CN116973988A - 一种应用电气石元素组分判别矿床类型的方法 - Google Patents

一种应用电气石元素组分判别矿床类型的方法 Download PDF

Info

Publication number
CN116973988A
CN116973988A CN202310824618.9A CN202310824618A CN116973988A CN 116973988 A CN116973988 A CN 116973988A CN 202310824618 A CN202310824618 A CN 202310824618A CN 116973988 A CN116973988 A CN 116973988A
Authority
CN
China
Prior art keywords
tourmaline
deposit
hydrothermal
type
ore deposit
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
CN202310824618.9A
Other languages
English (en)
Inventor
郑有业
刘鹏
吴健辉
高峰
林毅斌
林德才
王书存
吴松
豆孝芳
舒德福
洛桑尖措
卫建刚
索朗卓嘎
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.)
China University of Geosciences Beijing
Tibet Julong Copper Co Ltd
Original Assignee
China University of Geosciences Beijing
Tibet Julong Copper Co Ltd
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 China University of Geosciences Beijing, Tibet Julong Copper Co Ltd filed Critical China University of Geosciences Beijing
Priority to CN202310824618.9A priority Critical patent/CN116973988A/zh
Publication of CN116973988A publication Critical patent/CN116973988A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • 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)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Remote Sensing (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geophysics (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了一种应用电气石元素组分判别矿床类型的方法，通过采集矿床中的热液电气石样品，测定Sn、Li、Ga、V微量元素的含量数据，以F1、F2、F3为判别因子，结合斑岩型Cu‑Mo‑Au矿床具有较低的Sn+Li，进一步，斑岩型Cu‑Mo矿床具有较高的Ga*V，而斑岩型Au矿床具有相对低的Ga*V；与花岗岩相关的Sn‑W矿床具有相对高的Sn+Li；而IOCG矿床具有相对高的Sn+Li及Ga*V的特点，进行矿床类型判别，实现了找矿勘查过程中矿床类型的快速判别，缩短了勘查周期，降低了勘查成本，该方法可以用于4种不同类型的矿床的识别，是一种经济、高效、绿色的找矿新方法。

Description

一种应用电气石元素组分判别矿床类型的方法
技术领域
本发明属于矿床勘查评价领域，具体涉及利用电气石组分判别矿床类型的方法。
背景技术
斑岩型矿床是指在斑岩类岩体及附近大范围分布的细网脉状与浸染状矿体。斑岩型矿床在世界矿床种类中占有极其重要的地位，目前斑岩铜矿床供应了世界近75％的铜、50％的钼和20％的金。中国陆地环境斑岩型矿床包括斑岩型Cu(-Mo、-Au)、斑岩型Mo、斑岩型Au和斑岩型Pb-Zn等矿床类型。Sn、W是我国重要的战略性矿产，花岗岩相关Sn-W矿床是其主要来源。铁氧化物-铜-金(Iron Oxide-Copper-Gold，IOCG)矿床是近20年来提出的重要矿床类型，这类矿床储量巨大，含大量低Ti铁氧化物并伴生具有重大经济价值的Cu和Au，且不同程度地富集REE、U、P和Co等金属，具有显著的科研价值和勘查意义。
目前传统确定矿床类型主要依靠岩石地球化学测量、大比例尺岩石-蚀变-矿化填图、钻孔验证等方法。但是这些方法需要耗费大量的人力与资金，周期长、费用高，不能满足快速勘查评价的迫切需求。
因此，需要寻找一种准确、经济、高效的方法判别矿床类型。
发明内容
本发明的目的在于提供一种利用电气石组分快速判别矿床类型的方法，实现了找矿勘查过程中矿床类型的快速判别，缩短了勘查周期，降低了勘查成本，该方法可以用于4种不同类型的矿床的识别，是一种经济、高效、绿色的找矿新方法。
为了实现上述目的，本发明采用以下技术方案：
提供一种利用电气石组分快速判别矿床类型的方法，包括以下步骤：
1)样品采集
在矿床中识别出电气石，区分岩浆电气石和热液电气石，并对热液电气石样品进行采集；
2)样品制备与测试
将步骤1)采集的热液电气石样品制备为探针片，进行原位微区元素分析、数据处理，得到热液电气石中Sn、Li、Ga、V微量元素的含量数据，记为c(Sn)、c(Li)、c(Ga)、c(V)；
3)以F1、F2、F3为判别因子，进行矿床类型判别，具体为：
F1＝0.001*(3*c(Sn)+c(Li))2.7(公式1)
F2＝5*1016*(3*c(Sn)+c(Li))-3.5(公式2)
F3＝2*106*(3*c(Sn)+c(Li))-1.0(公式3)；
将Sn和Li含量带入公式1、公式2和公式3，分别计算判别因子F1、F2和F3，其中：
当c(Ga)*c(V)<F1且c(Ga)*c(V)<F2时，则判别该矿床为与花岗斑岩相关的Sn-W；
当c(Ga)*c(V)>F2时，则判别该矿床为IOCG型Au；
当F1<c(Ga)*c(V)<F3时，则判别该矿床为斑岩型Au；
当c(Ga)*c(V)>F1、c(Ga)*c(V)>F2且c(Ga)*c(V)<F2时，则判别该矿床为斑岩型Cu-Mo；
其中，获得所述判别因子F1、F2、F3具体步骤为：
①样品采集
分别在斑岩型Cu-Mo矿床、斑岩型Au矿床、花岗岩相关的Sn-W矿床和IOCG型Au矿床中识别出电气石，区分岩浆电气石和热液电气石，并对不同矿床的热液电气石样品进行采集；
②样品制备与测试
将步骤①采集的热液电气石样品制备为探针片，进行原位微区元素分析、数据处理，得到热液电气石中Sn、Li、Ga、V微量元素的含量数据，记为c(Sn)、c(Li)、c(Ga)、c(V)；
③得到判别因子F1、F2、F3
以3*c(Sn)+c(Li)为横坐标，c(Ga)*c(V)为纵坐标进行投图，依据投图范围获得不同矿床类型分界线，并得到判别因子F1-F3，其中：
F1＝0.001*(3*c(Sn)+c(Li))2.7(公式1)
F2＝5*1016*(3*c(Sn)+c(Li))-3.5(公式2)
F3＝2*106*(3*c(Sn)+c(Li))-1.0(公式3)。
按上述方案，所述步骤1)中，区分岩浆电气石和热液电气石标准为：岩浆电气石呈浸染状产出于弱蚀变的岩体，而热液电气石以脉状产出或形成于强蚀变的岩石中。
按上述方案，所述步骤2)中，对电气石样品开展激光剥蚀电感耦合等离子质谱原位微区元素分析，测试元素包括Li、Be、Sc、Ti、V、Cr、Mn、Co、Ni、Cu、Zn、Ga、Rb、Sr、Y、Zr、Nb、Sn、Sb、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、Hf、Ta、Pb、Th、U。
按上述方案，所述步骤2)中，利用ICPMSDataCal软件对测试数据进行处理，获得Excel形式文件的数据。
优选地，在测试过程中有可能打错或测到岩浆电气石，利用以下标准对测试数据进行剔除：B＞10000ppm剔除打错或打穿的数据；Ba<0.6ppm剔除岩浆电气石；最终得到电气石微量数据。
本发明方法的作用原理为：
电气石是一种常见的副矿物，能够形成在不同类型的矿床中，如斑岩型Cu-Mo-Au矿床、与花岗岩相关的Sn-W矿床、IOCG型Au矿床等。基于电气石微量元素变化对成矿流体成分、围岩特征、温度、PH值等因素的响应，而这些因素又和不同的矿床类型密切相关，是否可以利用电气石微量元素的变化来指示不同的矿床类型。基于上述原理和思路，本发明在大量热液电气石数据的基础上，通过系统分析和对比，发现斑岩型Cu-Mo-Au矿床具有较低的Sn+Li，进一步，斑岩型Cu-Mo矿床具有较高的Ga*V，而斑岩型Au矿床具有相对低的Ga*V；与花岗岩相关的Sn-W矿床具有相对高的Sn+Li；而IOCG矿床具有相对高的Sn+Li及Ga*V。在上述规律的基础上，进一步拟合了定量判别不同矿床类型的公式，实现了找矿勘查过程中矿床类型的快速判别，缩短了勘查周期，降低了勘查成本，是一种经济、高效、绿色的找矿新方法。
本发明的有益效果为：
本发明提供了一种利用电气石微量元素组分判别矿床类型的方法，利用先进的原位分析技术，将热液矿床中普遍存在的矿物电气石由定性描述提升到定量解释，将其微量元素的变化与不同矿床类型联系起来，在一个新发现的矿床中可以通过电气石组分快速判别该矿床类型，进一步指导找矿勘查方向，有效缩短矿床勘查周期；该方法可以识别4种不同类型的矿床，经济、高效，具有广阔的推广前景。
附图说明
图1为本发明实施例利用电气石组分区分矿床类型图解。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
获得判别因子F1-F3，具体步骤为：
(1)样品采集
首先，分别在斑岩型Cu-Mo矿床、斑岩型Au矿床、花岗岩相关的Sn-W矿床和IOCG型Au矿床中识别出电气石。其次，区分岩浆电气石和热液电气石，具体表现特征为：岩浆电气石一般呈浸染状产出于弱蚀变的岩体，而热液电气石一般以脉状产出或形成于强蚀变的岩石中。最后，对含热液电气石的样品进行采集。
(2)样品制备与测试
将含有电气石样品制备为探针片，在显微镜下鉴别出电气石，并使用记号笔进行标记。选择晶形发育完整、颗粒较大的满足测试条件的电气石开展激光剥蚀电感耦合等离子质谱原位微区元素分析。测试元素包括Li、Be、Sc、Ti、V、Cr、Mn、Co、Ni、Cu、Zn、Ga、Rb、Sr、Y、Zr、Nb、Sn、Sb、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、Hf、Ta、Pb、Th、U。
(3)数据处理与解译
利用ICPMSDataCal软件对测试数据进行处理，获得Excel形式文件的数据。进一步，在测试过程中有可能打错或测到岩浆电气石，利用以下标准对测试数据进行剔除：B＞10000ppm剔除打错或打穿的数据；Ba<0.6ppm剔除岩浆电气石。最终得到电气石微量数据。
(4)获得判别因子F1、F2、F3计算公式
利用Excel处理步骤(3)所得数据。进行电气石Sn、Li、Ga、V微量元素分析。定义电气石微量元素Sn、Li、Ga、V含量为c(Sn)、c(Li)、c(Ga)、c(V)。
以3*c(Sn)+c(Li)为横坐标，c(Ga)*c(V)为纵坐标进行投图，如图1所示，依据投图范围获得不同矿床类型分界线，利用如下公式计算得到判别因子F1-F3；其中：
F1＝0.001*(3*c(Sn)+c(Li))2.7(公式1)；
F2＝5*1016*(3*c(Sn)+c(Li))-3.5(公式2)；
F3＝2*106*(3*c(Sn)+c(Li))-1.0(公式3)。
(5)矿床类型判别方法
根据步骤(1)和(2)方法得到待测热液电气石中Sn、Li、Ga、V微量元素的含量数据，记为c(Sn)、c(Li)、c(Ga)、c(V)；将Sn和Li含量带入上述公式1、公式2和公式3，分别计算判别因子F1、F2和F3；其中：
当c(Ga)*c(V)<F1且c(Ga)*c(V)<F2时，则判别该矿床为与花岗斑岩相关的Sn-W；
当c(Ga)*c(V)>F2时，则判别该矿床为IOCG型Au；
当F1<c(Ga)*c(V)<F3时，则判别该矿床为斑岩型Au；
当c(Ga)*c(V)>F1、c(Ga)*c(V)>F2且c(Ga)*c(V)<F2时，则判别该矿床为斑岩型Cu-Mo。
实施例2：
利用电气石成分判别矿床类型：以西藏北姆朗斑岩Cu-Mo矿床为例，具体步骤如下：
a.样品采集：在北姆朗地表及钻孔中，依据电气石的产出状态采集含热液电气石的样品。
b.样品处理：将采集的样品磨制成探针片，在显微镜下圈出电气石矿物。
c.样品测试：利用激光剥蚀电感耦合等离子质谱仪器测试电气石微量元素，进行电气石微量元素分析，得到Li、Be、Sc、Ti、V、Cr、Mn、Co、Ni、Cu、Zn、Ga、Rb、Sr、Y、Zr、Nb、Sn、Sb、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、Hf、Ta、Pb、Th、U含量数据。
d.数据处理：使用ICPMSDataCal软件进行数据分析与处理。
e.区分矿床类型：利用Excel处理后的最终数据如表1所示，根据实施例1中公式1-3计算判别因子F1、F2和F3，再根据判别因子F1、F2和F3的计算结果结合实施例1步骤(5)的判别方法判别出本次采集到的北姆朗电气石属于斑岩型Cu-Mo矿床，与地质事实相符，进一步证明了本次提出的基于电气石组分区分矿床类型新方法的有效性。
表1西藏北姆朗矿床部分电气石微量元素数据结果
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (5)

1.一种利用电气石组分快速判别矿床类型的方法，其特征在于，包括以下步骤：
1)样品采集
在矿床中识别出电气石，区分岩浆电气石和热液电气石，并对热液电气石样品进行采集；
2)样品制备与测试
将步骤1)采集的热液电气石样品制备为探针片，进行原位微区元素分析、数据处理，得到热液电气石中Sn、Li、Ga、V微量元素的含量数据，记为c(Sn)、c(Li)、c(Ga)、c(V)；
3)以F1、F2、F3为判别因子，进行矿床类型判别，具体为：
F1＝0.001*(3*c(Sn)+c(Li))2.7(公式1)
F2＝5*1016*(3*c(Sn)+c(Li))-3.5(公式2)
F3＝2*106*(3*c(Sn)+c(Li))-1.0(公式3)；
将Sn和Li含量带入公式1、公式2和公式3，分别计算判别因子F1、F2和F3，其中：
当c(Ga)*c(V)<F1且c(Ga)*c(V)<F2时，则判别该矿床为与花岗斑岩相关的Sn-W；
当c(Ga)*c(V)>F2时，则判别该矿床为IOCG型Au；
当F1<c(Ga)*c(V)<F3时，则判别该矿床为斑岩型Au；
当c(Ga)*c(V)>F1、c(Ga)*c(V)>F2且c(Ga)*c(V)<F2时，则判别该矿床为斑岩型Cu-Mo；
其中，获得所述判别因子F1、F2、F3具体步骤为：
①样品采集
分别在斑岩型Cu-Mo矿床、斑岩型Au矿床、花岗岩相关的Sn-W矿床和IOCG型Au矿床中识别出电气石，区分岩浆电气石和热液电气石，并对不同矿床的热液电气石样品进行采集；
②样品制备与测试
将步骤①采集的热液电气石样品制备为探针片，进行原位微区元素分析、数据处理，得到热液电气石中Sn、Li、Ga、V微量元素的含量数据，记为c(Sn)、c(Li)、c(Ga)、c(V)；
③得到判别因子F1、F2、F3
以3*c(Sn)+c(Li)为横坐标，c(Ga)*c(V)为纵坐标进行投图，依据投图范围获得不同矿床类型分界线，并得到判别因子F1-F3，其中：
F1＝0.001*(3*c(Sn)+c(Li))2.7(公式1)
F2＝5*1016*(3*c(Sn)+c(Li))-3.5(公式2)
F3＝2*106*(3*c(Sn)+c(Li))-1.0(公式3)。
2.根据权利要求1所述的方法，其特征在于，所述步骤1)中，区分岩浆电气石和热液电气石标准为：岩浆电气石呈浸染状产出于弱蚀变的岩体，而热液电气石以脉状产出或形成于强蚀变的岩石中。
3.根据权利要求1所述的方法，其特征在于，所述步骤2)中，对电气石样品开展激光剥蚀电感耦合等离子质谱原位微区元素分析，测试元素包括Li、Be、Sc、Ti、V、Cr、Mn、Co、Ni、Cu、Zn、Ga、Rb、Sr、Y、Zr、Nb、Sn、Sb、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、Hf、Ta、Pb、Th、U。
4.根据权利要求1所述的方法，其特征在于，所述步骤2)中，利用ICPMSDataCal软件对测试数据进行处理，获得Excel形式文件的数据。
5.根据权利要求4所述的方法，其特征在于，在测试过程中有可能打错或测到岩浆电气石，利用以下标准对测试数据进行剔除：B＞10000ppm剔除打错或打穿的数据；Ba<0.6ppm剔除岩浆电气石；最终得到电气石微量数据。
CN202310824618.9A 2023-07-06 2023-07-06 一种应用电气石元素组分判别矿床类型的方法 Pending CN116973988A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310824618.9A CN116973988A (zh) 2023-07-06 2023-07-06 一种应用电气石元素组分判别矿床类型的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310824618.9A CN116973988A (zh) 2023-07-06 2023-07-06 一种应用电气石元素组分判别矿床类型的方法

Publications (1)

Publication Number Publication Date
CN116973988A true CN116973988A (zh) 2023-10-31

Family

ID=88472150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310824618.9A Pending CN116973988A (zh) 2023-07-06 2023-07-06 一种应用电气石元素组分判别矿床类型的方法

Country Status (1)

Country Link
CN (1) CN116973988A (zh)

Similar Documents

Publication Publication Date Title
Lanzirotti et al. Geochronology and geochemistry of multiple generations of monazite from the Wepawaug Schist, Connecticut, USA: implications for monazite stability in metamorphic rocks
CN114646682B (zh) 一种基于绿帘石微量元素的找矿方法
CN114813903B (zh) 一种基于石榴石微区化学成分判别矿种的方法
CN115128247B (zh) 基于绿泥石指示元素变化判别找矿类型的新方法
CN115078520B (zh) 基于矿物地球化学的斑岩系统含矿性评价方法
CN1945298A (zh) 一种高碱度烧结矿主要矿物自动识别与定量方法
CN110793991B (zh) 一种沉积岩Re赋存状态的分析方法
Garde et al. Mesoarchean epithermal gold mineralization preserved at upper amphibolite-facies grade, Qussuk, southern West Greenland
CN110514643B (zh) 一种电感耦合等离子体发射光谱法测定高纯镁基氧化物中痕量元素的方法
CN111141734A (zh) 一种快速定位钍矿物并识别其共伴生关系的方法
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
CN116773774B (zh) 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
CN109975384B (zh) 一种检测岩石中金属分布率的方法
CN116973988A (zh) 一种应用电气石元素组分判别矿床类型的方法
Kochergina et al. Rhenium–osmium isotopes in pervasively metasomatized mantle xenoliths from the Bohemian Massif and implications for the reliability of Os model ages
CN112683875B (zh) 一种快速确定月球玻璃类型的无损分析方法
CN116297605A (zh) 一种钢中镧系元素析出相的检测方法
CN111272617B (zh) 一种块状岩石样品不同矿物粒度分布特征的测量方法
Ferrell et al. X-ray mineralogical discrimination of depositional environments of the Krishna delta, Peninsular India
CN112748142A (zh) 一种原位微区定量分析铍含量的方法
CN116297798B (zh) 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
CN114034727B (zh) 一种富铌矿物的快速识别与定量检测方法
CN116990378A (zh) 一种基于石榴子石的特征参数快速判别矽卡岩矿床成矿前景的方法
CN113374472B (zh) 一种应用元素录井判别火成岩岩性方法
CN117491296A (zh) 一种评估碳酸岩成矿潜力的方法

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