CN114646682B - 一种基于绿帘石微量元素的找矿方法 - Google Patents
一种基于绿帘石微量元素的找矿方法 Download PDFInfo
- Publication number
- CN114646682B CN114646682B CN202210273006.0A CN202210273006A CN114646682B CN 114646682 B CN114646682 B CN 114646682B CN 202210273006 A CN202210273006 A CN 202210273006A CN 114646682 B CN114646682 B CN 114646682B
- Authority
- CN
- China
- Prior art keywords
- green
- ore
- curtain
- stone
- data
- 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.)
- Active
Links
- 239000004575 stone Substances 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 34
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 32
- 235000010755 mineral Nutrition 0.000 title claims abstract description 32
- 239000011707 mineral Substances 0.000 title claims abstract description 32
- 235000013619 trace mineral Nutrition 0.000 title claims abstract description 26
- 239000011573 trace mineral Substances 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 230000009471 action Effects 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 238000000095 laser ablation inductively coupled plasma mass spectrometry Methods 0.000 claims abstract description 8
- 239000000523 sample Substances 0.000 claims description 41
- 230000004075 alteration Effects 0.000 claims description 14
- 238000011065 in-situ storage Methods 0.000 claims description 13
- 229910052746 lanthanum Inorganic materials 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 10
- 229910052688 Gadolinium Inorganic materials 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- 230000033558 biomineral tissue development Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 241000283070 Equus zebra Species 0.000 claims description 4
- 229910052769 Ytterbium Inorganic materials 0.000 claims description 4
- 238000009616 inductively coupled plasma Methods 0.000 claims description 3
- 238000000608 laser ablation Methods 0.000 claims description 3
- 238000001819 mass spectrum Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 9
- 238000010249 in-situ analysis Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000004044 response Effects 0.000 abstract description 2
- 239000007788 liquid Substances 0.000 description 5
- 229910002696 Ag-Au Inorganic materials 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000010438 granite Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 229910052683 pyrite Inorganic materials 0.000 description 2
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 2
- 239000011028 pyrite Substances 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0027—Methods for using particle spectrometers
- H01J49/0036—Step by step routines describing the handling of the data generated during a measurement
-
- 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
- G01N27/626—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 using heat to ionise a gas
- G01N27/628—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 using heat to ionise a gas and a beam of energy, e.g. laser enhanced ionisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/04—Devices for withdrawing samples in the solid state, e.g. by cutting
- G01N1/08—Devices for withdrawing samples in the solid state, e.g. by cutting involving an extracting tool, e.g. core bit
-
- 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
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/02—Details
- H01J49/10—Ion sources; Ion guns
- H01J49/105—Ion sources; Ion guns using high-frequency excitation, e.g. microwave excitation, Inductively Coupled Plasma [ICP]
-
- 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
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
- G01N2001/2866—Grinding or homogeneising
Abstract
本发明公开了一种基于绿帘石微量元素的找矿方法，具体包括以下步骤：圈定成矿地段；样品采集和分析：将成矿地段按一定的采样单元采集含有绿帘石的基岩样品；微量元素分析测试；数据处理与解译：用LADRlib软件对获得的初始记录数据进行处理；找矿作用类型的判别。本发明的优点是利用LA‑ICP‑MS原位分析技术，将岩浆‑热液成矿系统中的有关绿帘石蚀变矿物的描述由宏观定性提升到对其中微量元素变化的微观定量解释，并将其微量元素的变化与矿集区尺度找矿类型响应联系起来，克服了传统找矿类型判别方法效率低下、周期长、成本高的难点，能够为矿床尺度进一步的找矿勘探方法的优化和选择提供理论依据，降低勘查风险。
Description
技术领域
本发明涉及地质勘查的找矿技术领域，尤其涉及一种基于绿帘石微量元素的找矿方法。
背景技术
近几十年随着地质勘查工作的全面覆盖，矿产勘查程度逐渐提高，新的矿床的发现变得越来越困难，亟待开展新的找矿技术方法指导找矿突破，其中首要任务是快速判别出找矿类型。
传统的找矿类型的判别存在以下缺点：勘查评价前要进行大比例的填图和系统的采样分析等综合研究，搞清矿体产状、与围岩的关系、成矿作用、成矿物质及成矿流体来源等，才能确定矿床成因或找矿类型，造成周期长、费用高，不能满足矿集区尺度快速勘查评价的迫切需求。
发明内容
为了解决上述技术问题，本发明提供了一种基于绿帘石微量元素的找矿方法，利用先进的LA-ICP-MS原位分析技术，将岩浆-热液成矿系统中的有关绿帘石蚀变矿物的描述由宏观定性提升到对其中微量元素变化的微观定量解释，并将其微量元素的变化与矿集区尺度找矿类型响应联系起来，克服了传统的找矿类型判别方法效率低下、周期长、成本高的难点。
本发明是通过以下技术方案实现的：提供一种基于绿帘石微量元素的找矿方法，具体包括以下步骤：
(1)圈定成矿地段：依据选定的研究区进行资料收集，并综合分析成矿潜力，以圈定成矿的有利地段；
(2)样品采集和分析：将步骤(1)所述成矿地段按一定的采样单元采集含有绿帘石的基岩样品，其中研究区内采集的样品点密度为1-3个/Km2；
(3)微量元素分析测试：将步骤(2)采集到的样品磨制探针片和激光原位靶，首先显微镜下观察其对应的绿帘石蚀变特征，详细记录其绿帘石蚀变类型；然后进行电子探针成分分析，确定绿帘石的化学成分和类型，并进行标记，选择电子探针成分确认为绿帘石的矿物开展激光剥蚀电感耦合等离子质谱LA-ICPMS的原位微区元素分析，获得每个测试点的记录数据；
(4)数据处理与解译：使用LADRlib软件对步骤(3)获得的初始记录数据进行处理；
(5)找矿作用类型的判别：利用Excel处理步骤(4)所得数据，并定义所获得绿帘石的La、Y、Gd、Yb、Sr、As元素的含量分别为：V(La)、V(Y)、V(Gd)、V(Yb)、V(Sr)、V(As)，依据所获得的绿帘石的La元素含量带入下列公式①：
C1＝0.28493059*lg(V(La))+0.5762992
计算出判别因子C1，当C1>lg(V(Y))时，则判别所属矿床类型为斑岩型矿床，反之则为浅成低温热液型矿床；
依据所将获得的绿帘石的Gd、Yb元素含量带入下列公式②：
C2＝lg(V(Gd+Yb))+1.5
计算出判别因子C2，当C2<lg(V(Sr/As))时，则判别所属矿床类型为斑岩型矿床，反之则为浅成低温热液型矿床。
通过上述技术方案，本发明将绿帘石的地球化学特征引入到找矿作用类型的判别中，有效弥补了目前还没有定量判别方法的缺陷，计算方法更具有新颖性。进一步地，在步骤(5)中，所述公式①是基于对绿帘石La和Y元素的含量进行对数变换，得到lg(V(La))和lg(V(Y))，以lg(V(La))为横坐标、lg(V(Y))为纵坐标进行投图，依据投图范围获得斑岩型矿床和浅成低温热液型矿床的分界线。
进一步地，在步骤(5)中，所述公式②是基于对绿帘石Gd、Yb、Sr、As元素的含量进行对数变换，得到lg(V(Gd+Yb))和lg(V(Sr/As))，以lg(V(Gd+Yb))为横坐标、lg(V(Sr/As))为纵坐标进行投图，依据投图范围获得斑岩型矿床和浅成低温热液型矿床的分界线。
进一步地，在步骤(2)中，每个所述样品点采用GPS定位系统定位，采集坐标数据X和Y，拍摄野外照片，并做详细的野外记录，描述每块样品的岩性、蚀变及矿化特征。
进一步地，在步骤(4)中，具体处理过程如下：
①数据导入，将每个绿帘石样品原位微区测试点获得的csv格式的记录数据批量导入到LADRlib软件中；
②数据解译，获得每个观测点的样品的微区元素积分曲线，按照保证所选元素积分曲线信号范围最平、最宽的原则，逐一调整每一个观测点的积分曲线开始时间和结束时间；
③数据筛选，根据元素积分曲线异常峰，剔除其中的无效数据；
④数据导出，将解译筛选好的每个单点微区数据汇总批量导出为一个csv格式的文件。
通过上述技术方案，本发明能够消除其他副矿物对绿帘石矿物微量元素判别因子计算的影响，可以适用于不同类型矿床中绿帘石微量元素数据的处理。
优选地，所述研究区为朱诺矿集区。
另外，提供一种应用上述一种基于绿帘石微量元素的找矿方法：判别浅成低温热液型Ag-Au矿床，所述绿帘石微量元素定量指标为：依据所述公式①和所述公式②分别计算判别因子C1＝0.28493059*lg(V(La))+0.5762992和C2＝lg(V(Gd+Yb))+1.5，当C1<lg(V(Y))和C2>lg(V(Sr/As))时，则判别所属矿床类型为浅成低温热液型矿床。
提供一种应用上述一种基于绿帘石微量元素的找矿方法：判别斑岩型Cu矿床，其特征在于，所述绿帘石微量元素定量指标为：依据所述公式①和公式②分别计算判别因子C1＝0.28493059*lg(V(La))+0.5762992和C2＝lg(V(Gd+Yb))+1.5，当C1>lg(V(Y))和C2<lg(V(Sr/As))时，则判别所属矿床类型为斑岩型矿床。
通过上述技术方案，本发明属于微观定量判别方法，与传统的宏观定性判别方法相比更具科学性、合理性和准确性。
本发明与现有技术相比具有的优点是：
①、利用先进的LA-ICP-MS原位分析技术，将岩浆-热液成矿系统中的有关绿帘石蚀变矿物的描述由宏观定性提升到微观定量解释，将其微量元素的变化与矿集区尺度找矿类型紧密结合起来，有效弥补了目前还没有定量判别方法的缺陷，克服了传统的找矿类型判别方法效率低下、周期长、成本高的难点；
②、提出使用绿帘石作为判别的特征矿物，该矿物的贯通性较好，物理化学条件较宽，受物理化学条件的变化较敏感，在高温、中温、低温都能形成，且空间分布较均匀，在不同的蚀变带都发育，更有利于不同的矿化类型的区别；
③、绿帘石La、Y、Sr、As、Gd、Yb特征元素判别找矿类型中元素受温度、酸碱度和氧化还原条件的变化比较灵敏；
④、提供了最佳的判别因子，可精准地区分不同类型的矿床，能够为矿床尺度进一步的找矿勘探方法的优化和选择提供理论依据，降低勘查风险。
附图说明
图1是本发明体现绿帘石微量元素变化判别找矿类型图；
图2是本发明基于朱诺矿集区高光谱遥感圈定成矿有利地段及采样单元格划分；
图3是朱诺矿集区绿帘石激光原位靶及分析测试。
具体实施方式
下面结合附图对本发明做进一步的说明。
一种基于绿帘石微量元素的找矿方法，具体包括以下步骤：
(1)圈定成矿地段：依据选定的研究区进行资料收集，并综合分析成矿潜力，以圈定成矿的有利地段；
(2)样品采集和分析：将步骤(1)所述成矿地段按一定的采样单元采集含有绿帘石的基岩样品，其中研究区内采集的样品点密度为1-3个/Km2；
(3)微量元素分析测试：将步骤(2)采集到的样品磨制探针片和激光原位靶，首先显微镜下观察其对应的绿帘石蚀变特征，详细记录其绿帘石蚀变类型；然后进行电子探针成分分析，确定绿帘石的化学成分和类型，并进行标记，选择电子探针成分确认为绿帘石的矿物开展激光剥蚀电感耦合等离子质谱LA-ICPMS的原位微区元素分析，获得每个测试点的记录数据；
(4)数据处理与解译：使用LADRlib软件对步骤(3)获得的初始记录数据进行处理；其中具体处理过程如下：
①数据导入，将每个绿帘石样品原位微区测试点获得的csv格式的记录数据批量导入到LADRlib软件中；
②数据解译，获得每个观测点的样品的微区元素积分曲线，按照保证所选元素积分曲线信号范围最平、最宽的原则，逐一调整每一个观测点的积分曲线开始时间和结束时间；
③数据筛选，根据元素积分曲线异常峰，剔除其中的无效数据；
④数据导出，将解译筛选好的每个单点微区数据汇总批量导出为一个csv格式的文件。
(5)找矿作用类型的判别：利用Excel处理步骤(4)所得数据，并定义所获得绿帘石的La、Y、Gd、Yb、Sr、As元素的含量分别为：V(La)、V(Y)、V(Gd)、V(Yb)、V(Sr)、V(As)，依据所获得的绿帘石的La元素含量带入下列公式①：
C1＝0.28493059*lg(V(La))+0.5762992
计算出判别因子C1，当C1>lg(V(Y))时，则判别所属矿床类型为斑岩型矿床，反之则为浅成低温热液型矿床；
依据所将获得的绿帘石的Gd、Yb元素含量带入下列公式②：
C2＝lg(V(Gd+Yb))+1.5
计算出判别因子C2，当C2<lg(V(Sr/As))时，则判别所属矿床类型为斑岩型矿床，反之则为浅成低温热液型矿床。
具体步骤如下：
第一步，计算判别因子C1
对获得的绿帘石La和Y元素的含量进行对数变换，得到lg(V(La))和lg(V(Y))，以lg(V(La))为横坐标、lg(V(Y))为纵坐标进行投图，依据投图范围获得斑岩型矿床和浅成低温热液型矿床的分界线，利用如下公式计算得到判别因子C1:
C1＝0.28493059*lg(V(La))+0.5762992
第二步，计算判别因子C2
对获得的绿帘石Gd、Yb、Sr、As元素的含量进行对数变换，得到lg(V(Gd+Yb))和lg(V(Sr/As))，以lg(V(Gd+Yb))为横坐标、lg(V(Sr/As))为纵坐标进行投图，依据投图范围获得斑岩型矿床和浅成低温热液型矿床的分界线，利用如下公式计算得到判别因子C2:
C2＝lg(V(Gd+Yb))+1.5
第三步，找矿作用类型判别
将获得的绿帘石的La元素含量带入上述公式，计算判别因子C1，当C1>lg(V(Y))时，则判别所属矿床类型为斑岩型矿床，反之则为浅成低温热液型矿床(图1)；
将获得的绿帘石的Gd、Yb元素含量带入上述公式，计算判别因子C2，当C2<lg(V(Sr/As))时，则判别所属矿床类型为斑岩型矿床，反之则为浅成低温热液型矿床(图1)。
在上述方案的基础上，在步骤(2)中，每个所述样品点采用GPS定位系统定位，采集坐标数据X和Y，拍摄野外照片，并做详细的野外记录，描述每块样品的岩性、蚀变及矿化特征。
在上述方案的基础上，优选地，研究区为朱诺矿集区，具体地：
a.系统收集朱诺矿集区内已有的地质、物探、化探和遥感资料，综合分析其成矿潜力，圈定出A、B两处成矿有利地段，并划分出采样单元格，单元格间距为1km×1km，面积为1km2(图2)；
b.野外样品采集：
选择A、B两处成矿有利地段，采集地表绿帘石样品。在采样过程中，如实详细记录样品编号、采样坐标(X和Y)、岩性类别、蚀变类别、矿化类别、采样地点，具体如下表所示：
| 采样号 | X | Y | 岩性 | 手标本蚀变 | 矿化 | 地点 |
| C04432 | 525897 | 3266366 | 花岗闪长斑岩 | 石英-绿帘石脉 | 黄铁矿化 | A |
| 16334 | 534824 | 3274240 | 二长花岗岩 | 团块状绿帘石化 | 黄铁矿化 | B |
| … | … | … | … | … | … | … |
c.样品测试：
将采集的样品磨制探针片和激光原位靶，显微镜下观察其对应的绿帘石蚀变特征，详细记录其绿帘石蚀变类型(热液脉状或者浸染状等)。开展电子探针成分分析，进一步确定绿帘石的化学成分和类型，并使用记号笔进行标记，选择电子探针测试确定成分为绿帘石的矿物微区开展激光剥蚀电感耦合等离子质谱(LA-ICPMS)原位微区元素分析(图3)。
d.数据处理：使用LADRlib软件进行数据处理，包括四个步骤①数据导入，将每个绿帘石样品原位微区测试点获得的csv格式的记录数据批量导入到LADRlib软件中；②数据解译，获得每个所述观测点的样品的微区元素积分曲线，按照保证所选元素积分曲线信号范围最平、最宽的原则，逐一调整每一个观测点的积分曲线开始时间和结束时间；③数据筛选，根据元素积分曲线异常峰，剔除其中的无效数据，如打到包裹体(Ti、Ag、As元素异常峰)或打穿绿帘石矿物(K、Mg元素异常峰)的数据；④数据导出，将解译筛选好的每个单点微区数据汇总批量导出为一个csv格式的文件；
e.判别找矿类型
利用Excel处理后的最终数据(表1)，根据判别因子C1和C2的计算结果判别出B找矿地段为斑岩Cu矿床找矿作用类型、A为浅成低温热液型Ag-Au找矿作用类型(图1)。
表1朱诺矿集区绿帘石原位分析数据结果
/>
/>
本发明的找矿方法具有测试时间短、成本低、方便快捷，绿色环保、可以有效缩短矿产勘探周期，不破坏环境，能够大大提升矿集区尺度找矿类型快速判别和靶区预测的准确性，降低勘查风险，是一种新的不可或缺的勘探手段和方法，具重要的推广和普及价值。
另外，提供一种应用上述基于绿帘石微量元素的变化判别找矿类型的方法：判别浅成低温热液型Ag-Au矿床，定义获得绿帘石的La、Y、Gd、Yb、Sr、As元素的含量分别为：V(La)、V(Y)、V(Gd)、V(Yb)、V(Sr)、V(As)
①计算判别因子C1
对获得的绿帘石La和Y元素的含量进行对数变换，得到lg(V(La))和lg(V(Y))，以lg(V(La))为横坐标、lg(V(Y))为纵坐标进行投图，依据投图范围获得斑岩型矿床和浅成低温热液型矿床的分界线，利用如下公式计算得到判别因子C1:
C1＝0.28493059*lg(V(La))+0.5762992
②计算判别因子C2
对获得的绿帘石Gd、Yb、Sr、As元素的含量进行对数变换，得到lg(V(Gd+Yb))和lg(V(Sr/As))，以lg(V(Gd+Yb))为横坐标、lg(V(Sr/As))为纵坐标进行投图，依据投图范围获得斑岩型矿床和浅成低温热液型矿床的分界线，利用如下公式计算得到判别因子C2:
C2＝lg(V(Gd+Yb))+1.5
③找矿作用类型判别
将获得的绿帘石的La元素含量带入上述公式，计算判别因子C1，当C1<lg(V(Y))和C2>lg(V(Sr/As))时，则判别所属矿床类型为浅成低温热液型矿床。
提供一种应用上述基于绿帘石微量元素的变化判别找矿类型的方法：判别斑岩型Cu矿床，定义获得绿帘石的La、Y、Gd、Yb、Sr、As元素的含量分别为：V(La)、V(Y)、V(Gd)、V(Yb)、V(Sr)、V(As)
①计算判别因子C1
对获得的绿帘石La和Y元素的含量进行对数变换，得到lg(V(La))和lg(V(Y))，以lg(V(La))为横坐标、lg(V(Y))为纵坐标进行投图，依据投图范围获得斑岩型矿床和浅成低温热液型矿床的分界线，利用如下公式计算得到判别因子C1:
C1＝0.28493059*lg(V(La))+0.5762992
②计算判别因子C2
对获得的绿帘石Gd、Yb、Sr、As元素的含量进行对数变换，得到lg(V(Gd+Yb))和lg(V(Sr/As))，以lg(V(Gd+Yb))为横坐标、lg(V(Sr/As))为纵坐标进行投图，依据投图范围获得斑岩型矿床和浅成低温热液型矿床的分界线，利用如下公式计算得到判别因子C2:
C2＝lg(V(Gd+Yb))+1.5
③找矿作用类型判别
将获得的绿帘石的La元素含量带入上述公式，计算判别因子C1，当C1>lg(V(Y))和C2<lg(V(Sr/As))时，则判别所属矿床类型为斑岩型矿床。
以上所述实施方式仅表达了本发明的一种或多种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (6)
1.一种基于绿帘石微量元素的找矿方法，其特征在于，具体包括以下步骤：
(1)圈定成矿地段：依据选定的研究区进行资料收集，并综合分析成矿潜力，以圈定成矿的有利地段；
(2)样品采集和分析：将步骤(1)所述成矿地段按一定的采样单元采集含有绿帘石的基岩样品，其中研究区内采集的样品点密度为1-3个/Km2；
(3)微量元素分析测试：将步骤(2)采集到的样品磨制探针片和激光原位靶，首先显微镜下观察其对应的绿帘石蚀变特征，详细记录其绿帘石蚀变类型；然后进行电子探针成分分析，确定绿帘石的化学成分和类型，并进行标记，选择电子探针成分确认为绿帘石的矿物开展激光剥蚀电感耦合等离子质谱LA-ICPMS的原位微区元素分析，获得每个测试点的记录数据；
(4)数据处理与解译：使用LADRlib软件对步骤(3)获得的初始记录数据进行处理；
(5)找矿作用类型的判别：利用Excel处理步骤(4)所得数据，并定义所获得绿帘石的La、Y、Gd、Yb、Sr、As元素的含量分别为：V(La)、V(Y)、V(Gd)、V(Yb)、V(Sr)、V(As)，依据所获得的绿帘石的La元素含量带入下列公式①：
C1＝0.28493059*lg(V(La))+0.5762992
依据所将获得的绿帘石的Gd、Yb元素含量带入下列公式②：
C2＝lg(V(Gd+Yb))+1.5
计算出判别因子C1和C2，当C1>lg(V(Y))并且C2<lg(V(Sr/As))时，则判别所属矿床类型为斑岩型矿床，当C1<lg(V(Y))并且C2>lg(V(Sr/As))时，则判别所属矿床类型为浅成低温热液型矿床。
2.根据权利要求1所述的基于绿帘石微量元素的找矿方法，其特征在于，在步骤(5)中，所述公式①是基于对绿帘石La和Y元素的含量进行对数变换，得到lg(V(La))和lg(V(Y))，以lg(V(La))为横坐标、lg(V(Y))为纵坐标进行投图，依据投图范围获得斑岩型矿床和浅成低温热液型矿床的分界线。
3.根据权利要求1所述的基于绿帘石微量元素的找矿方法，其特征在于，在步骤(5)中，所述公式②是基于对绿帘石Gd、Yb、Sr、As元素的含量进行对数变换，得到lg(V(Gd+Yb))和lg(V(Sr/As))，以lg(V(Gd+Yb))为横坐标、lg(V(Sr/As))为纵坐标进行投图，依据投图范围获得斑岩型矿床和浅成低温热液型矿床的分界线。
4.根据权利要求1所述的基于绿帘石微量元素的找矿方法，其特征在于，在步骤(2)中，每个所述样品点采用GPS定位系统定位，采集坐标数据X和Y，拍摄野外照片，并做详细的野外记录，描述每块样品的岩性、蚀变及矿化特征。
5.根据权利要求1所述的基于绿帘石微量元素的找矿方法，其特征在于，在步骤(4)中，具体处理过程如下：
①数据导入，将每个绿帘石样品原位微区测试点获得的csv格式的记录数据批量导入到LADRlib软件中；
②数据解译，获得每个观测点的样品的微区元素积分曲线，按照保证所选元素积分曲线信号范围最平、最宽的原则，逐一调整每一个观测点的积分曲线开始时间和结束时间；
③数据筛选，根据元素积分曲线异常峰，剔除其中的无效数据；
④数据导出，将解译筛选好的每个单点微区数据汇总批量导出为一个csv格式的文件。
6.根据权利要求1-5中任一项所述的基于绿帘石微量元素的找矿方法，其特征在于，所述研究区为朱诺矿集区。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210273006.0A CN114646682B (zh) | 2022-03-18 | 2022-03-18 | 一种基于绿帘石微量元素的找矿方法 |
| US18/122,128 US20230317440A1 (en) | 2022-03-18 | 2023-03-16 | Method for discriminating ore prospecting types based on compositional change of epidote |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210273006.0A CN114646682B (zh) | 2022-03-18 | 2022-03-18 | 一种基于绿帘石微量元素的找矿方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114646682A CN114646682A (zh) | 2022-06-21 |
| CN114646682B true CN114646682B (zh) | 2023-09-08 |
Family
ID=81996388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210273006.0A Active CN114646682B (zh) | 2022-03-18 | 2022-03-18 | 一种基于绿帘石微量元素的找矿方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20230317440A1 (zh) |
| CN (1) | CN114646682B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115128247B (zh) * | 2022-07-07 | 2024-01-05 | 西藏华夏矿业有限公司 | 基于绿泥石指示元素变化判别找矿类型的新方法 |
| CN115079296B (zh) * | 2022-07-22 | 2022-11-01 | 核工业北京地质研究院 | 砂岩铀矿黄铁矿微量元素示踪渗出成矿流体的方法 |
| CN116297798B (zh) * | 2023-02-13 | 2023-10-10 | 西藏巨龙铜业有限公司 | 一种利用副矿物电气石高效判断含矿斑岩成矿前景的方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110333200A (zh) * | 2019-05-30 | 2019-10-15 | 西藏华钰矿业股份有限公司 | 一种基于短波红外光谱圈定矿化中心的方法 |
| CN110991075A (zh) * | 2019-12-16 | 2020-04-10 | 中国地质调查局西安地质调查中心 | 一种金属矿产快速勘查评价方法 |
| CN111141690A (zh) * | 2020-02-11 | 2020-05-12 | 云南大学 | 一种应用方解石找锑矿的找矿方法 |
| CN111272797A (zh) * | 2020-03-09 | 2020-06-12 | 中南大学 | 一种利用锆石判断花岗岩体成矿性的矿产勘查方法 |
| CN111398571A (zh) * | 2020-05-19 | 2020-07-10 | 中南大学 | 利用锆石快速判断矽卡岩矿床成矿潜力的矿产勘查方法 |
| CN113588919A (zh) * | 2021-07-23 | 2021-11-02 | 昆明理工大学 | 一种适用于花岗斑岩型稀有金属矿床找矿勘查的预测方法 |
| CN114184591A (zh) * | 2021-11-22 | 2022-03-15 | 成都理工大学 | 一种基于绿泥石拉曼参数和元素组成识别斑岩矿床热液中心的方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111398403B (zh) * | 2020-05-13 | 2021-04-09 | 中国科学院地质与地球物理研究所 | 一种同时测定橄榄石中的镁橄榄石值和微量元素方法 |
| CN114720547A (zh) * | 2022-03-03 | 2022-07-08 | 西藏鑫湖矿业有限公司 | 快速圈定浅成低温热液型Ag-Au矿床热液矿化中心的方法 |
| CN115128247B (zh) * | 2022-07-07 | 2024-01-05 | 西藏华夏矿业有限公司 | 基于绿泥石指示元素变化判别找矿类型的新方法 |
-
2022
- 2022-03-18 CN CN202210273006.0A patent/CN114646682B/zh active Active
-
2023
- 2023-03-16 US US18/122,128 patent/US20230317440A1/en active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110333200A (zh) * | 2019-05-30 | 2019-10-15 | 西藏华钰矿业股份有限公司 | 一种基于短波红外光谱圈定矿化中心的方法 |
| CN110991075A (zh) * | 2019-12-16 | 2020-04-10 | 中国地质调查局西安地质调查中心 | 一种金属矿产快速勘查评价方法 |
| CN111141690A (zh) * | 2020-02-11 | 2020-05-12 | 云南大学 | 一种应用方解石找锑矿的找矿方法 |
| CN111272797A (zh) * | 2020-03-09 | 2020-06-12 | 中南大学 | 一种利用锆石判断花岗岩体成矿性的矿产勘查方法 |
| CN111398571A (zh) * | 2020-05-19 | 2020-07-10 | 中南大学 | 利用锆石快速判断矽卡岩矿床成矿潜力的矿产勘查方法 |
| CN113588919A (zh) * | 2021-07-23 | 2021-11-02 | 昆明理工大学 | 一种适用于花岗斑岩型稀有金属矿床找矿勘查的预测方法 |
| CN114184591A (zh) * | 2021-11-22 | 2022-03-15 | 成都理工大学 | 一种基于绿泥石拉曼参数和元素组成识别斑岩矿床热液中心的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114646682A (zh) | 2022-06-21 |
| US20230317440A1 (en) | 2023-10-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114646682B (zh) | 一种基于绿帘石微量元素的找矿方法 | |
| CN110333200B (zh) | 一种基于短波红外光谱圈定矿化中心方法 | |
| CN115128247B (zh) | 基于绿泥石指示元素变化判别找矿类型的新方法 | |
| CN110967311B (zh) | 基于红外光谱和磁化率测量的斑岩矿床蚀变分带识别方法 | |
| Tyrrell et al. | The Pb isotopic composition of detrital K-feldspar: A tool for constraining provenance, sedimentary processes and paleodrainage | |
| Alizai et al. | Pb isotopic variability in the modern-Pleistocene Indus River system measured by ion microprobe in detrital K-feldspar grains | |
| CN114813903B (zh) | 一种基于石榴石微区化学成分判别矿种的方法 | |
| CN114720547A (zh) | 快速圈定浅成低温热液型Ag-Au矿床热液矿化中心的方法 | |
| CN115078520B (zh) | 基于矿物地球化学的斑岩系统含矿性评价方法 | |
| Fu et al. | Application of automated mineralogy in petroleum geology and development and CO2 sequestration: A review | |
| Liu et al. | A New Quantitative Approach for Element-Mineral Determination Based on “EDS (Energy Dispersive Spectroscopy) Method” | |
| CN116359998A (zh) | 一种在高寒冻土覆盖区断裂构造控制金矿的找矿方法 | |
| CN115099363A (zh) | 识别砂岩铀矿成矿流体作用类型的方法 | |
| CN109490266B (zh) | 一种岩样无损取样方法 | |
| Zou et al. | Application of field-portable geophysical and geochemical methods for tracing the Mesozoic-Cenozoic vein-type fluorite deposits in shallow overburden areas: a case from the Wuliji’Oboo deposit, Inner Mongolia, NE China | |
| Selmani et al. | Laser-induced breakdown spectroscopy analysis of palladium in rock ore | |
| CN113534286A (zh) | 一种砂岩型铀矿地球化学勘查的铀成矿有利区段评估方法 | |
| Gartmair et al. | One size does not fit all: Refining zircon provenance interpretations via integrated grain shape, geochronology, and Hf isotope analysis | |
| CN115684550A (zh) | 利用绿泥石微量元素含量快速圈定斑岩矿床矿体的方法 | |
| CN115204563A (zh) | 一种适用于砂岩型铀矿找矿目标层的评价方法 | |
| Mauger et al. | Alteration mapping of the Tarcoola Goldfield (South Australia) using a suite of hyperspectral methods | |
| Balaram et al. | Developments in analytical techniques for chemostratigraphy, chronostratigraphy, and geochemical fingerprinting studies: Current status and future trends | |
| Doherty et al. | Stream sediment geochemistry in mineral exploration: a review of fine-fraction, clay-fraction, bulk leach gold, heavy mineral concentrate and indicator mineral chemistry | |
| CN113759434B (zh) | 一种基于岩屑微点信息追踪原生矿化露头的找矿方法 | |
| CN117169262A (zh) | 基于元素定量分析的伽马反演方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |