Evaluation of Copper Mineral Resource Potential Using Concentration–Area Fractal Model and Fuzzy Evidence Weighting: A Case Study of the Jiurui Region in Jiangxi
-
摘要:
中国江西省的九瑞地区是长江中下游成矿带中最重要的铜矿产地之一，其中花岗闪长斑岩与铜成矿关系密切。基于水系沉积物与矿化相关的信息，采用因子分析（FA）、浓度–面积分形法（C–A）和模糊证据权方法（FWofE）相结合建立成矿潜力预测模型。使用因子分析处理包含32个元素的255份水系沉积物样本数据，找到能够指示铜矿化的组合元素（即主因子）。采用多重分形反距离加权插值法（MIDW）创建主因子得分栅格图并用C–A分形模型提取与铜矿化相关的地化异常。将得到和铜矿化相关的地球化学异常图与地质、遥感解译数据相结合，应用模糊证据权方法建立预测模型。结果表明：已知铜矿床位于圈定预测概率高值区，且受花岗闪长斑岩和断裂的分布共同控制；除已知铜矿床区域外，圈定的3个一级远景区域内也具有较高的概率，值得进一步铜勘查找矿工作的进行。
Abstract:The Jiurui region in Jiangxi Province, China, is one of the most significant copper mining areas in the middle and lower reaches of the Yangtze River mineralization belt, with a close relationship between granodiorite porphyry and copper mineralization. In this study, a predictive model for mineralization potential was established by combining factor analysis (FA), concentration-area (C-A) fractal method, and fuzzy weight of evidence (FWofE) based on information related to stream sediment and mineralization. ϕfactor analysis was applied to a dataset of 255 stream sediment samples containing 32 elements to identify combinations of elements (principal factors) indicative of copper mineralization. κ the principal factor scores were interpolated using the multiple inverse distance weighted (MIDW) method to create a raster map, and the C-A fractal model was employed to extract geochemical anomalies associated with copper mineralization. λ the geochemical anomaly map related to copper mineralization was integrated with geological and remote sensing interpretation data, and a predictive model was established using the fuzzy weight of evidence method. The results indicated that: known copper deposits are located within high-probability zones defined by the model and are influenced by the distribution of granodiorite porphyry and faults; in addition to the known copper deposit areas, three primary prospective areas identified within the defined regions also exhibit a high probability, meriting further exploration efforts for copper prospecting.
-
古玉器，华夏文明之瑰宝。穿越千年时光，承载深厚文化底蕴。从新石器时代初期开始，古人便开始对优质玉石料进行加工，用作日常礼器和装饰物。透闪石型玉石（软玉），作为中国古玉器中最主要的类型之一，其原料来源一直是众多学者研究和讨论的热点话题（廖任庆等，2005；刘飞等，2009；杨萍等，2009；钟友萍等，2013；于海燕等，2019；张跃峰等，2022）。龙溪玉矿（点）位于四川省汶川县龙溪乡马灯村附近。前人对该地的玉料开展了细致岩相学、矿物学、宝石学以及光谱学研究，认为其是“三星堆遗址”和“金沙遗址”古玉器玉料的重要产地（王春云，1989，1993；向芳等，2008a，2008b；王蔚宁等，2022；徐琳抒等，2022；白洞洲等，2022；付宛璐等，2023）。龙溪软玉颜色多样，主要有青色、青白色、青色、墨绿色等；主要矿物为透闪石，含少量方解石、白云石、滑石及磷灰石等次要矿物；品质不同，次要矿物含量也不同（王蔚宁等，2022；徐琳抒等，2022；白洞洲等，2022；付宛璐等，2023）。龙溪玉平均密度为2.95 g·cm−3，折射率为1.61～1.62，在长、短波紫外光下呈荧光惰性（王蔚宁等，2022；徐琳抒等，2022）。付宛璐等（2023）通过X射线荧光光谱和XRF微区面扫分析，认为V和Cr可能是青绿色龙溪玉的致色元素。对于龙溪玉的成因，王春云（1989，1993）最早提出龙溪玉含玉体是通过白云质大理岩与硅酸溶液相互作用，由白云石向透闪石转变而成。前人在综述国内外典型软玉产地玉石的特征时，将龙溪玉划归为变质热液型或区域变质型（刘飞等，2009；景云涛等，2022）。白洞洲等（2022）对龙溪玉样品进行化学成分分析，认为龙溪玉的化学成分与接触交代作用形成的透闪石玉类似，成玉过程很可能有岩浆热液的参与。先前的研究重点关注了龙溪玉的地质和宝石学特性，但在地球化学识别标志方面的研究尚显不足。然而，这方面的研究对于三星堆和金沙遗址玉器的产地溯源具有重要意义。因此，笔者在野外地质考察和室内岩相学观察的基础上，对典型龙溪玉样品开展了系统的X射线粉晶衍射、X射线荧光光谱、电子探针和电感耦合等离子体质谱分析，对比了龙溪玉与其他产地软玉的差别，探讨了龙溪玉与古蜀三星堆和金沙遗址的玉器矿料的可能联系。
1. 地质背景
研究区位于青藏高原东部松潘–甘孜地体内。地体东西向延伸，东宽西窄，呈三角状。地体东南缘以龙门山断裂带为界，与扬子板块毗邻（Zhang et al.，1984；Chen et al.，1995，1996；宋明伟等，2024；肖倩等，2024；谢佐彬等，2024），西南缘以金沙江缝合带与羌塘–昌都地块相接。金沙江缝合带被认为是晚古生代俯冲带（Sengör，1985），北侧为东昆仑–西秦岭造山带（图1a）。
![]()
图 1 汶川龙溪玉大地构造位置图（a）与区域地质简图（b）Figure 1. (a) Simplified geotectonic map, (b) geological map of the "Longxi nephrite" in Wenchuan区内自西向东分别出露三叠纪西康群、石炭系+二叠系、泥盆系危关群和月里寨群、志留系茂县群、奥陶系以及震旦系地层。巨厚的（5～10 km）三叠系西康群复理石沉积整合覆盖于4～6 km厚震旦系-古生界系列之上；在松潘–甘孜地体东部龙门山断裂带附近出露有前震旦纪（太古代—中元古代）结晶基底（图1b）。印支期扬子、华北和羌塘3个块体之间的收敛使沉积盆地缩短、古特提斯闭合，形成松潘–甘孜造山带（Sengör，1985；Mattauer et al.，1992；Nie et al.，1994）。造山期，三叠系的沉积层向南推覆于扬子板块之上，同时震旦纪—古生代序列强烈变形，形成大规模滑脱构造，使地壳明显增厚（Mattauer et al.，1992）。三叠系的沉积经历了极低到低级的绿片岩相变质，但震旦纪—古生界序列（丹巴地区）经历了Barrovian型变质作用（Mattauer et al.，1992；Huang et al.，2003）。Huang等（2003）通过对松潘甘孜地体内丹巴变质地体的测年和变质作用温压条件分析，对比中生代花岗岩体形成时代的分布，认为中生代第一次变质作用主要发生于204～190 Ma，与扬子–华北两陆块碰撞造成的地壳加厚和缩短有关；第二次变质事件相对较弱，发生于165 Ma前后，被认为是局部热扰动的产物。松潘–甘孜地体内广泛出露花岗岩侵入体。这些花岗岩体的空间分布没有明显的规律性，其形成时代主要在三叠纪末到侏罗纪时期（197～230 Ma），与印支运动有关（Roger et al.，2004；胡健民等，2005；龚大兴等，2019）。
四川龙溪软玉矿（点）位于松潘–甘孜地体东部，靠近NE–SW走向的茂汶断裂（图1b）。在玉矿（点）西部的三叠纪西康群地层中出露印支晚期—燕山期的老君沟和孟通沟花岗岩体，东边靠近茂汶断裂出露晋宁–澄江第四期牟托黑云花岗岩，南部出露雪隆包斜长花岗岩（图1b）。龙溪软玉的含玉体产于志留系茂县群结晶灰岩夹透闪片岩、石榴角闪斜长变粒岩、透闪片岩、角闪黑云片岩之中，与下伏结晶灰岩平行不整合接触，同时被上覆变质火山岩所超复（图2a）。
![]()
图 2 龙溪玉地质剖面简图（a）（据王春云，1993修改）、龙溪玉野外露头照片（b～d）Figure 2. (a) The geological profile of Longxi nephrite, (b-d) the field photograph of Longxi nephrite软玉产于由灰白色中厚层状透闪石化大理岩夹透闪石岩（透闪片岩）组成的含玉体中，通常呈不规则透镜状或薄层状，发育于透闪片岩和白云质大理岩局部强烈变形处，与大理岩相互间为整合接触（图2）。依据龙溪软玉的颜色和矿物组成，大致可以将其分为黄绿色玉石、青灰色玉石、墨绿色玉石和黄绿色含放射状闪石矿物的玉石（图3），且玉石通常呈现墨绿色–黄绿色–浅绿色–青白色（白色）的对称色环，部分样品内核为透闪片岩或透闪石化白云质大理岩（图2d、图3i～图3k）。玉石中矿物主要为透闪石，其次为方解石、白云石，含少量磷灰石、金红石、滑石、黄铁矿、黄铜矿以及磁铁矿等（图4）。玉石具有典型的纤维交织结构和叶片交织结构（图4d～图4h），可见方解石被透闪石交代形成的交代结构（图4c）；部分玉石中透闪石和方解石等矿物具有定向排列特征（图4f）。
![]()
图 3 龙溪玉玉石及部分围岩样品照片a. 角闪黑云片岩；b. 石榴角闪黑云片岩；c. 棕红色大理岩；d. 品质较好的黄绿色玉石；e～f. 黄绿色玉石边界存在大理岩；g. 黄绿色玉石中见针状闪石矿物；h. 青灰色玉石中可见到针状闪石矿物；i. 玉石具青灰色–黄绿色–墨绿色环带；j. 大理岩–青灰色玉石–墨绿色玉石–黄绿色玉石–青灰色玉石–大理岩环带；k. 墨绿色玉石–黄绿色玉石–大理岩Figure 3. Hand specimen pictures of Long nephrite and some host rocks samples![]()
图 4 龙溪玉玉石及部分围岩样品镜下照片a. 石榴角闪黑云片岩中自形石榴子石；b. 大理岩中可见少量浸染状透闪石；c. 品质较差的玉石中见较多方解石；d. 透闪石化大理岩-黄绿色软玉-墨绿色软玉；e. 黄绿色软玉-墨绿色软玉；f. 墨绿色软玉中透闪石粒度较粗；g. 黄绿色玉石中透闪石颗粒细小；h. 黄绿色玉石中见粗粒透闪石+方解石脉；i. 青灰色玉石中见针柱状闪石矿物；j～l. 玉石中方解石与金红石、黄铜矿、黄铁矿以及方铅矿共生；m～n. 玉石中存在细粒金红石和磷灰石；Am. 角闪石；Bi. 黑云母；Grt. 石榴子石；Q. 石英；Tl. 透闪石；Cal. 方解石；Py. 黄铁矿；Ccp. 黄铜矿；Gn. 方铅矿；Rt. 金红石；Ap. 磷灰石；a～i. 正交偏光；j～k. 反射光；l～n. 背散射图像Figure 4. Mircophotos of Long nephrite and some host rocks samples2. 样品采集及分析方法
2.1 样品采集
本次研究共采集了49块样品，用于分析的样品共12件，其中有2件角闪黑云片岩、1件大理岩、9件龙溪玉样品。所有样品均采来自于四川汶川龙溪乡马灯村“龙溪玉”矿洞口（N31°35′9″；E103°33′22″）。样品详细描述见表1。测试前先对样品进行观察，按照颜色、光泽、透明度、质地等基本特征对样品进行分类。选择典型样品制备探针片，开展岩相学观察和电子探针（EPMA）分析。对部分样品进行碎样处理，把粗碎过的样品放入玛瑙钵中进行手工研磨，研磨至200目的粉末，随后进行X射线粉晶衍射（XRD）、X射线荧光光谱（XRF）和电感耦合等离子体质谱（ICP-MS）分析（黄杰等，2020；杨眉等，2021）。
表 1 四川龙溪玉及部分围岩样品的基本特征Table 1. Gemmological characteristics of nephrite and some host rocks samples from Longxi, Sichuan Province编号 岩性 描述 LX-1 角闪黑云片岩 深黑色，片状构造，主要矿物为角闪石、黑云母，呈定向排列。 LX-3 角闪黑云片岩 深黑色，片状构造，主要矿物为角闪石、黑云母以及少量石榴子石。 LX-4 大理岩 灰白色，具粒状变晶结构，块状构造。 LX-6 龙溪玉 黄绿色、品质优、质地纯、油脂光泽。 LX-7 龙溪玉 黄绿色、品质优、质地纯、油脂光泽，表皮为灰白色大理岩。 LX-10 龙溪玉 黄绿色、品质较优，表皮可见水草花状的深色物质。 LX-13 龙溪玉 青灰色、品质较差、质地较粗，丝绢-玻璃光泽。 LX-14 龙溪玉 青灰色、品质较差、质地较粗，丝绢-玻璃光泽。 LX-23 龙溪玉 青灰色、质地较粗，丝绢-玻璃光泽，可见针柱状矿物（直径可达0.8 cm）。 LX-24 龙溪玉 黄绿色、质地较细腻，油脂光泽，含较多针柱状矿物。 LX-40 龙溪玉 墨绿色、品质优，表皮为黄绿色玉石。 LX-45 龙溪玉 墨绿色，品质优，表皮为黄绿色玉石，中间夹淡黄色玉石和灰白色大理岩。 2.2 测试方法
X射线粉晶衍射分析和全岩主量元素分析测试在成都南达微构质检技术服务有限公司完成，电子探针实验在西南石油大学地球科学与技术学院电子探针实验室完成。
（1）X射线粉晶衍射分析（XRD）：测试仪器为日本理学Rigaku X射线粉末衍射仪ULTIMA IV。测试条件：Cu靶，电压40 kV，电流40 mA，扫描范围（2θ）为5°～70°，步进扫描速度4°/min，步长为0.020°。采用MDI Jade 6 处理实验数据。
（2）X射线荧光光谱仪（XRF）：采用Rigaku公司的日本理学ZSX Primus III+型波长色散X射线荧光光谱仪对不同样品进行主量元素含量分析。熔化无水四硼酸锂和偏硼酸锂作为试料，硝酸铵作氧化剂，氟化锂和少量溴化锂作助熔剂和脱模剂。试料∶熔剂（1∶10），在熔样机上熔融，制成玻璃样片。分析元素均用理论α系数校正元素间的吸收–增强效应，根据荧光强度计算主、次成分的量。
（3）电子探针（EPMA）：采用型号为JEOL-JXA-8230，配备有4道波谱仪的电子探针显微分析仪（EPMA）对不同类型玉石进行分析。样品在上机测试之前先按照Zhang等（2016）提供的办法镀碳，将样品镀上厚度约20 nm的均匀碳膜。电子探针工作条件为：加速电压15 Kv，加速电流20 nA，束斑直径10 μm。所有测试数据均进行了ZAF校正处理。Na，Mg，K，Ca，Fe，Ti，Al，Si，Ni，Cr，Mn元素特征峰的测量时间为10s，上下背景测量时间为峰测量时间的一半。使用的国际SPI标样如下：Na（NaAlSi3O8）、Mg（MgCaSi2O6）、Al（NaAlSi3O8）、Si（NaAlSi3O8）、K（KAlSi3O8）、Ca（MgCaSi2O6）、Fe（FeCr2O4）、Cr（FeCr2O4）、Ti（TiO2）、Mn（CaMnSi2O6）、Ni（Fe, Ni）9S8。
（4）电感耦合等离子体质谱仪（ICP-MS）：微量元素含量分析采用美国PerkinElmer公司的NexION 1000G 电感耦合等离子体质谱仪进行。随同试料进行双份空白试验，所用试剂相同。随同试料，对标准物质进行分析。向封闭溶样器的内罐中称取100 mg试料，随后加入1 ml氢氟酸和0.5 ml硝酸，并进行密封处理。将溶样器放入烘箱中，在（185±5）℃左右加热24 h。冷却后取出内罐，置于电热板上加热蒸干，再加入0.5 ml硝酸蒸发近干，重复操作此步骤一次。加入5 ml硝酸，再次密封，放入烘箱中，130 ℃加热3 h。冷却后取出内罐，将溶液定量转移至塑料瓶中。用蒸馏水稀释，定容至25 ml（或50 ml）。此溶液直接用于ICP-MS测定。
3. 分析结果
3.1 矿物成分
透闪石的主要谱峰位置为
9.0553 ～9.0707 Å（020）、8.4352 ～8.4500 Å（110）、3.1251 ～3.1271 Å（310）、2.7073 ～2.7089 Å（151）、1.6501 Å（461）（JCPDS标准卡片）。笔者共对9块龙溪玉样品开展了X射线粉末衍射实验。测试结果显示，所有玉石主要谱峰位置与强度几乎相同，与透闪石标准数据衍射谱线基本一致（图5，表2），说明龙溪玉的矿物组分较单一，主要由透闪石组成。所有样品中均存在白云石（2.8912 ），在部分样品（LX-6、LX-10、LX-13和LX-23）中还可见滑石（9.34）、方解石（3.0325 ）以及云母（10.097）的特征谱线，说明龙溪玉中可能含少量滑石、方解石、白云石和云母，这与镜下观察及电子探针测试结果一致。从测试结果来看，一部分优质玉石样品（LX-6、LX-7、LX-23、LX-40和LX-45）的透闪石含量高（＞80%），为典型透闪石玉；另外一部分品质较差的玉石（LX-10、LX-13、LX-14和LX-24）的透闪石含量较低（＜80%），白云石含量在30%以上，属于白云石透闪石玉（表2）。![]()
图 5 四川龙溪玉样品的X射线粉末衍射图谱Figure 5. XRD patterns of nephrite samples from Longxi, Sichuan Province表 2 四川龙溪玉XRD分析结果统计表（%）Table 2. The XRD analysis results from Longxi, Sichuan Province（%）样品编号 LX-6 LX-7 LX-10 LX-13 LX-14 LX-23 LX-24 LX-40 LX-45 白云石 1.18 7.15 30.33 34.20 39.69 14.82 44.32 4.93 13.05 方解石 0.00 0.00 0.00 26.91 0.00 0.00 0.00 0.00 0.00 云母 0.00 0.00 0.00 0.00 0.00 3.98 0.00 0.00 0.00 闪石 94.63 92.85 66.15 38.89 60.31 81.20 55.68 95.07 86.95 滑石 4.19 0.00 3.52 0.00 0.00 0.00 0.00 0.00 0.00 3.2 主量元素
角闪黑云片岩成分较为复杂，主要化学成分为SiO2（51.1%～51.2%）、Al2O3（14.5%～14.8%）、Fe2O3（14.0%～14.7%）、CaO（5.1%～5.6%）和Na2O（3.2%～4.0%）（表3）。矿体上盘大理岩的化学成分主要为CaO（33.1%）和MgO（18.5%），其烧失量大（LOI：44.5%）。龙溪玉不同样品的元素含量和烧失量略有差异。其中，黄绿色优质玉料（LX-6和LX-7）SiO2含量为55.2%～56.6%，MgO含量为23.4%～23.8%，CaO含量为13.5%～14.2%，烧失量为2.6%～3.2%。表皮见水草花状深色物质的黄绿色玉料（LX-10）SiO2含量为50.3%，MgO含量为23.3%，CaO含量为14.9%，烧失量为7.1%。青灰色玉料（LX-13和LX-14）SiO2含量为34.6%～42.0%，MgO含量为18.7%～22.1%，CaO含量为17.8%～23.7%，烧失量大（12.8%～17.7%），这与其中含较多碳酸盐矿物有关。含针柱状矿物的玉料（LX-23和LX-24）SiO2含量为45.5%～52.2%，MgO含量为22.4%～23.6%，CaO含量为14.4%～17.1%，烧失量为4.9%～9.9%。墨绿色玉料（LX-40和LX-45）SiO2含量为55.3%～55.4%，MgO含量为23.5%～23.7%，CaO含量为13.6%～13.9%，烧失量为3.1%～3.2%（表3）。
表 3 龙溪软玉及部分围岩样品XRF分析结果统计表（%）Table 3. The table of XRF results of Longxi nephrite and some host rock samples（%）样品编号 LX-1 LX-3 LX-4 LX-6 LX-7 LX-10 LX-13 LX-14 LX-23 LX-24 LX-40 LX-45 名称 角闪黑
云片岩角闪黑
云片岩大理岩 黄绿色
龙溪玉黄绿色
龙溪玉黄绿色
龙溪玉青灰色
龙溪玉青灰色
龙溪玉青灰色
龙溪玉黄绿色
龙溪玉墨绿色
龙溪玉墨绿色
龙溪玉Na2O 4.01 3.17 0.07 0.25 0.28 0.23 0.24 0.26 0.29 0.30 0.23 0.21 MgO 3.70 3.74 18.52 23.87 23.44 23.63 18.68 22.05 23.58 22.40 23.52 23.68 Al2O3 14.76 14.49 0.77 1.46 2.01 1.76 1.44 1.80 2.56 2.19 1.72 1.17 SiO2 51.10 51.27 1.08 56.59 55.18 50.30 34.63 42.00 52.17 45.52 55.32 55.37 P2O5 0.86 1.20 0.51 0.23 0.19 0.25 0.70 0.32 0.25 0.63 0.05 0.20 SO3 0.41 0.05 0.07 0.03 0.04 0.04 0.03 0.04 0.04 0.05 0.04 0.04 K2O 1.51 2.30 0.01 0.05 0.05 0.04 0.04 0.03 0.29 0.07 0.03 0.04 CaO 5.56 5.11 33.08 13.51 14.24 14.91 23.74 17.76 14.37 17.01 13.60 13.95 TiO2 2.20 2.30 0.00 0.01 0.02 0.03 0.05 0.15 0.02 0.06 0.00 0.00 MnO 0.26 0.31 1.56 0.23 0.13 0.64 0.20 0.44 0.30 0.41 0.32 0.12 Fe2O3 13.95 14.72 0.22 0.67 0.69 0.28 0.38 0.47 0.60 0.52 0.38 0.46 LOI 1.06 0.38 44.52 2.60 3.22 7.08 17.77 12.81 4.89 9.93 3.08 3.24 3.3 矿物主量元素
所有样品的主要成分为MgO、CaO、SiO2，其次为Na2O、K2O、P2O5、FeO和Al2O3等（表4，图6）。墨绿色（粗粒透闪石）、墨绿色（细粒透闪石）、黄绿色–青灰色（粗粒透闪石）、青灰色（细粒透闪石）玉石环带MgO含量分别为23.27%～23.95%、23.21%～24.14%、22.94%～23.91%、22.76%～24.17%和23.21%～23.96%；CaO含量分别为13.24%～13.80%、13.02%～13.75%、12.79%～13.75%、13.32%～13.72%和12.96%～13.61%；SiO2含量分别为58.09%～59.14%、57.26%～59.48%、55.66%～59.42%、56.37%～59.38%和57.4%～59.19%。墨绿色、黄绿色、青灰色玉石的FeO含量逐渐减少，而MnO含量逐渐升高，其余的成分（如Na2O、Al2O3、SiO2、P2O5和TiO2等）则无明显变化（图6）。
表 4 龙溪软玉电子探针分析结果统计表（%）Table 4. The table of EPMA results of Longxi nephrite（%）颜色 样品编号 Na2O MgO K2O CaO P2O5 FeO SiO2 Al2O3 MnO Cr2O3 TiO2 Total 墨绿色 LX-8-1-1 0.24 23.50 0.05 13.51 0.04 0.52 58.60 1.20 0.07 0.00 0.04 97.76 墨绿色 LX-8-1-2 0.13 23.78 0.05 13.72 0.03 0.50 58.80 0.45 0.08 0.01 0.00 97.55 墨绿色 LX-8-1-3 0.11 23.75 0.06 13.61 0.00 0.47 59.08 0.53 0.09 0.03 0.04 97.77 墨绿色 LX-8-1-4 0.18 23.52 0.05 13.50 0.01 0.55 58.65 1.10 0.09 0.03 0.00 97.68 墨绿色 LX-8-1-5 0.13 23.95 0.05 13.56 0.02 0.45 59.14 0.63 0.11 0.00 0.03 98.06 墨绿色 LX-8-1-6 0.29 23.54 0.06 13.51 0.01 0.51 58.13 1.60 0.10 0.00 0.01 97.75 墨绿色 LX-8-1-7 0.20 23.53 0.05 13.32 0.00 0.51 58.70 0.92 0.09 0.01 0.00 97.34 墨绿色 LX-8-1-8 0.25 23.52 0.05 13.24 0.02 0.52 58.46 1.30 0.12 0.05 0.05 97.57 墨绿色 LX-8-1-9 0.18 23.79 0.05 13.80 0.00 0.54 58.36 1.04 0.09 0.00 0.04 97.88 墨绿色 LX-8-1-10 0.26 23.27 0.02 13.35 0.06 0.55 58.45 1.45 0.09 0.00 0.00 97.50 墨绿色 LX-8-3-1 0.09 24.08 0.05 13.47 0.02 0.53 59.20 0.22 0.12 0.00 0.00 97.78 墨绿色 LX-8-3-2 0.10 23.99 0.06 13.59 0.01 0.47 59.36 0.28 0.14 0.00 0.00 98.00 墨绿色 LX-8-3-3 0.06 23.80 0.01 13.75 0.00 0.42 59.21 0.31 0.06 0.00 0.01 97.63 墨绿色 LX-8-3-4 0.16 23.74 0.06 13.59 0.00 0.51 58.62 0.64 0.11 0.02 0.00 97.45 墨绿色 LX-8-3-5 0.11 23.91 0.04 13.60 0.02 0.43 58.98 0.45 0.10 0.02 0.00 97.64 墨绿色 LX-8-3-6 0.11 23.85 0.03 13.56 0.02 0.47 58.69 0.42 0.09 0.00 0.00 97.26 墨绿色 LX-8-3-7 0.16 23.92 0.02 13.12 0.01 0.53 58.92 0.93 0.11 0.00 0.03 97.72 墨绿色 LX-8-3-8 0.07 24.02 0.06 13.65 0.00 0.50 59.48 0.19 0.13 0.00 0.01 98.11 墨绿色 LX-8-3-9 0.14 23.67 0.04 13.60 0.07 0.52 59.04 0.54 0.10 0.00 0.03 97.75 墨绿色 LX-8-3-10 0.27 23.21 0.07 13.21 0.02 0.50 57.26 1.43 0.11 0.00 0.04 96.13 黄绿色 LX-24-2-1 0.07 23.92 0.03 13.75 0.02 0.43 59.42 0.17 0.24 0.00 0.00 98.05 黄绿色 LX-24-2-2 0.22 23.35 0.05 13.33 0.00 0.58 58.50 1.50 0.25 0.05 0.00 97.82 黄绿色 LX-24-2-3 0.39 22.99 0.03 13.36 0.00 0.53 57.57 2.52 0.24 0.14 0.01 97.86 黄绿色 LX-24-2-4 0.13 23.44 0.02 13.43 0.00 0.41 58.31 0.73 0.27 0.04 0.04 96.81 黄绿色 LX-24-2-5 0.03 23.78 0.01 13.72 0.00 0.34 58.94 0.04 0.16 0.01 0.01 97.03 黄绿色 LX-24-2-6 0.18 23.74 0.05 13.33 0.00 0.44 58.50 0.89 0.22 0.00 0.01 97.37 黄绿色 LX-24-2-7 0.10 23.86 0.02 13.41 0.01 0.38 59.20 0.25 0.21 0.01 0.00 97.45 黄绿色 LX-24-2-8 0.08 23.90 0.02 13.59 0.02 0.36 59.12 0.13 0.25 0.04 0.02 97.51 黄绿色 LX-24-2-9 0.30 22.94 0.02 12.79 0.02 0.44 55.66 3.38 0.23 0.06 0.02 95.86 黄绿色 LX-24-2-10 0.06 23.80 0.04 13.53 0.01 0.38 58.97 0.32 0.23 0.00 0.01 97.34 青灰色 LX-18-1-1 0.02 24.17 0.03 13.64 0.02 0.27 59.38 0.01 0.22 0.00 0.00 97.77 青灰色 LX-18-1-2 0.11 23.45 0.02 13.50 0.13 0.37 58.79 0.44 0.21 0.01 0.01 97.04 青灰色 LX-18-1-3 0.10 23.88 0.00 13.39 0.00 0.38 58.52 0.52 0.22 0.01 0.02 97.03 青灰色 LX-18-1-4 0.13 23.90 0.03 13.52 0.03 0.38 58.92 0.56 0.26 0.00 0.00 97.72 青灰色 LX-18-1-5 0.08 23.83 0.03 13.51 0.00 0.49 58.33 0.29 0.20 0.03 0.00 96.79 青灰色 LX-18-1-6 0.47 22.76 0.06 13.32 0.05 0.42 56.37 3.01 0.27 0.02 0.02 96.76 青灰色 LX-18-1-7 0.08 23.56 0.05 13.57 0.00 0.45 58.70 0.36 0.27 0.00 0.00 97.05 青灰色 LX-18-1-8 0.02 23.81 0.00 13.40 0.00 0.31 59.27 0.03 0.20 0.00 0.02 97.06 青灰色 LX-18-1-9 0.04 23.94 0.01 13.72 0.00 0.35 59.32 0.05 0.22 0.00 0.03 97.68 青灰色 LX-18-1-10 0.05 23.92 0.01 13.71 0.00 0.27 59.24 0.07 0.22 0.00 0.02 97.50 青灰色 LX-18-2-1 0.22 23.52 0.02 12.96 0.00 0.41 58.31 1.22 0.26 0.00 0.03 96.94 青灰色 LX-18-2-2 0.21 23.48 0.02 13.29 0.04 0.33 58.47 1.35 0.25 0.00 0.02 97.46 青灰色 LX-18-2-3 0.21 23.35 0.04 13.21 0.03 0.43 57.88 1.33 0.28 0.01 0.02 96.79 青灰色 LX-18-2-4 0.22 23.46 0.07 13.04 0.00 0.40 58.26 1.48 0.29 0.01 0.03 97.25 青灰色 LX-18-2-5 0.10 23.62 0.02 13.38 0.00 0.28 58.58 0.47 0.23 0.01 0.03 96.71 青灰色 LX-18-2-6 0.16 23.72 0.05 13.36 0.00 0.43 58.49 0.77 0.22 0.00 0.02 97.22 青灰色 LX-18-2-7 0.25 23.21 0.06 13.02 0.00 0.35 58.12 1.42 0.24 0.00 0.02 96.72 青灰色 LX-18-2-8 0.03 23.96 0.00 13.61 0.00 0.23 59.19 0.05 0.18 0.00 0.01 97.26 青灰色 LX-18-2-9 0.23 23.38 0.02 13.19 0.00 0.37 58.15 1.29 0.26 0.02 0.02 96.97 青灰色 LX-18-2-10 0.22 23.53 0.02 13.34 0.02 0.33 58.37 1.43 0.23 0.00 0.00 97.47 ![]()
图 6 四川龙溪软玉样品电子探针分析结果统计图Figure 6. The results of electron probe analysis of Longxi nephrite3.4 全岩微量元素（稀土元素）
3.4.1 微量元素特征
玉石及围岩微量元素测试结果（表5）显示，角闪黑云片岩中Ba（
1500.2 ×10−6～2997.1 ×10−6）、Ce（105.6×10−6～143.39×10−6）、Nd（70.6×10−6～87.8×10−6）、Sr（362.5×10−6～369.9×10−6）、Zn（159.0×10−6～244.1×10−6）和V（41.8×10−6～56.5×10−6）等微量元素含量高；大理岩中Ba（18.4×10−6）、Pb（41.3×10−6）、Sr（463.2×10−6）、Zn（13.7×10−6）和Ni（19.8×10−6）等微量元素含量较高；玉石样品中Ba（6.4×10−6～156.2×10−6）、Pb（1.98×10−6～70.25×10−6）、Sr（27.8×10−6～278.8×10−6）、Zn（84.6×10−6～302.8×10−6）、V（75.9×10−6～291.9×10−6）、Ni（19.0×10−6～103.5×10−6）和Cr（19.9×10−6～357.2×10−6）等微量元素含量较高。表 5 龙溪软玉及部分围岩样品的微量元素质量分数统计表（10−6）Table 5. Trace elements mass fraction of Longxi nephrite and some host rocks samples（10−6）编号 LX-1 LX-3 LX-4 LX-6 LX-7 LX-10 LX-13 LX-14 LX-23 LX-24 LX-40 LX-45 名称 角闪黑
云片岩角闪黑
云片岩大理岩 黄绿色
龙溪玉黄绿色
龙溪玉黄绿色
龙溪玉青灰色
龙溪玉青灰色
龙溪玉青灰色
龙溪玉黄绿色
龙溪玉墨绿色
龙溪玉墨绿色
龙溪玉Ba 1500.24 2997.06 18.38 13.24 9.95 14.57 12.32 6.43 156.20 34.78 12.84 8.23 Be 4.63 3.76 0.15 1.02 0.88 1.22 1.00 1.23 1.07 1.39 1.01 0.76 Bi 0.15 1.10 0.59 0.23 0.16 0.29 0.18 0.24 0.12 0.14 0.12 0.14 Cd 0.23 0.19 0.29 1.79 1.37 3.92 2.48 4.32 2.42 9.33 2.90 0.89 Cs 2.60 3.85 0.12 0.07 0.05 0.05 0.04 0.03 0.26 0.11 0.07 0.04 Cu 18.62 9.25 7.65 13.16 14.38 15.33 19.43 16.01 3.34 16.10 5.31 9.74 Ga 29.70 26.38 1.08 2.00 2.14 2.79 1.93 2.70 3.15 3.71 2.61 1.54 Hf 1.39 1.00 0.19 0.22 0.25 0.24 0.21 0.45 1.72 0.74 0.17 0.16 In 0.32 0.12 0.01 0.00 0.00 0.01 0.00 0.01 0.01 0.02 0.01 0.01 Li 33.53 43.06 1.57 1.78 3.07 3.46 3.34 2.97 7.45 7.26 3.95 2.81 Mo 2.63 0.49 2.57 0.38 7.10 15.21 0.98 1.79 6.72 7.99 0.72 0.34 Nb 43.82 46.28 0.77 0.56 0.84 0.53 1.99 5.88 4.51 3.59 0.42 0.41 Pb 5.54 6.89 41.26 5.83 1.98 70.25 20.81 46.35 46.54 37.51 16.78 2.45 Rb 43.50 60.20 1.49 1.50 1.03 0.76 0.75 0.67 5.58 2.04 0.57 0.65 Sc 45.65 19.47 0.43 1.06 1.01 1.47 1.21 1.69 3.04 2.49 0.46 0.36 Sr 362.47 369.91 463.24 34.83 30.91 89.00 278.82 187.93 62.33 165.12 27.83 28.96 Ta 2.73 2.93 0.35 0.24 0.64 0.12 0.22 1.48 0.80 0.74 0.36 0.34 Th 5.65 7.59 0.21 0.32 0.30 0.61 0.83 1.02 1.08 2.55 0.23 0.20 Tl 0.25 0.46 0.05 0.01 0.00 0.00 0.00 0.00 0.06 0.02 0.00 0.00 U 1.45 1.36 4.13 2.33 2.78 3.19 2.21 6.16 1.66 8.93 1.04 0.69 W 2.20 1.08 0.56 0.32 0.29 0.35 0.27 0.23 0.55 0.47 0.43 0.63 Y 88.19 75.91 8.95 20.40 16.78 15.46 28.50 32.23 13.94 26.85 6.10 3.81 Yb 9.80 6.25 0.65 1.90 1.28 1.38 1.83 2.00 0.96 1.59 0.40 0.18 Zn 159.00 244.10 13.72 128.73 148.11 174.96 91.00 186.43 146.87 302.82 207.65 84.56 Zr 20.54 12.81 5.16 3.22 3.95 3.83 3.62 9.18 16.14 6.60 3.44 3.31 V 56.50 41.82 13.00 193.57 170.44 132.94 226.71 274.18 75.85 291.90 146.75 111.60 Co 13.00 25.48 0.60 1.67 2.19 2.72 1.64 3.86 1.60 3.80 1.69 1.73 Ni 11.40 22.64 19.78 57.24 34.52 35.12 58.43 86.15 19.35 103.47 95.40 18.97 As 2.07 1.68 1.27 1.00 1.22 1.80 1.77 1.58 0.72 1.47 0.55 2.11 Cr 14.73 12.01 5.80 42.76 85.11 144.68 298.16 208.41 43.29 357.24 39.72 19.89 3.4.2 稀土元素特征
玉石及部分围岩微量元素测试结果（表6，图7）显示，2件角闪黑云片岩的稀土元素总量（ΣREE）较高，介于322.27×10−6～400.72×10−6之间，轻重稀土分异较为明显，其中轻稀土元素（LREE）为263.35×10−6～347.41×10−6，重稀土元素（HREE）为53.31×10−6～58.91×10−6；LREE/HREE=4.47～6.52，（La/Yb）N=3.97～8.21，δEu=0.89～0.95，δCe =0.88～0.91，Eu、Ce均无异常趋势（图7a）。
表 6 龙溪软玉及部分围岩样品的稀土元素质量分数统计表（10−6）Table 6. Rare earth elements mass fraction of Longxi nephrite and some host rocks samples（10−6）编号 LX-1 LX-3 LX-4 LX-6 LX-7 LX-10 LX-13 LX-14 LX-23 LX-24 LX-40 LX-45 名称 角闪黑
云片岩角闪黑
云片岩大理岩 黄绿色
龙溪玉黄绿色
龙溪玉黄绿色
龙溪玉青灰色
龙溪玉青灰色
龙溪玉青灰色
龙溪玉黄绿色
龙溪玉墨绿色
龙溪玉墨绿色
龙溪玉La 54.17 71.49 6.40 0.74 0.76 2.03 15.26 1.75 0.61 15.15 0.80 0.93 Ce 105.62 143.39 3.48 0.91 0.94 1.88 7.06 2.98 0.78 13.74 1.04 0.83 Pr 15.49 20.49 1.10 0.36 0.48 0.85 3.01 1.50 0.29 3.63 0.33 0.30 Nd 70.64 87.84 4.78 2.39 3.15 4.42 12.31 9.40 2.04 15.98 1.71 1.33 Sm 13.44 18.56 0.70 0.87 1.13 1.22 2.25 2.89 0.83 2.62 0.43 0.36 Eu 3.99 5.64 0.19 0.18 0.18 0.20 0.45 0.40 0.14 0.34 0.09 0.08 Gd 13.80 17.05 0.80 1.33 1.49 1.51 2.67 3.32 1.06 2.94 0.50 0.38 Tb 2.55 2.91 0.19 0.34 0.34 0.33 0.48 0.67 0.23 0.53 0.10 0.08 Dy 16.70 14.95 0.89 2.45 2.33 2.17 3.44 4.35 1.52 3.48 0.68 0.47 Ho 3.43 2.90 0.23 0.57 0.51 0.49 0.78 0.91 0.37 0.74 0.15 0.12 Er 9.68 7.22 0.62 1.63 1.29 1.39 2.19 2.40 1.03 1.91 0.43 0.27 Tm 1.48 1.06 0.10 0.29 0.22 0.21 0.30 0.37 0.16 0.28 0.07 0.04 Yb 9.80 6.25 0.65 1.90 1.28 1.38 1.83 2.00 0.96 1.59 0.40 0.18 Lu 1.47 0.97 0.14 0.31 0.20 0.23 0.29 0.24 0.14 0.22 0.06 0.02 ![]()
图 7 龙溪玉及部分围岩稀土元素配分模式图（a）和微量元素蛛网图（b）Figure 7. (a) Chondrite-normalized REE patterns and (b) spider map of trace elements of Longxi nephrite and some host rocks samples大理岩的ΣREE=20.26×10−6，轻重稀土分异不明显，LREE=16.64×10−6，HREE=3.62×10−6，LREE/HREE=4.59，（La/Yb）N=7.01，δEu=0.77，δCe=0.29，具明显Eu负异常和Ce负异常（图7a）。
软玉样品的稀土元素总量差异比较大，介于5.39×10−6～63.14×10−6之间，品质差的玉料ΣREE要略高于品质好的玉料，黄绿色玉料（LX-6和LX-7）ΣREE要略高于墨绿色玉料（LX-40和LX-45）。总的来说，玉石的轻重稀土分异不明显，其中轻稀土元素（LREE）为3.83×10−6～51.45×10−6，重稀土元素（HREE）为1.57×10−6～14.26×10−6，LREE/HREE=0.62～4.40，（La/Yb）N=0.28～6.85，δEu=0.39～0.69，δCe=0.24～0.49，Eu、Ce均具明显负异常到轻微负异常特征（图7a）。在微量元素原始地幔标准化蛛网图（图7b）中，角闪黑云片岩的曲线呈右倾型，相对富集Ba和Sm，相对亏损高场强元素K、Th、Sr、Zr和Ti。大理岩样品和软玉样品具有相似的特征，曲线呈右倾型，相对富集U、La、Sr、P，相对亏损K、Nb、Cs、Zr、Ti。
4. 讨论
4.1 龙溪玉地球化学识别标志
4.1.1 主量元素特征
软玉是一种以透闪石矿物为主的矿物集合体，软玉中常存在各类元素间的类质同象替代现象（赵慧博等，2022）。不同产地的软玉，由于成玉条件不同，各元素间的类质同象替代作用也存在差异。本次研究对比了不同产地软玉的电子探针（EPMA）数据，发现新疆和田、青海、广西大化等地的软玉FeOT含量变化较大；江苏溧阳、黑龙江铁力、贵州罗甸、河南栾川、辽宁岫岩以及四川龙溪等地软玉FeOT数据点较为集中；其中辽宁岫岩和河南栾川软玉FeOT含量总体较高；四川龙溪、贵州罗甸以及黑龙江铁力软玉FeOT含量较为接近；江苏溧阳FeOT含量则总体较低（图8a、图8b）。所有产地FeOT+MgO和CaO+Na2O+K2O含量无明显差别，其中新疆和田和广西大化软玉FeOT+MgO含量变化大，贵州罗甸玉FeOT+MgO含量较高，江苏溧阳CaO+Na2O+K2O含量略微较高（图8a、图8b）。在图8c中可明显发现龙溪玉的P2O5和MnO明显高于其余产地，尤其MnO含量平均值达到了0.2%；除广西大化MnO含量平均值可达到0.1%以外，其余产地均小于0.1%。综上所述，本文认为高P2O5和MnO含量可以作为龙溪软玉的地球化学标型特征之一。
![]()
图 8 中国典型软玉产地玉石主量元素特征对比图数据引自刘晶，2002；阴江宁，2006；李红军，2008；凌潇潇等，2008；韩磊，2009；Liu et al.，2010；秦瑶，2013；高诗佳，2014；吴之瑛等，2014；朴庭贤，2014；徐立国等，2014；杜季明，2015；李晶，2016；于海燕，2016；郝爽，2016；张小冲，2016；李晶，2016；吴璘洁，2016；陈慕雨，2017；申晓萍，2017；韩冬等，2018；贾玉衡，2018；刘喜锋等，2019；郑奋等，2019；姜颖，2020；黄倩心，2021；徐琳抒等，2022；王蔚宁等，2022；赵素鹏等，2023Figure 8. Characteristic comparison of main element characteristics of nephrite from different areas in China4.1.2 微量元素特征
在地球化学研究过程中，不同微量元素常具有不同的性质，其可作为地球化学指示剂、示踪剂等（赵振华，2016）。笔者对中国不同产地软玉的全岩微量元素数据（ICP-MS）进行收集，不同产地软玉微量元素存在较为明显的差异（图9）。
![]()
新疆和田玉Zn含量较高，Sr和U含量较低，且Rb/Sr和Nb/Ta值较大，在Sr-Rb图解中集中分布于两个区域；青海软玉数据点总体变化较大，且Sr含量低，在Sr-Rb和Sr-V图解中具有较好的区分度；广西大化软玉Cr、Ni、Sr含量均较高，Cu含量以及Rb/Sr比值较低；贵州罗甸玉Co、Ni和Cr含量较低，在Ni-Co和Cr-Co图解中数据点较为集中，且具有较好的区分度；辽宁岫岩软玉Cr、Co、Ni和U含量较低，Cu含量较高，在Cr-Co、Cr-Ni和Zn-Cu图解中，可明显与其他产地的玉石相区别；四川龙溪软玉Ni、Cr、V和U含量高，在Ni-Co、Cr-Ni、Sr-V以及U-Th图解中均能很好的与其他产地软玉数据相区别。通过上述总结，本文认为高V、Cr和Ni含量可以作为龙溪软玉的地球化学标型特征之一，其他微量元素也可以较好的区别不同产地玉石。
4.1.3 稀土元素特征
稀土元素是一组特殊的微量元素，拥有独特的4f电子轨道。由于所有稀土元素均形成稳定的三价阳离子、且离子半径相近，因此他们具有非常相似的物理和化学特征，在任何地质体中都倾向于成组出现（张宏飞等，2012）。笔者对中国不同产地软玉的稀土元素数据进行了收集，并绘制了稀土元素配分模式图和散点图。
不同产地软玉的稀土元素配分模式图具有明显不同的特征（图10）。新疆和田软玉呈现轻稀土元素富集特征，Ce无明显异常，Eu具明显负异常，稀土元素配分曲线基本呈海鸥状（图10a）；江苏溧阳软玉呈现轻稀土元素富集特征，Ce和Eu无明显异常特征，稀土元素配分曲线基本呈右倾的曲线（图10b）；广西大化软玉具明显Ce、Eu负异常特征，稀土元素配分曲线较为平缓（图10c）；青海软玉呈现轻稀土元素轻微富集特征，Ce、Eu无明显异常特征，稀土元素配分曲线呈轻微右倾的曲线（图10d）；黑龙江铁力软玉呈现轻稀土元素富集特征，Ce具明显正异常、Eu无明显异常特征，稀土元素配分曲线呈明显右倾的曲线（图10e）；辽宁岫岩软玉Ce无明显异常、Eu具明显负异常特征，稀土元素配分曲线呈海鸥状，且轻稀土段曲线较为陡立，重稀土段曲线较为平缓（图10f）；四川龙溪软玉具明显Ce、Eu负异常特征，稀土元素配分曲线较平缓（图10g）；贵州罗甸软玉具明显Ce、Eu负异常特征，稀土元素配分曲线呈右倾的曲线（图10h）；河南栾川软玉无明显Ce和Eu异常特征，稀土元素配分曲线呈右倾的曲线（图10i）。通过对比可知，仅有广西大化软玉与龙溪软玉具有相识特征，其他产地的软玉和龙溪玉均有较大差别。
![]()
图 10 中国软玉稀土元素配分模式图数据引自阴江宁，2006；王时麒，2007；向芳等，2008a，2008b；程军等，2000；李晶等，2010；Liu et al.，2011a，2011b；杨林等，2012；高诗佳，2014；张亚东，2015；吴璘洁，2016；雷成，2016；张勇，2018；于海燕，2018；贾玉衡，2018；刘喜锋等，2019；郑奋等，2019；姜颖，2020；尹作为，2021；蓝叶，2022；陆俐合等，2023Figure 10. Chondrite-normalized REE patterns of nephrite from different areas in China对不同产地软玉的稀土元素进行投图，不同产地的点相对分散，有较好的区分度。新疆和田玉、江苏溧阳和辽宁岫岩等地软玉的δCe接近于1，垂向上具有直线分布特征；青海软玉和黑龙江铁力软玉δCe大于1，且青海软玉数据点相对分散、黑龙江铁力软玉则相对集中；四川龙溪、贵州罗甸以及广西大化等地软玉的δCe明显小于1，且数据点较为集中（图11）。各地区软玉ΣREE变化均较小，贵州罗甸ΣREE相对较高，青海软玉相对较低。龙溪软玉数据点与贵州罗甸玉和广西大化软玉的数据点难以区分（图11a、图11b）。龙溪软玉LREE/HREE值主要集中分布于1附近，明显区别于其他产地（图11c、图11d）。各地区软玉的LREE和HREE、LaN/YbN和LREE/HREE均具有明显的正相关性，龙溪软玉HREE含量最高，青海软玉HREE含量最低，其余产地较为集中，无明显区分度。综上所述，低δCe值，高HREE含量，LREE/HREE比值接近1，稀土元素配分曲线呈海鸥状，具明显Ce、Eu负异常特征可以作为龙溪软玉的地球化学标型特征之一。
![]()
图 11 中国软玉稀土元素散点图数据引自阴江宁，2006；王时麒，2007；向芳等，2008a，2008b；程军等，2000；李晶等，2010；Liu et al.，2011a，2011b；杨林等，2012；高诗佳，2014；张亚东，2015；吴璘洁，2016；雷成，2016；张勇，2018；于海燕，2018；贾玉衡，2018；刘喜锋等，2019；郑奋等，2019；姜颖，2020；尹作为，2021；蓝叶，2022；陆俐合等，2023Figure 11. Scatter diagram of rare earth elements of nephrite from different areas in China4.2 三星堆和金沙玉器软玉矿料溯源
我国著名的三星堆遗址和金沙遗址出土了大量玉石器，玉料以闪石玉（软玉）为主，属于狭义的“玉石”；其他玉料包括蛇纹石玉、红色玛瑙、大理岩、石英岩等，属于广义的“玉石”；另外还有少量砂岩、灰岩、斑岩等“石质”材料（朱章义等，2002，2004；鲁昊等，2021）。关于三星堆遗址和金沙遗址玉器的玉料来源众说纷纭（陈显丹，2007；向芳等，2008a，2008b；杨骊等，2015；鲁昊等，2021），主要观点有：①距三星堆不远的西部地区；②新疆和田玉；③江苏溧阳小梅岭玉矿；④外地直接输入；⑤岷江上游的“龙溪玉”或“珉玉”。由于三星堆和金沙玉器具有强烈的地域性色彩，因此目前大多学者认为玉器应该是就地取材加工而成的作品（陈显丹，2007；向芳等，2008a，2008b；杨骊等，2015；鲁昊等，2021）。
金沙文化（距今3200～2600年）晚于三星堆文化（距今4500～3000年），时代上有所重叠，二者不管是青铜器还是玉石器的造型和成分均具有一致性，差别在于金沙遗址玉器个体较小、数量更多、造型更加丰富、制作更为精良。金沙玉器的制作工艺仍沿袭了三星堆时期的加工技术，但整体水平更加精湛娴熟，器物的形制更为规整，钻孔后对孔眼等细节的处理亦越发细致，打磨抛光也是非常细腻。装饰方面，金沙玉器沿袭了三星堆玉器崇尚简单、朴素的传统风格，流行在器身外侧雕琢凸起牙饰和在器身上加刻线纹，体现出对三星堆玉器的继承和发展关系（朱章义等，2002，2004）。尤其是金沙遗址中出土的一件玉神人头像，造型风格与三星堆二号坑铜神坛第三层山形座旁边的侧面人头像几乎完全相同，与二号坑出土的大型铜兽面具也有相似之处，同样表明了金沙遗址与三星堆之间有极其紧密的关系（干福熹等，2017）。因此，大部分学者认为金沙文化是三星堆文化的延续，它们的玉石器很可能具有一致来源（向芳等，2008a，2008b；杨骊等，2015）。
前人对三星堆玉器（软玉）的外观研究表明，虽经过次生变化难以辨别玉材原本的颜色，但从器物细节处可见玉材颜色多为青黑色、青绿色和暗绿色等，半透明-不透明，具油脂光泽（鲁昊等，2021）。在金沙遗址，多数玉器（软玉）表现为不透明，材料疏松，多孔缝隙，表面硬度很低，在显微特征上表现为鳞片状滑石与柱状或细粒状透闪石组成的集合体（向芳等，2008a，2008b）。这些特征与龙溪软玉的外观特征很接近。龙溪软玉以墨绿色、黄绿色、浅绿色为主，有少量龙溪软玉样品局部显示为白色-青白色，玉石质地较软，裂纹较发育，主要为半透明—不透明，具油脂光泽或蜡状光泽。其矿物组合主要为透闪石，其次为方解石、白云石和滑石。品质较好的玉石主要为毛毡状交织结构、纤维定向结构等；品质差的玉石主要为纤维定向结构、叶片状定向结构。大部分样品中透闪石矿物均匀分布（图4g、图4h），部分样品中透闪石具定向分布特征（图4d～图4f）。这种定向排列的特征在其他产地软玉中较为罕见。另外，龙溪软玉和三星堆古玉的拉曼光谱相似，均具有674 cm−1主峰（鲁昊等，2021；徐琳抒等，2022）。
软玉的稀土元素在不同产地间的差异远远大于同一产地由于实验条件不同而产生的误差，这种不同产地软玉之间的差别，对物源示踪具有一定指示意义（程军等，2000，2005；王时麒，2007；向芳等，2008a，2008b；李晶等，2010；Liu et al.，2011a，2011b；钟友萍等，2013）。金沙遗址软玉的ΣREE平均值为8.21，轻（平均值为5.85）、重稀土元素（平均值为2.28）分异不明显，LREE/HREE值平均为2.57，具明显Ce、Eu负异常特征，稀土元素配分曲线呈海鸥状（图12a～图12d）。将金沙玉器与不同产地和遗址中软玉的稀土元素进行对比，不难发现，金沙遗址出土玉器的稀土配分模式图与贵州罗甸玉、广西大化玉以及四川龙溪玉具有相似性，均表现出明显的Ce、Eu负异常特征（图10；图12）。另外，金沙遗址软玉的δCe平均值为0.14，明显小于1。仅有贵州罗甸，广西大化以及四川龙溪软玉的δCe值符合这一特征（图10）。贵州罗甸玉轻重稀土分馏明显，这一特征明显不同于金沙玉器。相比之下，仅有四川龙溪以及广西大化软玉的稀土元素配分模式与金沙遗址软玉最为相似（图10、图12）。
![]()
金沙遗址和三星堆遗址出土的玉石器除了透闪石玉以外，还有部分蛇纹石玉、红色玛瑙、大理岩、石英岩等。金沙遗址和三星堆遗址北西汶川一带（图12e）出产“龙溪玉”（软玉），其围岩发育蛇纹岩、大理岩、石英岩、砂岩等，与两地遗址出土玉石器材质组合极为类似。从地理位置上来说，四川龙溪玉矿与两地遗址距离较近，且之间均有河流连通，据《续汉书·郡国志》记载：“有玉垒山，出璧玉，湔水所出”。因此，该地很可能为金沙遗址和三星堆遗址玉石器提供原料来源。综上所述，对于三星堆与金沙遗址的软玉玉器材质可能的来源，本研究倾向于四川龙门山地区汶川–茂县一带。
5. 结论
（1）龙溪软玉的颜色以墨绿色、黄绿色、浅绿色为主，少量为白色-青灰色，通常呈现墨绿色-黄绿色-浅绿色-青灰色环带。
（2）龙溪软玉具有高P、Mn、V、Cr、Ni、U含量和低δCe值（＞1），LREE/HREE值接近1，稀土元素配分曲线呈海鸥状，具明显Ce、Eu负异常特征，可以作为龙溪软玉的地球化学识别标志。
（3）三星堆与金沙遗址的软玉玉器材质可能主要来源于四川龙门山地区汶川–茂县一带。
-
![]()
图 1 长江中下游成矿带简易地质图（据Pan et al.，1999修）
Figure 1. Simplified geological map of the Mid-Lower Yangtze metallogenic belt
![]()
图 2 九瑞铜矿区地质图（据Yang et al.，2011修）
Figure 2. Geological map of the Jiurui region ore copper district
![]()
图 8 用于九瑞地区成矿预测的证据图层
Figure 8. Evidence layers for mineral prediction in the Jiurui region
![]()
图 10 九瑞地区找矿后验概率及远景区分级图
Figure 10. Map of posterior probability and hierarchical prospective in the Jiurui region
表 1 32种元素的检出限表
Table 1 Detection limits of 32 elements
序号 元素 检出限 序号 元素 检出限 1 Ag 0.01 17 Mo 0.5 2 As 2.82 18 Nb 5 3 Au 0.0003 19 Ni 5 4 B 5 20 P 30 5 Ba 10 21 Pb 5.4 6 Be 0.5 22 Sb 0.2 7 Bi 0.16 23 Sn 0.14 8 Cd 0.1 24 Sr 5 9 Co 1 25 Th 5.1 10 Cr 7.2 26 Ti 30 11 Cu 1 27 U 1 12 F 13 28 V 2 13 Hg 0.01 29 W 0.5 14 La 10 30 Y 10 15 Li 5 31 Zn 10 16 Mn 30 32 Zr 10 注：元素含量为10-6。 
下载: 导出CSV
表 2 R型因子分析的正交旋转因子载荷矩阵表
Table 2 Orthometric rotating factor loading matrix for R-factor analysis
变量 因子载荷 F1 F2 F3 F4 F5 F6 F7 Ag 0.101 −0.031 0.954 −0.065 0.030 0.039 −0.062 As 0.059 0.329 −0.099 0.854 −0.039 −0.027 −0.203 Au −0.012 0.717 −0.041 0.007 −0.026 0.005 −0.069 B −0.303 −0.072 −0.021 −0.072 0.716 0.163 −0.104 Ba 0.101 −0.031 0.954 −0.065 0.030 0.039 −0.062 Be 0.910 −0.023 0.175 0.068 0.015 0.170 −0.016 Bi −0.025 0.941 −0.006 0.062 −0.017 −0.032 0.007 Cd 0.055 0.249 −0.098 0.917 −0.099 −0.014 0.102 Co 0.767 −0.006 0.093 0.435 0.224 −0.021 −0.112 Cr 0.831 0.001 0.007 −0.061 −0.013 0.082 0.036 Cu −0.089 0.786 0.022 0.324 −0.022 0.014 0.288 F 0.835 0.043 −0.057 −0.051 −0.087 0.102 0.123 Hg 0.063 0.221 0.023 0.196 0.100 0.173 −0.443 La 0.235 −0.093 0.068 −0.125 0.153 0.760 0.047 Li 0.890 −0.019 0.124 0.013 0.059 0.177 −0.038 Mn 0.489 0.005 0.065 0.328 0.198 0.016 −0.212 Mo −0.009 0.489 0.015 0.229 0.015 0.044 0.679 Nb 0.254 0.104 0.118 −0.045 0.611 0.123 0.029 Ni 0.875 −0.069 0.049 −0.070 −0.026 0.181 0.052 P 0.464 −0.049 0.417 0.025 −0.226 −0.218 0.100 Pb 0.075 0.918 −0.014 0.050 −0.002 −0.026 −0.157 Sb 0.048 0.926 −0.062 0.169 0.022 −0.059 −0.053 Sn 0.274 0.287 0.064 0.053 −0.094 0.572 0.068 Sr 0.209 0.058 0.736 −0.077 −0.411 −0.093 0.068 Th 0.332 −0.015 −0.241 0.010 0.603 −0.116 0.094 Ti 0.569 0.011 0.586 0.006 0.252 −0.002 −0.110 U 0.170 −0.022 −0.193 −0.058 0.073 0.089 0.289 V 0.931 0.042 0.146 0.049 0.036 0.134 0.032 W −0.077 0.657 0.171 0.144 0.064 −0.022 0.444 Y 0.108 −0.216 −0.181 0.031 0.152 0.739 −0.141 Zn 0.026 0.049 −0.017 0.959 −0.055 −0.023 0.041 Zr −0.570 −0.070 −0.166 −0.098 0.546 0.097 0.007 注：该因子分析采用的提取方法为主成分分析法，旋转方法为Kaiser标准化最大方差法，旋转在七次迭代后已经收敛。
下载: 导出CSV
表 3 各证据层隶属度表（MSF）及模糊证据权重计算表
Table 3 Table of membership of each evidence layer (MSF) and calculation of fuzzy weights of evidence
缓冲距离分类 主要赋矿地层 断裂 花岗闪长斑岩 绿泥石化蚀变 地球化学异常分类 C-A分形模型 分类值 缓冲
距离（m）隶属度 证据
权重隶属度 证据
权重隶属度 证据
权重隶属度 证据
权重分类值 C-A分形 隶属度 证据
权重1 100 1 0.60 1 0.37 1 4.06 1 2.05 1 高异常 1 2.06 2 200 1 0.60 1 0.37 0.67 3.46 1 2.05 2 异常 0.67 2.00 3 300 1 0.60 1 0.37 0.33 2.64 0.8 1.99 3 弱异常 0.33 1.83 4 400 1 0.60 1 0.37 0 0.69 0.6 1.91 4 背景 −0.37 −0.37 5 500 0.8 0.58 0.86 0.36 0 0.69 0.4 1.78 5 − − − 6 600 0.6 0.55 0.71 0.36 − − 0.2 1.56 6 − − − 7 700 0.4 0.38 0.57 0.35 − − 0 1.03 7 − − − 8 800 0.2 −0.03 0.43 0.34 − − 0 1.03 8 − − − 9 900 0 −0.03 0.29 0.32 − − − − 9 − − − 10 1000 0 − 0.14 0.30 − − − − 10 − − − 11 1100 − − 0 0.26 − − − − 11 − − − 12 1200 − − 0 0.26 − − − − 12 − − − 13 1300 − − 0 0.26 − − − − 13 − − − 注：“−”为空值。
下载: 导出CSV
-
陈风河, 王建兴, 董国明, 等. 模糊证据权法在承德多金属矿产资源预测中的应用[J]. 新疆有色金属, 2015, 38(2): 76-78+82 CHEN Fenghe, WANG Jianxing, DONG Guoming, et al. Application of fuzzy weight of evidence method in prediction of polymetallic mineral resources in Chengde[J]. Xinjiang Nonferrous Metals, 2015, 38(2): 76-78+82.
成秋明, 陈志军, Ali Khaled. 模糊证据权方法在镇沅(老王寨)地区金矿资源评价中的应用[J]. 地球科学(中国地质大学学报), 2007, 32(2): 175-184 CHENG Qiuming, CHEN Zhijun, Ali Khaled. Application of Fuzzy Weigh of Evidence Method in Mineral Resource Assessment for Gold in Zhenyuan District, Yunnan Province, China[J]. Earth Science (Journal of China University of Geosciences), 2007, 32(2): 175-184.
邓军, 战明国, 周伟金, 等. 基于模糊证据权法的广西典型金矿矿产定量预测[J]. 地质力学学报, 2021, 27(3): 374-390 DENG Jun, ZHAN Mingguo, ZHOU Weijin, et al. Quantitative prediction of mineral resources in typical gold deposits in Guangxi, China using a fuzzy weights of evidence method[J]. Chinese Journal of Geomechanics, 2021, 27(3): 374-390.
董庆吉, 陈建平, 唐宇. R型因子分析在矿床成矿预测中的应用——以山东黄埠岭金矿为例[J]. 地质与勘探, 2008, 44(4): 64-68 DONG Qingji, CHEN Jianping, TANG Yu. Application of R type Factor Analyses in Mineralization prognosis: by an example of Huangbuling Gold deposit, Shandong province[J]. Geology and Exploration, 2008, 44(4): 64-68.
黄鑫怀, 李红利, 李增华, 等. 基于模糊证据权法的江西相山盆地火山岩型铀矿成矿潜力评价[J]. 世界核地质科学, 2023, 40(2): 226-235 doi: 10.3969/j.issn.1672-0636.2023.02.009 HUANG Xinghuai, LI Hongli, LI Zenghua, et al. Application of fuzzy weights of evidence method to prediction of mineralization in the volcanic-type uranium deposit in Xiangshan basin, Jiangxi[J]. World Nuclear Geology, 2023, 40(2): 226-235. doi: 10.3969/j.issn.1672-0636.2023.02.009
黄秀, 张钊, 陈建平, 等. 混合模糊证据权模型在河北承德煤炭资源预测中的应用[J]. 地质通报, 2010, 29(7): 1075-1081 HUANG Xiu, ZHANG Zhao, CHEN Jianping, et al. Application of hybrid fuzzy weights of evidence model in mineral resource assessment for coal in Chengde area, Hebei, China[J]. Geological Bulletin of China, 2010, 29(7): 1075-1081.
霍雨佳. 基于模糊证据权的川滇相邻地区铜矿预测[D]. 吉林: 吉林大学, 2023 HUO Yujia. Prediction of Copper Minerals in Sichuan-Yunnan Adjacent Region based on Fuzzy Evidence Weight [D]. Jilin: Jilin University, 2023.
蒋少涌, 徐耀明, 朱志勇, 等. 九瑞矿集区燕山期构造-岩浆作用及其与铜金多金属成矿关系研究[J]. 岩石学报, 2013, 29(12): 4051-4068 JIANG Shaoyong, XU Yaoming, ZHU Zhiyong, et al. Study on Mesozoic tectonics and granitic magmatism and their relationship with Cu-Au mineralization in the Jiurui ore district, Jiangxi province[J]. Acta Petrologica Sinica, 2013, 29(12): 4051-4068.
孔凡斌. 江西九瑞铜多金属矿深部成矿规律与找矿预测研究[D]. 南京: 南京大学, 2014 KONG Fanbin. Deep copper polymetallic metallogenic regularities and prospecting studies of favorable locations in Jiurui region of Jiangxi province[D]. Nanjing: Nanjing University, 2014.
李文明, 刘拓, 孙吉明, 等. 新疆北山白山地区地球化学特征及找矿远景预测[J]. 西北地质, 2021, 54(4): 42-48 LI Wenming, LIU Tuo, SUN Jiming, et al. Geochemical Characteristics and Prospecting Prognosis in Baishan Area of Xinjiang Beishan[J]. Northwestern Geology, 2021, 54(4): 42-48.
欧阳渊, 刘洪, 李光明, 等. 基于随机森林算法的找矿预测——以冈底斯成矿带西段斑岩−浅成低温热液型铜多金属矿为例[J].中国地质, 2023, 50(2): 303−330. OUYANG Yuan, LIU Hong, LI Guangming, et al. 2023. Mineral search prediction based on Random Forest algorithm: A case study on porphyry-epithermal copper polymetallic deposits in the western Gangdise meatallogenic belt[J]. Geology in China, 2023, 50(2): 303−330.
所颖萍. 江西九瑞地区成矿时空结构与铜金成矿作用[D]. 南京: 南京大学, 2013 SUO Yingping. The Metallogensis and space-time structure of copper and gold in Jiurui district, Jiangxi province[D]. Nanjing: Nanjing University, 2013.
王佳营, 曾威, 张祺, 等. 模糊证据权方法在纳米比亚白岗岩型铀矿预测中的应用[J]. 地质通报, 2023, 42(8): 1318-1333 WANG Jiaying, ZENG Wei, ZHANG Qi, et al. Application of fuzzy weights of evidence method in metallogenic prediction for alaskite-type uranium deposits in Namibia[J]. Geological Bulletin of China, 2023, 42(8): 1318-1333.
王兆强, 张岩. 长江中下游成矿带鸡笼山矽卡岩型铜金钼矿床花岗闪长斑岩对成岩-成矿的指示: 来自地球化学和锆石U-Pb年龄的证据[J]. 地质通报, 2023, 42(9): 1480−1493. WANG Zhaoqiang, ZHANG Yan. Geochemistry and zircon U-Pb age of granodiorite porphyry: Constraints on diagenetic and metallogenic processes of the Jilongshan Cu-Au-Mo deposit, Middle-Lower Yangtze River Valley Metallogenic Belt, China[J]. Geological Bulletin of China, 2023, 42(9): 1480−1493.
武进. 基于模糊证据权的找矿远景区预测方法研究与应用-以西藏米拉山为例[D]. 成都: 成都理工大学, 2017 WU Jin. Research and application of the forecasting method based on fuzzy evidence right in the search for distant scenic spot-Mila mountain as an example[D]. Chengdu: Chengdu University of Technology, 2017.
徐耀明. 江西九瑞矿集区燕山期岩浆岩成岩成矿作用地球化学及矿床预测研究[D]. 南京: 南京大学, 2014 XU Yaoming. Geochemistry of late Mesozoic magmatic rocks and related mineralizations and mineral prospecting in the Jiurui district of Jiangxi province[D]. Nanjing: Nanjing University, 2014.
薛琮一, 王嘉伟, 杨征, 等. 新疆和田布雅煤矿一带水系沉积物测量地球化学特征及找矿方向[J]. 西北地质, 2020, 53(4): 66-72 XUE Congyi, WANG Jiawei, YANG Zheng, et al. A Review of Geochemical Characteristics and Prospecting Direction of Stream Sediment of Buya Coal Mine in Hetian, Xinjiang[J]. Northwestern Geology, 2020, 53(4): 66-72.
张津瑞, 陈华, 任军平, 等. 矿产资源潜力评价方法对比及其发展趋势探讨[J]. 西北地质, 2023, 56(2): 292-305. ZHANG Jinrui, CHEN Hua, REN Junping, et al. Mineral Resource Assessment Methods Comparison and Its Development Trend Discussion[J]. Northwestern Geology, 2023, 56(2): 292-305.
周光锋. 基于机器学习的个旧地区锡铜多金属矿成矿预测[D]. 北京: 中国地质大学(北京), 2021 ZHOU Guangfeng. Mapping mineral prospectivity for Tin-Copper polymetallic mineralization by maschine learning methods in Gejiu, Yunnan province, China[D]. Beijing: China University of Geosciences (Beijing), 2021.
Agterberg F P. Computer Programs for Mineral Exploration[J]. Science, 1989, 245(4913): 76–81. doi: 10.1126/science.245.4913.76
Agterberg F P, Bonham-Carter G F. Statistical applications in the earth sciences[M]. Canada: Geological Survey of Canada, 1990.
Agterberg F P, Bonharn-Carter G F. Weights of Evidence Modeling And Weighted Logistic Regression For Mineral Potential Mapping[M]. New York: Oxford University Press, 1994.
Ali K, Cheng Q M, Chen Z J. Multifractal power spectrum and singularity analysis for modelling stream sediment geochemical distribution patterns to identify anomalies related to gold mineralization in Yunnan Province, South China[J]. Geochemistry: Exploration, Environment, Analysis, 2007, 7(4): 293-301. doi: 10.1144/1467-7873/06-116
Ayres R U, Ayres L W, Råde I. The Life Cycle of Copper, Its Co-Products and Byproducts[M]. Dordrecht: Springer Netherlands, 2003.
Carranza E J M. Geochemical anomaly and mineral prospectivity mapping in GIS[M]. Boston: Elsevier, 2009.
Chauhan S, Sharma M, Arora M K, et al. Landslide Susceptibility Zonation through ratings derived from Artificial Neural Network[J]. International Journal of Applied Earth Observation and Geoinformation, 2010, 12(5): 340–350. doi: 10.1016/j.jag.2010.04.006
Chen Y L, Wu W. A prospecting cost-benefit strategy for mineral potential mapping based on ROC curve analysis[J]. Ore Geology Reviews, 2016, 74: 26–38. doi: 10.1016/j.oregeorev.2015.11.011
Cheng Q M. GeoData Analysis System (GeoDAS) for mineral exploration: user’s guide and exercise manual[C] .Canada: Material for the training workshop on GeoDAS held at York University, 2000.
Cheng Q M. A New Model for Quantifying Anisotropic Scale Invariance and for Decomposition of Mixing Patterns[J]. Mathematical Geology, 2004, 36(3): 345–360. doi: 10.1023/B:MATG.0000028441.62108.8a
Cheng Q M. Mapping singularities with stream sediment geochemical data for prediction of undiscovered mineral deposits in Gejiu, Yunnan Province, China[J]. Ore Geology Reviews, 2007, 32(1–2): 314–324. doi: 10.1016/j.oregeorev.2006.10.002
Cheng Q M. Non-Linear Theory and Power-Law Models for Information Integration and Mineral Resources Quantitative Assessments[J]. Mathematical Geosciences, 2008a, 40(5): 503–532. doi: 10.1007/s11004-008-9172-6
Cheng Q M. Modeling Local Scaling Properties for Multiscale Mapping[J]. Vadose Zone Journal, 2008b, 7(2): 525–532. doi: 10.2136/vzj2007.0034
Cheng Q M. Multifractal interpolation method for spatial data with singularities[J]. Journal of the Southern African Institute of Mining and Metallurgy, 2015, 115(3): 235-240. doi: 10.17159/2411-9717/2015/v115n3a9
Cheng Q M, Agterberg F P. Fuzzy weights of evidence method and its application in mineral potential mapping[J]. Natural Resources Research, 1999, 8(1): 27-35. doi: 10.1023/A:1021677510649
Cheng Q M, Agterberg F P, Ballantyne S B. The separation of geochemical anomalies from background by fractal methods[J]. Journal of Geochemical Exploration, 1994, 51(2): 109–130. doi: 10.1016/0375-6742(94)90013-2
Cheng Q M, Zhang S Y. Fuzzy weights of evidence method implemented in GeoDAS GIS for information extraction and integration for prediction of point events[C]. Toronto: International Geoscience and Remote Sensing Symposium, 2002, 5: 2933-2935.
Egan J P. Signal detection theory and ROC-analysis[M]. New York: Academic Press, 1975.
Fabrigar L R, Wegener D T, MacCallum R C, et al. Evaluating the use of exploratory factor analysis in psychological research. [J]. Psychological Methods, 1999, 4(3): 272–299. doi: 10.1037/1082-989X.4.3.272
Hassanpour S, Afzal P. Application of concentration–number (C–N) multifractal modeling for geochemical anomaly separation in Haftcheshmeh porphyry system, NW Iran[J]. Arabian Journal of Geosciences, 2013, 6(3): 957–970. doi: 10.1007/s12517-011-0396-2
HUO Yujia, WANG Yongzhi, WU Qinghua, et al. Analysis method of gold reserve mineral deposit in Yunnan Province based on fuzzy evidence weight[J]. Progress in Geophysics, 2022, 37(6): 2552-2561.
Xiao F, Wang K Q, Hou W S, et al. Prospectivity Mapping for Porphyry Cu–Mo Mineralization in the Eastern Tianshan, Xinjiang, Northwestern China[J]. Natural Resources Research, 2020, 29(1): 89–113. doi: 10.1007/s11053-019-09486-5
Yang S Y, Jang S Y, Li L, et al. Late Mesozoic magmatism of the Jiurui mineralization district in the Middle–Lower Yangtze River Metallogenic Belt, Eastern China: Precise U–Pb ages and geodynamic implications[J]. Gondwana Research, 2011, 20(4): 831-843. doi: 10.1016/j.gr.2011.03.012
Keller C P. Geographic information systems for geoscientists: Modelling with GIS[J]. Computers & Geosciences, 1995, 21(9): 1110-1112.
Li H L, Li Z H, Ouyang Y P, et al. Application of principal component analysis and a spectrum-area fractal model to identify geochemical anomalies associated with vanadium mineralization in northeastern Jiangxi Province, South China[J]. Geochemistry: Exploration, Environment, Analysis, 2022, 22(3): 2021-090.
Mandelbrot B B. The fractal geometry of nature[M]. Deutschland: W. H. Freeman and Company, 1982.
Mudd G. M. , Jowitt S. M. Growing Global Copper Resources, Reserves and Production: Discovery Is Not the Only Control on Supply[J]. Economic Geology, 2018, 113(6): 1235-1267. doi: 10.5382/econgeo.2018.4590
Nykänen V. Radial Basis Functional Link Nets Used as a Prospectivity Mapping Tool for Orogenic Gold Deposits Within the Central Lapland Greenstone Belt, Northern Fennoscandian Shield[J]. Natural Resources Research, 2008, 17(1): 29-48. doi: 10.1007/s11053-008-9062-0
Nykänen V, Lahti I, Niiranen T, et al. Receiver operating characteristics (ROC) as validation tool for prospectivity models — A magmatic Ni–Cu case study from the Central Lapland Greenstone Belt, Northern Finland[J]. Ore Geology Reviews, 2015, 71: 853-860. doi: 10.1016/j.oregeorev.2014.09.007
Pan Y M, Dong P. The Lower Changjiang (Yangzi/Yangtze River) metallogenic belt, east central China: intrusion- and wall rock-hosted Cu–Fe–Au, Mo, Zn, Pb, Ag deposits[J]. Ore Geology Reviews, 1999, 15(4): 177-242. doi: 10.1016/S0169-1368(99)00022-0
Parsa M, Maghsoudi A, Yousefi M, et al. Multifractal interpolation and spectrum–area fractal modeling of stream sediment geochemical data: Implications for mapping exploration targets[J]. Journal of African Earth Sciences, 2017, 128: 5-15. doi: 10.1016/j.jafrearsci.2016.11.021
Porwal A, Carranza E J M, Hale M. A Hybrid Fuzzy Weights-of-Evidence Model for Mineral Potential Mapping[J]. Natural Resources Research, 2006, 15(1): 1-14 . doi: 10.1007/s11053-006-9012-7
Rossi M, Guzzetti F, Reichenbach P, et al. Optimal landslide susceptibility zonation based on multiple forecasts[J]. Geomorphology, 2010, 114(3): 129-142. doi: 10.1016/j.geomorph.2009.06.020
Swets J A. Signal Detection Theory and ROC Analysis in Psychology and Diagnostics Psychology Press[M]. New York: Psychology Press, 2014.
Zhang D J, Agterberg F, Cheng Q M, et al. A Comparison of Modified Fuzzy Weights of Evidence, Fuzzy Weights of Evidence, and Logistic Regression for Mapping Mineral Prospectivity[J]. Mathematical Geosciences, 2014, 46(7): 869-885. doi: 10.1007/s11004-013-9496-8
Zhang Z J, Zuo R G, Xiong Y H. A comparative study of fuzzy weights of evidence and random forests for mapping mineral prospectivity for skarn-type Fe deposits in the southwestern Fujian metallogenic belt, China[J]. Science China Earth Sciences, 2016, 59(3): 556-572. doi: 10.1007/s11430-015-5178-3
Zheng Y Y, Sun X, Gao S B, et al. Analysis of stream sediment data for exploring the Zhunuo porphyry Cu deposit, southern Tibet[J]. Journal of Geochemical Exploration, 2014, 143: 19-30. doi: 10.1016/j.gexplo.2014.02.012
Zou K H, O’Malley A J, Mauri L. Receiver-Operating Characteristic Analysis for Evaluating Diagnostic Tests and Predictive Models[J]. Circulation, 2007, 115(5): 654-657. doi: 10.1161/CIRCULATIONAHA.105.594929
Zuo R G, Carranza E J M, Cheng Q. Fractal/multifractal modelling of geochemical exploration data[J]. Journal of Geochemical Exploration, 2012, 122: 1-3. doi: 10.1016/j.gexplo.2012.09.009
Zuo R G, Xia Q L, Zhang D J. A comparison study of the C–A and S–A models with singularity analysis to identify geochemical anomalies in covered areas[J]. Applied Geochemistry, 2013, 33: 165-170. doi: 10.1016/j.apgeochem.2013.02.009
计量
- 文章访问数: 118
- HTML全文浏览量: 12
- PDF下载量: 30
