A CN109239177A CN 109239177 A CN109239177 A CN 109239177A CN 201811171062 A CN201811171062 A CN 201811171062A CN 109239177 A CN109239177 A CN 109239177A
Authority
CN
China
Prior art keywords
beryllium
area
element content
plant
plant sample
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811171062.3A
Other languages
English (en)
Inventor
于扬
王登红
高娟琴
于沨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Mineral Resources of Chinese Academy of Geological Sciences
Original Assignee
Institute of Mineral Resources of Chinese Academy of Geological Sciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Mineral Resources of Chinese Academy of Geological Sciences filed Critical Institute of Mineral Resources of Chinese Academy of Geological Sciences
Priority to CN201811171062.3A priority Critical patent/CN109239177A/zh
Publication of CN109239177A publication Critical patent/CN109239177A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/44—Sample treatment involving radiation, e.g. heat

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开一种基于植物中铍元素含量预测隐伏铍矿床的方法，包括以下步骤：从待测区采集植物样本并记录采样点位置；分析经预处理的植物样本中铍元素含量得到待测区植物样本铍元素含量；根据待测区植物样本铍元素含量和已知的植物样本铍元素含量与铍矿体间的空间耦合关系预测待测区是否存在隐伏铍矿床。本发明基于植物中铍元素含量预测隐伏铍矿床的方法克服现有的勘查技术在常规物化探工作无法开展的特殊景观地区寻找隐伏矿床的缺陷和不足，最大限度的利用了植物对于铍的富集作用，提供一种更准确、更便捷、更直接、更行之有效的植物找矿的新方法。

Description

一种基于植物中铍元素含量预测隐伏铍矿床的方法
技术领域
本发明涉及地质勘测技术领域。更具体地，涉及一种基于植物中铍元素含量预测隐伏铍矿床的方法。
背景技术
随着国家对能源矿产的需求越来越强烈，以铍为代表的能源矿产资源的调查评价与找矿勘探面临新的形势，尤其是在常规物化探工作无法开展的地区(如自然保护区核心区及缓冲区、高海拔特殊景观区)，要寻找那些隐伏的、埋藏的矿体，找矿难度越来越大，发展特殊景观区预测深部隐伏矿床的方法成为矿产勘查的必然趋势。探索和创新更准确、更便捷、更直接、更行之有效的预测下伏基岩隐伏矿床的找矿方法并推广应用，对特殊景观地区找矿突破具有重要的现实意义。
植物地球化学勘探是寻找深部隐伏矿床的有效手段之一，国内外已有大量研究表明利用植物地球化学及其勘查方法，在特殊景观条件下寻找金、铜等贵金属、有色金属、放射性金属矿床等都取得了较好的验证效果，但是将此方法应用于未知地区寻找铍、铍、铌、钽等稀有金属矿方面的实例则少之又少。铍是我国乃至全球的战略性和关键性原材料，在航空航天、国防、电子电器等多个领域有关键性的应用，在当今科学和研究领域中备受关注，将为应对未来国防军工等战略性需求、保障铍资源的供应安全发挥重要作用。
因此，提供一种面向特殊景观地区铍矿的植物找矿方法，将为对“战略性”铍矿资源的开采进行绿色勘查与评价工作提供科学依据。
发明内容
本发明的目的在于提供一种更准确、更便捷、更直接、更行之有效的基于植物中铍元素含量预测隐伏铍矿床的方法，克服现有勘查技术在常规物化探工作无法开展的地区(如自然保护区核心区及缓冲区、高海拔特殊景观区) 寻找隐伏矿床的缺陷和不足。结合其它勘查手段，可以快速圈定靶区，指导发现铍矿。
为达到上述目的，本发明采用下述技术方案：
本发明提供了一种基于植物中铍元素含量预测隐伏铍矿床的方法，包括以下步骤：
从待测区采集植物样本并记录采样点位置；
分析经预处理的植物样本铍元素含量得到待测区植物样本铍元素含量；
根据待测区植物样本铍元素含量和已知的植物样本铍元素含量与铍矿体间的空间耦合关系预测待测区是否存在隐伏铍矿床。
进一步，所述方法还包括：
分析经预处理的植物样本其他微量元素的含量；
根据植物样本其他元素含量预测待测区存在的共伴生矿床类型。
本发明还提供了植物中铍元素含量与铍矿体间的空间耦合关系的构建方法，包括以下步骤：
从已知铍含量地区采集植物样本并记录采样点位置；
分析经预处理的植物样本铍元素含量，得到已知采样点植物样本铍元素含量；
将已知采样点植物样本铍元素含量的分布特征可视化；
将可视化的铍元素含量的分布特征与已知铍含量地区的矿体分布空间位置叠加，由此构建植物中铍元素含量与铍矿体间的空间耦合关系。
进一步，所述构建方法还包括
根据已知采样点植物样本铍元素含量数据利用空间插值法获得插值的植物样本铍元素含量，
将已知采样点和插值的植物样本铍元素含量的分布特征可视化。
优选的，所述空间插值法为克里金插值法。
进一步，所述已知采样点植物样本铍元素含量的分布特征可视化的步骤进一步包括：将已知采样点植物样本铍元素含量数据利用GIS空间分析软件显示为等值图。
进一步，所述铍元素含量与铍矿体间的空间耦合关系包括矿化区耦合关系、弱矿化区耦合关系和背景区耦合关系。具体的，所述矿化区可以为已开采铍辉石矿区；所述弱矿化区可以为未开采铍辉石资源富集区。
进一步，所述预处理的方法为HNO3-H2O2微波消解法。
进一步，所述分析的方法为电感耦合等离子体质谱法(ICP-MS)。
由于深埋在地下的铍辉石隐伏矿体铍元素化学性质活泼并迁移至地表，可以在土壤及植物内富集，特殊景观区优势植物群落较单一，植物根系、茎叶中的元素对其所在地区成土母岩中的母质元素具有一定的继承性，会引起植物这一生物载体内的铍元素的含量随不同的空间位置而发生变化，而且不同类型地区如矿化区(已开采矿区)、弱矿化区(未开采铍资源富集区)和背景区植物样本铍元素含量存在明显差异，通过分析这些差异特征可以在一定程度上反映铍矿化信息，通过地理信息系统空间分析技术可以总结植物中铍元素含量与铍矿体间的空间耦合关系，反映深部盲矿的部位，通过检测待测区中植物的铍元素含量可以预测是否存在的隐伏矿体并判别不同的矿种或矿床类型。
本发明的有益效果如下：
本发明基于植物中铍元素含量预测隐伏铍矿床的方法通过测试分析植物这一生物载体中铍元素的富集特征，可以克服现有的勘查技术在常规物化探工作无法开展的地区(如自然保护区核心区及缓冲区、特殊景观区)寻找隐伏矿体的缺陷和不足，提供一种更准确、更便捷、更直接、更行之有效的植物找矿的新思路。该方法最大限度的利用了植物对于铍的富集作用，得到的植物中铍元素含量与铍矿体间的空间耦合关系，通过分析可以有效获取常规物化探工作无法开展的地区(如自然保护区核心区及缓冲区、特殊景观地区) 地下深部矿体的矿化信息，其直观性及取样便利性是常规手段无法比拟的。
另外，由于优势物种(康定小叶冬青，俗称“油碴子”)在高海拔游牧地区、自然保护区及高原生态脆弱区的普遍存在性，该探测方法在高海拔特殊地貌区没有特殊的地域地区限制，适用范围较广泛，可以利用其植物地球化学特征开展铍矿的找矿工作。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出植物根系样本铍元素的分布特征与铍矿体间的空间耦合关系图。
图2示出植物茎叶样本铍元素的分布特征与铍矿体间的空间耦合关系图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
实施例1基于植物中铍元素含量预测隐伏铍矿床的方法
1、地质背景
在中国地质调查项目资助下，对川西甲基卡稀有金属矿田开展了相关研究工作，甲基卡稀有金属矿田位于四川省西部甘孜州康定县、雅江县和道孚县三县交界处，东距成都270公里，距国道川藏公路沿线塔公镇25公里。海拔 4300～4500m。大地构造背景上位于松潘-甘孜造山带中部的雅江被动陆源中央褶皱-推覆带中段的雅江构造-岩浆穹状变质体群内。
本实施例选取的是该矿田及周边区域内比较常见的游牧地区，康定小叶冬青(当地俗称“油碴子”)是该游牧区广泛分布的植物，研究工作选取地表植物根、茎叶作为植物找矿样本。
2、植物样本的采集及预处理
在已开采矿区、未开采铍资源富集区、背景区三种已知铍含量的地区用食品级密实袋采集植物根、茎叶样本并记录采样点位置，编号后，在野外用蒸馏水对植物样本进行清洗、自然风干处理，带回实验室后烘干，待其彻底失掉水分后利用动植物专用超细粉碎机破碎至200目，采用HNO3-H2O2微波消解法进行预处理，具体步骤为：微波消解称样量不少于0.5g(干样)，试料置于专用微波消解罐中，加2～5ml HNO3放置过夜，加1～2ml 30％的H2O2，用2～4ml 水冲洗罐壁，安装好消解装置，按消解系统的最佳分析条件在微波消解仪中消解试料，反应结束后，去除消解罐将消解液移至聚四氟乙烯烧杯中，置于电热板上加热蒸至近干，按最终试料测试液介质为5％加入适量HNO3，在电热板上低温加热溶解残渣，冷却后将溶液移入塑料瓶中，加水稀释至10ML，摇匀，得到溶液。
3、植物样本分析
将制备成溶液的植物样本选用电感耦合等离子体质谱(ICP-MS)定量测定铍元素及其它元素的含量，获得已开采矿区、未开采铍资源富集区、背景区这三种地区已知采样点的植物样本铍元素及其它元素的含量。
4、空间分析
将已知采样点的植物样本铍元素含量插值到规则格网中，这些点与原始植物样本位置相同(点克里金)，通过克里金插值法建立置信区间，根据已知采样点的植物样本铍元素含量得到插值的植物样本铍元素含量，将已知采样点和插值的植物样本铍元素含量运用ARCGIS商业软件将结果显示为等值图，得到可视化的铍元素含量的分布特征。含量高的赋予深色，颜色随含量逐步变浅。将通过遥感影像提取出的已知铍含量的地区的矿体分布空间位置与可视化的铍元素含量的分布特征结果叠加显示，得到植物中铍元素含量与铍矿体间的空间耦合关系，如附图1、图2所示。其中，克里金插值法所用到的变异函数如下述：
区域化变量Z(x)在点x和x+h除的值Z(x)与Z(x+h)的差的方差的一半称为区域化变量Z(x)的半变异函数，记作r(h)，2r(h)为变异函数。
即
区域化变量Z(x)满足二阶平稳假设，因此对于任意的h有
E[Z(x+h)]＝E[Z(x)]
因此，半变异函数可以改写为
当半变异函数r(x,h)仅仅依赖于距离h而与位置x无关时，r(x,h)可以改写成r(x)
具体可以表示为
式中，h为两样本点空间分隔距离；Z(xi)为Z(x)在空间点xi处的样本值； Z(xi+h)为Z(x)在xi处距离偏离h的样本值；N(h)为分隔距离为h时的样本点对总数。
并拟合变异函数模型：
变异函数模型可以分为有基台和无基台两类。其中有基台模型包括：球状模型、指数模型、高斯模型、线性有基台模型、纯块金效应模型等；无基台模型包括：幂函数模型、对数模型、线性无基台模型等。
其中，
球状模型：一般公式为
式中C0为块金常数；C0+C为基台值；a为变程。当C0＝0，C＝1时，称为标准球状模型。球状模型是空间统计学中最常见的模型。
指数模型：一般公式为
式中C0为块金常数；C0+C为基台值；a不是变程，当h＝3a时，r(h)≈C0+C，故指数函数模型的变程为3a。当C0＝0，C＝1时，称为标准球状模型。
高斯模型：一般公式为
式中C0为块金常数；C0+C为基台值；a不是变程，当时，r(h)≈ C0+C，故高斯函数模型的变程为当C0＝0，C＝1时，称为标准高斯模型。
线性有基台模型：一般公式为
式中C0为块金常数；C0+C为基台值；A为直线斜率，a为变程。线性有基台模型也是空间统计学中最常用的理论模型之一。
纯块金效应模型：一般公式为
式中，C0是先验方差。纯块金效应模型表示变程a＝0，即样本件完全相互独立，也就是变量的空间相关性不存在。
幂函数模型：一般公式为
r(h)＝hθ 0＜θ＜2
θ为幂指数。θ必须严格地小于2。因为θ≥2，则函数-hθ不再是一条非负定函数了，也就是所，hθ就不能作为变异函数了。
线性无基台值模型：一般公式为
式中C0为块金常数；A为直线斜率。无变程，无基台值。
对数模型：一般公式为
r(h)＝logh
由于当h→0时，log h→-∞，这与变异函数的性质不合。因此，对数模型不能用来描述点承载的区域化变量的结构，但可以作为正则化变量的变异函数模型。
5、待测区隐伏矿体的判断
从待测区采集植物样本并记录采样点位置；对植物样本进行预处理；分析经预处理的植物样本铍元素，得到待测区植物样本铍元素和其他微量元素的含量；具体方法同上述步骤中2和3。
根据上述步骤中3中得到的待测区植物样本铍元素含量和步骤4得到的已知的植物样本铍元素含量与铍矿体间的空间耦合关系预测待测区是否存在隐伏矿体。
6、结果表明：
深埋于地下的铍辉石矿体中铍元素性质活泼并迁移至地表，或被植被吸收，这些富集于土壤中的铍元素被当地广泛分布的康定小叶冬青(俗称“油碴子”)吸收，可以引起植物根茎叶中铍元素含量的变化，根据已知的不同采样点植物样本铍元素含量通过空间插值方法得到插值的植物样本铍元素含量，植物中铍元素含量的空间分布数据，利用GIS空间分析将已知采样点和插值的植物样本铍元素含量的分布特征可视化并与遥感影像提取出的已知铍含量的地区的矿体分布空间叠加分析，可以较为直观地预测下伏基岩铍矿体特征，并获得矿体类型的信息，还可以通过同样的方法根据植物样本其它元素含量特征判定共伴生矿体类型。
这是一种比较直观且便捷高效的，适用于高海拔特殊地貌区的植物找矿技术，在铍矿床预测、结合其它勘查手段快速圈定靶区、指导发现铍矿方面具有较大的应用前景。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (10)

1.一种基于植物中铍元素含量预测隐伏铍矿床的方法，其特征在于，包括以下步骤：
从待测区采集植物样本并记录采样点位置；
分析经预处理的植物样本铍元素含量得到待测区植物样本铍元素含量；
根据待测区植物样本铍元素含量和已知的植物样本铍元素含量与铍矿体间的空间耦合关系预测待测区是否存在隐伏铍矿床。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
分析经预处理的植物样本其他微量元素的含量；
根据植物样本其他元素含量预测待测区存在的共伴生矿床类型。
3.根据权利要求1所述的方法，其特征在于，所述预处理的方法为HNO3-H2O2微波消解法。
4.根据权利要求1所述的方法，其特征在于，所述分析的方法为电感耦合等离子体质谱法。
5.一种植物中铍元素含量与铍矿体间的空间耦合关系的构建方法，其特征在于，包括以下步骤：
从已知铍含量地区采集植物样本并记录采样点位置；
分析经预处理的植物样本铍元素含量，得到已知采样点植物样本铍元素含量；
将已知采样点植物样本铍元素含量的分布特征可视化；
将可视化的铍元素含量的分布特征与已知铍含量地区的矿体分布空间位置叠加，由此构建植物中铍元素含量与铍矿体间的空间耦合关系。
6.根据权利要求5所述的构建方法，其特征在于，该方法进一步包括
根据已知采样点植物样本铍元素含量数据利用空间插值法获得插值的植物样本铍元素含量；
将已知采样点和插值的植物样本铍元素含量的分布特征可视化。
7.根据权利要求6所述的构建方法，其特征在于，所述空间插值法为克里金插值法。
8.根据权利要求5所述的构建方法，其特征在于，所述已知采样点植物样本铍元素含量的分布特征可视化的步骤进一步包括：将已知采样点植物样本铍元素含量数据利用GIS空间分析软件显示为等值图。
9.根据权利要求5所述的构建方法，其特征在于，所述铍元素含量与铍矿体间的空间耦合关系包括矿化区耦合关系、弱矿化区耦合关系和背景区耦合关系。
10.根据权利要求9所述的构建方法，其特征在于，所述矿化区为已开采矿区；所述弱矿化区为未开采铍资源富集区。
CN201811171062.3A 2018-10-09 2018-10-09 一种基于植物中铍元素含量预测隐伏铍矿床的方法 Pending CN109239177A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811171062.3A CN109239177A (zh) 2018-10-09 2018-10-09 一种基于植物中铍元素含量预测隐伏铍矿床的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811171062.3A CN109239177A (zh) 2018-10-09 2018-10-09 一种基于植物中铍元素含量预测隐伏铍矿床的方法

Publications (1)

Publication Number Publication Date
CN109239177A true CN109239177A (zh) 2019-01-18

Family

ID=65055083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811171062.3A Pending CN109239177A (zh) 2018-10-09 2018-10-09 一种基于植物中铍元素含量预测隐伏铍矿床的方法

Country Status (1)

Country Link
CN (1) CN109239177A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109343143A (zh) * 2018-10-09 2019-02-15 中国地质科学院矿产资源研究所 一种基于植物中锂元素含量预测隐伏锂矿床的方法
CN112380308A (zh) * 2020-11-17 2021-02-19 中国地质科学院矿产资源研究所 一种基于数据正则化的地球化学异常圈定方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3012076A1 (de) * 1980-03-28 1981-10-08 Ruhrkohle Ag, 4300 Essen Anordnung zur ueberwachung des ch (pfeil abwaerts)4(pfeil abwaerts) -gehalts im freien querschnitt von grubenbetrieben
CN1240779A (zh) * 1999-07-26 2000-01-12 陈民 高效多功能复合微生物肥及其工业制造方法
CN104459083A (zh) * 2014-11-28 2015-03-25 武汉工程大学 一种风化壳淋积型稀土矿中重稀土富集区的探矿方法
CN104458774A (zh) * 2014-12-12 2015-03-25 中山大学 一种利用生物内部纳米微粒寻找隐伏矿床的方法
CN106908855A (zh) * 2017-02-23 2017-06-30 中国地质大学（武汉） 一种基于gis空间分析选择地球化学元素组合的方法
CN107369121A (zh) * 2017-07-24 2017-11-21 中煤电气有限公司 一种煤矿信息化系统的实时数据模拟方法
CN107480460A (zh) * 2017-08-25 2017-12-15 中国地质科学院矿产资源研究所 大区域复杂背景区多元素地球化学异常识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3012076A1 (de) * 1980-03-28 1981-10-08 Ruhrkohle Ag, 4300 Essen Anordnung zur ueberwachung des ch (pfeil abwaerts)4(pfeil abwaerts) -gehalts im freien querschnitt von grubenbetrieben
CN1240779A (zh) * 1999-07-26 2000-01-12 陈民 高效多功能复合微生物肥及其工业制造方法
CN104459083A (zh) * 2014-11-28 2015-03-25 武汉工程大学 一种风化壳淋积型稀土矿中重稀土富集区的探矿方法
CN104458774A (zh) * 2014-12-12 2015-03-25 中山大学 一种利用生物内部纳米微粒寻找隐伏矿床的方法
CN106908855A (zh) * 2017-02-23 2017-06-30 中国地质大学（武汉） 一种基于gis空间分析选择地球化学元素组合的方法
CN107369121A (zh) * 2017-07-24 2017-11-21 中煤电气有限公司 一种煤矿信息化系统的实时数据模拟方法
CN107480460A (zh) * 2017-08-25 2017-12-15 中国地质科学院矿产资源研究所 大区域复杂背景区多元素地球化学异常识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
宋慈安 等: "新疆东准噶尔北部荒漠区金属矿床白茎绢蒿植物地球化学异常特征及其找矿意义", 《大地构造与成矿学》 *
宋玮 等: "新疆喀拉通克铜镍矿区植物地球化学特征及找矿有效植物和元素的选择", 《桂林理工大学学报》 *
胡西顺: ""植物地球化学测量找矿应用综述", 《矿床地质》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109343143A (zh) * 2018-10-09 2019-02-15 中国地质科学院矿产资源研究所 一种基于植物中锂元素含量预测隐伏锂矿床的方法
CN112380308A (zh) * 2020-11-17 2021-02-19 中国地质科学院矿产资源研究所 一种基于数据正则化的地球化学异常圈定方法及系统

Similar Documents

Publication Publication Date Title
Li et al. Paleomagnetic chronology and paleoenvironmental records from drill cores from the Hetao Basin and their implications for the formation of the Hobq Desert and the Yellow River
CN105590012B (zh) 一种适用于层间氧化带砂岩型铀矿有利砂体的评价方法
CN108761564A (zh) 一种新生代岩浆型铜多金属矿找矿方法
Xue et al. Discovery of a large-scale porphyry molybdenum deposit in Tibet through a modified TEM exploration method
Airo et al. Characterization of sulfide deposits by airborne magnetic and gamma-ray responses in eastern Finland
CN101625413B (zh) 一种油气勘查方法
Laukamp et al. Hydrothermal mineral alteration patterns in the Mount Isa Inlier revealed by airborne hyperspectral data
Huang et al. Research on Piper-PCA-Bayes-LOOCV discrimination model of water inrush source in mines
CN108535791B (zh) 一种用于检查评价干旱荒漠景观区铜铅锌异常的新方法
Zhang et al. Rapid determination of coalbed methane exploration target region utilizing hyperspectral remote sensing
Austin et al. Magnetic modeling of iron oxide copper-gold mineralization constrained by 3D multiscale integration of petrophysical and geochemical data: Cloncurry District, Australia
CN109239177A (zh) 一种基于植物中铍元素含量预测隐伏铍矿床的方法
Eldougdoug et al. Exploring gold mineralization in altered ultramafic rocks in south Abu Marawat, Eastern Desert, Egypt
Garain et al. Detection of hydrocarbon microseepage-induced anomalies by spectral enhancements of Landsat 7 ETM+ images in part of Assam–Arakan Fold Belt, India
Alarifi et al. Gravity, aeromagnetic and electromagnetic study of the gold and pyrite mineralized zones in the Haile Mine area, Kershaw, South Carolina
Liu et al. Multi-element geochemical data mining: implications for block boundaries and deposit distributions in South China
Fang et al. Geophysical investigations of the geology and structure of the Pangushan-Tieshanlong tungsten ore field, South Jiangxi, China—Evidence for site-selection of the 2000-m Nanling Scientific Drilling Project (SP-NLSD-2)
Loukola-Ruskeeniemi et al. Country-wide exploration for graphite-and sulphide-rich black shales with airborne geophysics and petrophysical and geochemical studies
Liu et al. Characterization of multi-type mineralizations in the Wandongshan gold poly-metallic deposit, Yunnan (China), by fractal analysis
Fruit et al. Remagnetization of the folded Belden Formation, northwest Colorado
Zhang et al. The chemical remagnetization of Ediacaran dolomite in the Taishan Paleo‐reservoir, South China
CN109425649A (zh) 一种基于牛粪锂元素含量寻找隐伏矿体的方法
CN109343143A (zh) 一种基于植物中锂元素含量预测隐伏锂矿床的方法
Williams Mass and magnetic properties for 3D geological and geophysical modelling of the southern Agnew–Wiluna Greenstone Belt and Leinster nickel deposits, Western Australia
Goldberg et al. Depletion and enrichment zones in the Bendigo gold field: a possible source of gold and implications for exploration

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190118

RJ01 Rejection of invention patent application after publication