Evaluation of Loess Landslide Susceptibility Based on Optimised MaxEnt Model: A Case Study of Wuqi County in Shaanxi Province
-
摘要:
黄土高原地区滑坡灾害频发，严重危害人民生命财产安全和重大工程建设，进行精准的滑坡易发性评价，识别“什么地方易发生”，有助于高效预测滑坡灾害风险，为防灾减灾提供有效的科学依据。笔者以黄土高原腹地吴起县为例，采用优化最大熵模型（MaxEnt），利用505个滑坡点，选取高程、坡向、坡度、地形粗糙度、岩性、河流缓冲区、降雨、NDWI（地表湿度）及道路缓冲区作为评价因子，并引入InSAR地表形变数据作为动态评价因子，开展了滑坡易发性评价。基于Enmeval数据包调整优化的MaxEnt模型，分别随机选取90%和10%的滑坡点进行模型训练及验证，模型精度高（AUC值为0.855），模拟效果准确可信。引入InSAR地表形变速率作为动态评价因子，模型精度、评价结果均有所提升。评价结果显示：研究区较高易发区面积和高易发区面积分别占吴起县总面积10.27%和6.33%，高、较高易发区内的滑坡点占全部滑坡点的73.27%，滑坡易发性评价结果与滑坡点分布现状吻合，评价效果好。高程、坡度和地表粗糙度对模型模拟结果贡献较高，是研究区滑坡易发性重要评价因子。
-
关键词:
- 黄土地貌区 /
- 优化MaxEnt模型 /
- 黄土滑坡 /
- 易发性评价 /
- 吴起县
Abstract:Landslide disasters which occur frequently in the Loess Plateau, seriously endanger the safety of people's lives and property, and affect the construction of major projects. Accurate landslide susceptibility assessment is useful for efficiently and quickly landslide risk prediction, and can provide scientific backing for disaster prevention and reduction by identifying "where landslides are prone". Taking Wuqi County on the Loess Plateau as an example, we use the optimized MaxEnt model and 505 landslide points to evaluate the landslide susceptibility. Elevation, aspect, slope, terrain roughness, lithology, river buffer, rainfall, NDWI (surface humidity), road buffer, and InSAR surface deformation data, which was introduced as dynamic evaluation factors, were selected as influencing factors. The results show: In the MaxEnt model based on Enmeval packet adjustment, when 90% landslide points were randomly selected as the training set and 10% landslide points as the verification set, the model accuracy was the highest (AUC value was 0.855), and the simulation effect was accurate and reliable. InSAR surface deformation rate was introduced as a dynamic evaluation factor, and the model accuracy and evaluation results were both improved. In the study area, the area of high and relatively high susceptibility areas accounted for 10.27% and 6.33% of the total area respectively, and the landslide points in the high and relatively high prone areas accounted for 73.27% of the total landslide points, of which the high prone areas accounted for 48.11%. The evaluation results of landslide susceptibility were consistent with the distribution of landslide points, which proves that the evaluation works well. Elevation, slope and surface roughness contribute significantly to the simulation results, and are important factors affecting the landslide susceptibility.
-
Keywords:
- loess landform region /
- optimized MaxEnt model /
- loess landslide /
- evaluation /
- Wuqi county
-
萤石，其主要成分是氟化钙（CaF2），是重要的基础性、战略性非金属矿产资源。高端含氟材料在新能源、新材料、新一代信息技术和航空航天等领域的重要性日益凸显，中国、美国、日本、欧盟等国家都将其列为“战略性矿产”或“关键矿产”（陈军元等，2021）。萤石矿在中国属于优势矿产资源，大中型萤石矿床集中于东部沿海、华中和内蒙古中东部（王吉平等，2015）。通过近年地质工作，在中国西部新疆若羌县阿尔金地区卡尔恰尔一带萤石找矿取得重大新发现，已发现卡尔恰尔、小白河沟、库木塔什、拉依旦北、盖吉克、皮亚孜达坂等多处（超）大–中型萤石矿床，改变了中国萤石矿的分布格局，已初步形成西部最重要的萤石矿产资源基地。近年来，阿尔金高压–超高压变质带、蛇绿构造混杂岩带和岩浆岩等基础地质研究方面取得了重要进展，但与萤石矿有关的研究才刚刚起步，主要对地质特征、控矿因素、花岗岩年龄与元素地球化学特征及流体包裹体等方面做了一定研究（高永宝等，2021；吴益平等，2021，2022），总体研究程度较低。目前，卡尔恰尔超大型萤石矿区花岗岩成岩时代还未见报道，成矿流体与物质来源的研究还很薄弱，制约了矿床成因的研究和下一步找矿勘查。
稀土元素的地球化学性质具有一定特殊性，如化学性质稳定，高度均一化，不易受变质作用影响等，是示踪成矿流体来源和反演热液成矿作用过程的有效手段之一（Lottermoser，1992）。萤石是富稀土矿物，萤石中的Ca2+与稀土离子半径相似，可容纳大量稀土元素，且继承了成矿热液流体中的稀土元素配分型式（Moller，1983；Bau et al.，1992，1995；Smith et al.，2000；许成等，2001；赵省民等，2002；许东青等，2009；孙海瑞等，2014；Sasmaz et al.，2018），在示踪成矿流体来源与演化及矿床成因机理等方面已得到广泛应用（叶锡芳等，2014；邹灏等，2014，2016；彭强等，2021；许若潮等，2022；游超等，2022；张苏坤等，2022）。笔者选择阿尔金卡尔恰尔超大型萤石矿带中的卡尔恰尔、小白河沟、库木塔什3处典型萤石矿床为研究对象，简要总结其成矿特征，利用LA–ICP–MS锆石U–Pb测年确定卡尔恰尔矿区碱长花岗岩与片麻状钾长花岗岩的形成时代，通过萤石、方解石的稀土元素地球化学及萤石Sr–Nd同位素等研究，探讨成矿流体特征与成矿物质来源，为区域矿床成因研究和指导找矿提供理论依据。
1. 区域地质背景
研究区位于青藏高原北部边缘，地处柴达木地块与塔里木地块接合部位，大地构造位置主要处于阿尔金造山带（图1a、图1b）。区域出露地层以元古界为主，新太古界至新元古界遭受程度不一的变形变质作用改造，以中深变质岩为主（图1c）。新太古界—古元古界阿尔金岩群出露广泛，总体上呈北东向展布，该岩组岩石类型复杂，主要为一套由变质碎屑岩、碳酸盐岩和变质火山碎屑岩组成的变质岩系，主要岩性为黑云斜长片麻岩、斜长或二长变粒岩、石榴矽线黑云片麻岩、二长石英片岩夹石英岩、白云质大理岩、斜长角闪岩透镜体等。中元古界巴什库尔干岩群为一套云母石英片岩、片麻岩、变粒岩、长石石英岩夹变质中基性火山岩、火山碎屑岩的变质岩系。中元古界蓟县纪塔昔达坂岩群可分为下部碎屑岩（木孜萨依组）和上部碳酸盐岩（金雁山组）。新元古界索尔库里群为一套轻变质的碳酸盐岩、碎屑岩夹少量火山碎屑岩地层序列。另外，阿尔金西南缘发育由陆壳深俯冲形成的高压-超高压变质带，岩石的原岩形成时代多为1 000～800 Ma，与区域广泛分布的新元古代花岗片麻岩形成时代基本相同，均与Rodinia超大陆事件引发的全球性岩浆活动相关，而变质时代集中在504～486 Ma之间，代表在～500 Ma发生陆壳深俯冲–碰撞事件（Zhang et al.，2001；刘良等，2007；张建新等，2010；Liu et a1.，2012）。
![]()
图 1 阿尔金造山带卡尔恰尔一带地质矿产图Figure 1. Geological and mineral map of the Kalqiaer area in Altyn Tagh区域构造活动频繁，经历了前寒武纪多期变形变质作用的强烈改造和构造置换，以及显生宙以来多期韧性、脆性构造的相互叠加，构造形迹十分复杂。区内构造主要为断裂，褶皱因受到岩浆侵位及断裂构造的破坏，形态极不完整。区域性大断裂由北至南有卡尔恰尔–阔什断裂、盖吉勒断裂、约马克其–库兰勒格断裂、阿尔金南缘断裂（图1c）。围绕区域深大断裂广泛分布次级断裂，主要以北东–近东西向为主。卡尔恰尔–阔什断裂呈北东东向，东西向延伸大于70 km，呈明显带状，是一个长期活动的断裂，该断裂不仅是早期地质构造单元（阿尔金杂岩和中新元古界隆起带）之间的分界线，还对早古生代中酸性侵入岩体的分布有控制作用，卡尔恰尔超大型萤石矿、小白河沟萤石矿即与该断裂及其派生的众多次级断裂关系密切。盖吉勒断裂呈北东向，为一南倾的逆断层，与库木塔什、拉依旦北等萤石矿床的形成密切相关。约马克其–库兰勒格断裂总体为北东东向，出露长约为10 km，在研究区与布拉克北、皮亚孜达坂等萤石矿床的形成关系密切。阿尔金南缘断裂呈北东东向横贯阿尔金南部，长度大于几千公里，构成阿中地块与阿南缘蛇绿混杂岩带的边界（校培喜等，2014）。
区域经历了多期次岩浆活动，新元古代、早古生代、中生代等均有规模不等的中酸性岩浆侵入，多沿阿尔金山呈北东向带状展布，岩石类型复杂，充分反映了造山带花岗岩类型丰富的特点（图1c）。新元古代侵入岩以花岗质片麻岩、花岗闪长质片麻岩为主，主要出露于研究区东部。早古生代侵入岩分布最为广泛，主要岩性有碱长花岗岩、二长花岗岩、黑云母花岗岩、花岗闪长岩等。区域脉岩极为发育，脉岩类型以碱长花岗岩脉、花岗伟晶岩脉为主，呈北东–北东东走向。其中碱长花岗岩脉主要分布于卡尔恰尔深大断裂南侧，在阿尔金岩群和新元古代花岗质片麻岩中尤为发育，受断裂控制明显，出露宽度普遍较窄，该脉岩与萤石矿关系密切（图1c）。花岗伟晶岩脉主要分布于卡尔恰尔深大断裂北侧，主要就位于阿尔金岩群和新元古代花岗质片麻岩中，脉体中矿物以长石和石英为主，个别含矿伟晶岩脉发育有锂辉石、绿柱石、锂云母、铌钽铁矿等稀有金属矿物。
2. 矿床地质特征
卡尔恰尔超大型萤石矿区出露地层主要为古元古界阿尔金岩群（Pt1A），为一套角闪岩相的中深变质岩系，萤石矿化主要分布于黑云母斜长片麻岩中，矿脉延伸方向与岩层走向基本一致。矿床位于卡尔恰尔–阔什断裂南侧，该区域深大断裂派生的次一级断裂系统对萤石矿产分布有明显的控制作用，断裂呈北东–近东西向展布，沿构造裂隙大量充填萤石–方解石脉，构成区内重要的赋矿构造。矿区岩浆岩类型主要为碱长花岗岩、片麻状钾长花岗岩，岩体与围岩地层接触界限明显（图2a、图2i）。萤石矿化在空间上与碱长花岗岩关系密切，与围岩地层接触关系较明显（图2a～图2c）。矿区圈出31条萤石矿体，由众多萤石-方解石细脉构成，多为复脉型矿脉，北东–近东西向带状展布，长度为1710～4580 m，平均厚度为2.36～4.68 m，最大厚度为23.5 m，矿体延伸稳定，连续性好，钻探验证矿脉有收敛增厚趋势，沿倾向控制最大斜深907 m。矿石中矿物成分较为简单，主要是萤石、方解石，少量石英（图2d～图2h），萤石呈2阶段成矿，早阶段萤石呈白色、淡绿色，晚阶段萤石呈紫色、紫黑色，可见紫色萤石矿脉穿插白色萤石矿脉，或紫色萤石矿脉发育于白色萤石矿脉边部（图2a、图2c）。矿石呈巨晶–粗晶结构、自形–半自形–他形粒状结构、碎裂结构、糜棱结构，矿石自然类型主要有脉状、条带状、角砾状矿石（图2d～图2f）。围岩蚀变主要为碳酸盐化、钾化、硅化、高岭土化、绢云母化、绿帘石化等。矿床成因类型属于热液充填型，矿石工业类型主要是CaF2–CaCO3型，CaF2平均品位为33.9%，探明+控制+推断萤石矿石量为6 631万t，矿物量（CaF2）为2 249万t，达超大型规模。
![]()
图 2 卡尔恰尔超大型萤石矿床矿化特征a～c.萤石矿化与碱长花岗岩关系密切，与围岩界线较清晰，紫色萤石矿脉穿插或发育于白色萤石矿脉边部；d～e.脉状萤石矿化；f.角砾状萤石矿化；g～h.钻孔中萤石矿化；i.片麻状钾长花岗岩侵入于阿尔金岩群黑云斜长片麻岩中；Cal.方解石；Fl.萤石Figure 2. Photos of mineralization features of Kalqiaer super–large fluorite deposit库木塔什萤石矿区出露地层为古元古界阿尔金岩群，岩性主要是黑云斜长片麻岩，其次为大理岩。矿区断裂主要呈北北东向、北东向、近东西向，多为平移断层，并发育韧性–脆性剪切带，北东向及近东西向断裂控制着区内岩脉的发育和展布。矿区内出露的侵入岩主要有碱长花岗岩、片麻状钾长花岗岩，碱长花岗岩脉与萤石矿脉关系十分密切（图3a、图3b），脉岩和矿脉均受断裂控制明显。矿区共圈出14条萤石矿化体，多呈北东向，倾向北北西，倾角为40°～70°，地表出露长为50～980 m，宽为0.3～3.6 m。矿石自然类型主要有脉状、角砾状（图3c～图3i），矿石中矿物成分较为简单，主要是萤石、方解石，另发育较多磷灰石，包括绿色柱状氟磷灰石和草黄色粒状铈磷灰石（图3e）。矿石具粗晶结构、自形–半自形–他形粒状结构、碎裂结构。矿石工业类型主要为CaF2–CaCO3型，CaF2平均品位为25%。围岩蚀变较为发育，主要为碳酸盐化、钾化、绢云母化、高岭土化等。矿床成因属热液充填型。
![]()
图 3 库木塔什萤石矿床矿化特征a～b. 萤石矿化与碱长花岗岩关系密切；c～f. 脉状萤石矿化及其矿物组成；g～i. 角砾状萤石矿化及其矿物组成；Cal. 方解石；Fl. 萤石；Ap. 磷灰石Figure 3. Photos of mineralization features of Kumutashi fluorite deposit小白河沟萤石矿区出露地层为古元古界阿尔金岩群，萤石矿化赋存在黑云斜长片麻岩中。矿区出露的侵入岩主要为碱长花岗岩，其与萤石矿脉关系密切（图4a～图4b）。矿区构造以近东西向为主。矿区圈定两条萤石矿化带，南侧矿化带长约为2.5 km，宽约为0.4 km，走向北东东；北侧矿化带宽约0.4为 km，长约为1.7 km，走向近东西。萤石矿体走向近东西，倾向北，倾角为30°～40°，该矿床特点是发育高品位矿石，CaF2品位大于50%，局部可达90%以上。矿石类型主要为块状矿石、纹层状矿石（图4c～图4f），矿石中矿物主要为萤石，局部发育方解石和少量石英；萤石呈白色、绿色、紫色、紫黑色等。矿石具粗晶结构、自形–半自形–他形粒状结构。矿石工业类型主要是CaF2型、CaF2–CaCO3型。围岩蚀变主要为碳酸盐化、钾化、绢云母化、高岭土化等。
![]()
图 4 小白河沟萤石矿床矿化特征a～b.萤石矿化与碱长花岗岩关系密切；c.纹层状萤石矿石；d～f.块状萤石矿石Figure 4. Photos of mineralization features of Xiaobaihegou fluorite deposit3. 采样及测试方法
用于锆石U–Pb年龄测试的样品经人工破碎后分选出锆石单矿物，制靶后进行阴极发光及透反射照相，根据图像选测试点位并进行合理数据解释。锆石U–Pb测年在自然资源部岩浆作用成矿与找矿重点实验室进行。激光剥蚀系统为GeoLas Pro，ICP–MS为Agilent 7700x，每时间分析数据包括大约40 s的样品信号和10 s的空白信号，激光剥蚀采用氦气作载气、氩气为补偿气以调节灵敏度。数据分析采用软件Glitter 4.4（Van Achterbergh et al.，2001）完成，详细测试过程和仪器参数可参考李艳广等（2015）。锆石U–Pb年龄谐和图采用Isoplot/Ex_ver 3（Ludwig，2003）软件绘制。
包含萤石、方解石矿物的矿石样品经过人工破碎后在双目镜下挑纯，挑纯出的小颗粒放入玛瑙研钵中，充分研磨至200目以下呈粉末状用于稀土元素实验测试分析。测试实验在自然资源部岩浆作用成矿与找矿重点实验室完成，萤石、方解石的稀土元素分析测试采用ICP–MS电感耦合等离子体质谱法，检测下限n×10–13～n×10–12，检测误差小于10%。
Rb–Sr、Sm–Nd同位素组成测试在自然资源部中南矿产资源监督检测中心完成。采用热电离质谱仪TRITON分析Rb、Sr、Sm、Nd同位素组成，同位素稀释法计算Rb、Sr、Sm、Nd含量及Sr同位素比值。Nd、Sr同位素比值分析中质量分馏分别采用146Nd/144Nd=0.7219，88Sr/86Sr=8.37521进行幂定律校正。整个分析过程用GBW04411、GBW04419、BCR-2和NBS987、GSW标准物质分别对全流程和仪器进行质量监控。NBS987的87Sr/86Sr测定值为0.71028±1，GBW04411测定值分别为Rb=249.8×10−6、Sr=159.3×10−6和87Sr/86Sr=0.76005±2，与其推荐值在误差范围内一致。全流程Nd、Sm、Sr、Rb空白分别小于9×10−10 g、3×10−10 g、3×10−9 g和4×10−10 g。
4. 测试结果
4.1 锆石U–Pb年龄
卡尔恰尔矿区与成矿相关的碱长花岗岩样品中锆石以自形粒状为主，粒径多为50～150 μm，阴极发光图像揭示大部分锆石具有清晰的岩浆韵律环带（图5a）。锆石U含量为233×10−6～1 095×10−6，Th含量为100×10−6～462×10−6，Th/U值为0.2～0.62，平均为0.45，显示出岩浆锆石的特点（表1）（Hoskin et al.，2000）。22个分析点投影于谐和线上及附近，206Pb/238U加权平均年龄为（455.8±2）Ma，代表了岩浆结晶年龄，表明其形成于中—晚奥陶世（图5b）。
![]()
图 5 卡尔恰尔萤石矿区碱长花岗岩的锆石CL图（a）和U–Pb年龄图（b）Figure 5. (a) Zircon CL images and (b) U–Pb diagram of alkali feldspar granite from the Kalqiaer fluorite deposit表 1 卡尔恰尔萤石矿区碱长花岗岩的锆石LA–ICP–MS U–Pb分析结果表Table 1. LA–ICP–MS zircon U–Pb isotopic data of alkali feldspar granite in Kaerqiaer fluorite deposit测试点 Th U Th/U 207Pb/206Pb 207Pb/235U 206Pb/238U 207Pb/206Pb 207Pb/235U 206Pb/238U （×10-6） 比值 1σ 比值 1σ 比值 1σ Ma 1σ Ma 1σ Ma 1σ KJ01 100 343 0.29 0.0564 0.0021 0.5734 0.0210 0.0737 0.0009 469.0 82.6 460.2 13.5 457.5 5.1 KJ02 137 271 0.51 0.0569 0.0023 0.5760 0.0221 0.0734 0.0009 487.3 86.2 461.9 14.3 456.9 5.3 KJ03 223 457 0.49 0.0553 0.0014 0.5580 0.0136 0.0733 0.0007 422.1 55.8 450.2 8.9 456.0 4.2 KJ04 105 233 0.45 0.0567 0.0020 0.5721 0.0189 0.0732 0.0008 479.0 75.0 459.4 12.2 455.6 4.9 KJ05 364 1095 0.33 0.0588 0.0013 0.5896 0.0122 0.0727 0.0007 561.0 47.4 470.6 7.8 452.5 4.0 KJ06 151 333 0.45 0.0541 0.0019 0.5515 0.0184 0.0739 0.0008 376.3 76.1 446.0 12.1 455.8 4.9 KJ07 137 282 0.49 0.0592 0.0024 0.5975 0.0229 0.0733 0.0009 572.9 84.2 475.6 14.6 456.0 5.3 KJ08 206 369 0.56 0.0547 0.0021 0.5513 0.0205 0.0731 0.0009 400.1 83.6 445.8 13.4 455.0 5.1 KJ09 143 256 0.56 0.0552 0.0025 0.5639 0.0246 0.0741 0.0010 420.0 97.5 454.0 16.0 451.0 5.7 KJ10 152 430 0.35 0.0551 0.0019 0.5646 0.0182 0.0744 0.0008 416.5 72.8 454.5 11.8 452.3 4.9 KJ11 127 277 0.46 0.0574 0.0019 0.5796 0.0184 0.0732 0.0008 508.1 71.3 464.2 11.8 455.6 4.8 KJ12 149 325 0.46 0.0569 0.0020 0.5774 0.0192 0.0736 0.0008 488.1 75.2 462.8 12.4 457.9 4.9 KJ13 164 398 0.41 0.0569 0.0016 0.5771 0.0158 0.0736 0.0008 487.1 62.6 462.6 10.2 457.8 4.5 KJ14 199 370 0.54 0.0559 0.0016 0.5674 0.0158 0.0736 0.0008 449.1 63.3 456.3 10.2 458.0 4.5 KJ15 258 678 0.38 0.0550 0.0015 0.5550 0.0144 0.0732 0.0007 412.1 58.9 448.3 9.4 455.6 4.4 KJ16 101 509 0.20 0.0577 0.0016 0.5878 0.0151 0.0739 0.0007 519.0 58.1 469.4 9.6 456.6 4.4 KJ17 168 488 0.34 0.0570 0.0016 0.5799 0.0151 0.0739 0.0007 489.0 59.9 464.4 9.7 453.6 4.5 KJ18 233 432 0.54 0.0561 0.0016 0.5697 0.0156 0.0737 0.0008 455.6 62.3 457.8 10.1 455.5 4.5 KJ19 462 797 0.58 0.0565 0.0014 0.5729 0.0136 0.0736 0.0007 470.2 54.9 459.9 8.8 458.0 4.3 KJ20 293 472 0.62 0.0570 0.0017 0.5767 0.0160 0.0735 0.0008 488.8 63.4 462.3 10.3 457.2 4.6 KJ21 170 495 0.34 0.0553 0.0016 0.5630 0.0155 0.0738 0.0008 425.9 62.3 453.4 10.0 454.2 4.5 KJ22 188 415 0.45 0.0575 0.0017 0.5846 0.0164 0.0738 0.0008 510.8 63.5 467.4 10.5 457.9 4.6 卡尔恰尔矿区片麻状钾长花岗岩样品中锆石以自形粒状为主，颗粒较大，粒径多为60～200 μm，阴极发光图像揭示大部分锆石具有清晰的岩浆韵律环带（图6a）。片麻状钾长花岗岩中锆石的U含量为90×10−6～765×10−6，Th含量为24×10−6～270×10−6，Th/U值为0.33～1.76，平均为0.27，显示出岩浆锆石的特点（表2）。16个分析点投影于谐和线上及附近，206Pb/238U加权平均年龄为（914.5±4.1）Ma，代表了岩浆结晶年龄，表明其形成于新元古代早期（图6b）。
![]()
图 6 卡尔恰尔萤石矿区片麻状钾长花岗岩的锆石CL图（a）和U−Pb年龄图（b）Figure 6. (a) Zircon CL images and (b) U–Pb diagram of gneissic feldspar granite from the Kalqiaer fluorite deposit表 2 卡尔恰尔萤石矿区片麻状钾长花岗岩的锆石LA–ICP–MS U–Pb分析结果表Table 2. LA–ICP–MS zircon U–Pb isotopic data of gneissic feldspar granite in Kaerqiaer fluorite deposit测试点 Th U Th/U 207Pb/206Pb 207Pb/235U 206Pb/238U 207Pb/206Pb 207Pb/235U 206Pb/238U （×10-6） 比值 1σ 比值 1σ 比值 1σ Ma 1σ Ma 1σ Ma 1σ KC01 158 440 0.36 0.0685 0.0017 1.3024 0.0298 0.1380 0.0014 883.4 49.1 846.8 13.1 853.5 7.8 KC02 24 305 0.08 0.0705 0.0017 1.5206 0.0348 0.1566 0.0016 941.9 48.7 938.7 14.0 938.0 8.8 KC03 100 407 0.25 0.0689 0.0015 1.4817 0.0305 0.1561 0.0015 895.4 44.4 922.9 12.5 935.2 8.4 KC04 229 443 0.52 0.0698 0.0014 1.4771 0.0269 0.1538 0.0015 920.9 39.3 921.0 11.0 922.0 8.1 KC05 140 401 0.35 0.0685 0.0014 1.4364 0.0280 0.1523 0.0015 882.9 42.1 904.2 11.7 913.8 8.2 KC06 64 260 0.25 0.0686 0.0016 1.4725 0.0335 0.1559 0.0016 886.6 48.6 919.2 13.8 933.7 8.8 KC07 97 291 0.33 0.0737 0.0016 1.6255 0.0340 0.1601 0.0016 1033.7 44.1 980.1 13.1 957.1 8.8 KC08 28 90 0.32 0.0760 0.0030 2.0298 0.0760 0.1939 0.0026 1094.5 75.8 1125.6 25.5 1142.6 14.1 KC09 137 435 0.31 0.0705 0.0014 1.4788 0.0279 0.1522 0.0014 943.4 40.7 921.7 11.4 913.5 8.1 KC10 27 485 0.05 0.0698 0.0014 1.4277 0.0269 0.1485 0.0014 922.4 40.7 900.6 11.3 892.5 7.9 KC11 79 360 0.22 0.0700 0.0016 1.4820 0.0313 0.1536 0.0015 929.0 45.2 923.0 12.8 921.3 8.5 KC12 175 765 0.23 0.0686 0.0013 1.3880 0.0248 0.1469 0.0014 886.9 39.0 883.8 10.5 883.3 7.7 KC13 270 677 0.40 0.0703 0.0013 1.4973 0.0250 0.1546 0.0014 938.1 36.4 929.3 10.2 926.4 8.0 KC14 84 297 0.28 0.0694 0.0016 1.4965 0.0336 0.1566 0.0016 909.9 47.9 928.9 13.7 937.8 8.8 KC15 103 489 0.21 0.0710 0.0014 1.4375 0.0259 0.1469 0.0014 958.6 38.9 904.7 10.8 883.5 7.8 KC16 135 212 0.64 0.1106 0.0019 4.7430 0.0752 0.3114 0.0030 1808.6 31.0 1774.9 13.3 1747.6 14.7 KC17 103 747 0.14 0.0710 0.0012 1.5322 0.0247 0.1566 0.0014 958.0 35.1 943.4 9.9 938.0 8.0 KC18 51 367 0.14 0.0877 0.0016 2.4895 0.0415 0.2061 0.0020 1375.5 34.0 1269.0 12.1 1208.2 10.5 KC19 80 468 0.17 0.0688 0.0014 1.4277 0.0265 0.1506 0.0014 893.2 40.2 900.6 11.1 904.5 8.0 KC20 102 533 0.19 0.0701 0.0013 1.4933 0.0258 0.1546 0.0014 932.5 37.4 927.7 10.5 926.5 8.1 4.2 稀土元素特征
卡尔恰尔矿床萤石的ΣREE值为39.4×10−6～57.19×10−6，LREE/HREE值为3.20～3.91，（La/Yb）N值为2.97～4.41，δEu值为0.39～0.42。小白河沟矿床萤石ΣREE值为44.73×10−6～65.79×10−6，LREE/HREE值为2.99～3.61，（La/Yb）N值为2.57～3.59，δEu值为0.38～0.44。库木塔什矿床萤石ΣREE值为41.5×10−6～81.01×10−6，LREE/HREE值为6.5～8.53，（La/Yb）N值为11.6～13.55，δEu值为0.46～0.55（表3）。
表 3 卡尔恰尔（KE）、小白河沟（XB）、库木塔什（KM）矿床的萤石、方解石稀土元素组成表（ 10−6）Table 3. Rare earth element data of fluorites and calcites from the Kaerqiaer, Xiaobaihegou and Kumutashi deposit矿物 样号 La Ce Pr Nd Sm Eu Gd Tb Dy Ho Er Tm Yb Lu Y ΣREE LREE HREE LREE/HREE （La/Yb）N δEu δCe 萤
石KE-1 6.04 12.9 1.85 8.61 2.28 0.32 2.40 0.39 2.32 0.46 1.21 0.19 1.11 0.16 31.5 40.24 32.00 8.24 3.88 3.90 0.42 0.94 KE-2 6.40 12.2 1.86 8.31 2.29 0.32 2.34 0.38 2.28 0.46 1.18 0.18 1.04 0.16 32.0 39.40 31.38 8.02 3.91 4.41 0.42 0.86 KE-3 8.64 18.0 2.72 11.9 3.18 0.46 3.63 0.58 3.38 0.70 1.85 0.27 1.65 0.23 47.6 57.19 44.90 12.29 3.65 3.76 0.41 0.90 KE-4 5.76 12.9 1.92 9.40 2.78 0.37 2.96 0.51 2.89 0.58 1.58 0.23 1.39 0.21 47.3 43.48 33.13 10.35 3.20 2.97 0.39 0.95 XB-1 6.40 14.1 2.12 9.38 2.62 0.40 2.88 0.47 2.71 0.55 1.44 0.20 1.28 0.18 38.3 44.73 35.02 9.71 3.61 3.59 0.44 0.93 XB-2 7.81 18.8 2.98 15.0 4.26 0.57 4.80 0.78 4.56 0.93 2.42 0.36 2.20 0.32 68.6 65.79 49.42 16.37 3.02 2.55 0.38 0.96 XB-3 6.63 14.7 2.39 11.5 3.57 0.45 3.66 0.61 3.63 0.78 2.02 0.30 1.85 0.26 59.5 52.35 39.24 13.11 2.99 2.57 0.38 0.90 KM-1 16.5 32.7 4.21 11.7 2.89 0.51 2.71 0.44 2.37 0.46 1.19 0.16 1.02 0.15 31.1 81.01 72.51 8.50 8.53 11.6 0.55 0.94 KM-2 10.2 15.4 1.80 6.67 1.64 0.26 1.80 0.30 1.64 0.30 0.78 0.10 0.54 0.07 31.5 41.50 35.97 5.53 6.50 13.55 0.46 0.81 方
解
石KE-1 69.9 165 18.4 66.6 11.8 1.41 8.89 1.48 8.02 1.61 4.75 0.85 5.44 0.87 40.5 365.02 333.11 31.91 10.44 9.22 0.40 1.10 KE-2 77.7 180 20.7 74.6 13.7 1.62 10.3 1.77 8.53 1.78 5.13 0.85 5.76 0.98 46.6 403.42 368.32 35.10 10.49 9.68 0.40 1.08 KE-3 83.5 213 25.1 96.8 18.1 2.15 13.9 2.52 13.5 2.67 7.74 1.34 8.64 1.44 73.7 490.40 438.65 51.75 8.48 6.93 0.40 1.13 XB-1 103 245 28.5 98.8 18.5 2.26 15.8 2.60 13.2 2.80 8.31 1.48 9.74 1.58 70.5 551.57 496.06 55.51 8.94 7.59 0.39 1.09 XB-2 158 378 43.3 144 26.5 2.94 20.0 3.41 17.2 3.47 9.91 1.72 11.5 1.95 91.7 821.90 752.74 69.16 10.88 9.86 0.37 1.10 XB-3 80.1 202 22.8 83.3 15.4 1.82 12.3 2.21 10.8 2.26 6.97 1.26 8.42 1.39 64.4 451.03 405.42 45.61 8.89 6.82 0.39 1.14 KM-1 68.5 162 18.3 66.8 13.0 1.46 9.77 1.62 9.12 1.73 5.07 0.85 5.70 0.92 45.8 364.84 330.06 34.78 9.49 8.62 0.38 1.10 KM-2 74.7 160 18.9 64.3 12.6 1.28 8.87 1.59 7.70 1.51 4.21 0.72 4.72 0.72 37.2 361.82 331.78 30.04 11.04 11.35 0.35 1.02 KM-3 69.5 158 17.8 62.2 12.0 1.33 9.01 1.65 8.76 1.70 4.83 0.83 5.66 0.94 43.0 354.21 320.83 33.38 9.61 8.81 0.38 1.07 KM-4 75.1 163 19.9 65.2 12.4 1.31 9.17 1.56 7.65 1.54 4.29 0.74 4.88 0.76 40.8 367.50 336.91 30.59 11.01 11.04 0.36 1.01 卡尔恰尔矿床方解石ΣREE值为365×10−6～490×10−6，LREE/HREE值为8.48～10.49，（La/Yb）N值为6.93～9.68，δEu值为0.4。小白河沟矿床方解石ΣREE值为451×10−6～822×10−6，LREE/HREE值为8.89～10.88，（La/Yb）N值为7.59～9.86，δEu值为0.37～0.39。库木塔什矿床方解石ΣREE值为354×10−6～368×10−6，LREE/HREE值为9.49～11.04，（La/Yb）N值为8.62～11.35，δEu值为0.35～0.38（表3）。
4.3 Sr−Nd同位素
卡尔恰尔矿区6件萤石的Rb含量为0.03×10−6～0.06×10−6，Sr含量为340×10−6～343×10−6，Sm含量为1.77×10−6～1.83×10−6， Nd含量为6.40×10−6～6.82×10−6， 87Rb/86Sr值为0.00029～0.00046，87Sr/86Sr值为0.71005～0.71009，147Sm/144Nd值为0.1626～0.1682，143Nd/144Nd值为0.511917～0.512040（表4）。
表 4 卡尔恰尔（KE）、小白河沟（XB）、库木塔什（KM）矿床的萤石Sr−Nd同位素组成表Table 4. Sr−Nd isotopic composition of fluorites from Kaerqiaer, Xiaobaihegou and Kumutashi deposit样号 Rb/10-6 Sr/10-6 87Rb/86Sr 87Sr/86Sr Sm/10-6 Nd/10-6 147Sm/144Nd 143Nd/144Nd KE-1 0.05 343 0.00039 0.71005 1.77 6.55 0.1633 0.511987 KE-2 0.03 340 0.00029 0.71005 1.83 6.82 0.1626 0.511917 KE-3 0.04 342 0.00036 0.71007 1.79 6.48 0.1672 0.511932 KE-4 0.05 342 0.00041 0.71008 1.83 6.71 0.1655 0.511975 KE-5 0.06 342 0.00046 0.71009 1.78 6.40 0.1682 0.512040 KE-6 0.05 343 0.00046 0.71004 1.80 6.49 0.1678 0.512036 XB-1 0.26 264 0.00287 0.71025 2.62 9.36 0.1696 0.511930 XB-2 0.13 293 0.00131 0.71015 2.60 9.45 0.1664 0.511919 XB-3 0.18 368 0.00145 0.71025 3.26 11.88 0.1659 0.512039 XB-4 0.16 399 0.00118 0.71023 2.98 10.68 0.1688 0.512062 XB-5 0.21 375 0.00161 0.71036 3.94 14.15 0.1684 0.512061 KM-1 1.30 199 0.01878 0.70950 1.32 3.90 0.2044 0.512071 KM-2 0.02 261 0.00025 0.70952 1.29 3.88 0.2002 0.512061 KM-3 0.02 208 0.00029 0.70955 1.32 3.94 0.2024 0.512044 小白河沟矿区5件萤石的Rb含量为0.13×10−6～0.26×10−6，Sr含量为264×10−6～399×10−6，Sm含量为2.60×10−6～3.94×10−6，Nd含量为9.36×10−6～14.15×10−6，87Rb/86Sr值为0.00118～0.00287，87Sr/86Sr值为0.71015～0.71036，147Sm/144Nd值为0.1659～0.1696 ，143Nd/144Nd值为0.511919～0.512062（表4）。
库木塔什矿区3件萤石的Rb含量为0.02×10−6～1.3×10−6，Sr含量为199×10−6～261×10−6，Sm含量为1.29×10−6～1.32×10−6，Nd含量为3.88×10−6～3.94×10−6， 87Rb/86Sr值为0.00025～0.01878，87Sr/86Sr值为0.70950～0.70955，147Sm/144Nd值为0.2002～0.2044，143Nd/144Nd值为0.512044～0.512071（表4）。
5. 讨论
5.1 成岩时代与构造背景
本次研究工作对卡尔恰尔超大型萤石矿区碱长花岗岩进行LA−ICP−MS锆石U−Pb定年，获得成岩年龄为（455.8±2）Ma，表明其形成于中—晚奥陶世。一般岩浆热液型萤石矿的成矿时代稍晚于成矿岩体形成时代，卡尔恰尔一带各萤石矿区均见发育有肉红色碱长花岗岩脉体，萤石矿化主要赋存于岩体内外接触带附近，常见萤石−方解石细脉穿插于碱长花岗岩脉体中，碱长花岗岩因强烈热液活动而发育碳酸盐化、萤石化、硅化、绢云母化等矿化蚀变。同时库木塔什萤石矿的研究显示，该矿区碱长花岗岩体属高氟岩体[w（F）＞0.1%]，成岩年龄为（450±2.7）Ma（高永宝等，2021），与萤石共生的磷灰石LA−ICP−MS U−Pb年龄为（448±27）Ma（待见刊），均表明该区碱长花岗岩与萤石成矿具有密切的时空、成因关系。
区域上，阿尔金西南缘发育大规模早古生代岩浆岩，均为阿中地块与柴达木地块之间洋-陆转换过程中岩浆活动的产物（曹玉亭等，2010；孙吉明等，2012；杨文强等，2012；郭金城等，2014；徐旭明等，2014；董洪凯等，2014；康磊等，2016；过磊等，2019）。区域超高压变质岩研究表明，峰期变质时代集中于504～486 Ma，退变质作用时代为～450 Ma（Zhang et al.，2001；刘良等，2007；Liu et al.，2012）。卡尔恰尔周边邻近的花岗岩研究显示，帕夏拉依档沟一带二长花岗岩锆石U–Pb年龄为（460±4 ）Ma、正长花岗岩锆石U−Pb年龄为（455±3.6）Ma，形成于挤压体制向拉张体制转换的构造环境（张若愚等，2016，2018），清水泉一带花岗质岩石锆石U−Pb年龄为（451±4）Ma，形成于伸展构造背景（王立社等，2016），而镁铁−超镁铁质侵入体（465 Ma）暗示此时碰撞造山已转入伸展阶段（马中平等，2011）。上述研究均表明，中—晚奥陶世阿中地块和柴达木地块由挤压造山转变成伸展构造背景，卡尔恰尔超大型萤石矿带正是该时期岩浆活动的产物。另外，区域上发育大规模形成于早—中奥陶世碰撞造山阶段的伟晶岩脉群，如吐格曼锂铍稀有金属矿床的成矿黑云母二长花岗岩锆石U−Pb年龄为475～482 Ma，含矿伟晶岩脉中铌钽铁矿U−Pb年龄为（472±8）Ma、锡石U−Pb年龄为（468±8.7）Ma（徐兴旺等，2019；李杭等，2020；Gao et al.，2021）。综上，早古生代加里东期是区域萤石矿、锂铍稀有金属矿的重要成矿期，萤石成矿稍晚于锂铍稀有金属矿。
卡尔恰尔超大型萤石矿区片麻状钾长花岗岩获得LA−ICP−MS锆石U−Pb年龄为（914.5±4.1）Ma，表明其形成于新元古代早期。区域上，阿尔金西南缘已发现多处新元古代花岗（片麻）岩，可能与～900 Ma Rodinia超大陆事件引发的全球性岩浆活动相关，在空间分布上自西向东有江尕勒萨依、库如克萨依、清水泉、肖鲁布拉克、亚干布阳等地区花岗（片麻）岩呈带状分布，构成了一条与Rodinia超大陆汇聚相关的花岗岩带，正是这次构造事件使阿中地块和柴达木地块固结，该类同碰撞型花岗质片麻岩年龄大多为870～945 Ma（王超等，2006；校培喜等，2014；朱小辉等，2014；王立社等，2015；李琦等，2018；马拓等，2018；PAK Sang Wan，2019；曾忠诚，2020），卡尔恰尔萤石矿区的片麻状钾长花岗岩即为Rodinia 超大陆汇聚引发的岩浆活动的产物。
5.2 成矿流体特征
卡尔恰尔、小白河沟、库木塔什矿床萤石、方解石稀土元素特征表明，萤石、方解石的稀土元素配分曲线特征与碱长花岗岩、地层变质杂岩（黑云斜长片麻岩）较相似，均表现为右倾的LREE富集型，具有明显的负Eu异常特征（图7），表明萤石、方解石的稀土可能继承了岩体、地层的稀土配分模式。相比较，库木塔什矿区的萤石矿物具有更高的轻重稀土分馏程度。研究表明，萤石形成过程中REE含量的分布与结晶作用所处阶段有关，一般结晶早阶段的萤石富集 LREE，而结晶晚阶段萤石富集HREE（Moller et al.，1983；Schonenberger et al.，2008），卡尔恰尔、小白河沟、库木塔什矿床中萤石均表现为明显的LREE富集型，可知其均形成于结晶作用的早阶段。
![]()
图 7 卡尔恰尔一带萤石矿床的稀土元素配分模式图碱长花岗岩与黑云母斜长片麻岩数据引自高永宝等（2021）与吴益平等（2021）Figure 7. Normalized REE patterns of fluorite deposits from the Kaerqiaer areaMoller等（1976） 在全球 150 多个萤石矿床研究基础上提出Tb/La−Tb/Ca双变量关系图解，用以判别萤石的成因类型，Tb/La原子数比值可反映成矿流体中稀土元素的分馏程度， Tb/Ca原子数比值可代表萤石结晶时的化学环境，具成因指示意义；卡尔恰尔、小白河沟、库木塔什矿床的萤石样品点均落在热液成因区域（图8a），表明该区萤石矿均为岩浆热液作用的产物。Y、Ho元素由于半径、电价相近，具有相似的地球化学性质，故Y/Ho值常作为一种重要参数来示踪成矿流体作用过程（Deng et al.，2014；Graupner et al.，2015；Mondillo et al.，2016），在富含 F 的成矿流体体系中，Y相对于 Ho 元素含量会较富集，两者比值一般大于28（Veksler et al.，2005）。Bau等（1995）在研究欧洲数个萤石矿床后提出La/Ho−Y/Ho关系图，可有效判别成矿流体来源，同源同期结晶的萤石Y/Ho 值不变而在图上表现为直线，而不同来源的萤石Y/Ho 值变化较大。卡尔恰尔、小白河沟、库木塔什矿床萤石样品在La/Ho−Y/Ho图中呈水平直线展布（图8b），且萤石样品Y/Ho 值（68～105）均远大于28，表明该区萤石矿为同源同期流体成矿，成矿流体是具有相同物化性质的富含F 的成矿流体。前已述及，不同矿区萤石、方解石的稀土元素配分模式具有一致性，同样是同源同期流体的反映。同时，图8中可看出卡尔恰尔、小白河沟矿床的萤石矿物Tb/La、La/Ho值相近，且与库木塔什矿床有明显区别，表明同处于卡尔恰尔断裂的卡尔恰尔、小白河沟矿床萤石的稀土分馏程度相近，而处于盖吉勒断裂的库木塔什萤石矿具有相对更高的轻重稀土分馏程度，可能反映同一成矿流体体系下不同断裂处分布的萤石矿床成矿环境略有差异。
![]()
计算Tb/Ca原子数比采用CaF2中Ca的理论值（51.332 8%）Figure 8. Tb/Ca−Tb/La and La/Ho−Y/Ho diagram of fluorite from the Kaerqiaer areaδEu特征能记录成矿流体的氧化还原条件及温度，还原条件下形成的萤石因Eu2+具较大离子半径而不利于取代Ca2+进入到晶格中，导致Eu2+与稀土体系分离而形成Eu负异常，氧化条件下形成的萤石通常呈Eu正异常（Bau et al.，1992）。同时强烈的Eu负异常指示沉淀时成矿流体处于中低温环境（＜250 ℃），而当温度超过250 ℃时则表现出正Eu异常（Bau et al.，1992）。卡尔恰尔、小白河沟、库木塔什矿床中萤石、方解石的δEu＜0，表示沉淀时成矿流体处于还原条件下中低温环境。
5.3 成矿物质来源
在反映成矿物质来源的 La/Yb−ΣREE关系图中（图9a），不同矿区的萤石样品均落在沉积岩、钙质泥岩区及其附近，说明成矿物质可能一部分来自围岩。在（Y+La）−Y/La 关系图（图9b）中，样品均落在钙碱性花岗岩区域内，说明萤石矿在成因上确实与花岗岩的侵入有密切关系。显然，元素图解不仅展示了围岩地层对成矿物质的影响，还显示了岩浆热液对成矿作用的影响，且该区成矿碱长花岗岩体属高氟岩体[w（F）＞0.1%]，可为萤石成矿提供氟物质，萤石赋矿地层具有一定选择性，主要为阿尔金岩群中的黑云斜长片麻岩、碳酸盐岩等富钙质岩系。因此，初步认为成矿主要物质之一的 Ca 元素可能主要是由岩浆热液对地层的淋滤萃取而来，而F元素则可能主要来源于成矿岩体碱长花岗岩。
![]()
图 9 卡尔恰尔一带萤石的La/Yb−ΣREE与（Y+La）−Y/La图解（底图据Allegre et al.，1978）Figure 9. La/Yb−ΣREE and (Y+La)−Y/La diagram of fluorite from the Kaerqiaer area萤石一般具有较低的Rb含量和较高的Sr含量，此次Sr、Nd同位素测试结果显示，卡尔恰尔一带萤石具有较低的Rb/Sr值，使得萤石的87Sr/86Sr组成可以直接代表成矿流体的87Sr/86Sr初始比值。卡尔恰尔矿区萤石的87Sr/86Sr值为0.71005～0.71009，小白河沟矿区萤石的87Sr/86Sr值为0.71015～0.71036，库木塔什矿区萤石的87Sr/86Sr值为0.70950～0.70955，可看出各矿区成矿流体的87Sr/86Sr值基本一致，反映了成矿流体中Sr可能同源。卡尔恰尔矿区萤石的143Nd/144Nd值为0.511917～0.512040，小白河沟矿区萤石的143Nd/144Nd值为0.511919～0.512062，库木塔什矿区萤石的143Nd/144Nd值为0.512044～0.512071，均介于上、下地壳143Nd/144Nd值（0.50071～0.51212）之间。在87Sr/86Sr −143Nd/144Nd图解中（图10），萤石样品点均落于上、下地壳之间区域，说明萤石成矿物质来源于地壳。
![]()
图 10 卡尔恰尔一带萤石的87Sr/86Sr −143Nd/144Nd图解Figure 10. 87Sr/86Sr −143Nd/144Nd diagram of fluorite from the Kaerqiaer area6. 结论
（1）阿尔金卡尔恰尔超大型萤石矿带成矿与碱长花岗岩关系密切，萤石矿化主要赋存于岩体内外接触带附近，赋矿围岩主要为阿尔金岩群中的黑云斜长片麻岩、碳酸盐岩等富钙质岩系，矿体明显受北东向断裂构造控制，矿石类型主要有脉状、角砾状、块状、条带状矿石，矿物组成主要是萤石、方解石。
（2）卡尔恰尔超大型萤石矿区与成矿有关的碱长花岗岩成岩年龄为（455.8±2） Ma，结合前人研究，认为该萤石矿带形成于加里东期中—晚奥陶世，为挤压造山转变成伸展构造背景下岩浆活动的的产物。矿区片麻状钾长花岗岩成岩年龄为（914.5±4.1）Ma，形成于新元古代早期，与 Rodinia 超大陆汇聚事件有关。
（3）稀土元素特征显示，卡尔恰尔、小白河沟、库木塔什3个矿床的萤石、方解石稀土元素配分模式均为右倾的LREE富集型，具有明显负Eu异常，与成矿岩体、围岩地层十分相似，表明萤石、方解石的稀土可能继承了岩体、地层的稀土配分模式。各矿床萤石均为热液成因，表现出同源同期成矿流体的特征，成矿环境为还原条件下的中低温环境。
（4）各矿区萤石Sr−Nd同位素组成显示成矿物质来源于地壳，结合成矿特征，初步认为Ca可能主要来自于岩浆热液对地层的淋滤萃取，而F可能主要来源于成矿岩体碱长花岗岩。
-
![]()
图 1 研究区地理位置、地形地貌及滑坡点分布图
Figure 1. Geographical location and landslide distribution map of the study area
![]()
图 2 易发性评价因子分布图
a.高程；b.坡度；c.坡向；d.地形地貌；e.岩性；f.河流缓冲区；g.降雨量；h.NDWI；i.道路缓冲区
Figure 2. Distribution of Susceptibility assessment impact factors
![]()
图 5 MaxEnt模型易发性评价结果精度ROC曲线验证
a.未优化未引入地表变形速率；b.优化未引入地表变形速率；c.未优化引入地表变形速率；d.优化引入地表变形速率
Figure 5. ROC curve verification of susceptibility evaluated by MaxEnt model
![]()
图 6 吴起县滑坡易发性动态评价结果
Figure 6. Results of dynamic evaluation of landslides susceptibility in Wuqi County
![]()
图 7 Maxent 模型对评价因子重要性的刀切法检验
Figure 7. Jacknife text of the importance of impact factors in MaxEnt
表 1 基于刀切法评价因子重要性分布表
Table 1 The importance distribution table of evaluation factors based on knife-cutting method
评价因子 贡献率（%） 坡度 38.4 岩性 18.6 高程 18.1 河流缓冲区 9.4 坡向 6.6 道路缓冲区 2.6 NDWI 2.3 地表粗糙度 1.6 地表形变速率 1.2 降雨 1.1 NDBI 0 NDVI 0 平面曲率 0 剖面曲率 0 
下载: 导出CSV
表 2 不同参数设置下MaxEnt模型评价结果
Table 2 Evaluation results of MaxEnt model under different parameters setting
是否引入地表形变速率 模型评价 调控倍频 特征组合 Delta.AICc 10%训练遗漏率 引入地表形变速率 默认 1 LQHPT 13.0896 0.131827 优化 1.5 QHP 0 0.129843 未引入地表形变速率 默认 1 LQHPT 37.4817 0.126679 优化 0.5 QHP 0 0.115884
下载: 导出CSV
表 3 易发性评价结果与滑坡点分布现状对比
Table 3 Comparison of susceptibility evaluation results and landslide point distribution status
易发登记 面积（km2） 面积百分比（%） 滑坡点数量（个） 滑坡点占比 滑坡点密度 高易发区 241.96 6.33 243 48.11 1.01 较高易发区 392.90 10.27 127 25.15 0.32 中易发区 596.17 15.59 80 15.8 0.13 较低易发区 845.52 22.11 44 8.7 0.05 低易发区 1747.84 45.70 11 2.2 0.1 合计 3824.39 100% 505 100% /
下载: 导出CSV
表 4 各评价因子的贡献率和置换重要性比值表
Table 4 Contribution and inportance of impact variables affecting the landslide susceptibility
评价因子 因子贡献率（%） 置换重要性（%） 高程 25.2 33.9 坡度 20.1 24.2 粗糙度 14 11.3 河流缓冲区 11.7 7.3 岩性 11.3 4.1 降雨 7.1 7.9 坡向 5.1 2.2 地表变形速率 3.2 3.6 道路缓冲区 1.5 4.3 NDWI 0.7 1.1
下载: 导出CSV
-
陈舞, 王浩, 张国华, 等. 基于T-S模糊故障树和贝叶斯网络的隧道坍塌易发性评价[J]. 上海交通大学学报, 2020, 54（8）: 820−830. CHEN Wu, WANG Hao, ZHANG Guohua, et al. Evaluation of Tunnel Collapse Susceptibility Based on T-S Fuzzy Fault Tree and Bayesian Network[J]. Journal of Shanghai Jiaotong University,2020,54(8):820−830.
段钊, 赵法锁, 陈新建. 陕北黄土高原区滑坡发育类型与时空分布特征——以吴起县为例[J]. 灾害学, 2011, 26（4）: 52−56. DUAN Zhao, ZHAO Fasuo, CHEN Xinjian. Types and Spatio-Temporal Distribution of Loess Landslides in Loess Plateau Region —A Case Study in Wuqi County[J]. Journal of Catastrophology,2011,26(4):52−56.
郭飞, 赖鹏, 黄发明, 等. 基于知识图谱的滑坡易发性评价文献综述及研究进展[J]. 地球科学, 2024, 49（5）: 1587−1606. GUO Fei,LAI Peng,HUANG Faming,et al. Literature review and research progress of landslide susceptibility mapping based on knowledge graph[J]. Earth Science,2024,49(5):1587−1606.
高秉海, 何毅, 张立峰, 等. 顾及InSAR形变的CNN滑坡易发性动态评估——以刘家峡水库区域为例[J]. 岩石力学与工程学报, 2023, 42（2）: 450−465. GAO Binghai, HE Yi, ZHANG Lifeng, et al. Dynamic evaluation of landslide susceptibility by CNN considering InSAR deformation: A case study of Liujiaxia reservoir[J]. Chinese Journal of Rock Mechanics and Engineering,2023,42(2):450−465.
胡胜, 邱海军, 王宁练, 等. 地形对黄土高原滑坡的影响[J]. 地理学报, 2021, 76（11）: 2697−2709. HU Sheng, QIU Haijun, WANG Ninglian, et al. The influence of terrain on loess landslides in Loess Plateau[J]. Acta Geographica Sinica,2021,76(11):2697−2709.
贾丽娜, 陈世昌. 基于AHP和GIS的舟曲地质灾害易发性评价[J]. 西北地质, 2024, 57（1）: 23−33. JIA Lina,CHEN Shichang. Geological Hazard Susceptibility Evaluation Based on AHP and GIS in Zhouqu County, Gansu[J]. Northwestern Geology,2024,57(1):23−33.
胡燕, 李德营, 孟颂颂, 等. 基于证据权法的巴东县城滑坡灾害易发性评价[J]. 地质科技通报, 2020, 39（3）: 187−194. HU Yan, LI Deying, MENG Songsong, et al. Landslide susceptibility evaluation in Badong County based on weights of evidence method[J]. Bulletin of Geological Science and Technology,2020,39(3):187−194.
黄煜, 谢婉丽, 刘琦琦, 等. 基于GIS与MaxEnt模型的滑坡易发性评价——以铜川市中部城区为例[J]. 西北地质, 2023, 56（1）: 266−275. HUANG Yu, XIE Wanli, LIU Qiqi, et al. Landslide Susceptibility Assessment Based on GIS and MaxEnt Model: Example from Central Districts in Tongchuan City[J]. Northwestern Geology,2023,56(1):266−275.
姜建伟, 赵法锁, 祝俊华, 等. 陕西省吴起县斜坡几何形态与地质灾害相关性研究[J]. 灾害学, 2018, 33（2）: 188−192. JIANG Jianwei, ZHAO Fasuo, ZHU Junhua, et al. Study on the correlation between slope geometrical morphology and geological disasters in Wuqi County of Shaanxi Province[J]. Journal of Catastrophology,2018,33(2):188−192.
李泽芝, 王新刚. 镇域尺度下秦巴山区堆积层滑坡易发性不同单元评价性能对比研究[J]. 西北地质, 2024, 57（1）: 1−11. LI Zezhi,WANG Xingang. Comparative Study on Evaluation Performance of Different Units of Susceptibility of Accumulation Layer Landslide in Qinba Mountain Area at Town Scale[J]. Northwestern Geology,2024,57(1):1−11.
林琴, 郭永刚, 吴升杰, 等. 基于梯度提升的优化集成机器学习算法对滑坡易发性评价: 以雅鲁藏布江与尼洋河两岸为例[J]. 西北地质, 2024, 57（1）: 12−22. LIN Qin,GUO Yonggang,WU Shengjie,et al. Evaluation of Landslide Susceptibility by Optimization Integrated Machine Learning Algorithm Based on Gradient Boosting: Take Both Banks of Yarlung Zangbo River and Niyang River as Examples[J]. Northwestern Geology,2024,57(1):12−22.
刘东生, 安芷生, 文启忠, 等. 中国黄土的地质环境[J]. 科学通报, 1978（1）: 19−26. LIU Tongsheng, AN Zhisheng, WEN Qizhong, et al. Geological Environment of Chinese Loess[J]. Chinese Science Bulletin,1978(1):19−26.
兰恒星, 彭建兵, 祝艳波, 等. 黄河流域地质地表过程与重大灾害效应研究与展望[J]. 中国科学: 地球科学, 2022, 65（2）: 234−256. LAN Hengxing,PENG Jianbing,ZHU Yanbo,et al. Research on geological and surfacial processes and major disaster effects in the Yellow River Basin[J]. Science China Earth Sciences,2022,65(2):234−256.
麦鉴锋, 冼宇阳, 刘桂林. 气候变化情景下广东省降雨诱发型滑坡灾害潜在分布及预测[J]. 地球信息科学学报, 2021, 23（11）: 2042−2054. doi: 10.12082/dqxxkx.2021.210182 MAI Jianfeng, XIAN Yuyang, LIU Guilin. Predicting Potential Rainfall-Triggered Landslides Sites in Guangdong Province (China) using MaxEnt Model under Climate Changes Scenarios[J]. Journal of Geo-information Science,2021,23(11):2042−2054. doi: 10.12082/dqxxkx.2021.210182
牛全福, 冯尊斌, 党星海, 等. 黄土区滑坡研究中地形因子的选取与适宜性分析[J]. 地球信息科学学报, 2017, 19（12）: 1584−1592. NIU Quanfu, FENG Zunbin, DANG Xinghai, et al. Suitability analysis of topographic factors in Loess landslide research[J]. Journal of Geo-information Science,2017,19(12):1584−1592.
彭建兵, 兰恒星, 钱会, 等. 宜居黄河科学构想[J]. 工程地质学报, 2020, 28（2）: 189−201. PENG Jianbing, LAN Hengxing, QIAN Hui, et al. Scientific research framework of livable Yellow River[J]. Journal of Engineering Geology,2020,28(2):189−201.
彭建兵, 王启耀, 门玉明, 等. 黄土高原滑坡灾害[M]. 北京: 科学出版社, 2019. PENG Jianbing, WANG Qiyao, MEN Yuming, et al. Landslides in loess Plateau[M]. Beijing: Science Press, 2019.
孙萍萍, 张茂省, 贾俊, 等. 中国西部黄土区地质灾害调查研究进展[J]. 西北地质, 2022, 55（3）: 96−107. SUN Pingping, ZHANG Maosheng, JIA Jun, et al. Geo-hazards Research and Investigation in the Loess Regions of Western China[J]. Northwestern Geology,2022,55(3):96−107.
孙长明, 马润勇, 尚合欣等. 基于滑坡分类的西宁市滑坡易发性评价[J]. 水文地质工程地质, 2020, 47（3）: 173−181. SUN Changming, MA Runyong, SHANG Hexin, et al. Landslide susceptibility assessment in Xining based on landslide classification[J]. Hydrogeology & Engineering Geology,2020,47(3):173−181.
孙萍萍, 张茂省, 程秀娟, 等. 黄土高原地质灾害发生规律[J]. 山地学报, 2019, 37（5）: 737−746. SUN Pingping, ZHANG Maosheng, CHENG Xiujuan, et al. On the Regularity of Geological Hazards on the Loess Plateau in China[J]. Mountain Research,2019,37(5):737−746.
唐亚明, 张茂省, 李林, 等. 滑坡易发性危险性风险评价例析[J]. 水文地质工程地质, 2011, 38（2）: 125−129. TANG Yaming, ZHANG Maosheng, LI Lin, et al. Discrimination to the landslide susceptibility, hazard and risk assessment[J]. Hydrogeology & Engineering Geology,2011,38(2):125−129.
唐兴港, 王慧勇, 黄豆, 等. 长江中下游地区滑坡的易发性评价——以江西省为例[J]. 水土保持通报, 2021, 41（3）: 166−172. TANG Xinggang, WANG Huiyong, HUANG Dou, et al. Evaluation of Landslide Susceptibility in Middle and Lower Reaches of Yangtze River-Taking Jiangxi Province as a Caes Study[J]. Bulletin of Soiland Water Conservation,2021,41(3):166−172.
唐亚明, 程秀娟, 薛强, 等. 基于层次分析法的黄土滑塌风险评价指标权重分析[J]. 中国地质灾害与防治学报, 2012, 23（4）: 40−46. TANG Yaming, CHENG Xiujuan, XUE Qiang, et al. Weights analysis of loess collapse risk assessing factors based on analytical hierarchy process[J]. The Chinese Journal of Geological Hazard and Control,2012,23(4):40−46.
吴树仁, 石菊松, 张春山, 等. 地质灾害风险评估技术指南初论[J]. 地质通报, 2009, 28（8）: 995−1005. WU Shuren, SHI Jusong, ZHANG Chunshan, et al. Preliminary discussion on technical guideline for geohazard risk assessment[J]. Geological Bulletin of China,2009,28(8):995−1005.
王本栋, 李四全, 许万忠, 等. 基于3种不同机器学习算法的滑坡易发性评价对比研究[J]. 西北地质, 2024, 57（1）: 34−43. WANG Bendong,LI Siquan,XU Wanzhong,et al. A Comparative Study of Landslide Susceptibility Evaluation Based on Three Different Machine Learning Algorithms[J]. Northwestern Geology,2024,57(1):34−43.
王高峰, 郭宁, 邓兵, 等. 不同组合模型区域滑坡易发性及精度分析[J]. 西北地质, 2021, 54（2）: 259−272. WANG Gaofeng, GUO Ning, DENG Bing, et al. Analysis of Landslide Susceptibility and Accuracy in Different Combination Models[J]. Northwestern Geology,2021,54(2):259−272.
王晓帆, 段雨营, 金露露, 等. 基于优化的最大嫡模型预测中国高山栋组植物的历史、现状与未来分布变化[J]. 生态学报, 2023, 43（16）: 6590−6604. WANG Xiaofan, DUAN Yuying, JIN Lulu, et al. Prediction of historical, present and future distribution of Ouercus sect. Heterobalanus based on the optimized MaxEnt model in China[J]. Acta Ecologica Sinica,2023,43(16):6590−6604.
万洋, 郭捷, 马凤山, 等. 基于最大熵模型的中尼交通廊道滑坡易发性分析[J]. 中国地质灾害与防治学报, 2022, 33（2）: 88−95. WAN Yang, GUO Jie, MA Fengshan, et al. Landslide susceptibility assessment based on MaxEnt model of along Sino-Nepal traffic corridor[J]. The Chinese Journal of Geological Hazard and Control,2022,33(2):88−95.
熊小辉, 汪长林, 白永健, 等. 基于不同耦合模型的县域滑坡易发性评价对比分析——以四川普格县为例[J]. 中国地质灾害与防治学报, 2022, 33（4）: 114−124. XIONG Xiaohui, WANG Changlin, BAI Yongjian, et al. Comparison of landslide susceptibility assessment based on multiple hybrid models at county level: A case study for Puge County, Sichuan Province[J]. The Chinese Journal of Geological Hazard and Control,2022,33(4):114−124.
于开宁, 吴涛, 魏爱华, 等. 基于AHP-突变理论组合模型的地质灾害危险性评价——以河北平山县为例[J]. 中国地质灾害与防治学报, 2023, 34（2）: 146−155. YU Kaining, WU Tao, WEI Aihua, et al. Geological hazard assessment based on the models of AHP, catastrophe theory and their combination: A case study in Pingshan County of Heibei Province[J]. The Chinese Journal of Geological Hazard and Control,2023,34(2):146−155.
赵冬梅, 角媛梅, 邱应美, 等. 基于maxEnt模型的哈尼梯田核心区滑坡易发性评价[J]. 水土保持学报, 2020, 27（4）: 392−399. ZHAO Dongmei, JIAO Yuanmei, QIU Yingmei, et al. Assessment on Landslide Susceptibility of the Core Area of Hani Race Terraces Heritage Site Maximum Entropy Model[J]. Research of Soil and Water Conservation,2020,27(4):392−399.
张伟, 周松林, 尹仑. 基于优化 MaxEnt 模型的高山峡谷区地质灾害易发性评价—以云南省德钦县为例[J]. 灾害学, 2023, 38（2）: 185−190. ZHANG Wei,ZHOU Songlin,YIN Lun. Evaluation of Susceptibility to Geological Hazard in Alpine Canyon Area Based on Optimized MaxEnt Model: A Case Study in Deqin County,Yunnan Province[J]. Journal of Catastrophology,2023,38(2):185−190.
曾韬睿, 邬礼扬, 金必晶, 等. 基于stacking集成策略和SBAS-InSAR的滑坡动态易发性制图[J]. 岩石力学与工程学报, 2023, 42（9）: 2266−2282. ZENG Taorui, WU Liyang, JIN Bijing, et al. Landslide dynamic susceptibility mapping based on stacking ensemble strategy and SBAS-InSAR[J]. Chinese Journal of Rock Mechanics and Engineering,2023,42(9):2266−2282.
朱耿平, 乔慧捷. Maxent模型复杂度对物种潜在分布区预测的影响[J]. 生物多样性, 2016, 24（10）: 1189−1196. doi: 10.17520/biods.2016265 ZHU Gengping, QIAO Huijie. Effect of the Maxent model’s complexity on the prediction of species potential distributions[J]. Biodiversity Science,2016,24(10):1189−1196. doi: 10.17520/biods.2016265
张茂省, 李同录. 黄土滑坡诱发因素及其形成机理研究[J]. 工程地质学报, 2011, 19（4）: 530−540. ZHANG Maosheng, LI Tonglu. Triggering factors and forming mechanism of loess landslide[J]. Journal of Engineering Geology,2011,19(4):530−540.
Ayalew L, Yamagishi H. The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan[J]. Geomorphology,2005,65(1/2):15−31.
Berardino P, Fornaro G, Lanari R, et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J]. Geoscience and Remote Sensing,2002,40(11):2375−2383. doi: 10.1109/TGRS.2002.803792
Corominas J, Van W C J, Frattini P, et al. Recommendations for the Quantitative Analysis of Landslide Risk[J]. Bulletin of Engineering Geology and the Environment,2014,73(2):209−263.
Calderon-Guevara W, Sanchez-Silva M, Nitescu B, et al. Comparative Review of Data-driven Landslide Susceptibility Models: Case Study in the Eastern Andes Mountain Range of Colombia[J]. Natural Hazards,2022,113:1105−1132. doi: 10.1007/s11069-022-05339-2
Calvello M, Peduto D, Arena L. Combined use of statistical and DInSAR data analyses to define the state of activity of slow-moving landslides[J]. Landslides,2017,14(2):473−489. doi: 10.1007/s10346-016-0722-6
Chao Zhou, Ying Cao, Xie Hu, et al. Enhanced dynamic landslide hazard mapping using MT-InSAR method in the Three Gorges Reservoir Area[J]. Landslides,2022,19:1585−1597. doi: 10.1007/s10346-021-01796-1
Fell R, Corominas J, Bonnard C, et al. Guidelines for Landslide Susceptibility, Hazard and Risk Zoning for Land use Planning[J]. Engineering Geology,2008,102(3-4):85−98. doi: 10.1016/j.enggeo.2008.03.022
Felicisimo Á M, Cuartero A, Remondo J, et al. Mapping landslide susceptibility with logistic regression, multiple adaptive regression splines, classification and regression trees, and maximum entropy methods: a comparative study[J]. Landslides,2013,10(2):175−189. doi: 10.1007/s10346-012-0320-1
Huang Faming, Yao Chi, Liu Weiping, et al. Landslide susceptibility assessment in the Nantian area of China: a comparison of frequency ratio model and support vector machine[J]. Geomatics,2018,1(9):919−938.
Hitoshi S, Daichi N, Hiroshi M. Comparison of landslide susceptibility based on a decision-tree model and actual landslide occurrence: The Akaishi Mountains, Japan[J]. Geomorphology,2009,109(3-4):108−121. doi: 10.1016/j.geomorph.2009.02.026
Kornejady A, Ownegh M, Bahrem A. Landslide susceptibility assessment using maximum entropy model with two different data sampling methods[J]. Catena,2017,152:144−162. doi: 10.1016/j.catena.2017.01.010
Lima P, Steger S, Glade T, et al. Literature review and bibliometric analysis on data-driven assessment of landslide susceptibility[J]. Journal of Mountain Science, 2022, 19(6): 1670-1698.
Lee S, Ryu J H, Won J S, et al. Determination and application of the weights for landslide susceptibility mapping using an artificial neural network[J]. Engineering Geology,2004,71(3−4):289−302. doi: 10.1016/S0013-7952(03)00142-X
Muscarella R, Galante P J, Soley-Guardia M, et al. ENMeval: An R package for conducting spatially independent evaluations and estimating optimal model complexity for Maxent ecological niche models[J]. Methods in Ecology & Evolution,2015,5(11):1198−1205.
Piacentini D, Devoto S, Mantovani M, et al. Landslide susceptibility modeling assisted by Persistent Scatterers Interferometry(PSI): an example from the northwestern coast of Malta[J]. Natural Hazards,2015,78(1):681−697. doi: 10.1007/s11069-015-1740-8
Phillips S J, Erson R P, Dudik M, et al. Opening the black box: an open-source release of Maxent[J]. Ecography,2017,40(7):887−893. doi: 10.1111/ecog.03049
Steven J P, Robert P A, Robert E S. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling,2006,190(3):231−259.
Tang Yaming, Feng Fan, Guo Zizheng, et al. Integrating principal component analysis with statistically-based models for analysis of causal factors and landslide susceptibility mapping: A comparative study from the Loess Plateau area in Shanxi (China)[J]. Journal of Cleaner Production,2020,277(20):124−159.
Warren D L, Seifert S N. Ecological niche modeling in Maxent: the importance of model complexity and the performance of model selection criteria[J]. Ecological Applications,2011,21(2):335−342. doi: 10.1890/10-1171.1
Xu Ling, Yan Dongdong, Zhao Tengyuan. Probabilistic evaluation of loess landslide impact using multivariate model[J]. Landslides,2021,18(3):1011−1023. doi: 10.1007/s10346-020-01521-4
Yuan Meijiao, Dong Meizhao, Yin Pingding, et al. Performance evaluation for four GIS-based models purposed to predict and map landslide susceptibility: A case study at a World Heritage site in Southwest China-ScienceDirect[J]. Catena,2019,183:104−221.
Yong Weili, Xian Minwang, Hang Mao. Influence of Human Activity on Landslide Susceptibility Development in the Three Gorges area[J]. Natural Hazards,2020,104:2115−2151. doi: 10.1007/s11069-020-04264-6
Yikunoamlak G, Selemawi A, Esayas M, et al. Current and future predicting potential areas of Oxytenanthera abyssinica(A. Richard) using MaxEnt model under climate change in Northern Ethiopia[J]. Ecological Processes,2020,9(1):1−15. doi: 10.1186/s13717-019-0204-6
Zhuang Jianqi, Peng Jianbing, Wang Gonghui, et al. Distribution and characteristics of landslide in Loess Plateau: a case study in Shaanxi Province[J]. Engineering Geology,2018,236(26):89−96.
-
期刊类型引用(12)
1. 贾伍慧，刘凯，余成华，朱伟，邓岳飞. 锶同位素在地质学领域的分析技术与应用研究进展. 岩矿测试. 2025(02): 149-160 . 
百度学术
2. 何治亮，杨鑫，高键，云露，曹自成，李慧莉，杨佳奇. 特提斯洋与古亚洲洋协同演化控制下的塔里木台盆区油气富集效应. 石油与天然气地质. 2024(03): 637-657 . 百度学术
3. 连政，汪东，殷豫江，张小林. 若羌盖吉克萤石矿地质特征及成矿构造环境分析. 新疆地质. 2024(02): 250-253 . 百度学术
4. 万弘，欧阳永棚，陈祺，蒋起保，曾闰灵，杨立飞，邓腾，李增华. 赣东上水桥萤石矿床萤石微量元素地球化学特征及其对矿床成因的指示. 西北地质. 2024(04): 80-96 . 本站查看
5. 张建芳，陈浩然，伍江涵，王振，张琨仑，吕鹏瑞，曹华文，邹灏. 萤石矿床成因研究方法及发展趋势. 西北地质. 2024(04): 97-112 . 本站查看
6. 沈金祥，张建芳，曹华文，喻黎明，方乙，邹灏. 浙江缙云县吾山萤石矿床成因：来自稀土元素、流体包裹体、红外光谱的制约. 西北地质. 2024(04): 37-49+305 . 本站查看
7. 高永宝，陈康，王亮，赵辛敏，李艳广，刘明，张龙，王元伟，张毅，刘基. 阿尔金西段库木塔什萤石矿床成因：磷灰石U-Pb年龄、原位Sr-Nd同位素、地球化学约束. 西北地质. 2024(04): 1-20+305 . 本站查看
8. 刘天航，唐卫东，高永宝，魏立勇，何佳乐，范堡程，张羽，董梦杰. 内蒙古北山花石头山萤石矿床成因：萤石微量、稀土和H-O同位素制约. 西北地质. 2024(04): 66-79 . 本站查看
9. 马少兵，裴秋明，王亮，韩术合，梁翼，孙清飞，沈家乐. 内蒙古喀喇沁旗大西沟萤石矿床成因：来自稀土元素、流体包裹体和H-O同位素的制约. 西北地质. 2024(04): 50-65 . 本站查看
10. 张毅，高永宝，刘明，王元伟，陈康，张龙，景永康，刘靖宇. 阿尔金西段库木塔什萤石矿床成矿流体特征及成矿机制探讨. 西北地质. 2024(04): 21-36 . 本站查看
11. 张寿庭，邹灏，方乙，曹华文，裴秋明，唐利，王亮，高永璋，张伟，徐旃章. 热液脉型萤石矿床隐伏矿体定位预测综合技术方法. 矿床地质. 2024(04): 785-801 . 百度学术
12. 郭宇，陈登，汤子程，刘志臣，张晓东. 黔东北地区金亮萤石矿床稀土元素地球化学特征与成矿物质来源. 矿物学报. 2023(06): 873-881 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 28
- HTML全文浏览量: 5
- PDF下载量: 18
- 被引次数: 15
