Mineralogical Characteristics and Metallogenic Indication of Gold−Bearing Sulfides in the Jinpenliang Gold Deposit, Zhashui−Shanyang Ore Cluster Area, South Qinling
-
摘要:
金盆梁金矿床位于南秦岭柞水−山阳金多金属矿集区北部，矿体呈近东西向赋存于上泥盆统桐峪寺组的沉积建造中，受左行韧性断层控制。关于矿石矿物学与金成矿过程尚缺乏系统的认识。基于岩矿相学鉴定、背散射电子图像（BSE）、能谱（EDS）及电子探针分析（EPMA）等方法，查明矿石组构与载金硫化物毒砂、黄铁矿、辉锑矿及白铁矿的矿物学特征，探讨金的赋存状态与成矿物理化学条件，初步厘定矿床成因类型。结果显示，热液成矿期的金矿化以微细浸染型为主，可划分为黄铁矿−毒砂−硅化（Ⅰ）、石英−辉锑矿−白铁矿±锑氧化物（Ⅱ）及方解石−石英（Ⅲ）3个阶段。不同载金硫化物的“不可见金”赋存状态差异显著，由毒砂的晶格金Au+，到早世代黄铁矿（Py-1）的晶格金Au+−纳米金Au0，至晚世代黄铁矿（Py-2）和白铁矿的纳米金Au0。金属矿物组合由毒砂−黄铁矿至辉锑矿−白铁矿，成矿流体由较高温的相对自然金不饱和状态，逐渐演化为相对低温的自然金饱和状态。金盆梁金矿床形成于较高硫逸度的中高温、中浅成环境，属于卡林型金矿床。
Abstract:The Jinpenliang gold deposit is located in the northern part of the Zhashui−Shanyang ore cluster area, South Qinling. The E−W trending main orebodies, occurring in sedimentary rocks of the Upper Devonian Tongyusi Formation, are strictly controlled by the left−lateral ductile faults. To date, there is still insufficient understanding of the ore mineralogy and gold mineralization processes. In this paper, we obtain data from a variety of experimental methods, such as petrographic identification, Back−Scattered Electron imaging (BSE), Energy Dispersive Spectrometry (EDS), and Electron Probe Micro−Analysis (EPMA), to determine the mineralogical characteristics of gold−bearing sulfides (arsenopyrite, pyrite, stibnite, and marcasite), and discuss the chemical states of Au and physicochemical conditions for gold mineralization. The results show that the micro−disseminated gold mineralization in hydrothermal period can be divided into three stages: pyrite−arsenopyrite−silicification stage (Ⅰ), quartz−stibnite−marcasite±antimony oxides stage (Ⅱ), and calcite−quartz stage (Ⅲ). The occurrence states of “invisible gold” vary greatly among different gold−bearing sulfides, from Au+ in arsenopyrite to Au+ and Au0 in early generation pyrite (Py-1), then to Au0 in late generation pyrite (Py-2) and marcasite. The metal mineral assemblage changes from arsenopyrite−pyrite to stibnite−marcasite, while the ore−forming fluid gradually evolves from relatively high−temperature solutions unsaturated with respect to native gold to low−temperature solutions saturated with respect to native gold. The Jinpenliang gold deposit is a Carlin−type gold deposit, which was formed in a medium−high temperature and shallow−moderate depth with logf(S2) ranging from −8.5 to −4.5.
-
Keywords:
- occurrence state of gold /
- arsenopyrite geothermometer /
- EPMA /
- gold−bearing sulfides /
- Jinpenliang /
- south Qinling
-
地下水作为水资源和水循环的重要组成部分，其水质的优劣关系到当地经济建设、人民的生产生活、生态平衡等一系列问题（Chen，1994；Adimalla，2020；张俊等，2021；党学亚等，2022；冯嘉兴等，2023）。螺髻山北麓横跨四川省凉山彝族自治州西昌市、德昌县与冕宁县，研究区经济发展滞后，以粗放型农业、畜牧业为主，生态环境脆弱（杨帆等，2018）。因此研究地下水化学特征、形成机制以及评价水质对该区保护和合理利用开发地下水资源，防止和控制地下水污染，促进农牧业绿色生产，保障人民身体健康，加强生态文明建设有着重要研究意义。
地下水化学特征研究是水体化学组成与地下水演化过程研究的基础（Abbas et al.，2021），起到反映地下水的补给、途经区域岩性、气象水文与环境特征、反映水化学演化的控制因素等作用（Li et al.，2015，2021；杨芬等，2021；Wali et al.，2021；杜金龙，2022）。能够有效揭示地下水与环境的相互作用机制以及离子交换过程，对地下水水质差别的原因有一定解释作用，可为合理开发利用水资源，改善水质提供科学依据。
国内外对于地下水水质的研究中，评价方法主要有内梅罗指数法、模糊综合评价法、主成分分析法和多元分析法等（Nemerow et al.，2009；Zhang et al.，2012；李连香等，2015；张志君，2020；周及等，2020；时雯雯等，2021；曾庆铭等，2021）。上述评价方法采用传统统计学方法虽各有其优势，但都不能很好的分析水质等级与评价指标之间复杂的非线性关系，可能存在一定的主观干预（李海涛，2020a）。近年来，随着计算机科学的发展与应用，人工神经网络（Artificial neural network，ANN）模型能够高效拟合非线性关系数据，对其做出分类或预测，ANN模型在非线性数据拟合方面存在优势，能够避免确定性模型处理实际问题时的过度简化问题（陈能汪，2021）。对于利用人工神经网络进行水质评价最常用的网络模型是BP神经网络，虽然该模型有收敛速度慢、结构复杂，且无法反映主要影响因子等缺点（崔永华等，2007），但其优点克服了主观赋权对于评价结果的影响，评价结果客观、合理且精度高，能在处理不同时间和空间水样数据组合时的效能优于其他方法（Kumar et al.，2020）。BP神经网络因此被广泛应用于水质评价，并且通过不同的算法如萤火虫算法（颜建等，2020）、头脑风暴优化算法（李海涛等，2020b）、DPA算法（徐康耀等，2015）等算法能够进一步提高评价的结果。
笔者在前人对研究区水文地质背景总结研究的基础上，研究地下水化学特征。利用Pytorch搭建基于RMSprop梯度下降算法的BP神经网络模型，对研究区地下水水质进行综合客观评价。
1. 研究区概况
1.1 区域自然条件
研究区位于四川省凉山彝族自治州西昌市、德昌县与冕宁县的交界处的螺髻山北麓（E 102°7′～102°30′，N 27°30′～27°46′），北接邛海盆地，南临螺髻山脉，东接马雄梁子，西靠安宁河磨盘山。研究区的总体地势为两山夹一河，山地河流整体为南北向。在气候上，具有年温差小、日温差大、干湿分明、雨量充沛、降水集中、日照充足等特点，属于亚热带高原季风气候。西侧的牦牛山南麓和安宁河河谷分别为构造侵蚀中山和中山宽谷平原，中部螺髻山北麓为构造侵蚀中山地貌，高山与盆地最大高差为500～1 500 m。螺髻山山岭海拔为3000～4 200 m，呈近南北走向，在研究区构成了安宁河和则木河的分水岭。研究区西部为安宁河流域，安宁河从北向南贯穿西昌市，于米易县附近注入雅砻江，最终汇入金沙江，全长为320 km，流域面积为1.1万km2，安宁河的主要支流有18条，其中流域面积大于500 km2的支流主要是孙水河、海河、茨达河、锦川河。主流与支流多以直角交汇，成羽状水系。研究区东南部为则木河流域，则木河发源于普格县特尔果乡阿则木山，属于黑水河右岸一级支流，从特尔果乡一带由北向南流经五道箐乡、特补乡，螺髻山镇等地，最终在普格县的中梁山南端流入黑水河，其流长约为54 km，流域面积为668.2 km2（孟晶晶等，2018）。
1.2 区域地质背景
在大地构造划分上，研究区位于上扬子西缘的康滇断隆带中北段（刘洪等，2020）。研究区出露的地层（图1）主要为震旦系—第四系，震旦系以陆相火山碎屑岩类、陆源碎屑岩类和碳酸盐岩类为主，零碎分布在螺髻山北麓、马雄梁子地区。寒武系在本区出露较少，以碳酸盐岩为主。中生界（三叠系—白垩系）在本区大面积出露，以陆相砂泥质碎屑岩为主。新生界（古近系—第四系），以半固结的碎屑岩为主零星分布在安宁河谷东岸及大箐梁子等地，第四系冲洪积物（Qapl）沿安宁河、则木河河谷以及山谷沟谷分布。岩浆岩在安宁河西岸出露，主要为花岗岩类。研究区构造线复杂，主要的断裂包括安宁河断裂带（南北向）和则木河断裂带（北北西向）。由于地质构造复杂，地质条件多样，现代构造活动强烈，岩石稳定性差、岩面风化强烈、疏松破碎、碎屑物质丰富，形成了易发生地震、崩塌、滑坡、泥石流、水土流失的地质背景（张腾蛟等，2020）。
![]()
图 1 研究区水文地质图γT3. 晚三叠世花岗岩类；Zk. 震旦系开建桥组； Zl. 震旦系列古六组；Zg. 震旦系观音崖组；Zd. 震旦系灯影组；Є1l. 下寒武统龙王庙组；Є2x. 中寒武统西王庙组；Є3e. 上寒武统二道水组；T3bg. 上三叠统白果湾组；J1y. 下侏罗统益门组；J2x. 中侏罗统新村组；J2n. 中侏罗统牛滚凼组；J3g. 晚侏罗统官沟组；K1f. 下白垩统飞天山组；K2x. 中白垩统小坝组；N2Qpx. 中新统—更新统昔格达组；Qapl. 全新统冲洪积物Figure 1. Hydrogeological map of the study area1.3 区域水文地质背景
根据研究区地层岩性、地下水类型分为6类，分别是松散堆积层孔隙潜水–承压水区（A1型）、松散堆积层孔隙潜水区（A2型）、碎屑岩裂隙层间水区（B1型）、碎屑岩孔隙-裂隙层间水区（B2型）、岩浆岩裂隙水层间水区（C型）和碳酸盐岩裂隙层间水区（D型）。
A1型在河谷区第四系冲洪积物区域，地下水量丰富，为孔隙潜水–承压水；A2型在山麓区第四系冲洪积物中地下水量中等–贫乏只有孔隙潜水；B1型地层有开建桥组、列古六组、官沟组、飞天山组、益门组、新村组、牛滚凼组等地层，地下水量中等–贫乏的裂隙层间水；B2型地层有白果湾组、小坝组等碎屑岩地层地下水量丰富的孔隙–裂隙层间水；C型为磨盘山的地区的晚三叠世花岗岩类地下水量贫乏的裂隙层间水；D型分布在螺髻山区的观音崖组、灯影组、龙王庙组、西王庙组和二道水组等碳酸盐岩地层，地下水为溶洞暗河发育的裂隙层间水。安宁河河谷平原、邛海平原地下水资源丰富，为多层含水结构。一级阶地河漫滩砾卵石主要赋存潜水，主要为大气降水和河水补给。周边的山前洪积扇赋存承压水，水量较少。安宁河岸两岸山区的砂岩、粉砂岩、砾岩、泥岩、花岗岩和闪长岩等岩层中主要赋存碎隙岩类孔隙、裂隙水类型。盆地高地地区、台地漫滩地区，主要靠大气降水补给，雨季水位上升，旱季相反。基岩山区由于裂隙发育较少，无地下水位，水流量小，雨季、旱季流量差别大。
2. 采样、分析测试方法
根据研究区地下水分布情况，设置15个地下水露头作为采样点（图1）。水样的采集以及保存方法按照生活地下水标准检验方法（GB/T 14848–2017）。使用1.5 L的聚乙烯瓶的容器采集水样，样品采集前，使用待采水样清洗3～4次，再取样，样品装满不留气泡并密封，阳离子过滤酸化保存，阴离子原样过滤保存，阴阳共取30件样品。样品编号、类型、水体状况、位置、水文地质分组如表1所示。
表 1 水样品概况统计表Table 1. General situation of water samples点号 类型 水体状况 位置 采集时间（日 时） 01-SY 井水 淡水 西昌市黄水乡新塘沟村大庆沟 8.24 9:38 02-SY 井水 淡水 西昌市黄水乡新塘沟村大庆沟 8.24 10:39 03-SY 井水 淡水 西昌市黄水乡洼垴村七组 8.24 11:35 04-SY 井水 淡水 德昌县阿月乡光辉村罗家坪子 8.24 12:33 05-SY 井水 淡水 德昌县阿月乡光辉村西番箐 8.24 13:15 06-SY 井水 淡水 西昌市黄水乡观音岩 8.24 14:45 07-SY 井水 淡水 西昌市黄水乡书夫村二组 8.24 15:15 08-SY 井水 淡水 西昌市中坝乡小浸沟 8.25 9:20 09-SY 井水 淡水 西昌市黄联关镇哈土村四组 8.25 10:25 10-SY 井水 淡水 西昌市西溪乡长板桥村 8.25 12:00 11-SY 井水 淡水 西昌市安哈镇摆摆顶村 8.25 13:21 12-SY 井水 淡水 西昌市安哈镇摆摆顶村 8.25 13:44 13-SY 井水 淡水 普格县五道菁乡黄草坪村五组 8.25 14:41 14-SY 井水 淡水 普格县特尔果乡甲甲沟村 8.25 15:24 15-SY 井水 淡水 普格县特补乡白庙子 8.25 16:35 采样现场使用ISE测定仪检测pH值，重量法检测溶解性总固体。其他样品指标送予四川省地质矿产勘察开发局西昌地矿检测中心检验，检验方法如下：As、Se、Sb、Hg含量使用AFS方法检测；Sr、Cr、Cd、Co、Cu、Pb、Zn、Mn、Ni、Mo含量使用MS方法检测；
$ {\text{K}}^{\text{+}} $ 、${\text{Na}}^{\text{+}}$ 、$ {\text{Ca}}^{\text{2+}} $ 、$ {\text{Mg}}^{\text{2+}} $ 、$ {\text{Al}}^{\text{3+}} $ 含量使用ICP方法检测；$ {\text{Fe}}^{\text{3+}} $ 含量使用离子色谱法检测；$ {\text{NH}}_{\text{4}}^{\text{+}} $ 含量使用纳氏试剂比色法检测；$ {\text{F}}^{{-}} $ 、$ {\text{Cl}}^{{-}} $ 、$ {\text{SO}}_{\text{4}}^{{2-}} $ 、$ {\text{NO}}_{\text{2}}^{{-}} $ 、$ {\text{NO}}_{\text{3}}^{{-}} $ 含量使用离子色谱法检测；偏硅酸含量使用比色法检测；$ {\text{CO}}_{\text{3}}^{{2-}} $ 、$ {\text{HCO}}_{\text{3}}^{{-}} $ 含量使用滴定法检测；总硬度采用EDTA–2Na滴定法。通过阴阳离子电荷平衡法检测地下水样品水化学分析结果可靠性，若无机离子平衡常数（NICB）小于5%，表明阴阳离子平衡数据可信。文中地下水样品的NICB值为−4.7 %～4.9 %，平均值为−1.9%，测试分析数据可靠。
3. 研究方法
3.1 水化学特征研究方法Piper
三线图能区分研究区地下水化学类型。Gibbs图解法（Gibbs，1970）研究水岩作用对水化学成分的影响，将主要离子来源分为蒸发结晶作用、岩石风化作用、大气降水3种类型。运用离子比例系数法不同的岩性对地下水化学成分的影响，结果能进一步反映水化学离子的来源（孙厚云等，2018）。
3.2 BP神经网络
BP（Back Propagation）神经网络是机器学习中模拟生物神经网络进行学习的一种神经元连接模型，是一种单向传播的多层前馈神经网络，其主要特点是信号前向传播，误差反向传播（徐学良等，2017），以此往复拟合，通过一定规则输出结果。在水质评价研究中，水质指标多、差异大且关系复杂，受到多种因素的影响，以此构成一个典型非线性系统。通过训练学习对水质指标种类划分进行非线性拟合，从而凭借水质指标种类划分的内在规律进行评价（Abhijit et al.，2008）。
文中的BP神经网络通过Python的Pytorch库搭建，并完成训练、学习以及评价。使用的激活函数为Sigmoid函数，在特征相差比较复杂或是相差不大时效果比较好，并且函数整体平滑易于求导，通过对神经元加入激活函数能够增加神经网络模型的非线性，从而使模型能够更好的拟合非线性数据。其函数式如公式（1）所示。
$$\begin{split} \\ \text{Sigmoid}\text{(x)}\text{}\text=\text{}\text{σ}\text{(}\text{x}\text{)}\text{}\text=\text{}\frac{1}{1+{\rm{exp}}(-x)} \end{split} $$ (1) 文中运用的损失函数（Loss function）为Pytorch中的交叉熵函数，如公式（2）所示：
$$ \text{CrossEntropyLoss}\text{}\text{(outputs}\text{, targets}\text{) =} $$ $$ -{w}_{{{\rm{targets}}}_{n}}{\rm{log}}\frac{{\rm{exp}}\left({{\rm{outputs}}}_{n,{{\rm{targets}}}_{n}}\right)}{{\displaystyle \sum }_{c=1}^{C}{\rm{exp}}\left({{\rm{outputs}}}_{n,c}\right)} $$ (2) 式中：outputs代表模型计算后的输出结果；targets为样本标签；w为权重；n为张量维度；C为类别的数量。该函数在计算前将数据放入sigmoid函数中使数据中间值更为敏感，体现出更高的不确定性，并且梯度下降时，可以避免均方误差损失函数学习速率下降的问题。在机器学习中通过损失函数对模型正向传播的输出与标签进行对比计算得到两者之间的误差值，从而确定反向传播的误差值，并能反映模型运行效果。
3.3 RMSprop优化算法
BP神经网络中的优化算法采用RMSprop算法代替随机梯度下降算法（SDG），RMSprop优化算法也称为均方根传递算法，其优点是能够加快梯度下降的速度以及有效减缓训练中损失曲线的山谷震荡以及鞍部停滞问题。在梯度下降过程开始，神经网络会从一个随机点开始，以此赋予每个属性的权重和偏置一个随机值，将该随机值计算的预测结果与标签对比，通过损失函数计算两者之间的误差即损失，再通过反向传播更新权重与偏置，直到预测结果接近标签值。这一过程就如同从山顶到山谷，山顶为最高损失，山谷为最低损失，导数为坡度。为到达山谷，每次求导都需要走下坡的道路，对于SDG来说下山的方向是随机的，而RMSprop算法会积累之前下坡的方向来决定下一个迭代下坡方向，从而优化SDG算法。其计算过程为包括以下3步：①计算每个参数在当前位置的梯度；公式（3）中
$ {w}_{i} $ 为权重，$ {b}_{i} $ 为偏置，$ L\left(x\right) $ 为损失函数。②计算更新量，通过对当前梯度计算权重均方根，以及偏置均方根；公式（4）中S为权重均方根，$ \alpha $ 为常数。③更新参数，公式（5）中$ \eta $ 为学习率，计算下一迭代中的权重与偏置，$ \beta $ 为防止$ S{dw}_{i} $ 为0的极小常数。$$ {dw}_{i}\text=\frac{\partial L\left(w\right)}{\partial {w}_{i}} \text{，} {dw}_{i}\text=\frac{\partial L\left(b\right)}{\partial {b}_{i}} $$ (3) $$ S{dw}_{i}\text=\alpha S{dw}_{i}+\left(1-\alpha \right){dw}_{i}^{2} , S{db}_{i}\text=\alpha S{db}_{i}+\left(1-\alpha \right){db}_{i}^{2} $$ (4) $$ {w}_{i}\text={w}_{i}-ŋ\frac{{dw}_{i}}{\sqrt{\beta +S{dw}_{i}}} \text{，} {b}_{i}\text={b}_{i}-ŋ\frac{{db}_{i}}{\sqrt{\beta +S{db}_{i}}} $$ (5) 从RMSprop计算过程中，该算法计算更新量公式比一般梯度下降算法增加了一个常数
$ \alpha $ 来控制历史信息获取量，在设定全局学习率后，全局学习率在每次迭代中都会随衰减系数控制的历史梯度平方和而改变，从而使迭代方向在参数空间中更加平稳且快速。以上3个函数的关系如图2所示，输入数据先通过Sigmoid函数计算，再进行线性连接，其中乘以权重（w1，w2，w3）加上偏置（b1，b2，b3）输出第一隐层（H1），再通过同样的操作输出第二隐层（H2），通过线性层得到输出。将输出与标签利用损失函数比较得到误差，通过误差计算优化算法，计算结果对权重与偏重进行更新。
4. 结果与讨论
4.1 研究区水化学特征
根据研究区地下水采集样品分析结果，地下水化学指标概况见表2。分析结果显示，pH值平均为7.68，偏中性；TDS值为6.7～230.4 mg/L，均值为85.91 mg/L；水离子阳离子浓度排序为
$ {\text{Ca}}^{\text{2+}} $ ＞$ {\text{Mg}}^{\text{2+}} $ ＞$ {\text{Na}}^{\text{+}} $ ＞$ {\text{K}}^{\text{+}} $ ，阴离子浓度排序为$ {\text{HCO}}_{\text{3}}^{{-}} $ ＞$ {\text{SO}}_{\text{4}}^{{2-}} $ ＞$ {\text{Cl}}^{{-}} $ ＞$ {{\rm{CO}}}_{\text{3}}^{{2-}} $ ，阳离子中$ {\text{Ca}}^{\text{2+}} $ 为优势离子，阴离子中$ {\text{HCO}}_{\text{3}}^{{-}} $ 为优势离子；As含量为1.77～2.58 μg/L；Cr含量为0.1～5.58 μg/L，均值为1.92 μg/L；Pb含量为0.76 μg/L，最大值为10.26 μg/L；Mn含量为0.11～6.33 μg/L，标准偏差为1.95；Ni含量为0.05～9.54 μg/L，标准偏差为3.02，波动较大（表2 ）。表 2 地下水化学指标统计表（N=15）Table 2. Index of groundwater chemistry指标 最大值（μg/L） 最小值（μg/L） 平均值（μg/L） 标准差 指标 最大值（μg/L） 最小值（μg/L） 平均值（μg/L） 标准差 pH值 8.08 6.65 7.68 0.35 TDS 230.40 6.70 85.91 67.35 $ {\text{Na}}^{\text{+}} $ 6.57 0.25 3.96 1.98 As 2.58 1.77 2.13 0.27 $ {\text{NH}}_{\text{4}}^{\text{+}} $ 0.24 0.05 0.10 0.06 Sb 0.27 0.10 0.11 0.04 $ {\text{Al}}^{\text{3+}} $ 0.19 0.01 0.07 0.06 Hg 0.19 0.03 0.06 0.04 $ {\text{Fe}}^{\text{3+}} $ 0.10 0.03 0.04 0.02 Cr 5.85 0.10 1.92 1.91 $ {\text{F}}^{{-}} $ 0.30 0.01 0.10 0.10 Co 0.74 0.02 0.24 0.22 $ {\text{Cl}}^{{-}} $ 4.26 0.86 1.52 0.90 Cu 0.59 0.07 0.19 0.19 $ {\text{SO}}_{\text{4}}^{\text{2-}} $ 17.20 0.67 7.36 5.24 Pb 10.26 0.08 0.76 2.63 $ {\text{NO}}_{\text{3}}^{{-}} $ 10.19 0.02 2.39 3.15 Zn 1.84 0.43 0.85 0.34 $ {\text{K}}^{\text{+}} $ 1.30 0.66 0.92 0.17 Mn 6.33 0.11 1.91 1.95 $ {\text{Ca}}^{\text{2+}} $ 64.53 0.59 19.31 19.14 Ni 9.54 0.05 2.66 3.02 $ {\text{Mg}}^{\text{2+}} $ 26.55 0.12 6.57 6.77 Mo 3.25 0.05 0.73 1.02 $ {\text{HCO}}_{\text{3}}^{{-}} $ 268.40 12.00 92.92 81.41 总硬度 221.00 1.90 75.27 71.14 4.2 研究区水化学特征
Piper三线图（图3）显示，研究区水化学类型主要是Mg2+·Ca2+−
$ {\text{HCO}}_{\text{3}}^{{-}} $ 类型，阳离子主要分布在$ {\text{Mg}}^{\text{2+}} $ −$ {\text{Ca}}^{\text{2+}} $ 线上，分布于三角图左下区域，阴离子主要分布在$ {\text{CO}}_{\text{3}}^{{2-}} $ −$ {\text{HCO}}_{\text{3}}^{{-}} $ 线上，主要集中于三角图的左下角。![]()
图 3 研究区地下水水化学Piper图Figure 3. Piper diagram of hydrochemical of groundwater in the study area将研究区的水样数据绘制于Gibbs图（Gibbs，1970），研究区水样基本落在Gibbs的回旋镖内（图4），TDS值约为100 mg/L，
$ {\text{Na}}^{\text{+}} $ /（$ {\text{Na}}^{\text{+}} $ +$ {\text{Ca}}^{\text{2+}} $ ）值小于0.7，$ {\text{Cl}}^{{-}} $ /（$ {\text{Cl}}^{{-}} $ +$ {\text{H}\text{C}\text{O}}_{\text{3}}^{{-}} $ ）值小于0.2，表明其受到人类活动的影响较少；水样主要分布于左侧以及中部偏下的位置，表明水化学离子组成总体受到岩石风化作用控制，大气降水也对其有一定程度的控制，但是没有岩石风化控制显著，而蒸发结晶作用微弱（王慧玮等，2021）。其阳离子在B2区、D区受到岩石风化作用控制；B2区以碎屑岩类泥岩砂岩为主，其化学离子主要来自于硅酸盐矿物；D区以碳酸盐岩，$ {\text{Ca}}^{\text{2+}} $ 和$ {\text{HCO}}_{\text{3}}^{{-}} $ 会偏多。水量中等的B1区、C区水样在图中向右下角靠近，受到岩石风化作用和大气降水作用的共同控制，其岩石风化作用更显著。C区以岩浆岩为主，C区水样化学离子会来自于硅酸盐矿物的风化作用。阴阳离子的相关性分析显示，
$ {\text{Na}}^{\text{+}} $ 与$ {\text{SO}}_{\text{4}}^{{2-}} $ 相关显著性不高（R2= 0.54），但$ {\text{SO}}_{\text{4}}^{{2-}} $ 比$ {\text{Na}}^{\text{+}} $ 更加富集，推测可能是石膏溶解造成的；$ {\text{Ca}}^{\text{2+}} $ 与$ {\text{HCO}}_{\text{3}}^{{-}} $ 相关程度高（R2= 0.973），表明方解石的风化是$ {\text{Ca}}^{\text{2+}} $ 的来源之一；$ {\text{Ca}}^{\text{2+}} $ 与$ {\text{SO}}_{\text{4}}^{{2-}} $ 的相关性差（R2= −0.22），表明石膏的溶解不能对$ {\text{Ca}}^{\text{2+}} $ 来源起到控制作用；$ {\text{Mg}}^{\text{2+}} $ 与$ {\text{HCO}}_{\text{3}}^{{-}} $ 存在较高相关性（R2= 0.866），说明白云石的风化为地下水提供了$ {\text{Mg}}^{\text{2+}} $ （翟大兴等，2011）。阴阳离子比值进行计算分析，结果能进一步反映水化学离子的来源（Kumer et al.，2020）。研究区样品水化学（
$ {\text{Ca}}^{\text{2+}} $ +$ {\text{Mg}}^{\text{2+}} $ ）/（$ {\text{HCO}}_{\text{3}}^{{-}} $ +$ {\text{SO}}_{\text{4}}^{{2-}} $ ）为1.076，接近1，表明$ {\text{Ca}}^{\text{2+}} $ 与$ {\text{Mg}}^{\text{2+}} $ 主要受到斜长石、辉石风化控制（图5a）。水化学（$ {\text{SO}}_{\text{4}}^{{2-}} $ +$ {\text{Cl}}^{{-}} $ ）/（$ {\text{HCO}}_{\text{3}}^{{-}} $ ）值远小于1，分布在直线y=x的下方（图5b），表明$ {\text{SO}}_{\text{4}}^{{2-}} $ 与$ {\text{Cl}}^{{-}} $ 少部分都来自于碳酸盐矿物溶解，蒸发盐矿物（石膏、芒硝）较少（孙厚云等，2018）。偏硅酸高值点（$ {\text{Ca}}^{\text{2+}} $ +$ {\text{Mg}}^{\text{2+}} $ ）/$ {\text{HCO}}_{\text{3}}^{{-}} $ 值总体略小于1（图5c），显示硫酸与碳酸共同参与碳酸盐岩溶解。大部分水样位于右上角区，少量位于左上角区（图5d），表明硫化物氧化参与硅酸盐氧化产生Na+、K+和$ {\text{SO}}_{\text{4}}^{{2-}} $ ，且能够识别硫酸和碳酸参与岩石矿物溶解的贡献程度。结合三大类造岩矿物（碳酸盐矿物、硅酸盐矿物、蒸发盐矿物）风化溶滤作用特征与离子比例关系图（图6）分析（刘永林等，2016；高旭波等，2020；杨芬等，2021），可以看出研究区的水样品大多都分布在硅酸盐矿物到碳酸盐矿物之间，相比离硅酸盐矿物区域更近，表明研究区水化学离子同时受到了硅酸盐矿物和碳酸盐矿物的风化溶滤作用的控制。在B1型地下水区和B2型地下水受硅酸盐矿物风化溶滤作用主要控制的同时，受到一定碳酸盐矿物风化溶滤作用控制，其中硅酸盐岩矿物来源于砂岩以及泥质岩；C型地下水区主要受硅酸盐矿物风化溶滤作用控制，其来源于火山碎屑岩和花岗岩；溶洞暗河发育的D型地下水区则主要受由碳酸盐矿物风化溶滤作用控制，其碳酸盐岩矿物主要来自石灰岩和白云岩。
![]()
图 6 研究区水化学离子与矿物风化作用关系图Figure 6. Correlation of hydrochemical ions and mineral weathering4.3 神经网络水质评价过程
4.3.1 神经网络搭建
笔者基于Python语言使用Pytorch开源库搭建BP神经网络架构，搭建的BP神经网络模型分4层结构，分别为输入层，两层隐层以及输出层（图7）。隐层激活函数为Sigmoid函数，输入输出神经元结构为：输入神经单元18个，分别为水样品的18个指标依次是As、Cr、Co、Cu、Pb、Zn、Mn、Ni、Mo、
$ {\text{Na}}^{\text{+}} $ 、$ {\text{NH}}_{\text{4}}^{\text{+}} $ 、$ {\text{Al}}^{\text{3+}} $ 、$ {\text{F}}^{{-}} $ 、$ {\text{Cl}}^{{-}} $ 、$ {\text{SO}}_{\text{4}}^{{2-}} $ 、$ {\text{NO}}_{\text{3}}^{{-}} $ 、TDS、总硬度，其他指标由于分异性不大或者低于检测下限，因此剔除；输出层采用线性链接5个神经元的输出层结果用0、1表示，水质分五级，Ⅰ类水为 [1，0，0，0，0]，Ⅱ类水为 [0，1，0，0，0]，Ⅲ类水为 [0，0，1，0，0]，Ⅳ类水为 [0，0，0，1，0]，Ⅴ类水为 [0，0，0，0，1]输出，输出表的5个单元表分别代表Ⅰ-Ⅴ级，若满足则为1，不满足则为0。![]()
图 7 BP神经网络结构图Inputs. 输入层；Hidden1. 第一隐层；Hidden2. 第二隐层；Outputs：输出层；x1-18. 输入18个水质指标；Sigmoid. 激活函数；w1-3. 不同层的权重；b1-3. 不同层的偏置；Ⅰ-Ⅴ. 5种水质输出；Loss. 损失函数；Targets. 标签；Forward propagation. 正向传播；Backforward propagation. 反向传播Figure 7. Neural network structure diagram4.3.2 训练样本设计
训练样本数据依据国家地下水水质标准（GB/T 14848–2017）中各类水质的指标在其各范围内使用计算机插值生成并添加标签（邓大鹏等，2007；袁瑞强等，2021），样本按平均每种类型的样本占总样本的20%分布，共5000个训练样本，将样本数据取95%作为训练集，剩余5%作为测试集，以供模型训练过程中对损失函数与预测正确率进行测试。
4.3.3 神经网络训练
训练开始首先读取生成的训练样本为Numpy格式后进行数据标准化处理，接着将处理后的数据转换成张量（Tensor）数据格式，初始化神经网络后设定基本参数，隐层个数设定在17～9之间，学习率（lr）设定为0.001～0.0001，训练轮数（Epochs）为500轮以保证监测最后训练结果的稳定性，每轮模型迭代次数（Step）为5000次，期望误差为1×10−2。在训练过程中通过训练集和测试集的损失函数以及测试集正确率图像监测网络模型训练效果。通过代码自动循环参数比较测试结果，最终确定最优的网络模型。参数为第一隐层14个神经元，第二隐层9个神经元，学习率0.0008，图8为该参数下训练效果图。在训练结束保存训练好的训练模型，在进行研究区水样评价时调用。
图中训练集损失在1×10−2收敛，收敛过程平滑，测试集损失低于训练集损失，在2×10−2收敛，测试集正确率稳定在0.988。表明此时的网络模型拟合良好并且泛化能力强，没有出现过拟合现象，在训练过程中学习充足，能够对正常水质样品进行准确且客观的预测。模型整体以及张量数据运算采用GPU运算，GPU型号为RTX3080Ti，整体训练时间大幅减少共费时21.7分钟。
4.4 研究区水质评价结果
调用训练完成后的神经网络模型，将研究区水样品数据进行标准化后导入得到水质评价结果（表3），Ⅰ类水质点2个占13.3%分别为5-SY、12-SY；Ⅱ类水质点6个占40%分别为2-SY、4-SY、6-SY、10-SY、11-SY、13-SY；Ⅲ类水质点为7个占46.6%分别为1-SY、3-SY、7-SY、8-SY、9-SY、14-SY、15-SY。Ⅱ、Ⅲ类水质占多数从研究区数据来看As含量大多数达到了Ⅲ类标准，
$ {\text{NH}}_{\text{4}}^{\text{+}} $ 含量达到了第Ⅲ类或第Ⅱ类标准。从神经网络训练的权值来看，数据网络的评价主要考虑As、Cr、Mo、$ {\text{NH}}_{\text{4}}^{\text{+}} $ 、$ {\text{Al}}^{\text{3+}} $ 、$ {\text{F}}^{{-}} $ 、$ {\text{NO}}_{\text{3}}^{{-}} $ 以及总硬度等8个水质指标，表明As、$ {\text{NH}}_{\text{4}}^{\text{+}} $ 为造成该地区地下水质达到Ⅲ类的指标的重要原因之一。BP神经网络具有很强的自主学习、自组织、自适应能力，充分学习了训练样本的水质特征，建立起水质指标与水质等级的非线性对应关系。并且权重与偏置都是通过学习得到而非人为给定，很大程度上避免了主观因素影响，从而使其评价结果更加客观合理，然而美中不足之处是缺少真实的训练样本以供模型学习，使预测结果更加贴近现实，并且神经网络评价很难确定主要影响因子。表 3 研究区水质综合排名表Table 3. Comprehensive ranking of water quality in the study area排名 点号 类型 1 5-SY Ⅰ类 2 12-SY Ⅰ类 3 2-SY Ⅱ类 4 4-SY Ⅱ类 5 6-SY Ⅱ类 6 10-SY Ⅱ类 7 11-SY Ⅱ类 8 13-SY Ⅱ类 9 1-SY Ⅲ类 10 3-SY Ⅲ类 11 7-SY Ⅲ类 12 8-SY Ⅲ类 13 9-SY Ⅲ类 14 14-SY Ⅲ类 15 15-SY Ⅲ类 结合水样品数据的水文地质背景，以及样品指标在国标中超标部分确定影响因子，对研究区各点水质进行综合评价并由好到坏进行排名。
4.5 地下水安全建议
对于分布在德昌县阿月乡光辉村西番箐、罗家坪子；西昌市安哈镇摆摆顶村、黄水乡观音岩、西溪乡长板桥村；普格县五道菁乡黄坪村五组的Ⅰ类和Ⅱ类地下水地区，水质良好污染少，饲养牲畜能够正常饮用，居民应该经简单处理后饮用，并建议当地政府部门在此建立自来水饮水站。
对于分布在西昌市黄水乡新塘村大庆沟、洼垴村七组、书夫村二组、中坝乡小浸沟、黄联关镇哈土村四组；普格县特尔果乡甲甲沟村、普格县特补乡白庙子等Ⅲ类地下水地区，水质差又受到一定程度污染，牲畜饮用该水需经处理，不建议当地人直接或简单处理后饮用。尤其是As、Pb、Cr超标的地下水，长期大量饮用会对人体造成伤害，建议：①地方政府及相关部门在Ⅲ类水质地区应该高度重视地下水质是否存在危害人体的元素超标问题。②相关部门以及居民应该加强井水和地下水保护，隔绝农业活动对井水带来的污染，如As、
$ {\text{NH}}_{\text{4}}^{\text{+}} $ 等是大部分农药化肥中带有的元素，应当探明农药化肥是否已对当地地下水造成污染。③建议当地政府及相关部门加强对研究区大气、汇水区及地下水水质监测，查明Ⅲ类地下水污染来源并阻断以保障当地居民的安全生活生产。5. 结论
（1）螺髻山北麓地区地下水水化学结构主要是Mg2+·Ca2+ −HCO−3类型，TDS较低受人类活动干扰较少，岩石风化作用对水化学离子组成控制显著，其次是大气降水。阴阳离子主要是来自于硅酸盐矿物与碳酸盐矿物共同风化溶滤作用。其中硅酸盐矿物主要有花岗岩、长岩、灰岩、砂岩、页岩、泥岩等岩石；碳酸盐矿物主要有泥灰岩、白云岩、泥质灰岩等岩石。
（2）阴阳离子相关性分析和比值分析结果表明，方解石的风化是
$ {\text{Ca}}^{\text{2+}} $ 的来源之一，$ {\text{Mg}}^{\text{2+}} $ 主要受到硅酸盐矿物溶解控制，$ {\text{SO}}_{\text{4}}^{{2-}} $ 与$ {\text{Cl}}^{{-}} $ 大部分都来自于碳酸盐矿物溶解。（3）利用BP神经网络对研究区水质样本进行评价，水质评价结果可为研究区水质分类资源化利用，人民生活生产用水保障提供参考。评价结果表明总体水质较好，其中Ⅰ类水质点占13.3%，Ⅱ类水质点占40%，Ⅲ类水质点为7个占46.6%。
-
![]()
图 1 秦岭造山带构造单元（a）及柞水–山阳矿集区地质图（b）（据Ding et al.，2022修改）
1. 第四系；2. 石炭系；3. 泥盆系；4. 下古生界；5. 前寒武系；6. 晚侏罗—早白垩世花岗岩；7. 中—晚三叠世花岗岩；8. 新元古代花岗岩；9. 新元古代闪长岩；10. 辉长–辉绿岩；11. 角闪岩；12. 卡林型金矿床；13. 热水沉积改造型银矿床；14. 热水沉积改造型铜矿床；15. 热水沉积改造型铁矿床；16. 岩浆分结型铁矿床；17. 矽卡岩–斑岩型铜矿床；18. 断层；19. 地质界线；20. 地名
Figure 1. (a) Tectonic framework of the Qinliong orogen and (b) geological map of the Zhashui–Shanyang ore district cluster
![]()
图 2 金盆梁金矿床地质图（据苏选民等，2012）
1. 下石炭统二峪河组上亚组下段；2. 下石炭统二峪河组下亚组上段；3. 上泥盆统（未分）；4. 上泥盆统桐峪寺组第六岩性段；5. 上泥盆统桐峪寺组第五岩性段上亚段；6. 上泥盆统桐峪寺组第五岩性段下亚段；7. 上泥盆统桐峪寺组第四岩性段上亚段；8. 二长花岗岩；9. 闪长玢岩脉；10. 云斜煌斑岩脉；11. 矿体及编号；12. 矿化体；13. 断层及编号；14. 地名
Figure 2. Geological map of the Jinpenliang gold deposit
![]()
图 3 金盆梁金矿床典型矿体与矿石照片
a. 主矿体赋存于粉砂质板岩的断裂中，石英–辉锑矿细脉切穿毒砂–黄铁矿化蚀变岩；b. 受左行韧性剪切作用，石英–辉锑矿脉呈浅黄色透镜状产出；c. 矿体远端的方解石–石英脉；d. 毒砂–黄铁绢英岩型矿石；e. 石英–辉锑矿脉型矿石；f. 方解石–石英脉手标本；g. 毒砂、黄铁矿呈微细浸染状，见自形毒砂沿边部交代他形粗粒黄铁矿；h. 辉锑矿呈半自形晶，含少量白铁矿；i. 方解石细脉切穿粗粒石英；j-l. Ⅰ～Ⅲ阶段的非金属矿物特征；Py. 黄铁矿；Apy. 毒砂；Stb. 辉锑矿；Mrc. 白铁矿；Q. 石英；Cal. 方解石；Ser. 绢云母
Figure 3. Photos of typical orebodies and ores of the Jinpenliang gold deposit
![]()
图 4 金盆梁金矿石硫化物显微特征图
a～d. 毒砂沿早世代黄铁矿边部或内部交代，构成毒砂–黄铁矿聚合体，见晚世代黄铁矿包含自形细粒毒砂；e～g. 辉锑矿呈自形–半自形粒状，白铁矿和锑氧化物交代辉锑矿；h～i. 黄锑矿和白铁矿的能谱图；Apy. 毒砂；Py-1. 早世代黄铁矿；Py-2. 晚世代黄铁矿；Stb. 辉锑矿；Mrc. 白铁矿；Cvn. 黄锑矿；Q. 石英
Figure 4. Microscopic characteristics of sulfides in ores of the Jinpenliang gold deposit
![]()
图 6 金盆梁金矿床载金硫化物的元素关系图
Apy. 毒砂；Py-1. 早世代黄铁矿；Py-2. 晚世代黄铁矿；Stb. 辉锑矿；Mrc. 白铁矿
Figure 6. Relationships between selected elements of Au–bearing sulfides in the Jinpenliang gold depoist
![]()
图 7 金盆梁金矿床毒砂、黄铁矿及白铁矿Fe–As–S三角关系图
Apy. 毒砂；Py-1. 早世代黄铁矿；Py-2. 晚世代黄铁矿；Mrc. 白铁矿
Figure 7. Ternary Fe–As–S diagrams of gold–bearing sulfides in the Jinpenliang gold deposit
![]()
图 8 金盆梁金矿床毒砂、黄铁矿及白铁矿Au–As关系图（拟合曲线据Reich et al.，2005）
Apy. 毒砂；Py-1. 早世代黄铁矿；Py-2. 晚世代黄铁矿；Mrc. 白铁矿
Figure 8. Correlation of Au–As values in arsenopyrite, pyrite, and marcasite from the Jinpenliang gold deposit
![]()
图 9 毒砂地质温度计的logf（S2）–t图解（据Sharp et al.，1985；Zhang et al.，2018）
Apy. 毒砂；Py. 黄铁矿；Po. 磁黄铁矿；Lo. 斜方砷铁矿
Figure 9. Logf(S2) vs. t equilibria diagram of arsenopyrite geothermometer
表 1 金盆梁金矿床矿石类型与硫化物特征表
Table 1 Ore types and sulfide characteristics of the Jinpenliang gold deposit
矿石类型 金属硫化物 特征描述 素描图 毒砂–黄铁绢英岩型 Apy 毒砂（Apy）呈亮白色针柱状、菱形、茅状自形晶，常见晶面裂纹与孔隙；呈独立放射状或沿早世代黄铁矿边部交代形成毒砂–黄铁矿集合体 
Py-1 早世代黄铁矿（Py-1）呈浅黄色–黄白色中粗粒他形晶，孔隙与裂纹发育；内部结构均一，增生环带不明显，边部多被自形–半自形毒砂交代浸蚀 Py-2 晚世代黄铁矿（Py-2）呈黄白色细粒自形–半自形晶，孔隙与裂纹较少，内部为均质结构；多独立产出，偶见内部包含自形毒砂颗粒 石英–辉锑矿脉型 Stb 辉锑矿（Stb）反射色为白色–灰白色，多色性极为显著，多呈半自形针柱状、粒状晶，易磨光，常见擦痕。可见白铁矿、黄锑矿（Cvn）等交代辉锑矿 
Mrc 白铁矿（Mrc）呈浅黄白色自形板柱状晶，以似节理状的密集条纹切面为鉴别特征，大多沿辉锑矿边部或内部交代产出，极少数独立赋存于石英中 
下载: 导出CSV
表 2 金盆梁金矿床载金硫化物电子探针分析结果表（%）
Table 2 EMPA data (%) of Au–bearing sulfides in the Jinpenliang gold deposit
测点号 矿物 Au S Pb Bi Ag Cd Sb Te Se As Zn Cu Ni Co Fe Mn Ti Total 计算化学式 JPL-gb6-1 毒砂
（Apy）− 19.49 − 0.03 − − 0.10 − − 46.05 0.09 0.02 0.05 0.03 35.12 0.04 0.04 101.06 Fe1.03As1.01S JPL-gb6-2 − 20.86 − − − 0.03 0.79 − − 43.05 − 0.00 − − 35.48 0.03 0.00 100.24 Fe0.98As0.88S JPL-gb6-3 0.10 19.99 − − − 0.03 0.33 − − 44.33 − − − 0.03 35.55 0.01 − 100.36 Fe1.02As0.95S JPL-gb6-6 0.03 19.44 − − 0.02 0.06 0.09 − − 45.44 0.07 − − 0.08 35.41 − 0.03 100.68 Fe1.05As1.00S JPL-gb6-8 0.13 19.21 − − − 0.06 0.53 − − 45.55 0.02 − − 0.10 35.62 − − 101.21 Fe1.06As1.01S JPL-gb6-10 0.47 19.92 − − 0.06 − − − − 44.31 0.01 0.07 0.03 0.09 35.50 − − 100.45 Fe1.02As0.95S JPL-gb6-11 0.16 19.44 − 0.15 0.01 − 0.01 − − 45.66 0.02 − 0.10 0.09 35.73 − − 101.36 Fe1.06As1.01S JPL-gb6-13 0.03 20.53 0.06 − 0.06 0.07 0.99 − − 43.59 0.03 − 0.05 0.05 35.52 0.01 0.03 101.03 Fe0.99As0.91S JPL-gb6-16 − 19.81 − − 0.02 0.05 0.55 − − 44.27 0.00 0.11 0.00 0.07 35.44 − − 100.33 Fe1.03As0.96S JPL-gb6-18 − 19.55 0.05 − 0.05 0.01 0.61 − − 44.69 0.01 − − 0.04 35.63 − − 100.65 Fe1.05As0.98S JPL-gb6-19 0.03 20.43 − − − 0.01 0.78 − − 43.57 − 0.01 − 0.05 35.16 − 0.03 100.07 Fe0.99As0.91S JPL-gb6-4 早世代
黄铁矿
（Py-1）− 52.37 0.04 − 0.02 − − − 0.02 0.01 − − 0.07 0.14 47.18 0.02 − 99.86 Fe0.52S JPL-gb6-7 0.05 51.61 − − 0.01 − − − − 1.75 − − − 0.09 46.59 − − 100.09 Fe0.52S JPL-gb6-9 − 51.39 0.14 − 0.05 − − − 0.03 0.06 0.11 0.11 0.03 0.09 47.04 0.00 − 99.05 Fe0.53S JPL-gb6-14 0.30 52.14 − − 0.04 − 0.00 − − 0.01 0.06 0.05 0.26 0.05 46.25 − 0.02 99.18 Fe0.51S JPL-gb6-15 − 52.55 0.01 0.02 − − − − − 0.04 − − 0.20 0.15 46.77 − 0.02 99.75 Fe0.51S JPL-gb6-5 晚世代
黄铁矿
（Py-2）− 52.31 − − − 0.01 − − − 1.18 0.06 − − 0.05 46.12 − − 99.74 Fe0.51S JPL-gb6-12 − 51.95 − − 0.01 − 0.06 − − 0.70 0.04 − − 0.12 46.59 − 0.03 99.50 Fe0.51S JPL-gb6-17 − 52.18 0.12 − − 0.03 0.01 − − 0.45 0.06 − 0.01 0.04 47.01 − 0.01 99.91 Fe0.52S JPL-gb6-20 0.25 50.67 − − − − − − − 3.04 − 0.13 0.05 0.04 46.02 − − 100.21 Fe0.52S JPL-gb5-1 辉锑矿
（Stb）− 27.27 − 0.01 − − 71.58 − − 0.09 0.05 0.04 − − 0.00 0.05 − 99.10 Sb0.69S JPL-gb5-4 − 28.66 − 0.15 − 0.03 71.03 0.04 − 0.07 − − 0.05 − 0.04 − − 100.06 Sb0.65S JPL-gb5-5 0.26 27.64 0.09 − − − 71.08 − − 0.11 − 0.01 − − 0.02 0.00 0.00 99.22 Sb0.68S JPL-gb5-7 − 28.68 0.17 − 0.12 0.03 71.05 − 0.01 0.12 − − 0.03 − − − − 100.20 Sb0.65S JPL-gb4-1 − 28.32 − 0.13 0.03 0.02 70.92 0.04 0.01 0.09 − 0.06 0.02 0.00 0.03 0.01 − 99.69 Sb0.66S JPL-gb4-4 − 28.98 − − − − 71.52 0.02 − 0.16 − 0.03 − − 0.02 − − 100.74 Sb0.65S JPL-gb4-5 − 27.36 0.40 − − 0.07 71.89 0.06 − 0.09 0.03 0.07 0.13 0.06 0.00 − − 100.16 Sb0.69S JPL-gb4-6 0.29 27.97 − − − 0.02 71.24 0.01 − 0.16 0.09 0.01 − − − 0.01 − 99.79 Sb0.67S JPL-gb4-9 0.04 28.90 0.12 − − 0.06 70.78 0.02 − 0.21 0.05 − 0.06 0.01 − − − 100.24 Sb0.64S JPL-gb4-10 − 29.03 − 0.06 − − 71.02 0.07 0.01 0.11 − 0.07 0.04 − 0.01 0.01 − 100.43 Sb0.64S JPL-gb4-11 − 28.73 − − 0.01 0.04 70.49 0.12 − 0.11 − 0.04 − − − − − 99.54 Sb0.65S JPL-gb4-12 0.15 28.31 − − 0.03 0.07 71.26 0.00 0.00 0.11 − 0.03 0.00 0.01 0.04 − 0.02 100.04 Sb0.66S JPL-gb4-2 白铁矿
（Mrc）0.16 52.84 − − − − 0.20 − − − 0.17 − 0.12 0.16 46.49 0.03 − 100.18 Fe0.51S JPL-gb4-3 0.05 52.61 − 0.09 0.06 0.01 1.27 − 0.00 0.11 0.02 − 0.15 0.12 46.49 0.02 0.00 100.98 Fe0.51S JPL-gb4-7 0.14 48.73 − − 0.01 0.00 4.54 − 0.01 0.03 − − 0.05 0.22 41.19 − − 94.90 Fe0.49S JPL-gb4-8 − 48.14 − − − 0.02 3.88 − 0.01 − 0.02 − 0.09 0.22 41.43 − 0.04 93.86 Fe0.49S JPL-gb5-3 0.07 52.97 − − − 0.01 0.25 − − 0.02 0.04 − 0.13 0.24 45.87 − − 99.61 Fe0.50S JPL-gb5-6 − 52.27 − − − − 0.13 − − − − 0.09 − 0.14 45.56 − − 98.19 Fe0.50S JPL-gb5-8 0.07 52.57 − − − 0.08 0.09 − 0.03 − 0.04 − 0.08 0.17 45.89 0.05 − 99.06 Fe0.50S JPL-gb5-9 − 53.65 − − 0.03 − − − 0.00 0.01 0.07 − 0.16 0.09 46.80 0.01 − 100.83 Fe0.50S 注：“−”表示低于检出限。
下载: 导出CSV
-
陈衍景, 张静, 张复新, 等. 西秦岭地区卡林—类卡林型金矿床及其成矿时间、构造背景和模式[J]. 地质论评, 2004, 50(2): 134-152 doi: 10.3321/j.issn:0371-5736.2004.02.004 Chen Yanjing, Zhang Jing, Zhang Fuxin, et al. Carlin and Carlin-like gold deposit in western Qinling Mountains and their metallogenic time, tectonic setting and model[J]. Geological Review, 2004, 50(2): 134-152. doi: 10.3321/j.issn:0371-5736.2004.02.004
丁坤. 南秦岭柞-山矿集区典型金矿床成矿作用与成矿动力学背景[D]. 西安: 长安大学, 2020 DING Kun. Metallogenesis and metallogenic dynamics background of typical gold deposits in Zha-shan ore concentration area, South Qinling[D]. Xi’an: Chang’an University, 2020
丁坤, 王瑞廷, 刘凯, 等. 南秦岭柞水-山阳矿集区夏家店金矿床黄铁矿微量元素和氢、氧、硫同位素对矿床成因的制约[J]. 现代地质, 2021, 35(6): 1622-1632 DING Kun, WANG Ruiting, LIU Kai, et al. Pyrite trace element, hydrogen, oxygen, and sulfur isotope geochemistry of the Xiajiadian gold deposit in Zhashui-Shanyang orefield, south Qinling orogen, and its metallogenic constraints[J]. Geoscience, 2021, 35(6): 1622-1632.
丁坤, 王瑞廷, 王智慧, 等. 南秦岭柞水-山阳矿集区王家坪金矿床地质特征及矿床成因探讨[J]. 西北地质, 2022, 55(1): 167-178 DING Kun, WANG Ruiting, WANG Zhihui, et al. Geological characteristics and genesis of the Wangjiaping gold deposit in Zhashui-Shanyang ore concentration area of south Qinling[J]. Northwestern Geology, 2022, 55(1): 167-178.
方维萱, 芦继英. 陕西银硐子-大西沟菱铁银多金属矿床热水沉积岩相特征及成因[J]. 沉积学报, 2000, 18(3): 431-438 FANG Weixuan, LU Jiying. Genesis and characteristics of hydrothermal sedimentary facies Forsiderite-silver-polymetallic deposits in Yindongzi and Daxigou, Shanxi, China[J]. Acta Sedimentologica Sinica, 2000, 18(3): 431-438.
高菊生, 王瑞廷, 张复新, 等. 南秦岭寒武系黑色岩系中夏家店金矿床地球化学特征[J]. 中国地质, 2006, 33(6): 1371-1378 GAO Jusheng, WANG Ruiting, ZHANG Fuxin, et al. Geology and geochemistry of the Xiajiadian gold deposit in the Cambrian black rock series in the South Qinling[J]. Geology in China, 2006, 33(6): 1371-1378.
葛战林, 郝迪, 张晓星, 等. 东秦岭大蛇沟钨矿区赋矿围岩成因: 锆石U-Pb年代学和地球化学证据[J]. 现代地质, 2021, 35(6): 1633-1650 GE Zhanlin, HAO Di, ZHANG Xiaoxing, et al. Petrogenesis of host rocks in the Dashegou tungsten orefield, East Qinling Orogen: Evidences from zircon U-Pb geochronology and geochemistry[J]. Geoscience, 2021, 35(6): 1633-1650.
胡楚雁. 黄铁矿的微量元素及热电性和晶体形态分析[J]. 现代地质, 2001, 15(2): 238-241 HU Chuyan. Characteristics of trace elements, thermoelectricity and crystal form of pyrite[J]. Geoscience, 2001, 15(2): 238-241.
胡文宣, 张文兰, 胡受奚, 等. 含金毒砂中晶格金的确定及其形成机理研究[J]. 地质学报, 2001(3): 410-418 HU Wenxuan, ZHANG Wenlan, HU Shouxi, et al. Determination of structural gold in Au-bearing arsenopyrite and its formation mechanism[J]. Acta Geologica Sinica, 2001(3): 410-418.
华曙光, 王力娟, 贾晓芳, 等. 陕西镇安丘岭卡林型金矿金的赋存状态和富集机理[J]. 地球科学(中国地质大学学报), 2012, 37(5): 989-1002 HUA Shuguang, WANG Lijuan, JIA Xiaofang, et al. Occurrence and enrichment mechanism of gold in the Qiuling Carlin-type gold deposit, Zhen’an county, Shaanxi province, China[J]. Earth Science-Journal of China University of Geosciences, 2012, 37(5): 989-1002.
姜寒冰, 杨合群, 赵国斌, 等. 西秦岭成矿带区域成矿规律概论[J]. 西北地质, 2023, 56(2): 187−202. JIANG Hanbing, YANG Hequn, ZHAO Guobin, et al. Discussion on the Metallogenic Regularity in West Qinling Metallogenic Belt, China[J]. Northwestern Geology, 2023, 56(2): 187−202.
李九玲, 亓锋, 徐庆生. 矿物中呈负价态之金—毒砂和含砷黄铁矿中“结合金”化学状态的进一步研究[J]. 自然科学进展, 2002, 12(9): 952-958 LI Jiuling, QI Feng, XU Qingsheng. The negative valence gold in mineral: A further study on the chemical state of “bound gold” in arsenian pyrites and arsenopyrites[J]. Progress in Natural Science, 2002, 12(9): 952-958.
李平, 陈隽璐, 张越, 等. 商丹俯冲增生带南缘土地沟–池沟地区侵入岩形成时代及地质意义[J]. 西北地质, 2023, 56(2): 10−27. LI Ping, CHEN Junlu, ZHANG Yue, et al. The Formation Age of Intrusions from Tudigou–Chigou Region in Southern Margin of Shangdan Subduction–Accretion Belt and Its Geological Significance. Northwestern Geology, 2023, 56(2): 10−27.
李雪松, 姚志亮, 王小平, 等. 陕西省柞水县金盆梁金多金属矿勘探(1500 m标高以下)工作总结[R]. 西安: 西安西北有色物探总队有限公司, 2021. 刘家军, 刘冲昊, 王建平, 等. 西秦岭地区金矿类型及其成矿作用[J]. 地学前缘, 2019, 26(5): 1-16 LIU Jiajun, LIU Chonghao, WANG Jianping, et al. Classification and mineralization of the gold deposit in the western Qinling region, China[J]. Earth Science Frontiers, 2019, 26(5): 1-16.
刘凯, 王瑞廷, 樊忠平, 等. 秦岭造山带柞水-山阳矿集区夏家店金矿床成矿时代及其地质意义[J]. 矿床地质, 2019, 38(6): 1278-1296 LIU Kai, WANG Ruiting, FAN Zhongping, et al. Metallogenic age of Xiajiadian gold deposit in the Zhashui-Shanyang ore concentration, Qinling orogenic belt and its geological significance[J]. Mineral Deposits, 2019, 38(6): 1278-1296.
刘仕玉, 刘玉平, 叶霖, 等. 滇东南都龙超大型锡锌多金属矿床黄铁矿LA-ICPMS微量元素组成研究[J]. 岩石学报, 2021, 37(4): 1196-1212 doi: 10.18654/1000-0569/2021.04.14 LIU Shiyu, LIU Yuping, YE Lin, et al. LA-ICPMS trace elements of pyrite from the super-large Dulong Sn-Zn polymetallic deposit, southeastern Yunnan, China[J]. Acta Petrologica Sinica, 2021, 37(4): 1196-1212. doi: 10.18654/1000-0569/2021.04.14
刘英俊, 马东升. 金的地球化学[M]. 北京: 科学出版社, 1991 LIU Yingjun, MA Dongsheng. The Geochemistry of gold[M]. Beijing: Science Press, 1991.
毛景文. 西秦岭地区造山型与卡林型金矿床[J]. 矿物岩石地球化学通报, 2001, 20(1): 11-13 MAO Jingwen. Geology, distribution and Classification of gold deposits in the western Qinling belt, central China[J]. Bulletin of Mineralogy, Petrology and Geochemisty, 2001, 20(1): 11-13.
陕西省地质调查院. 中国区域地质志·陕西志[M]. 北京: 地质出版社, 2017 Shaanxi Institute of Geological Survey. The regional geology of China, Shaanxi Province[M]. Beijing: Geological Publishing House, 2017.
沈关文, 张良, 孙思辰, 等. 江南造山带万古金矿床含金硫化物组构与金沉淀机制[J]. 岩石学报, 2022, 38(1): 91-108 doi: 10.18654/1000-0569/2022.01.07 SHEN Guanwen, ZHANG Liang, SUN Sichen, et al. Textures of gold-bearing sulfides and gold precipitation mechanism, Wangu gold deposit, Jiangnan Orogen[J]. Acta Petrologica Sinica, 2022, 38(1): 91-108. doi: 10.18654/1000-0569/2022.01.07
苏选民, 马秋峰, 韩玉信. 陕西省柞水县金盆梁金多金属矿普查2012年总结[R]. 西安: 陕西省地质矿产勘查开发局第二综合物探大队, 2012. 孙宁岳, 李国武, 申俊峰, 等. 黄铁矿精细结构与晶胞参数的关系及其标型意义[J]. 西北地质, 2022, 55(4): 333−342. SUN Ningyue, LI Guowu, SHEN Junfeng, et al. Relationship between Fine Structure and Cell Parameters of Pyrite and Their Typomorphic Significance[J]. Northwestern Geology, 2022, 55(4): 333−342.
汪超, 王瑞廷, 刘云华, 等. 陕西商南三官庙金矿床地质特征、金的赋存状态及矿床成因探讨[J]. 矿床地质, 2021, 40(3): 491-508 WANG Chao, WANG Ruiting, LIU Yunhua, et al. Geological characteristics, modes of occurrence of gold and genesis of San’guanmiao gold deposit, Shangnan, Shaanxi Province[J]. Mineral Deposits, 2021, 40(3): 491-508.
王瑞廷, 冀月飞, 成欢, 等. 南秦岭柞水-山阳矿集区金铜矿床成矿规律与找矿方向[J]. 现代地质, 2021, 35(6): 1487-1503 WANG Ruiting, JI Yuefei, CHENG Huan, et al. Metallogenic regularities and future prospecting direction of gold-copper deposits in the Zhashui-Shanyang orefield, Southern Qinling Orogen[J]. Geoscience, 2021, 35(6): 1487-1503.
王宗起, 闫全人, 闫臻, 等. 秦岭造山带主要大地构造单元的新划分[J]. 地质学报, 2009, 83(11): 1527-1546 WANG Zongqi, YAN Quanren, YAN Zhen, et al. New division of the main tectonic units of the Qinling Orogenic Belt, Central China[J]. Acta Geologica Sinica, 2009, 83(11): 1527-1546.
吴发富, 王宗起, 闫臻, 等. 秦岭山阳-柞水地区燕山期中酸性侵入岩地球化学特征、锆石U-Pb年龄及Lu-Hf同位素组成[J]. 岩石学报, 2014, 30(2): 451-471 WU Fafu, WANG Zongqi, YAN Zhen, et al. Geochemical characteristics, zircon U-Pb ages and Lu-Hf isotopic composition of the Yanshanian intermediate-acidic plutons in the Shanyang-Zhashui areas, Qinling Orogenic Belt[J]. Acta Petrologica Sinica, 2014, 30(2): 451-471.
谢桂青, 任涛, 李剑斌, 等. 陕西柞山盆地池沟铜钼矿区含矿岩体的锆石U-Pb年龄和岩石成因[J]. 岩石学报, 2012, 28(1): 15-26 XIE Guiqing, REN Tao, LI Jianbin, et al. Zircon U-Pb age and petrogenesis of ore-bearing granitoid for the Chigou Cu-Mo deposit form the Zhashan basin, Shaanxi Province[J]. Acta Petrologica Sinica, 2012, 28(1): 15-26.
熊潇, 朱赖民, 张国伟, 等. 南秦岭柞水-山阳矿集区小河口矽卡岩型铜矿床矿物化学及其成矿意义[J]. 岩石学报, 2019, 35(8): 2597-2614 doi: 10.18654/1000-0569/2019.08.16 XIONG Xiao, ZHU Laimin, ZHANG Guowei, et al. Mineral chemistry of the Xiaohekou skarn copper deposit in the Zhashui-Shanyang ore cluster area, South Qinling and its metallogenic significance[J]. Acta Petrologica Sinica, 2019, 35(8): 2597-2614. doi: 10.18654/1000-0569/2019.08.16
闫臻, 王宗起, 陈雷, 等. 南秦岭山阳-柞水矿集区构造-岩浆-成矿作用[J]. 岩石学报, 2014, 30(2): 401-414 YAN Zhen, WANG Zongqi, CHEN Lei, et al. Tectono-magmatism and metallogeneses of Shanyang-Zhashui ore concentration area in Qinling Orogen[J]. Acta Petrologica Sinica, 2014, 30(2): 401-414
员媛娇, 范成龙, 吕喜平, 等. 电子探针和LA-ICP-MS技术研究内蒙古浩尧尔忽洞金矿床毒砂矿物学特征[J]. 岩矿测试, 2022, 41(2): 211-225 YUAN Yuanjiao, FAN Chenglong, LYU Xiping, et al. Application of EPMA and LA-ICP-MS to study mineralogy of arsenopyrite from the Haoyaoerhudong gold deposit, Inner Mongolia, China[J]. Rock and Mineral Analysis, 2022, 41(2): 211-225.
张博, 李诺, 陈衍景. 热液矿床金的赋存状态及研究方法[J]. 地学前缘, 2018, 25(5): 251-265 ZHANG Bo, LI Nuo, CHEN Yanjing. Occurrence state of gold in hydrothermal deposits and related research methods[J]. Earth Science Frontiers, 2018, 25(5): 251-265.
张国伟, 郭安林, 董云鹏, 等. 关于秦岭造山带[J]. 地质力学学报, 2019, 25(5): 746-768 ZHANG Guowei, GUO Anlin, DONG Yunpeng, et al. Rethinking of the Qinling Orogen[J]. Journal of Geomechanics, 2019, 25(5): 746-768.
张嘉升, 潘爱芳, 樊会民, 等. 陕西柞水地区金盆梁金矿区水系沉积物地球化学特征与找矿方向[J]. 地球科学与环境学报, 2014, 36(4): 55-63 doi: 10.3969/j.issn.1672-6561.2014.04.005 ZHANG Jiasheng, PAN Aifang, FAN Huimin, et al. Geochemical characteristics of stream sediment in Jinpenliang gold mining area of Zhashui area, Shaanxi and its prospecting direction[J]. Journal of Earth Science and Environment, 2014, 36(4): 55-63. doi: 10.3969/j.issn.1672-6561.2014.04.005
张然, 肖志斌, 付超, 等. 胶东地区新立金矿中金矿物和载金黄铁矿成因矿物学特征及地质意义[J]. 岩矿测试, 2022, 41(6): 997-1006 doi: 10.3969/j.issn.0254-5357.2022.6.ykcs202206011 ZHANG Ran, XIAO Zhibin, FU Chao, et al. Genetic mineralogy and geological significance of gold minerals and gold-bearing pyrites from the Xinli gold deposit in the Jiaodong area[J]. Rock and Mineral Analysis, 2022, 41(6): 997-1006. doi: 10.3969/j.issn.0254-5357.2022.6.ykcs202206011
张亚峰, 陈国超, 杨玲, 等. 西秦岭凤县北部罗汉寺岩组沉积时代和源区特征: 来自LA-ICP-MS锆石U-Pb年龄证据[J]. 地质学报, 2022, 96(3): 805-823 ZHANG Yafeng, CHEN Guochao, YANG Ling, et al. A study of the provenance and sedimentary age of the Luohansi Formation in the Fengxian County, eastern part of West Qinling Orogenic belt: Evidence from LA-ICP-MS zircon U-Pb ages[J]. Acta Geologica Sinica, 2022, 96(3): 805-823.
赵静, 梁金龙, 韩波. 水银洞金矿与阳山金矿载金矿物成分分析及金的赋存状态[J]. 科技通报, 2017, 33(1): 24-31 doi: 10.13774/j.cnki.kjtb.2017.01.006 ZHAO Jing, LIANG Jinlong, HAN Bo. The component analyses of Au-Bearing minerals and the occurrence of gold in Shuiyindong and Yangshan Carlin-type gold deposits, China[J]. Bulletin of Science and Technology, 2017, 33(1): 24-31. doi: 10.13774/j.cnki.kjtb.2017.01.006
赵珊茸, 边秋娟, 凌其聪. 结晶学及矿物学[M]. 北京: 高等教育出版社, 2004 ZHAO Shanrong, BIAN Qiujuan, LING Qicong. Crystallography and mineralogy[M]. Beijing: Higher Education Press, 2004.
周学武, 李胜荣, 鲁力, 等. 辽宁丹东五龙矿区石英脉型金矿床的黄铁矿标型特征研究[J]. 现代地质, 2005, 19(2): 231-238 doi: 10.3969/j.issn.1000-8527.2005.02.011 Zhou Xuewu, Li Shengrong, Lu Li, et al. Study of pyrite typomorphic characteristics of Wulong quartz-vein-type gold deposit in Dandong, Liaoning Province, China[J]. Geoscience, 2005, 19(2): 231-238. doi: 10.3969/j.issn.1000-8527.2005.02.011
朱赖民, 郑俊, 熊潇, 等. 南秦岭柞水-山阳矿集区园子街岩体岩石地球化学与成矿潜力探讨[J]. 地学前缘, 2019, 26(5): 189-205 ZHU Laimin, ZHENG Jun, XIONG Xiao, et al. Petrogeochemistry and mineralization potential of the Yuanzijie intrusion in the Zhashui-Shanyang ore deposit cluster in southern Qinling[J]. Earth Science Frontiers, 2019, 26(5): 189-205.
Arehart G B, Chryssoulis S L, Kesler S E. Gold and arsenic in iron sulfides from sediment-hosted disseminated gold deposits; implications for depositional processes[J]. Economic Geology, 1993, 88(1): 171-185. doi: 10.2113/gsecongeo.88.1.171
Bateman R, Hagemann S. Gold mineralisation throughout about 45 Ma of Archaean orogenesis: Protracted flux of gold in the Golden Mile, Yilgarn craton, Western Australia[J]. Mineralium Deposita, 2004, 39(5-6): 536-559. doi: 10.1007/s00126-004-0431-2
Bralia A, Sabatini G, Troja F. A revaluation of the Co/Ni ratio in pyrite as geochemical tool in ore genesis problems: Evidences from southern Tuscany pyritic deposits[J]. Mineralium Deposita, 1979, 14(3): 353-374.
Cabri L J, Newville M, Gordon R A, et al. Chemical speciation of gold in arsenopyrite[J]. The Canadian Mineralogist, 2000, 38(5): 1265-1281. doi: 10.2113/gscanmin.38.5.1265
Choi S G, Youm S J. Compositional variation of arsenopyrite and fluid evolution at the Ulsan deposit, southeastern Korea: A low-sulfidation porphyry system[J]. The Canadian Mineralogist, 2000, 38(3): 567-583. doi: 10.2113/gscanmin.38.3.567
Cline J S, Hofstra A H, Muntean J L, et al. Carlin-type gold deposit in Nevada: Critical geologic characteristics and viable model[J]. Economic Geology, 2005, 100th Anniversary Volume: 451−484.
Cook N J, Chryssoulis S L. Concentrations of “Invisible Gold” in the common sulfides[J]. The Canadian Mineralogist, 1990, 28(1): 1-16.
Deditius A P, Utsunomiya S, Renock D, et al. A proposed new type of arsenian pyrite: Composition, nanostructure and geological significance[J]. Geochimica et Cosmochimica Acta, 2008, 72(12): 2919-2933. doi: 10.1016/j.gca.2008.03.014
Ding K, Yang X Q, Wang H, et al. Geochronology and geochemistry of the granite porphyry from the Qinglingou gold deposit, South Qinling, China: Implication for petrogenesis and mineralization[J]. Minerals, 2022, 12(6): 707. doi: 10.3390/min12060707
Fleet M E, Chryssoulis S L, Maclean P J, et al. Arsenian pyrite from gold deposits: Au and As distribution investigated by SIMS and EMP, and color staining and surface oxidation by XPS and LIMS[J]. The Canadian Mineralogist, 1993, 31(1): 1-17.
Fleet M E, Mumin A H. Gold-bearing arsenian pyrite and marcasite and arsenopyrite from Carlin Trend gold deposits and laboratory synthesis[J]. American Mineralogist, 1997, 82(1-2): 182-193. doi: 10.2138/am-1997-1-220
Fougerouse D, Reddy S M, Aylmore M, et al. A new kind of invisible gold in pyrite hosted in deformation-related dislocations[J]. Geology, 2021, 49(10): 1225-1229. doi: 10.1130/G49028.1
Goldfarb R J, Berger B R, George M W, et al. Tellurium[A]. In: Critical mineral resources of the United States—Economic and environmental geology and prospects for future supply[R]. Reston: U. S. Geological Survey, 2017, R1−R14.
Gopon P, Douglas J O, Auger M A, et al. A nanoscale investigation of Carlin-type gold deposits: An atom-scale elemental and isotopic perspective[J]. Economic Geology, 2019, 114(6): 1123-1133. doi: 10.5382/econgeo.4676
Groves D I, Goldfarb R J, Gebre-Mariam M, et al. Orogenic gold deposits: A proposed classification in the context of their crustal distribution and relationship to other gold deposit types[J]. Ore Geology Reviews, 1998, 13(1): 7-27.
Gu X X, Zhang Y M, Ge Z L, et al. Mineralization and genesis of the orogenic gold system in the Kalamaili area, East Junggar, Xinjiang, northwestern China[J]. GSA Bulletin, 2023.
Hofstra A H, Cline J S. Characteristics and models for Carlin-type gold deposits[J]. Reviews in Economic Geology, 2000, 13: 163-220.
Kretschmar U, Scott S D. Phase relations involving arsenopyrite in the system Fe-As-S and their application[J]. The Canadian Mineralogist, 1976, 14(3): 364-386.
Lentz D R. Sphalerite and arsenopyrite at the Brunswick No. 12 massive-sulfide deposit, Bathurst Camp, New Brunswick: Constraints on P-T evolution[J]. The Canadian Mineralogist, 2002, 40(1): 19-31. doi: 10.2113/gscanmin.40.1.19
Liang Q L, Xie Z J, Song X Y, et al. Evolution of invisible au in arsenian pyrite in carlin-type Au deposits[J]. Economic Geology, 2021, 116(2): 515-526. doi: 10.5382/econgeo.4781
Liu J J, Dai H Z, Zhai D G, et al. Geological and geochemical characteristics and formation mechanisms of the Zhaishang Carlin-like type gold deposit, western Qinling Mountains, China[J]. Ore Geology Reviews, 2015, 64: 273-298. doi: 10.1016/j.oregeorev.2014.07.016
Loftus-Hills G, Solomon M. Cobalt, nickel and selenium in sulphides as indicators of ore genesis[J]. Mineralium Deposita, 1967, 2(3): 228-242.
Ma Y B, Zhu L M, Lu R K, et al. Geology and in-situ sulfur and lead isotope analyses of the Jinlongshan Carlin-type gold deposit in the Southern Qinling Orogen, China: Implications for metal sources and ore genesis[J]. Ore Geology Reviews, 2020, 126: 103777. doi: 10.1016/j.oregeorev.2020.103777
Mao J W, Qiu Y M, Goldfarb R J, et al. Geology, distribution, and classification of gold deposits in the western Qinling belt, central China[J]. Mineralium Deposita, 2002, 37: 352-377. doi: 10.1007/s00126-001-0249-0
Palenik C S, Utsunomiya S, Reich M, et al. “Invisible” gold revealed: Direct imaging of gold nanoparticles in a Carlin-type deposit[J]. American Mineralogist, 2004, 89(10): 1359-1366. doi: 10.2138/am-2004-1002
Reich M, Kesler S E, Utsunomiya S, et al. Solubility of gold in arsenian pyrite[J]. Geochimica et Cosmochimica Acta, 2005, 69(11): 2781-2796. doi: 10.1016/j.gca.2005.01.011
Sharp Z D, Essene E J, Kelly W C. A re-examination of the arsenopyrite geothermometer: Pressure considerations and applications to natural assemblages[J]. The Canadian Mineralogist, 1985, 23(4): 517-534.
Shenberger D M, Barnes H L. Solubility of gold in aqueous sulfide solutions from 150 to 350 °C[J]. Geochimica et Cosmochimica Acta, 1989, 53(2): 269-278. doi: 10.1016/0016-7037(89)90379-7
Simon G, Kesler S E, Chryssoulis S. Geochemistry and textures of gold-bearing arsenian pyrite, Twin Creeks, Nevada: Implications for deposition of gold in Carlin-type deposits[J]. Economic Geology, 1999a, 94(3): 405-421. doi: 10.2113/gsecongeo.94.3.405
Simon G, Huang H, Penner-Hahn J E, et al. Oxidation state of gold and arsenic in gold-bearing arsenian pyrite[J]. American Mineralogist, 1999b, 84(7-8): 1071-1079. doi: 10.2138/am-1999-7-809
Su W C, Zhang H T, Hu R Z, et al. Mineralogy and geochemistry of gold-bearing arsenian pyrite from the Shuiyindong Carlin-type gold deposit, Guizhou, China: Implications for gold depositional processes[J]. Mineralium Deposita, 2012, 47(6): 653-662. doi: 10.1007/s00126-011-0328-9
Wu X, Delbove F. Hydrothermal synthesis of gold-bearing arsenopyrite[J]. Economic Geology, 1989, 84(7): 2029-2032. doi: 10.2113/gsecongeo.84.7.2029
Zhang B, Li N, Shu S P, et al. Textural and compositional evolution of Au-hosting Fe-S-As minerals at the Axi epithermal gold deposit, Western Tianshan, NW China[J]. Ore Geology Reviews, 2018, 100: 31-50. doi: 10.1016/j.oregeorev.2017.08.002
Zhang Z Y, Wang Y H, Zhang F F, et al. Origin of high Ba-Sr granitoids at Chigou in central China and implications for Cu mineralization: Insights from whole-rock geochemistry, zircon U-Pb dating, Lu-Hf isotopes and molybdenite Re-Os systematics[J]. Ore Geology Reviews, 2021, 138: 104416. doi: 10.1016/j.oregeorev.2021.104416
-
期刊类型引用(4)
1. 李状，周训，方斌，沈晔，徐艳秋，陈柄桦，拓明明，隋丽嫒. 安徽省大别山区温泉水化学特征与演化机制分析. 地质通报. 2025(01): 158-172 . 
百度学术
2. 刘海，黄健敏，宋阳，赵国红，王旭东，魏伟. 太湖县花凉亭水库流域地下水水化学特征及水质评价. 环境科学. 2025(02): 809-820 . 百度学术
3. 陈陆望，武明辉，侯晓伟，胡永胜，张苗，蔡欣悦，殷晓曦，施小平. 帷幕墙影响下侏罗系砾岩含水层地下水化学时空演化规律. 煤田地质与勘探. 2025(01): 174-183 . 百度学术
4. 刘芳. 区域地下水污染因子定量识别研究——以辽西地区为例. 水利科学与寒区工程. 2024(03): 111-113 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 205
- HTML全文浏览量: 43
- PDF下载量: 131
- 被引次数: 6
