Study on Geochemical Prospecting Methods in Forest Swamp Area of Northeast Daxing’an Mountains: Example from Erdaokan Silver Polymetallic Mine Area in Heilongjiang Province
-
摘要:
在黑龙江省二道坎森林–沼泽浅覆盖区，采用B、C层不同样品粒级对照分析方法，开展了土壤、岩屑测量采样方法技术剖面试验研究，选择采取的−5～+20目、−20～+60目和−60目3种粒级试验样品，并对比不同粒级样品中各元素在地球化学特征、元素组合以及异常圈定等方面存在的差异。结果表明，不同粒级样品所圈定的成矿元素地球化学异常都具备Ag-Pb-Zn-Mn多元素异常组合的特征，且异常分布范围与深部矿体较为一致，元素浓集中心与深部矿体空间位置吻合较好。具体表现为岩屑、土壤测量皆可以有效地指示银铅锌矿体，可作为该区寻找银铅锌矿的有效手段。而C层−20～+60目粒级岩屑测量效果更好，表现在元素含量更高，异常强度更强，元素组合指示意义更明显，定位矿体更精准，可以强化土壤微弱异常，有利于发现和识别弱的矿化信息。因此，在研究区内开展地球化学测量适宜采用−20～+60目粒级岩屑采样方法，其可为森林–沼泽覆盖区如二道坎地区以及多宝山矿集区开展1∶1万化探详查和找矿预测提供了技术依据。
Abstract:In the shallow forest-swamp overlying area of Erdaokan, Heilongjiang Province, the experimental study on the technical profile of soil and rock debris measurement and sampling methods was carried out by using the method of comparative analysis of different sample sizes in B and C layers. The samples of −5～+20 mesh, −20～+60 mesh and −60 mesh were selected. The differences in geochemical characteristics, element combination and anomaly delineation of each element in different sample sizes were also compared. The results show that the geochemical anomalies of ore-forming elements delineated by different sized samples have the characteristics of Ag-Pb-Zn-Mn multi-element anomaly combination, and the distribution range of anomalies is consistent with the deep ore body, and the element concentration center is in good agreement with the spatial location of the deep ore body, indicating that the ore-body can be effectively indicated by rock debris and soil survey. It can be used as an effective means to find silver-lead-zinc deposits in this area. Through the study, the measurement results of C−20～+60 mesh rock cuttings collected in the mining area are higher and better, which are manifested in higher element content, stronger anomaly intensity, more obvious indication of element combination, and more accurate ore body positioning, which can strengthen the weak soil anomaly, and is conducive to the discovery and identification of weak mineralization information. Therefore, the sampling method of −20～+60 mesh cuttings is suitable for geochemical survey in the study area, which provides a technical basis for the detailed survey of 1∶10 000 geochemical exploration in forest-swamp overlying region including the Erdaokanzi and Duobaoshan ore concentration areas.
-
舟曲县山大沟深、岩体破碎、构造发育、软岩遍布、暴雨和地震频发、多发，地质灾害十分发育，是全国滑坡、泥石流强烈发育区之一（汪美华等，2023），被列为长江上游水土保持重点治理县。从2010年开始舟曲县相续发生了“8.8”特大山洪泥石流、南峪江顶崖滑坡、东山牙豁口滑坡和2021年的立节北山、果耶磨里滑坡，灾害的发生造成了巨大经济财产损失和人员伤亡，同时也为防灾减灾工作带来一定挑战。因此，舟曲县地质灾害防治工作备受重视，地质灾害调查评价、监测预警等综合防治体系愈加完善（刘传正等，2020），避险搬迁有序进行。易发性评价作为地质灾害调查评价的基础工作（吴树仁等，2009），可为城镇规划发展以及工程建设提供决策参考。
关于地质灾害易发性的研究，关注点多在评价方法。自20世纪60年代起，评价方法由单一的数学统计法和机器学习模型（Ayalew et al.，2005；许冲等，2009；张俊等，2016；方然可等，2021；赵东亮等，2021；张林梵等，2022；孟晓捷等，2022；贾俊等，2023），逐渐发展到多方法结合（Capparelli et al.，2011；许英姿等，2016；贾丽娜等，2018；张玘恺等，2020；罗路广等，2021a；王高峰等，2021；张文居等，2022），不同方法各有千秋，快速、精准地建立模型在实际工作中更为实用。在评价因子选取方面，往往忽略孕灾地质条件分析，过分依赖个人经验，导致有的评价因子缺乏针对性和代表性（罗路广等，2021b）。
鉴于此，笔者依托2020～2021年实施完成的《舟曲县1∶50 000地质灾害风险调查评价》项目（陈世昌等，2021），利用最新的地质灾害调查数据，研究区域内孕灾地质条件和地质灾害发育的相关性，选取合适的评价因子，运用层次分析法，进行舟曲县地质灾害易发性评价，为地方政府防灾减灾提供可靠的参考依据。
1. 孕灾地质条件分析
孕灾地质条件包括多种基础地质要素，是研究地质灾害形成的关键，也是易发性制图的根基（乐琪浪等，2015；王高峰等，2016，2017）。
1.1 地形地貌与地质灾害
地形地貌分为宏观和微观，共同构成地质灾害形成的重要条件。宏观地貌例如山区、河谷，受构造运动影响，形成过程漫长且不易改变；微观地貌例如坡高、坡度，除自然形成外，还明显受人类工程活动影响，其变化往往会引发不同规模的地质灾害。
1.1.1 宏观地形地貌与地质灾害的关系
研究区位于西秦岭中高山区，山峻谷深，沟壑纵横，侵蚀切割强烈，宏观上分为侵蚀构造山地和侵蚀堆积河谷平原。地质灾害隐患点多集中在侵蚀构造山地。
在侵蚀构造山区，遭受侵蚀、强风化作用的基岩构成中山、高山主体，表层覆盖较厚松散的残坡积层，局部裸露基岩节理裂隙发育，岩石极为破碎，在自然状态下较易发生滑坡、崩塌等地质灾害，雨季暴雨时可为泥石流灾害提供充足的物源（熊德清等，2021）。
1.1.2 微观地形地貌与地质灾害的关系
（1）对滑坡、崩塌的影响
坡形直接影响崩滑灾害的形成（孙萍萍等，2019）。凸形、直线形、阶梯形和凹形是区内坡形的主要类型。对研究区172处斜坡类灾害的统计分析表明，崩塌灾害发生于应力集中程度高的凸形和直线形正向类型斜坡。滑坡主要发生于凹形和凸形斜坡，占总滑坡数量的63.6%。部分滑坡群分布于高陡坡体的第一斜坡带，坡脚处多无岩土体支撑，坡形多呈直线形或凸形；受构造、地下水影响发生过多次滑动的大滑坡多分布在山体坡脚较缓斜坡上，天然坡度20°左右，斜坡形态一般呈凹形（表1）。
表 1 崩塌、滑坡对应坡形统计表Table 1. Slope shape statistics corresponding to collapse and landslide序号 坡面形态 灾体数量
（个）所占比例
（%）灾害类型 滑坡 崩塌 1 凸形 40 23.3 35 5 2 凹形 54 31.4 54 0 3 直线形 53 30.8 26 27 4 阶梯型 25 14.5 25 0 合计 172 100.0 140 32 坡度影响斜坡的应力大小与分布。利用DEM提取坡度，统计不同坡度区间的灾害数量。统计结果如下：崩塌所在斜坡坡度为40°～85°，多分布在60°以上的陡崖；滑坡所在斜坡坡度为15°～60°，多分布于25°～45°之间的陡坡地段（表2）。
表 2 不同坡度区间崩塌滑坡发生概率统计表Table 2. Statistics of collapse and landslide occurrence in different slope gradient intervals序号 坡度区
间（°）灾害总数 灾害类型 滑坡 崩塌 数量（个） 比率（%） 数量（个） 比率（%） 数量（个） 比率（%） 1 0～10 0 0.0 0 0.0 0 0.0 2 11～20 26 15.1 26 18.6 0 0.0 3 21～30 42 24.4 42 30.0 0 0.0 4 31～40 45 26.2 43 30.7 2 6.3 5 41～50 27 15.7 19 13.6 8 25.0 6 51～60 13 7.6 10 7.1 3 9.4 7 61～70 7 4.1 0 0.0 7 21.9 8 71～80 7 4.1 0 0.0 7 21.9 9 81～90 5 2.9 0 0.0 5 15.6 合 计 172 100 140 100 32 100 坡高控制斜坡的应力大小。低边坡受人类工程活动影响强烈，多发生削坡建房、建厂等，较大临空面易发育崩塌；高边坡（主要指100～400 m之间）的影响因素较多，易发生滑坡。根据统计结果，坡高0～100 m区间内，崩塌发生的次数及比率最高，数量有19处，占崩塌总数59.4%；滑坡发生比率较高的区间是50～400 m，共95处，占滑坡总数的67.8%（表3）。
表 3 不同坡高区间崩塌滑坡发生概率统计表Table 3. Statistics of collapse and landslide occurrence in different slope height intervals序号 坡高区间
（m）数量（个）
比率（%）灾害类型 滑坡 崩塌 数量（个） 比率（%） 数量（个） 比率（%） 1 0～50 29 16.9 18 12.9 11 34.4 2 51～100 31 18.0 23 16.4 8 25.0 3 101～200 41 23.8 35 25.0 6 18.8 4 201～300 19 11.0 16 11.4 3 9.4 5 301～400 23 13.4 21 15.0 2 6.3 6 401～500 9 5.2 9 6.4 0 0.0 7 501～600 8 4.7 8 5.7 0 0.0 8 601～700 6 3.5 5 3.6 1 3.1 9 ＞700 6 3.5 5 3.6 1 3.1 合 计 172 100.0 140 100.0 32 100.0 （2）对泥石流的影响
影响泥石流的地形地貌主要包括主沟纵坡、沟坡坡度、流域面积和相对高差，其控制着泥石流的形成（白永健等，2014a）。
主沟纵坡为泥石流的形成提供动力。对区内124条泥石流沟谷的主沟纵坡进行统计（表4）发现，平均主沟纵坡为10%～50%的沟谷占总数的75.8%，说明在此区间的沟床比降对泥石流的形成和运动最为有利；主沟纵坡＞10%的占总数的89.5%，这与舟曲县山大谷深的地形地貌有关。
表 4 泥石流主沟纵坡统计表Table 4. Statistics of longitudinal slope of main gully of debris flow序号 主沟纵坡（‰） 泥石流数量（条） 比例 泥石流类型 易发程度 （%） 泥石流 水石流 高易发 中易发 低易发 1 ＜100 13 10.5 13 0 0 10 3 2 100～200 37 29.8 37 0 0 37 0 3 200～300 29 23.4 29 0 0 27 2 4 300～400 16 12.9 16 0 1 13 2 5 400～500 12 9.7 2 0 1 10 1 6 500～600 11 8.9 10 1 0 9 2 7 600～700 4 3.2 3 1 0 1 3 8 700～800 1 0.8 1 0 0 0 1 9 ＞800 1 0.8 1 0 0 0 1 合计 124 100.0 112 2 2 107 15 沟坡坡度影响松散物质堆积量和降雨汇集速度。据统计，泥石流在26°～45°之间最为发育，共计100条，占总数的80.6%；高易发和中易发泥石流的数量分别为2条和90条，分别占各自类型总数的100%和84.1%（表5）。
表 5 泥石流山坡坡度统计表Table 5. Statistics of debris flow in different slope ranges序号 坡度区间（°） 泥石流数量（条） 所占比例 泥石流类型 易发程度 （%） 泥石流 水石流 高易发 中易发 低易发 1 ＜25 2 1.6 2 0 0 2 0 2 26～35 46 37.1 45 1 1 44 1 3 36～45 54 43.5 54 0 1 46 7 4 46～55 15 12.1 14 1 11 4 5 ＞55 7 5.6 7 0 0 4 3 总计 124 100 122 2 2 107 15 流域面积小利于泥石流的形成。对区内124条泥石流进行统计，10 km2以下的有90条，占总数的72.6%。此区间内，易发性中、高泥石流分别为76条和2条，均占到各自类别数量的70%以上（表6）。
表 6 泥石流流域面积统计表Table 6. Statistics of debris flow in different watershed areas序号 流域面积
（km2）泥石流数量
（条）比例
（%）泥石流类型 易发程度 泥石流 水石流 高易发 中易发 低易发 1 ＜1 40 32.3 38 2 1 31 8 2 1～5 37 29.8 37 0 0 34 3 3 5～10 13 10.5 13 0 1 11 1 4 10～20 9 7.3 9 0 0 8 1 5 20～50 16 12.9 16 0 0 14 2 6 50～100 8 6.5 8 0 0 8 0 7 ＞100 1 0.8 1 0 0 1 0 合计 124 100 122 2 2 107 15 相对高差为泥石流的形成提供动能和势能。94条泥石流发育于500～2000 m的相对高差，占总量的75.8%，反映了舟曲县地形起伏较大的特征（表7）。
表 7 泥石流相对高差统计表Table 7. Statistics of debris flow in different relative elevation ranges序号 相对高差
（m）泥石流数量
（条）比例
（%）泥石流类型 易发程度 泥石流 水石流 高易发 中易发 低易发 1 ＜200 4 3.2 4 0 0 4 0 2 200～500 17 13.7 16 1 0 15 2 3 500～1000 42 33.9 41 1 1 33 8 4 1000～1500 31 25.0 31 0 1 27 3 5 1500～2 000 21 16.9 21 0 0 20 1 6 ＞2000 9 7.3 9 0 0 8 1 合计 124 100 122 2 2 107 15 1.2 地质构造与地质灾害
地质构造通过对地形地貌、地层岩性、断裂褶皱和地震分布的控制，影响着地质灾害的发育程度与分布规律（白永健等，2014b）。
（1）构造控制地质灾害的总体分布
区域性总体抬升的新构造运动是控制区内地质灾害发育的重要因素。研究区发育的崩滑灾害受控于西秦岭褶皱带，尤其是白龙江断裂褶皱带，构造线呈NW～SE向展布，经多期强烈的构造运动，地质构造十分发育，利于地质灾害的形成。
（2）断裂对崩塌、滑坡的控制
断裂对崩滑灾害具有控制性，常造成岩体破碎、地下水活动异常等（彭建兵，2006；张永双等，2016）。
舟曲县滑坡呈带状集中分布于断裂带两侧附近，以坪定–化马断裂带为典型。沿该断裂带的北坪定乡—东山乡25km长的范围内发育有多处较大规模滑坡，形成一个锁儿头–泄流坡–中牌滑坡密集带。
崩塌分布也明显受断裂控制，特别是三眼峪沟、罗家峪沟、峪子沟等几条较大支沟的中下游区断裂与沟谷岸坡交汇位置基岩、碎石土崩塌较为发育。白龙江南岸山区硬质岩区发育的断裂带与沟谷陡崖交互地带也是基岩崩塌密集分布的地带。
1.3 工程地质岩组与地质灾害
工程地质岩组是崩滑流形成的“地基”式组成，控制地质灾害发育（黄润秋等，2008）。
（1）对泥石流的控制
研究区泥石流分为两种类型：泥石流和水石流，与地层分布息息相关。泥石流发育区多为志留系、泥盆系板岩、千枚岩以及石炭系灰岩，受构造运动影响，岩体构造裂隙发育，风化较强，力学性质一般。水石流发育区多集中于中生界硬质岩，地层岩性及岩土体结构对斜坡的稳定较为有利，滑坡、崩塌等重力堆积物不发育，山坡、沟道中堆积的松散固体物质相对较少，受固体物质补给量的限制，灾害以山洪为主，局部发育水石流沟。
研究区易发泥石流的地层主要有古生界千枚岩、板岩等变质岩，此类地层岩体本身较为破碎，加之风化作用，使得表面堆积有较厚松散物质，为泥石流的形成提供固体物质储备。棱角状碎屑使其具有较强裹携能力，易侵蚀沟床，促进泥石流的发育。
（2）对滑坡、崩塌的控制
区内易发生滑坡的地层有：第四系黄土、碎石土堆积层和中～古生界千枚岩、板岩等。黄土的特殊物理力学性质为滑坡的发育提供了基本条件，疏松、不稳定的结构，决定了其内聚力较低。碎石土堆积层土石混杂，结构松散，底部与基岩的接触面倾向坡外，内部分布有倾向坡外且较连续的由千枚岩等变质岩风化岩屑构成的细粒土透镜体夹层，抗剪能力差，且相对隔水，千枚岩、板岩、片岩等软弱岩层的存在，使得这些岩土质斜坡的稳定性大为降低。
区内易发生崩塌的地层有：第四系黄土，志留系、泥盆系千枚岩、板岩，二叠系、三叠系灰岩和其他硬质基岩。值得一提的是，其它硬质基岩形成较早，发育节理裂隙，在降雨、特别是地震作用下，易发生崩塌。区内西南部较大沟谷中常见以落石的形式崩落于沟谷之中，沟谷乡间公路两侧也有发育。
1.4 生态环境与地质灾害
生态环境主要指地表植被，它能通过地表保护、控制径流等间接影响地质灾害的发育。
（1）对滑坡的影响
地表缺乏植被保护，会加速表层风化，降雨迅速流入孔隙裂缝中，下渗至坡体软弱面，易形成滑坡。
（2）对泥石流的影响
植被叶片的蒸腾作用可消耗一定的降雨，同时根茎、落叶等能够吸收部分地表降雨，调节地面雨水的径流量以及径流速度，从而降低雨水裹携松散物质的动能，对泥石流的形成具有抑制作用。
2. 地质灾害易发性评价
2.1 数据源
数据源主要包括（表8）：①地质灾害隐患点的数据来自2021年开展的舟曲县1∶50 000地质灾害风险调查评价项目。②DEM数据为30 m×30 m分辨率的公开数据源，用于提取坡度、坡型、切割深度、沟壑密度等地形地貌参数。③1∶50000孕灾地质条件图（图1），用于提取岩土体类型、地质构造等信息。④2019年4月的ETM+遥感数据，用于计算植被指数NDVI。
表 8 数据来源一览表Table 8. List of data sources基础数据 数据来源 数据格式 说明 地质数据 1∶50 000孕灾地质条件图 SHP 提取地质构造、岩土体类型等 DEM数据 地理空间数据云 TIFF 30 m×30 m分辨率，用于提取地形地貌相关数据 遥感数据 ETM+ TIFF 2019年4月数据，用于计算NDVI 隐患点数据 舟曲县1∶50 000地质灾害风险调查评价成果 SHP 用于构建发育因子指标 ![]()
图 1 舟曲县孕灾地质条件图1. 第四系中上更新统黄土；2. 白垩系下统砂岩；3. 燕山期花岗岩；4. 二叠系下统砂岩、板岩；5. 石炭系中上统灰岩；6. 泥盆系中统板岩；7. 志留系中上统千枚岩、板岩；8. 志留系下统灰岩；9. 地质构造Figure 1. Map of Disaster-prone geological conditions in Zhouqu County根据调查成果，舟曲县共确定地质灾害隐患点299处，其中泥石流124处，占总数41.5%，滑坡140处，占总数46.8%，崩塌32处，占总数10.7%，地面塌陷3处，占总数1%（图2）。
![]()
图 2 舟曲县地质灾害分布图1. 崩塌；2. 滑坡；3. 泥石流；4. 地面塌陷；5. 水系；6. 县界Figure 2. Map of geological hazard distribution in Zhouqu County研究区地质灾害易发性评价采用层次分析法，依据评价因子的内在关系，建立层次结构模型，并逐个评判各因子之间的重要程度，建立判断矩阵，最终确定所有因子的权重。
2.2 指标体系
地质灾害易发性是地质灾害发育现状的具体表现，同时需要考虑孕灾地质环境背景的复杂性。因此，本研究评价指标体系构建如下：地质灾害易发性→发育因子、孕灾地质条件因子→11个具体的评价指标（图3）。
2.3 评价模型
地质灾害易发性评价采用线性组合，根据评价指标体系，建立11个评价因子的量化数据库，消除量纲进行归一化处理，确定其权重，运用GIS的栅格计算器工具，叠加处理，具体评价模型为：
$$ Y=w_{1}x_{1}+w_{2}x_{2}+w_{3}x_{3}+…+w_{n}x_{n} $$ (1) 式中：Y为易发性指数；w1、w2…wn为各评价因子；x1、x2…xn为各评价因子对应的权重。
2.4 评价指标量化
（1）发育因子
发育因子主要考虑地质灾害发育程度，与其分布和数量有关，还得考虑灾害的规模大小。基于准确性与可操作性，地质灾害数量、面积与体积资料详实，可作为发育因子的评价指标。将全域划分为2.5 km×2.5 km的网格，以小网格为基准进行计算（图4）。
地质灾害频率比（C1）：设某单元格为（m，n），其面积为S（m，n），单元内发育灾害数量为q（m，n），单元内的灾害频率密度为：
$$ fq(m\text{，}n)= q(m\text{，}n)/ S(m\text{，}n) $$ (2) 全域总面积S，总灾害数量Q，频率比为：
$$ f_{Q}=Q/S $$ (3) 则：第（m，n）单元格灾害频率比为：
$$ Rf(m\text{，}n)=fq(m\text{，}n)/f_{Q } $$ (4) 同理，地质灾害面积模数比（C2）与地质灾害体积模数比（C3）不再赘述。
（2）孕灾地质条件因子
根据孕灾地质条件分析结果，共选取了地形地貌数据、岩土体类型数据等八个对地质灾害发育影响较大的因子，进行归一化处理（图5），量化信息见表9。
表 9 孕灾地质条件因子量化一览表Table 9. Quantitative list of disaster-pregnant geological conditions序号 分类 孕灾因子 数据源 指标量化过程（意义） 1 地形地貌数据 坡度 DEM
（30 m×
30 m）DEM数据提取。研究区内崩滑灾害所在斜坡坡度区间为10°～70°，本次评价将坡度上限的易发程度定义为1，坡度下限的易发程度定义为0，进行归一化处理 2 坡度变化率 DEM数据提取。反映坡度变化情况，与斜坡拉张应力区的分布呈正相关，其变化越大，说明斜坡内部应力也随之变大，稳定性差 3 坡形 DEM数据提取。可用地表曲率表征，以零为界，大于或等于零表明是直线/凸型斜坡，小于零表明是凹型/阶梯型坡斜坡 4 切割深度 DEM数据提取。可用高程差表示，即平均值与最小值之差，表明区域地形地貌的起伏度以及沟谷的发育程度 5 沟壑密度 DEM数据提取。衡量地表破碎程度，可用流域内水文网的长度表征 6 岩土类型数据 岩土体类型 1∶50000孕灾地质条件图 岩土体类型的矢量数据。根据岩土体的工程地质特性，易发性由高到低分别赋予4～1，最后栅格化并归一 7 构造数据 地质构造 利用断层矢量数据。以区内第四纪以来发育的活动断裂为基准线，利用线密度分析工具，以3 km为搜索半径进行分析 8 环境变量数据 植被覆盖率 ETM+ 利用2019年4月ETM+遥感数据，计算求取植被指数NDVI 2.5 易发性分区
获得基础评价因子的归一化图层后，按照AHP模型，运用GIS进行叠加计算，运用自然间断法将叠加结果分为极高易发区、高易发区、中易发区、低易发区等4类，对应的面积分别为68.98 km2（占总面积的2.29%）、390.9 km2（占总面积的12.97%）、1166.21 km2（占总面积的38.70%）、1387.76 km2（占总面积的46.05%）（表10，图6）。
表 10 地质灾害易发性统计表Table 10. Statistics of geohazards susceptibility易发等级 指数区间 面积（km2） 总面积占比（%） 区内灾害点数量（个） 频率比 低易发区 0.0599～0.2915 1387.76 46.05 17 0.123 中易发区 0.2915～0.4199 1166.21 38.70 62 0.535 高易发区 0.4199～0.6993 390.9 12.97 149 3.842 极高易发区 0.6993～0.7019 68.97 2.29 71 10.369 根据分区结果，地质灾害极高易发区主要分布在县域北部白龙江流域（曲瓦–巴藏–立节–憨班–峰迭–舟曲县城–南峪–大川–两河口）以及石门沟流域，高易发区域主要分布在拱坝河流域中下游和博峪河流域舟曲段中部区域，中易发区呈条带状贯穿了舟曲县中部和北部部分区域，低易发区位于舟曲县东北边缘与宕昌接壤地带以及西南边缘与文县、四川省九寨沟县接壤地带。
为验证易发性分区的可靠性，对落入各分区的灾害点进行统计，并计算频率比（灾害点数量占比/易发面积占比），由计算结果可知，极高易发区和高易发区虽然面积只占全县面积的15.26%，但区内灾害点占比达73.58%，频率比也与易发性等级相呼应。
3. 结论
（1）地形地貌是舟曲县地质灾害发生的先决条件。易发生滑坡的微地貌为：坡形为凹形或凸形，坡度范围为15°～60°，多分布于25°～45°的陡坡地段，坡高为50～400 m区间内；易发生崩塌的微地貌为：坡形为直线形，坡度范围为40°～85°，多分布在60°以上的陡崖，坡高0～100 m区间内；易发生泥石流的微地貌：沟谷平均主沟纵坡为10%～50%，山坡坡度优势区间为26°～45°，流域面积为0～10 km2。
（2）舟曲县地质灾害受地质构造控制明显。其中滑坡、崩塌、泥石流等地质灾害隐患点主要分布于坪定—化马断裂带等几大断裂构造带内及其次级断层的两侧附近。
（3）工程地质岩组是滑坡、崩塌、泥石流等地质灾害发生、发展的重要内因和物质基础。志留系、泥盆系等古生界地层出露区是泥石流灾害最易发的地区，易滑地层有黄土、碎石土堆积层、千枚岩、板岩等地层，易崩地层有第四系黄土、志留系、泥盆系千枚岩、板岩，二叠系、三叠系灰岩和其他硬质基岩。
（4）根据孕灾地质条件分析，舟曲县地质灾害易发性评价指标分为发育因子和孕灾地质条件因子，其中发育因子包括地质灾害频率比、地质灾害面积模数比、地质灾害体积模数比，孕灾地质条件因子包括坡度、坡度变化率、坡形、切割深度、沟壑密度、岩土体类型、地质构造、植被指数，建立AHP评价模型，确定各因子权重，综合评价舟曲县地质灾害易发性。
（5）舟曲县地质灾害易发性评价结果分为极高易发区、高易发区、中易发区、低易发区，对应的面积分别为68.98 km2（占总面积的2.29%）、390.9 km2（占总面积的12.97%）、1166.21 km2（占总面积的38.70%）、1387.76 km2（占总面积的46.05%）。地质灾害极高易发区主要分布在县域北部白龙江流域以及石门沟流域，高易发区域主要分布在拱坝河流域中下游和博峪河流域舟曲段中部区域。应用频率比法进行不同分区内灾害点数量统计，结果与易发性等级相呼应，验证了本研究易发性分区的可靠性。
-
![]()
图 1 研究区大地构造位置图（a）、区域地质图（b）和矿区地质图（c）
1. 河流堆积物；2. 一阶阶地堆积物；3. 大熊山玄武岩；4. 甘河组；5. 九峰山组；6. 光华组；7. 龙江组；8.清水河组；9.宝力高庙组；10. 泥鳅河组；11.晚石炭世—早二叠世正长花岗岩；12.花岗细晶岩/花岗闪长斑岩；13.流纹斑岩/花岗斑岩；14.英安斑岩/辉绿岩；15.闪长岩/石英脉；16.整合/不整合地质界线；17.岩性界线/蚀变界线；18.推测断层；19.化探异常及编号；20.银矿床；21.方铅矿/闪锌矿；22.褐铁矿化/黄铁矿化；23.黏土化/绿泥石化；24.硅化/碳酸盐化；25.银矿体及编号；26.构造破碎带；27.试验样品点位；28.研究区
Figure 1. (a) Geotectonic location map, (b) regional geological map and (c) geological sketch map in study area
![]()
图 2 研究区粒级与风化指数关系图
Figure 2. Relationship between granularities and weathering indexes in study area
![]()
图 3 研究区不同粒级试验样品中成矿元素相对富集系数图
Figure 3. Enrichment coefficient of relative metallogenic elements in samples of different grain sizes in study area
![]()
图 4 研究区不同介质试验样品中成矿元素相对富集系数图
Figure 4. Enrichment coefficient of relateive metallogenic elements in samples of different textures sizes in study area
![]()
图 5 研究区Ⅰ、Ⅱ号银矿体剖面主要成矿元素含量折线图
1. 光华组；2. 泥鳅河组；3. 英安斑岩；4. 辉绿岩；5. 银矿体及编号；6. 构造角砾岩带；7. 各粒级折线及编号
Figure 5. Line chart of main metallogenic element content of the test section on Ⅰ、Ⅱ silver ore bodies in study area
表 1 各项指标的分析方法及检出限表
Table 1 The analysis method and detection limit of target elements
分析指标 实测检出限 规范要求 分析指标 实测检出限 规范要求 Al2O3 0.044 0.05 Cu 0.859 1 CaO 0.045 0.05 F 50 100 K2O 0.05 0.05 Hg 0.0005 0.003 MgO 0.05 0.05 Mn 5.48 10 Na2O 0.1 0.1 Mo 0.044 0.3 SiO2 0.095 0.1 Ni 0.00006 2 TFe 0.048 0.05 Pb 1.86 2 Au 0.1 0.3 Sb 0.05 0.05 Ag 0.02 0.02 Sn 0.5 1 As 1 1 Te 0.016 0.02 Ba 8.5 10 W 0.015 0.4 Bi 0.01 0.05 Zn 1.78 4 Co 0.221 1 注： 化合物含量为%，Au含量为10−9，其余元素含量均为10−6。 
下载: 导出CSV
表 2 研究区不同粒级样品分析元素（化合物）地球化学参数统计表
Table 2 Geochemical parameters for analysis of elements (compounds) at different gain levels in the samples of this study area
特征 化学场 背景场 中国
土壤K D 均值 标准差 各粒级平均值 Xsum Ssum Cvsum Xo So Cvo B总 C总 B总 C总 B1 B2 B3 C1 C2 C3 Al2O3 15.35 1.58 0.10 15.35 1.10 0.07 12.5 1.23 1.44 15.44 15.27 1.27 1.85 15.4 15.5 15.5 15.2 15.3 15.4 CaO 0.70 0.87 1.24 0.55 1.39 2.53 2.2 0.32 0.80 0.56 0.84 0.15 1.22 0.53 0.57 0.6 0.85 0.82 0.86 K2O 2.11 0.47 0.22 2.05 1.28 0.62 2.3 0.92 0.38 2.24 1.98 0.26 0.59 2.24 2.25 2.24 1.97 1.98 2 MgO 1.24 0.43 0.35 1.17 1.42 1.21 1.3 0.96 0.32 1.16 1.32 0.25 0.55 1.14 1.17 1.17 1.33 1.32 1.32 Na2O 1.19 0.34 0.28 1.16 1.32 1.14 1.5 0.79 0.26 1.23 1.15 0.22 0.42 1.21 1.21 1.26 1.14 1.13 1.17 SiO2 61.33 5.74 0.09 61.56 1.09 0.02 65 0.94 5.26 63.32 59.35 4.58 6.13 62.3 63.3 64.4 59.2 59.1 59.8 TFe 6.08 1.85 0.30 58.4 13.23 0.23 4.2 1.45 0.01 5.40 6.76 1.32 2.06 5.71 5.37 5.13 6.82 6.78 6.68 Au 1.63 0.57 0.35 1.54 1.41 0.92 1.4 1.17 0.43 1.73 1.54 0.55 0.57 1.7 1.7 1.8 1.4 1.5 1.7 Ag 25.45 101.84 4.00 0.94 11.27 11.99 0.08 318.09 244.7 18.44 32.45 65.90 128.32 25.93 17.96 11.43 37.47 36.85 23.04 As 52.05 37.98 0.73 41.94 1.67 0.04 1 52.05 28.29 48.14 55.95 21.68 49.07 56 46.8 41.6 57.2 56.6 54.1 Ba 422.52 105.52 0.25 409.6 1.29 0.003 500 0.85 84.70 436.9 408.11 85.01 121.65 463 427 420 409 409 406 Bi 0.26 0.08 0.31 0.25 1.46 5.86 0.3 0.87 0.06 0.30 0.22 0.05 0.09 0.29 0.31 0.3 0.2 0.22 0.24 Co 25.00 11.79 0.47 22.6 1.60 0.07 1.3 19.23 8.13 21.83 28.18 10.68 12.06 27.4 21.9 16.2 28.2 29 27.3 Cu 46.98 21.89 0.47 42.7 1.48 0.03 24 1.96 16.31 37.80 56.17 11.52 25.72 37.9 38.5 37 54.2 56.4 57.9 F 532.8 76.8 0.14 527.4 1.15 0.002 480 1.11 67.34 547.94 517.67 70.4 80.5 544 549 552 523 521 510 Hg 0.89 1.21 1.35 0.43 3.32 7.73 40 0.02 0.75 0.61 1.17 0.82 1.45 0.59 0.61 0.63 1.23 1.14 1.15 Mn 7 814.2 20 496.0 2.62 1 654.0 3.37 0.002 600 13.02 28 758 5 068 10 559.9 13 124 25 678 7 658 4 919 2 629 12 094 11 479 8 107 Mo 1.14 0.67 0.59 0.97 1.42 1.47 0.8 1.43 0.56 1.18 1.10 0.55 0.78 1.33 1.16 1.05 1.07 1.16 1.08 Ni 66.76 46.40 0.69 54.60 1.85 0.03 26 2.57 30.66 52.47 81.06 30.28 54.85 55 52 50 82 82 80 Pb 320.8 779.8 2.43 55.7 4.97 0.09 23 13.95 903.9 238.0 403.59 531.2 964.3 329.9 245.8 138.3 432.4 447.7 330.7 Sb 13.71 21.48 1.57 7.80 2.13 0.27 0.8 17.14 17.69 9.55 17.87 12.17 27.32 11.21 9.24 8.19 18.16 18.21 17.24 Sn 2.24 0.60 0.27 2.15 1.27 0.59 2.5 0.89 0.49 2.44 2.04 0.50 0.62 2.38 2.45 2.47 1.99 2.05 2.07 Te 0.06 0.02 0.34 0.06 1.45 26.40 40 0.00 0.01 0.06 0.06 0.01 0.02 0.06 0.06 0.05 0.06 0.06 0.06 W 1.88 1.33 0.71 1.57 1.54 0.98 1.8 1.05 1.03 2.02 1.74 1.23 1.41 2.32 1.9 1.84 1.59 1.79 1.84 Zn 260.8 449.8 1.72 136.1 2.27 0.02 68 3.84 379.6 160.7 360.97 169.1 599.1 184.2 159.8 138.1 408.5 374.6 299.8 注：化合物含量为%，Au含量为10−9，其余元素含量均为10−6；富集系数K=X/中国土壤，D=（X×S）/（Xo×So）。
下载: 导出CSV
表 3 研究区土壤样品元素含量因子分析正交旋转因子载荷矩阵表
Table 3 Orthometric rotating factor loading matrix of factor analysis of elemental content of soil samples in study area
元素 F1 F2 F3 Pb 0.965 0.08 0.048 Mn 0.955 0.088 −0.178 Sb 0.954 0.06 −0.126 Mo 0.905 0.314 −0.012 As 0.87 0.228 0.042 Ag 0.845 0.225 −0.367 Zn 0.816 −0.182 0.292 W 0.805 0.147 0.109 Hg 0.788 −0.241 0.205 TFe 0.758 −0.534 −0.072 Sn 0.642 0.58 −0.001 Co 0.077 −0.843 −0.244 Cu 0.138 −0.83 0.105 Ni −0.065 −0.817 −0.322 Bi 0.022 0.667 0.59 Au 0.298 0.54 0.011 F 0.117 0.452 0.048 Te −0.205 0.102 0.814 Ba 0.207 0.21 0.608 累计方差% 43.07 64.21 74.14 注：主成分已提取了 3 个成分； 旋转法具有 Kaiser 标准化的正交旋转法，旋转在 5 次迭代后收敛。
下载: 导出CSV
表 4 研究区土壤样品粒级与风化指数关系表
Table 4 Relationship between granularities and weathering indexes
指标 计算公式 B层（n=63） C层（n=63） B1 B2 B3 B总 C1 C2 C3 C总 CIA [Al2O3/（Al2O3+CaO+Na2O+K2O）]×100 79.5 79.3 79.0 79.3 79.3 79.5 79.2 79.4 CIX [Al2O3/（Al2O3+Na2O+K2O）]×100 81.7 81.7 81.5 81.7 83.0 83.1 82.9 83.0 WIP [2Na2O/0.35+2K2O/0.25+MgO/0.9+CaO/0.7]×100 26.8 27.0 27.3 27.0 24.9 24.9 25.4 25.1 R Al2O3/SiO2 4.05 4.09 4.16 4.10 3.90 3.87 3.89 3.89
下载: 导出CSV
-
鲍希波, 尹国良, 于献章 . 黑龙江省嫩江县二道坎村银多金属矿床地质特征及找矿标志[J]. 黄金,2019 ,40 （7 ）:20 −23 .BAO Xibo, YIN Guoliang, YU Xianzhang . Geological Charact -eristics of Erdaokancun Silver Polymetallic Deposit, Nenjiang County, Heilongjiang Province and Its Prospecting Indicators[J]. Gold,2019 ,40 （7 ）:20 −23 .陈虹, 杨晓, 田世攀, 等. 覆盖区智能地质填图的探索与实践——以森林沼泽区为例[J]. 地质通报, 2022, 41(2−3): 218−241. CHEN Hong, YANG Xiao, TIAN Shipan, et al. Technical innovation and practice of intelligent geological mapping in the coverage area: a case study in the forest-swamp area[J]. Geological Bulletin of China, 2022, 41(2−3): 218−241.
邓昌州, 张立东, 孙梓耀, 等 . 黑龙江翠峦石英脉型银矿的发现及意义[J]. 物探与化探,2015 ,39 （2 ）:240 −244 .DENG Changzhou, ZHANG Lidong, SUN Ziyao, et al . The discovery of the Cuiluan quartz type silver deposit in Heilongjlang Province and its significance[J]. Ceophysicaland Geochemical Exploration,2015 ,39 （2 ）:240 −244 .董娟, 袁茂文, 李成禄 . 黑龙江多宝山矿集区二道坎银铅锌矿床热液 菱锰矿地球化学特征及其指示意义[J]. 吉林大学学报(地球科学版),2022 ,52 （3 ）:855 −865 .DONG Juan, YUAN Maowen, LI Chenglu . Geochemical Characteristics of Hydrothermal Rhodochrosite in Erdaokan Ag-Pb-Zn Deposit Duobaoshan Metallogenic Belt, Heilongjiang Province and Its Indications[J]. Journal of Jilin University (Earth Science Edition),2022 ,52 （3 ）:855 −865 .段星星, 黑欢, 梁楠, 等 . 新疆东天山玉海铜矿外围浅覆盖区1∶5万化探方法技术及应用[J]. 西北地质,2019 ,52 （3 ）:143 −150 .DUAN Xingxing, HEI Huan, LIANG Nan, et al . 1∶50, 000 Geochemical Prospecting Techniques and their Applications in Shallow Covered Area outside the Yuhai Copper Deposit in East Tianshan Mountains, Xinjiang[J]. Northwestern Geology,2019 ,52 （3 ）:143 −150 .丁兆举, 常昊, 张年生, 等 . 热带雨林景观土壤测量采样深度与样品粒级试验研究—以加纳国雅卡锰金矿为例[J]. 地质与勘探,2021 ,57 （3 ）:554 −562 .DING Zhaoju, CHANG Hao, ZHANG Niansheng, et al . Experimental study on sampling depth and sample granularity of soil survey in tropical rainforest landscape: Taken the Yakau Mn-Au deposit in Ghana as an example[J]. Geology and Exploration,2021 ,57 （3 ）:554 −562 .范红科 . 岩屑地球化学测量方法在找矿中的应用—以内蒙古白音查干银(金)多金属矿为例[J]. 黄金科学技术,2010 ,18 （1 ）:32 −35 . doi: 10.3969/j.issn.1005-2518.2010.01.007FAN Hongke . Application of Debris Geochemical Survey Method in Ore Prospecting: A Case Study of Baiyinchagan Silver (gold) Polymetallic Deposit in Inner Mongolia[J]. Cold Science and Technology,2010 ,18 （1 ）:32 −35 . doi: 10.3969/j.issn.1005-2518.2010.01.007耿卫华, 杨乃峰, 马晓阳 . 黑龙江森林沼泽区地球化学亚景观类型划分[J]. 物探与化探,2006 ,30 （4 ）:18 −20 .GENG Weihua, YANG Naifeng, MA Xiaoyang . The Preliminary Classification of Geochemical Sublandscape Types in The Forest-swamp Area of Heilongjiang Province[J]. Geophysical and Geochemical Exploration,2006 ,30 （4 ）:18 −20 .蒋艳明. 黑龙江省三道湾子金矿土壤和岩石地球化学异常特征及其意义[D]. 长春: 吉林大学, 2009: 1−67. JIANG Yanming. Soil and Rock Geochemical Anomalies of Sandaowanzi Gold Deposit and Their Significance, Heilongjiang Province [D]. Changchun: Jilin University, 2009: 1−67.
刘国卿. 黑龙江省二道坎银多金属矿床矿石特征及银的赋存状态研究[D].长春: 吉林大学, 2020, 1−66. LIU Guoqing. Ore Characteristics and Occurrence of Silver of the Erdaokan Silver Polymetallic Deposit in HeilongJiang Province[D]. Changchun: Jilin University, 2020, 1−66.
刘汉粮, 张必敏, 王学求, 等 . 土壤微细粒测量地球化学模式的再现性与可对比性[J]. 物探与化探,2018 ,42 （3 ）:506 −512 .LIU Hanliang, ZHANG Bimin, WANG Xueqiu, et al . The Reproducibility and Comparability of The Fine Particle Soil Survey Geochemical Pattexns[J]. Geophysical and Ceochemical Exploration,2018 ,42 （3 ）:506 −512 .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 .李重阳, 刘宗彦, 王辉, 等 . 豫西黄土覆盖区土壤地球化学测量粒度试验研究[J]. 矿产勘查,2020 ,11 （7 ）:1553 −1561 . doi: 10.3969/j.issn.1674-7801.2020.07.032LI Chongyang, LIU Zongyan, WANG Hui, et al . Experimental study of soil size of the loess coverage area in geochemical survey, west Henan Province[J]. Mineral Exploration,2020 ,11 （7 ）:1553 −1561 . doi: 10.3969/j.issn.1674-7801.2020.07.032林俞亨, 王立立, 欧阳永棚, 等. 基于浓度–面积分形模型和模糊证据权的铜矿资源潜力评价: 以江西九瑞地区为例[J]. 西北地质, 2024, 57(1): 165−178 LIN Yuheng, WANG Lili, OUYANG Yongpeng, et al. Evaluation of Copper Mineral Resource Potential Using Concentration–Area Fractal Model and Fuzzy Evidence Weighting: A Case Study of the Jiurui Region in Jiangxi[J]. Northwestern Geology, 2024, 57(1): 165−178
雷自强, 陈杰, 陈世明, 等 . 岩屑地球化学测量在甘肃北山干旱戈壁荒漠区的找矿效果—以三白墩地区金砷矿的发现为例[J]. 物探与化探,2022 ,46 （3 ）:585 −596 .LEI Ziqiang, CHEN Jie, CHEN Shiming, et al . Application of Geochemical Survey of Lithic Fragments in Ore Prospecting in Arid Gobi Desert of The Beishan Area, Gansu Province:A Case Study of The Discovery of The Gold-arsenic Deposit in Sanbaidun Area[J]. Geophysical and Geochemical Exploration,2022 ,46 （3 ）:585 −596 .鲁涛, 孙刚, 袁茂文 . 大兴安岭东北部多宝山矿集区二道坎银铅锌矿床有机质特征及对成矿作用的影响[J]. 世界地质,2021 ,40 （2 ）:1 −9 .LU Tao, SUN Gang, YUAN Maowen . Organic Matter Characteristics and Influence on Mineralization of Erdaokan Ag-Pb-Zn Deposit in Duobaoshan Ore Concentrated Area, Northeast Great Xing'an Range[J]. Global Geology,2021 ,40 （2 ）:1 −9 .史冬岩, 张坤, 张玉鹏, 等 . 黑龙江省浅覆盖区地物化特征与找矿标志-以黑河市340高地金矿化区为例[J]. 吉林大学学报(地球科学版),2021 ,51 （4 ）:1042 −1053 .SHI Dongyan, ZHANG Kun, ZHANG Yupeng, et al . Geophysical and Geochemical Characteristics and Prospecting Criteria of Shallow Overburden Area in Heilongjiang Province:A Case study of 340 Highland Gold Mineralization Area in Heihe City[J]. Journal of Jilin University(Earth Science Edition),2021 ,51 （4 ）:1042 −1053 .史冬岩, 张坤, 张玉鹏, 等 . 因子分析在土壤地球化学测量中的应用: 以大兴安岭北段呼中地区为例[J]. 世界地质,2021 ,40 （1 ）:1 −11 .SHI Dongyan, ZHANG Kun, ZHANG Yupeng, et al . Application of Principal Component Analysis in Soil Geochemical Survey: A Case Study of Huzhong Area in North of Great Xing'an Range[J]. Global Geology,2021 ,40 （1 ）:1 −11 .谈艳, 张鑫利, 王泰山, 等 . 青海三岔河北金多金属矿地球化学异常特征及找矿潜力分析[J]. 西北地质,2019 ,52 （4 ）:170 −181 .TAN Yan, ZHANG Xinli, WANG Taishan, et al . Geochemical Anomaly Characteristics and Prospecting Potential of Gold Polymetallic Deposits in Sanchahebei Area, Qinghai Province[J]. Northwestern Geology,2019 ,52 （4 ）:170 −181 .吴蓓娟, 彭渤, 张坤, 等 . 黑色页岩化学风化程度指标研究[J]. 地球学报,2016 ,90 （4 ）:818 −832 .WU Beijuan, PENG Bo, ZHANG Kun, et al . A New Chemical Index of identifying the Weathering Degree of Black Shales[J]. Acta Geoscientica Sinica,2016 ,90 （4 ）:818 −832 .王乔林, 孔牧, 韩伟, 等 . 土壤地球化学测量在甘肃北山白头山铷矿找矿中的应用[J]. 地质与勘探,2021 ,57 （1 ）:110 −121 .WANG Qiaolin, KONG Mu, HAN Wei, et al . Application of Soil Geochemical Survey in The Baitoushan Rubidium Deposit, Beishan Area, Gansu Province[J]. Geology and Exploration,2021 ,57 （1 ）:110 −121 .王亚磊, 李文渊, 林艳海, 等 . 金川超大型铜镍矿床钴的赋存状态与富集过程研究[J]. 西北地质,2023 ,56 （2 ）:133 −150 . doi: 10.12401/j.nwg.2023023WANG Yalei, LI Wenyuan, LIN Yanhai, et al . Study on the Occurrence State and Enrichment Process of Cobalt in Jinchuan Giant Magmatic Ni−Cu Sulfide Deposit[J]. Northwestern Geology,2023 ,56 （2 ）:133 −150 . doi: 10.12401/j.nwg.2023023徐文喜, 李成禄, 鲍希波, 等 . 大兴安岭东北部首个三叠纪银矿床地质特征及矿床成因分析[J]. 矿产与地质,2019 ,33 （3 ）:434 −441 .XU Wenxi, LI Chenglu, BAO Xibo, et al . Geological characteristics and genesis analysis of the first Triassic silver deposit discovered in Northeast of Da Hinggan Mountains[J]. Mineral Resources and Geology,2019 ,33 （3 ）:434 −441 .袁茂文.天然沥青与非层控金属成矿关系研究: 以二道坎银铅锌矿床为例[D]. 北京: 中国地质大学(北京), 2020: 1−123. YUAN Maowen. The Contribution of the Bitumen to the Mineralization of the Non-stratabound Metal Deposit: A Case Study from the Erdaokan Ag-Pb-Zn Deposit [D]. Beijing: China University of Geosciences (Beijing), 2020: 1−123.
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.
张玉鹏, 史冬岩, 吕明奇, 等 . 岩屑地球化学测量在黑龙江省三道湾子浅覆盖区的找矿应用效果[J]. 黄金科学技术,2022 ,30 （5 ）:651 −663 .ZHANG Yupeng, SHI Dongyan, LV Mingqi, et al . Application Effect of Rock Debris Geochemical Survey in Prospecting in Sandaowanzi Shallow Overburden Area, Heilongjiang Province[J]. Gold Science and Technology,2022 ,30 （5 ）:651 −663 .张沁瑞, 李欢, 邓宇飞, 等 . 北京东南郊土壤重金属元素分布及其在表层土壤中的富集特征[J]. 物探与化探,2022 ,46 （2 ）:490 −501 .ZHANG Qinrui, LI Huan, DENG Yufei, et al . Distribution of Heavy Metal Elements in Soil of the Southeastern Suburbs of Beijing and their Enrichment Characteristics in Surface Soil[J]. Geophysical and Geochemical Exploration,2022 ,46 （2 ）:490 −501 .An Y L, Yin X L, Gong Q J, et al . Classification and Provenance on Geochemical Lithogenes: A Case Study on Rock-Soil-Sediment System in Wanquan Area of Zhangjiakou, North China[J]. Applied Sciences,2023 ,13 （2 ）:1 −12 .Bhat N A, Ghosh P, Ahmed W, et al . Comparative Evaluation of Weathering Indices of Rock-Soil Sequences in parts of Peninsular Gneissic Complex, Western Dharwar Craton, Karnataka, India[J]. Arabian Journal of Geosciences,2022 ,15 （11 ）:1087 . doi: 10.1007/s12517-022-09459-8Cai W Y, Wang K Y, Li J, et al . Geology, geochronology and geochemistry of large Duobaoshan Cu-Mo-Au orefield in NE China: Magma genesis and regional tectonic implications[J]. Geoscience Frontiers,2020 ,12 （1 ）:265 −292 .Chai H, Ma Y F, M . Santosh, et al. Late Carboniferous to Early Permian oceanic subduction in central Inner Mongolia and its correlation with the tectonic evolution of the southeastern Central Asian Orogenic Belt[J]. Gondwana Research,2020 ,84 :245 −259 . doi: 10.1016/j.gr.2020.02.016Chen J C, Wang K Y, Cai W Y, et al . Fluid evolution and genesis of the Sankuanggou Fe-Cu skarn deposit, Duobaoshan ore field, Northeast China: Evidence from fluid inclusions and H-O-S-Pb isotopes[J]. Journal of Geochemical Exploration,2023 ,252 .Deng C Z, Li C L, Rong Y M, et al . Different Metal Sources in the Evolution of an Epithermal Ore System: Evidence from Mercury Isotopes Associated with the Erdaokan Epithermal Ag-Pb-Zn Deposit, NE China[J]. Gondwana Research,2021 ,95 :1 −9 . doi: 10.1016/j.gr.2021.03.010Dinis Pedro A., Sá Pereira José, Ivo Alves Eduardo, et al . Compositional variability of regoliths on equatorial highlands (East Timor). Source-rock control and competing effects of weathering and denudation[J]. Journal of Asian Earth Sciences,2021 ,207 :104658 . doi: 10.1016/j.jseaes.2020.104658Hao Y J, Ren Y S, Duan M X, et al . Metallogenic events and tectonic setting of the Duobaoshan ore field in Heilongjiang Province, NE China[J]. Journal of Asian Earth Sciences,2015 ,97 :442 −458 . doi: 10.1016/j.jseaes.2014.08.007Li Y Q, Zhang D H, Dai L, et al . Characteristics of structurally superimposed geochemical haloes at the polymetallic Xiasai silver-lead-zinc ore deposit in Sichuan Province, SW China[J]. Journal of Geochemical Exploration,2016 ,169 :100 −122 . doi: 10.1016/j.gexplo.2016.07.007Li L, Sun F Y, Li B L, et al . Identification of Hydrothermal Alteration and Mineralization in The Sancha Magmatic Cu-Ni-Au Sulfide Deposit, NW China: Implications for Timing and Genesis of Mineralization[J]. Geology Reviews,2022 ,143 :104770 .Liu J, Li Y, Zhou Z H, OuYang, et al . The Ordovician igneous rocks with high Sr/Y at the Tongshan porphyry copper deposit, satellite of the Duobaoshan deposit, and their metallogenic role[J]. Ore Geology Reviews,2017 ,86 :600 −614 . doi: 10.1016/j.oregeorev.2017.02.036Meng F W, Liu Y H, Han J T, et al . Paleozoic suture and Mesozoic tectonic evolution of the lithosphere between the northern section of the Xing'an Block and the Songnen Block: Evidence from three-dimensional magnetotelluric detection[J]. Tectonophysics,2022 ,823 :229210 . doi: 10.1016/j.tecto.2022.229210Kelley K D, Spry P G, Virginia V T, et al. Alkalic-type epithermal gold deposit model[R]. Reston: U.S.Geological Survey Scientific Investigations Report, 2020: 1−74.
Primus A T, Jean P T, Emile T, et al . Characteristics, Source Area-weathering, Sedimentary Processes, Tectonic Setting and Taxonomy of Vertisols Developed on Alluvial Sediments in the Benue Trough of North Cameroon[J]. Journal of Geosciences and Geomatics,2022 ,10 （1 ）:1 −17 . doi: 10.12691/jgg-10-1-1Sorokina O A . Reconstruction of Sources in River Sediments in the Lower Part of the Bureya River Based on Geochemical Indices[J]. Russian Journal of Pacific Geology,2019 ,13 （2 ）:176 −185 . doi: 10.1134/S1819714019020088Sun Q F, Wang K Y, Wang Y C, et al . Superimposing mineralization in the Zhengguang Au-Zn deposit, NE China: Evidence from pyrite Re-Os geochronology, fluid inclusion, and H-O-S-Pb isotopes[J]. Ore Geology Reviews,2021 ,137 :104307 . doi: 10.1016/j.oregeorev.2021.104307Tang Z Y, Sun D Y, Mao A Q, et al . Timing and evolution of Mesozoic volcanism in the central Great Xing'an Range, northeastern China[J]. Geological Journal,2019 ,54 （6 ）:3737 −3754 . doi: 10.1002/gj.3366Wang L, Qin K Z, Song G X, et al . Geology and genesis of the Early Paleozoic Zhengguang intermediate-sulfidation epithermal Au-Zn deposit, northeast China[J]. Ore Geology Reviews,2020 ,124 :103602 . doi: 10.1016/j.oregeorev.2020.103602Wu Z J, Yang X Y, Ma Y S, et al . A Synthesis of Geochemistry of Mesozoic Igneous Rocks in NE China and Tectonic Superposition and Transformation of the Easternmost Central Asian Orogenic Belt[J]. Journal of Asian Earth Sciences,2021 ,227 :105032 .Yuan M W, Li L, Li S R, et al . Mineralogy, Fluid Inclusions and S-Pb-H-O Isotopes of the Erdaokan Ag-Pb-Zn Deposit, Duobaoshan Metallogenic belt, NE China: Implications for Ore Genesis[J]. Ore Geology Reviews,2019 ,113 :103074 . doi: 10.1016/j.oregeorev.2019.103074Yuan M W, Li L, Li S R, et al . Bitumen Sm-Nd, Pyrite Rb-Sr and Zircon U-Pb Isotopes Constrain Timing of Ore Formation and Hydrocarbon Deposition in the Erdaokan Ag-Pb-Zn Deposit, NE China[J]. Ore Geology Reviews,2021 ,134 :104161 . doi: 10.1016/j.oregeorev.2021.104161Yuan M W, Li L, Li C L, et al . The Genesis of Bitumen and its Relationship with Mineralization in the Erdaokan Ag-Pb-Zn Deposit from the Great Xing'an Range, Northeastern China[J]. Ore Geology Reviews,2021 ,139 :104464 . doi: 10.1016/j.oregeorev.2021.104464Zhang Z Q, Wu Q B, Hou M T, et al . Permafrost change in Northeast China in the1950s-2010s[J]. Advances in Climate Change Research,2021 ,12 （1 ）:18 −28 . doi: 10.1016/j.accre.2021.01.006Zhou X J, Li A C, JIang F Q, et al . Effects of grain size distribution on mineralogical and chemical compositions: a case study from size-fractional sediments of the Huanghe (Yellow River) and Changjiang (Yangtze River)[J]. Geological Journal,2015 ,50 （4 ）:414 −433 . doi: 10.1002/gj.2546 -
期刊类型引用(7)
1. 胡雯欣，张珺璟，辛存林，任珩，许华，朱珂冰. 基于AHP-IVM的G212线陇南段泥石流灾害易发性评价. 兰州大学学报(自然科学版). 2025(01): 99-108 . 
百度学术
2. 张天宇，李林翠，刘凡，洪增林，钱法桥，胡斌，张淼. 基于优化最大熵模型的黄土滑坡易发性评价：以陕西省吴起县为例. 西北地质. 2025(02): 172-185 . 本站查看
3. 高波，董英，贾俊，薛强，武文英，李林，王涛，刘港，江睿君. 甘肃临夏积石山县6.2级地震地质灾害发育特征及危险性评价. 西北地质. 2024(02): 209-219 . 本站查看
4. 司马珂冰，孙成永. 新县片麻岩区地质灾害问题综合研究. 科技视界. 2024(07): 72-74 . 百度学术
5. 张永强，宋国梁，刘学友，李林森，王晓辉，解小东，付云霞. 基于AHP和信息量模型的烟台市福山区地质灾害风险评价. 山东国土资源. 2024(10): 53-59 . 百度学术
6. 梁峰，江攀和. 基于IVM-CF耦合模型的贵定县滑坡地质灾害易发性评价. 水利水电技术(中英文). 2024(S2): 669-677 . 百度学术
7. 何寒舟，丁一. 赣南地区地质灾害风险区划分析研究. 华南地质. 2024(04): 737-748 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 184
- HTML全文浏览量: 19
- PDF下载量: 41
- 被引次数: 11
