CN115128247A - 基于绿泥石指示元素变化判别找矿类型的新方法 - Google Patents
基于绿泥石指示元素变化判别找矿类型的新方法 Download PDFInfo
- Publication number
- CN115128247A CN115128247A CN202210802601.9A CN202210802601A CN115128247A CN 115128247 A CN115128247 A CN 115128247A CN 202210802601 A CN202210802601 A CN 202210802601A CN 115128247 A CN115128247 A CN 115128247A
- Authority
- CN
- China
- Prior art keywords
- chlorite
- content
- type
- ppm
- elements
- 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.)
- Granted
Links
- 229910001919 chlorite Inorganic materials 0.000 title claims abstract description 63
- 229910052619 chlorite group Inorganic materials 0.000 title claims abstract description 63
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000008859 change Effects 0.000 title claims abstract description 18
- 238000010586 diagram Methods 0.000 claims abstract description 20
- 238000005065 mining Methods 0.000 claims abstract description 20
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 16
- 239000011707 mineral Substances 0.000 claims abstract description 16
- 239000011435 rock Substances 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 230000009286 beneficial effect Effects 0.000 claims abstract description 4
- 239000000523 sample Substances 0.000 claims description 38
- 230000004075 alteration Effects 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 13
- 238000000095 laser ablation inductively coupled plasma mass spectrometry Methods 0.000 claims description 12
- 229910052748 manganese Inorganic materials 0.000 claims description 11
- 229910052745 lead Inorganic materials 0.000 claims description 10
- 229910052725 zinc Inorganic materials 0.000 claims description 10
- 230000033558 biomineral tissue development Effects 0.000 claims description 9
- 229910052804 chromium Inorganic materials 0.000 claims description 8
- 238000011065 in-situ storage Methods 0.000 claims description 8
- 229910052749 magnesium Inorganic materials 0.000 claims description 8
- 229910052759 nickel Inorganic materials 0.000 claims description 8
- 210000003462 vein Anatomy 0.000 claims description 7
- 229910002696 Ag-Au Inorganic materials 0.000 claims description 6
- 229910052726 zirconium Inorganic materials 0.000 claims description 5
- 229910020218 Pb—Zn Inorganic materials 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 3
- 230000002547 anomalous effect Effects 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000004904 shortening Methods 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000004043 dyeing Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010249 in-situ analysis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 229910018512 Al—OH Inorganic materials 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000000921 elemental analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000001089 mineralizing effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
- G01V9/007—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00 by detecting gases or particles representative of underground layers at or near the surface
-
- 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Geology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geophysics (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了基于绿泥石指示元素变化判别找矿类型的新方法,包括以下步骤：根据矿区历史数据获取成矿有利区域，采集含绿泥石的岩性样品，获取岩石样品特征，并记录所述岩石样品的坐标数据；基于所述岩性样品特征获取指示元素含量值，对所述指示元素含量值进行数据处理，绘制所述指示元素含量值的散点图，根据所述散点图的空间分布情况，判别不同采样地对应的矿床类型。本发明的测试时间短、成本低、方便快捷、绿色环保，可以有效缩短矿产勘探周期，在不破坏环境的情况下极大地提升矿区尺度找矿类型判别效率和靶区预测准确性。
Description
技术领域
本发明属于矿产勘查方法的技术领域，尤其涉及基于绿泥石指示元素变化判别找矿类型的新方法。
背景技术
在高原生态环境脆弱区，传统的勘探方法成本相对巨大，耗时较长，很难快速地提供清晰的勘探方向。如何通过有限的勘查评价技术方法，预测与评价矿集区尺度的资源潜力，有效指导矿床勘查，是国内外矿床勘探学家关注的焦点。传统的找矿类型的判别存在以下缺点：其要进行大比例的填图和系统的采样分析等综合研究，需要在清楚矿体产状、与围岩的关系、成矿作用、成矿物质及成矿流体来源等后，才能确定矿床成因或找矿类型，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
本发明的目的在于提出基于绿泥石指示元素变化判别找矿类型的新方法，基于不同矿床在绿泥石指示元素上的定量区别，将矿物地球化学和找矿预测有机结合，解决了高原地区矿产快速勘查评价的技术难题。
为实现上述目的，本发明提供了基于绿泥石指示元素变化判别找矿类型的新方法，包括以下步骤：
根据矿区历史数据获取成矿有利区域，采集含绿泥石的岩性样品，获取岩石样品特征，并记录所述岩石样品的坐标数据；
基于所述岩性样品特征获取指示元素含量值，对所述指示元素含量特征值进行数据处理，绘制所述指示元素含量值的散点图，根据所述散点图的空间分布情况，判别不同采样地对应的矿床类型。
可选的，所述岩石样品特征包括岩性、蚀变和矿化。
可选的，所述指示元素的含量值包括：所述绿泥石中Ni元素的含量、Mg元素的含量、Cr元素的含量以及综合元素的含量中的一种或多种；所述综合元素的含量包括Mn元素和Pb元素和Zn元素的总含量；所述综合元素包括Mn元素和Pb元素和Zn元素。
可选的，获取所述指示元素含量值包括：对所述岩性样品特征进行岩相学观察，获取所述岩石样品的蚀变类型和化学成分数据，将所述岩石样品中能够观察到绿泥石的部位作为检测微区进行激光剥蚀电感耦合等离子质谱原位微区元素分析测试，获取所述指示元素含量值。
可选的，所述绿泥石的蚀变类型包括热液脉状蚀变和浸染状蚀变。
可选的，获取化学成分数据包括：通过电子探针对所述化学成分进行分析。
可选的，所述数据处理过程包括：
根据所述岩性样品中所述绿泥石的微区元素分析数据，获得对应的微区元素积分曲线，基于所述元素积分曲线获取异常峰；
根据所述元素积分曲线中的异常峰，剔除微区元素分析数据的无效数据，得到处理后所述绿泥石的微区元素数据。
可选的，所述异常峰包括：含有Ti、Pb、Zr元素的异常峰和含有K、Sr元素的异常峰中的一种或者两种；
根据所述激光剥蚀电感耦合等离子质谱分析，激光打到包裹体获得Ti、Pb、Zr元素异常峰；
根据所述激光剥蚀电感耦合等离子质谱分析，激光打穿绿泥石矿物获得K、Sr元素异常峰。
可选的，根据所述散点图的空间分布情况，判别不同采样地对应的矿床类型包括：根据所述处理后数据，按照同一种岩性、同一种蚀变类型的绿泥石指示元素中Ni、Mg、Cr的含量及指示元素的总含量绘制散点图，根据散点图中Ni与Mg，Cr与综合元素的投图范围判别其所属的找矿类型。
可选的，不同采样地对应的矿床类型具体包括：
当所述Ni元素的含量为10～40ppm，Mg元素的含量为9000～12000ppm，Cr元素的含量为1～100ppm，Mn和Pb和Zn元素的总含量为3000～10000ppm时，判定所述矿床为浅成低温热液型Ag-Au矿床；
当所述Ni元素的含量为1～20ppm，Mg元素的含量为7000～11000ppm，Cr元素的含量为1～100ppm，Mn和Pb和Zn元素的总含量为9000～14000ppm时，判定所述矿床为热液脉型Pb-Zn矿床；
当所述Ni元素的含量为30～1000ppm，Mg元素的含量为10000～19000ppm，Cr元素的含量为4～2000ppm，Mn和Pb和Zn元素的总含量为1000～7000ppm时，判定所述矿床为斑岩型Cu矿床。
本发明技术效果：本发明公开了基于绿泥石指示元素变化判别找矿类型的新方法，本发明的测试时间短、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，能够极大地提升矿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，提高找矿效率，具有重要的推广和普及应用价值。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例基于绿泥石指示元素变化判别找矿类型的新方法的流程示意图；
图2为本发明实施例所述不同绿泥石指示元素含量与找矿类型的关系图；
图3为本发明实施例基于某矿集区高光谱遥感圈定的成矿有利地段图；
图4为本发明实施例绿泥石激光原位靶分析测试示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
如图1-4所示，本实施例中提供基于绿泥石指示元素变化判别找矿类型的新方法，包括：
根据矿区历史数据获取成矿有利区域，采集含绿泥石的岩性样品，获取岩石样品特征，并记录所述岩石样品的坐标数据；
基于所述岩性样品特征获取指示元素含量值，对所述指示元素含量值进行数据处理，绘制所述指示元素含量值的散点图，根据所述散点图的空间分布情况，判别不同采样地对应的矿床类型。
(1)区域资料收集及综合分析
系统收集研究区内已有的地质、物探、化探和遥感资料，综合分析其成矿潜力，圈定成矿有利地段。
(2)绿泥石样品采集
在上述筛选出的成矿有利地段按一定的分带采集含绿泥石的基岩样品，保证研究区内采集的样品点密度为>1个/Km2。每个采样点采用定位系统如GPS定位，按直角坐标系采集坐标数据X和Y，拍摄野外照片，每个观测点作详细的野外记录，描述每块样品的岩性、蚀变和矿化特征，以为后续步骤(4)步中按岩性、蚀变、矿化特征进行的分类分析和筛选提供依据，且更有利于步骤(5)中科学地判别找矿类型。
(3)样品指示元素分析测试
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泥石蚀变特征，详细记录其绿泥石蚀变类型(包括热液脉状或者浸染状等)，并按蚀变类型分类开展电子探针成分分析，记录各蚀变类型下绿泥石的化学成分，根据分析结果选定其中绿泥石的发育部分，作为激光剥蚀电感耦合等离子质谱(LA-ICPMS)的检测微区，进行原位微区元素分析测试，获得每个测试点的记录数据。
(4)数据处理与解译
使用数据处理软件如LADRlib软件对步骤(3)获得的记录数据进行处理，包括：①数据导入，将每个绿泥石样品原位微区测试点获得的元素分析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，如打到包裹体(Ti、Pb、Zr元素异常峰)或打穿绿泥石矿物(K、Sr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。
(5)找矿类型的判别
根据处理数据，按照同一种岩性、同一种蚀变类型(热液脉状或者浸染状)的绿泥石指示元素Ni、Mg、Cr的含量及指示元素Mn和Pb和Zn的总含量绘制散点图，根据散点图中Ni与Mg，Cr与Mn和Pb和Zn的投图范围判别其所属的找矿类型，如附图2所示。
其中，找矿类型的判别标准包括：
浅成低温热液型Ag-Au矿床绿泥石指示元素定量指标为：
当绿泥石中Ni元素含量为10～40ppm，Mg元素含量为9000～12000ppm，Cr元素含量为1～100ppm，Mn和Pb和Zn元素的总含量为3000～10000ppm时，所述矿床为浅成低温热液型Ag-Au矿床。
当绿泥石中Ni元素含量为1～20ppm，Mg元素含量为7000～11000ppm，Cr元素含量为1～100ppm，Mn和Pb和Zn元素的总含量为9000～14000ppm时，所述矿床为热液脉型Pb-Zn矿床。
Ni元素含量为30～1000ppm，Mg元素含量为10000～19000ppm，Cr元素含量为4～2000ppm，Mn和Pb和Zn元素的总含量为1000～7000ppm时，所述矿床为斑岩型Cu矿床。
实施例1
以某地的矿集区为例实施本发明，其过程包括：
a.系统收集该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、C 3处成矿有利地段，如附图2所示，其中，背景图层为高光谱遥感Al-OH波长的等值线图，其波长越低指示形成的温度越高，越有利于成矿，依据Al-OH波长的低值浓集中心圈定出3处成矿有利地段。
b.野外样品采集：
选择A、B、C这3处成矿有利地段，采集地表绿泥石样品。在采样过程中，如实详细记录以下信息，如表1所示：
表1
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泥石蚀变特征，详细记录其绿泥石蚀变类型(热液脉状或者浸染状等)并开展电子探针成分分析，进一步确定绿泥石的化学成分和类型，并使用记号笔进行标记，选择有代表性的绿泥石矿物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，示例如附图4，其中圈定区域为有绿泥石发育的部位，对其开展激光La-ICP-Ms原位分析测试，并标记每个测试点的编号，其原位分析数据如表2所示。
d.数据处理：使用LADRlib软件进行数据处理，包括数据导入、数据解译和数据筛选三个步骤。
e.判别找矿类型
利用Origin处理最终的数据，绘制Ni与Mg，及Cr与Mn和Pb和Zn的对比散点图，根据投图的范围和指示元素的变化判别出C地有利找矿地段为斑岩Cu矿床找矿作用类型、B地为热液脉型Pb-Zn矿床找矿作用类型、A地为浅成低温热液型Ag-Au找矿作用类型。
经钻探验证、以上过程取得了很好的找矿效果，如表2所示。
表2
在具体的一些实施方式中，本发明可利用LA-ICP-MS原位分析技术，将岩浆-热液成矿系统中的有关绿泥石蚀变矿物的描述由宏观定性提升到微观定量解释，将其指示元素的变化与矿集区尺度找矿类型紧密结合起来，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。
本发明提出使用绿泥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。
在进一步的具体实施方式中，本发明创造性地提出使用绿泥石中Ni、Mg、Cr、Mn+Pb+Zn指示元素进行找矿类型判别，并创造性地提出了其最佳的判别范围，该几种元素受温度、酸碱度和氧化还原条件的变化比较灵敏，在最佳的判别范围内可精准地区分不同类型的矿床。
以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.基于绿泥石指示元素变化判别找矿类型的新方法，其特征在于，包括以下步骤：
根据矿区历史数据获取成矿有利区域，采集含绿泥石的岩性样品，获取岩石样品特征，并记录所述岩石样品的坐标数据；
基于所述岩性样品特征获取指示元素含量值，对所述指示元素含量值进行数据处理，绘制所述指示元素含量值的散点图，根据所述散点图的空间分布情况，判别不同采样地对应的矿床类型。
2.根据权利要求1所述的基于绿泥石指示元素变化判别找矿类型的新方法，其特征在于，所述岩石样品特征包括岩性、蚀变和矿化。
3.根据权利要求1所述的基于绿泥石指示元素变化判别找矿类型的新方法，其特征在于，所述指示元素的含量值包括：所述绿泥石中Ni元素的含量、Mg元素的含量、Cr元素的含量以及综合元素的含量中的一种或多种；所述综合元素的含量包括Mn元素和Pb元素和Zn元素的总含量；所述综合元素包括Mn元素和Pb元素和Zn元素。
4.根据权利要求1所述的特征基于绿泥石指示元素变化判别找矿类型的新方法，其特征在于，获取所述指示元素含量值包括：对所述岩性样品特征进行岩相学观察，获取所述岩石样品的蚀变类型和化学成分数据，将所述岩石样品中能够观察到绿泥石的部位作为检测微区进行激光剥蚀电感耦合等离子质谱原位微区元素分析测试，获取所述指示元素含量值。
5.根据权利要求4所述的基于绿泥石指示元素变化判别找矿类型的新方法，其特征在于，所述绿泥石的蚀变类型包括热液脉状蚀变和浸染状蚀变。
6.根据权利要求4所述的基于绿泥石指示元素变化判别找矿类型的新方法，其特征在于，获取化学成分数据包括：通过电子探针对所述化学成分进行分析。
7.根据权利要求6所述的基于绿泥石指示元素变化判别找矿类型的新方法，其特征在于，所述数据处理过程包括：
根据所述岩性样品中所述绿泥石的微区元素分析数据，获得对应的微区元素积分曲线，基于所述元素积分曲线获取异常峰；
根据所述元素积分曲线中的异常峰，剔除微区元素分析数据的无效数据，得到处理后所述绿泥石的微区元素数据。
8.根据权利要求7所述的基于绿泥石指示元素变化判别找矿类型的新方法，其特征在于，所述异常峰包括：含有Ti、Pb、Zr元素的异常峰和含有K、Sr元素的异常峰中的一种或者两种；
根据所述激光剥蚀电感耦合等离子质谱分析，激光打到包裹体获得Ti、Pb、Zr元素异常峰；
根据所述激光剥蚀电感耦合等离子质谱分析，激光打穿绿泥石矿物获得K、Sr元素异常峰。
9.根据权利要求1所述的基于绿泥石指示元素变化判别找矿类型的新方法，其特征在于，根据所述散点图的空间分布情况，判别不同采样地对应的矿床类型包括：根据所述处理后数据，按照同一种岩性、同一种蚀变类型的绿泥石指示元素中Ni、Mg、Cr的含量及指示元素的总含量绘制散点图，根据散点图中Ni与Mg，Cr与综合元素的投图范围判别其所属的找矿类型。
10.根据权利要求9中任一项所述的基于绿泥石指示元素变化判别找矿类型的新方法，其特征在于，不同采样地对应的矿床类型具体包括：
当所述Ni元素的含量为10～40ppm，Mg元素的含量为9000～12000ppm，Cr元素的含量为1～100ppm，Mn和Pb和Zn元素的总含量为3000～10000ppm时，判定所述矿床为浅成低温热液型Ag-Au矿床；
当所述Ni元素的含量为1～20ppm，Mg元素的含量为7000～11000ppm，Cr元素的含量为1～100ppm，Mn和Pb和Zn元素的总含量为9000～14000ppm时，判定所述矿床为热液脉型Pb-Zn矿床；
当所述Ni元素的含量为30～1000ppm，Mg元素的含量为10000～19000ppm，Cr元素的含量为4～2000ppm，Mn和Pb和Zn元素的总含量为1000～7000ppm时，判定所述矿床为斑岩型Cu矿床。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210802601.9A CN115128247B (zh) | 2022-07-07 | 2022-07-07 | 基于绿泥石指示元素变化判别找矿类型的新方法 |
| NL2032643A NL2032643B9 (en) | 2022-07-07 | 2022-07-30 | Method for identifying deposit types based on chlorite characteristic elements |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210802601.9A CN115128247B (zh) | 2022-07-07 | 2022-07-07 | 基于绿泥石指示元素变化判别找矿类型的新方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115128247A true CN115128247A (zh) | 2022-09-30 |
| CN115128247B CN115128247B (zh) | 2024-01-05 |
Family
ID=83381357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210802601.9A Active CN115128247B (zh) | 2022-07-07 | 2022-07-07 | 基于绿泥石指示元素变化判别找矿类型的新方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115128247B (zh) |
| NL (1) | NL2032643B9 (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115759815A (zh) * | 2022-11-03 | 2023-03-07 | 中国科学院广州地球化学研究所 | 一种利用地壳成熟度指数判断斑岩铜矿类型的勘查方法 |
| CN116593407A (zh) * | 2023-07-17 | 2023-08-15 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种稀土金属矿产快速勘查装置及方法 |
| CN116773774A (zh) * | 2023-06-20 | 2023-09-19 | 西藏巨龙铜业有限公司 | 基于电气石组分快速区分斑岩矿床成矿背景的方法及系统 |
| US20230317440A1 (en) * | 2022-03-18 | 2023-10-05 | Tibet Julong Copper Co., Ltd. | Method for discriminating ore prospecting types based on compositional change of epidote |
| CN117572522A (zh) * | 2023-11-16 | 2024-02-20 | 中国科学院广州地球化学研究所 | 一种热液矿床边部或深部勘查方法 |
| CN118130761A (zh) * | 2024-03-13 | 2024-06-04 | 成都理工大学 | 基于原位高精观测手段的绿泥石生长规律研究方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090028000A1 (en) * | 2007-07-26 | 2009-01-29 | O'brien Thomas B | Method and process for the systematic exploration of uranium in the athabasca basin |
| 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 |
| 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 |
| CN114646682A (zh) * | 2022-03-18 | 2022-06-21 | 西藏巨龙铜业有限公司 | 一种基于绿帘石微量元素的找矿方法 |
| 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 |
| CN114813903A (zh) * | 2022-03-30 | 2022-07-29 | 西藏鑫湖矿业有限公司 | 一种基于石榴石微区化学成分判别矿种的方法 |
-
2022
- 2022-07-07 CN CN202210802601.9A patent/CN115128247B/zh active Active
- 2022-07-30 NL NL2032643A patent/NL2032643B9/en active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090028000A1 (en) * | 2007-07-26 | 2009-01-29 | O'brien Thomas B | Method and process for the systematic exploration of uranium in the athabasca basin |
| 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 |
| 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 |
| 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 |
| CN114646682A (zh) * | 2022-03-18 | 2022-06-21 | 西藏巨龙铜业有限公司 | 一种基于绿帘石微量元素的找矿方法 |
| CN114813903A (zh) * | 2022-03-30 | 2022-07-29 | 西藏鑫湖矿业有限公司 | 一种基于石榴石微区化学成分判别矿种的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 何光辉等: "庐江沙溪斑岩型铜金矿床绿泥石的地球化学特征及找矿指示", 矿床地质 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230317440A1 (en) * | 2022-03-18 | 2023-10-05 | Tibet Julong Copper Co., Ltd. | Method for discriminating ore prospecting types based on compositional change of epidote |
| CN115759815A (zh) * | 2022-11-03 | 2023-03-07 | 中国科学院广州地球化学研究所 | 一种利用地壳成熟度指数判断斑岩铜矿类型的勘查方法 |
| CN115759815B (zh) * | 2022-11-03 | 2023-11-03 | 中国科学院广州地球化学研究所 | 一种利用地壳成熟度指数判断斑岩铜矿类型的勘查方法 |
| CN116773774A (zh) * | 2023-06-20 | 2023-09-19 | 西藏巨龙铜业有限公司 | 基于电气石组分快速区分斑岩矿床成矿背景的方法及系统 |
| CN116773774B (zh) * | 2023-06-20 | 2023-12-29 | 西藏巨龙铜业有限公司 | 基于电气石组分快速区分斑岩矿床成矿背景的方法及系统 |
| CN116593407A (zh) * | 2023-07-17 | 2023-08-15 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种稀土金属矿产快速勘查装置及方法 |
| CN116593407B (zh) * | 2023-07-17 | 2023-09-29 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种稀土金属矿产快速勘查装置及方法 |
| CN117572522A (zh) * | 2023-11-16 | 2024-02-20 | 中国科学院广州地球化学研究所 | 一种热液矿床边部或深部勘查方法 |
| CN118130761A (zh) * | 2024-03-13 | 2024-06-04 | 成都理工大学 | 基于原位高精观测手段的绿泥石生长规律研究方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| NL2032643B9 (en) | 2024-02-19 |
| CN115128247B (zh) | 2024-01-05 |
| NL2032643B1 (en) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115128247B (zh) | 基于绿泥石指示元素变化判别找矿类型的新方法 | |
| CN110333200B (zh) | 一种基于短波红外光谱圈定矿化中心方法 | |
| Dang et al. | Shale gas potential of Lower Permian marine-continental transitional black shales in the Southern North China Basin, central China: Characterization of organic geochemistry | |
| Hanesch et al. | Lithological and pedological influences on the magnetic susceptibility of soil: their consideration in magnetic pollution mapping | |
| CN114646682B (zh) | 一种基于绿帘石微量元素的找矿方法 | |
| Dentith et al. | Petrophysics and mineral exploration: a workflow for data analysis and a new interpretation framework | |
| Tyrrell et al. | The Pb isotopic composition of detrital K-feldspar: A tool for constraining provenance, sedimentary processes and paleodrainage | |
| Ross et al. | Improving lithological discrimination in exploration drill-cores using portable X-ray fluorescence measurements:(2) applications to the Zn-Cu Matagami mining camp, Canada | |
| Zhai et al. | Applications of chemostratigraphy in a characterization of shale gas Sedimentary Microfacies and predictions of sweet spots—taking the Cambrian black shales in Western Hubei as an example | |
| CN111678969A (zh) | 利用土壤剖面表层重金属累积比例解析重金属污染来源的方法 | |
| Fu et al. | Application of automated mineralogy in petroleum geology and development and CO2 sequestration: A review | |
| CN114813903B (zh) | 一种基于石榴石微区化学成分判别矿种的方法 | |
| 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 | |
| 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 | |
| Turner et al. | The use of chemostratigraphy to refine ambiguous sequence stratigraphic correlations in marine shales: an Example from the Woodford Shale, Oklahoma | |
| Folco et al. | In situ identification, pairing, and classification of meteorites from Antarctica through magnetic susceptibility measurements | |
| Esmaeiloghli et al. | Spatially-weighted factor analysis for extraction of source-oriented mineralization feature in 3D coordinates of surface geochemical signal | |
| Ovaskainen et al. | A new subsampling methodology to optimize the characterization of two-dimensional bedrock fracture networks | |
| CN109490266B (zh) | 一种岩样无损取样方法 | |
| Liu et al. | A New Quantitative Approach for Element‐Mineral Determination Based on “EDS (Energy Dispersive Spectroscopy) Method” | |
| CN115586155B (zh) | 快速圈定脉状金矿床矿体及获得其指示标志指标的方法 | |
| Wang et al. | Joint modeling based on singularity mapping and U-statistical methods for geo-anomaly characterization | |
| McQueen | Identifying geochemical anomalies | |
| Wang et al. | An enhanced strategy for geo-exploratory data analysis to facilitate the discovery of new mineral deposits | |
| CN111458363A (zh) | 一种基于手持式x荧光分析仪快速圈定钛矿床方法 |
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 |