土耳其安塔利亚省阿克塞基-库尤贾克地区喀斯特型铝土矿的地球化学与矿物学分析：一种利用稀土元素和主要元素数据的综合统计方法 作者：Cihan Yal??n 和 Mehmet Altunbey

《Minerals》：Geochemical and Mineralogical Analyses of Karst-Type Bauxites from the Akseki–Kuyucak Region (Antalya, Turkey): A Comprehensive Statistical Method Utilizing REEs and Major Element Data Cihan Yal??n and Mehmet Altunbey

　　摘要 位于土耳其西南部西托罗斯山脉的Akseki–Kuyucak铝土矿床属于喀斯特型铝土矿化，其形成源于碳酸盐平台阶段。本研究结合了野外观察、X射线衍射（XRD）分析和广泛的地球化学数据（包括主要元素、微量元素和稀土元素（REEs）（表1），以阐明这些矿床的矿物学特征、地球化学过程及其成因。野外和岩石学研究表明，铝土矿床以不规则的填充体和透镜状形态出现在古喀斯特表面的碳酸盐基底上。XRD分析显示，铝土矿样品中的主要矿物为勃姆石、赤铁矿和锐钛矿，部分样品中钙石占主导地位，这表明矿体与碳酸盐围岩之间存在密切的成因关系。主要氧化物分析显示，铝土矿物质与以碳酸盐为主的物质在成分上存在显著差异：铝土矿样品中Al2O3和Fe2O3含量较高，而SiO2和CaO含量较低；相比之下，富含碳酸盐的样品中CaO含量较高，且灼烧损失量较大。三元判别图将大多数铝土矿样品归类为铁质铝土矿和强烈的风化成土作用类型，表明这些矿床经历了显著的风化过程和残留富集作用。微量元素及稀土元素分析显示，ΣLREE值介于22.3至240.2 ppm之间，分布呈右偏态，表明稀土元素的富集具有异质性。相关性研究表明，ΣLREE与SiO2和K2O呈正相关，表明稀土元素的富集与硅酸盐/粘土矿物关系更为密切。此外，蜘蛛图和不动组分的分析强调了风化成土过程中残留浓度的作用。总体而言，Akseki–Kuyucak矿床属于复杂的喀斯特铝土矿系统，其特征是强烈的风化成土作用、受古喀斯特特征控制的沉积过程以及复杂的地球化学演化。研究结果表明，整合矿物学、地球化学和统计方法可以为评估喀斯特铝土矿中稀土元素的行为及其来源相关因素的影响提供全面的框架。

1. 引言
铝土矿是铝生产的主要原料，是推动现代工业、交通运输、能源技术和国防系统发展的重要自然资源。随着全球对铝需求的增加，有必要深入研究铝土矿床的形成机制、矿物学性质和地球化学组成[1,2]。铝土矿床通常分为两大成因类型：风化成土型和喀斯特型。风化成土型铝土矿是在热带和亚热带气候条件下通过围岩的原位风化形成的，而喀斯特型铝土矿则是通过后期风化物质填充古喀斯特空洞形成的[3,4,5]。喀斯特型铝土矿床在地中海-特提斯金属带较为常见，是南欧、巴尔干半岛、土耳其、伊朗和中国的重要经济资源[6,7,8,9,10]。喀斯特型铝土矿的形成受到构造抬升、喀斯特化作用以及温暖湿润气候条件的影响[1,2,3]，这些矿床通常形成于白垩纪晚期碳酸盐平台上，随后被风化成土物质填充[5]。喀斯特型铝土矿主要由铝氧氢氧化物矿物组成，如勃姆石、赤铁矿和 gibbsite，还含有少量赤铁矿、针铁矿、高岭石和锐钛矿等副矿物[6,11,12]。这些矿物的分布和地球化学性质为了解铝土矿的形成环境、古气候条件及风化过程提供了重要线索[1,3,6]。

喀斯特型铝土矿床广泛分布于地中海-特提斯金属带，其中南欧、巴尔干半岛、土耳其、伊朗和中国的多个重要铝土矿床均属于这一类型[6,7,8,9,10,13]。这些矿床主要形成于白垩纪晚期的碳酸盐平台上，是构造抬升、古喀斯特作用和热带气候条件共同作用的结果[1,3]。研究表明，这类铝土矿具有较高的铝和稀土元素（REEs）潜力[6,8,14,15]。稀土元素是现代高科技产品、电动汽车、可再生能源系统和军事技术中的关键原料，近年来对其资源潜力的研究日益受到重视[8,14]。地中海地区的喀斯特型铝土矿中稀土元素总浓度可达数百 ppm[6,8,16]；希腊Parnassos–Ghiona铝土矿中的稀土元素浓度甚至高达1000 ppm[8]；伊朗和中国的喀斯特型铝土矿中也观察到显著的稀土元素富集现象[14,15,17]。研究表明，稀土元素的富集通常与铁氧化物、粘土矿物和磷酸盐相有关[7,8,17]。

土耳其位于阿尔卑斯-喜马拉雅造山带，拥有多种类型的铝土矿资源。土耳其的主要铝土矿储量位于西托罗斯山脉的Seydi?ehir–Akseki地区[18,19,20,21,22,23,24]。该地区的丰富喀斯特型铝土矿资源对土耳其的铝产业贡献巨大[25,26,27,28,29,30]。G?ksu[18]和?zlü[19]首次对该地区铝土矿的地质特性进行了研究，随后?zlü[9]对这些矿床的矿物学和地球化学性质进行了更全面的分析[9,25]。Hanil?i[9]发现，土耳其铝土矿中的稀土元素浓度可达数百 ppm，这些元素主要存在于铁氧化物和粘土颗粒中。

近年来，多元统计技术和机器学习算法被广泛用于地球化学数据分析，如随机森林（Random Forest）、决策树（Decision Tree）和梯度提升（Gradient Boosting）算法在预测元素分布方面表现出高效性[13,24,31,32]。Buccione等人[33]利用机器学习模型预测了意大利南部喀斯特型铝土矿中重稀土元素的分布，发现Fe2O3浓度对稀土元素富集有显著影响[34]。Tahar-Belkacem[34]也指出主要氧化物是影响稀土元素分布的关键因素。尽管当前研究多侧重于数据驱动方法，但将微观矿物学数据与统计分析相结合的研究仍较为少见。

本研究详细分析了安塔利亚省Akseki–Kuyucak地区喀斯特型铝土矿的矿物学和地球化学性质，通过野外观察、主要元素分析和稀土元素数据评估了铝土矿的地球化学特征，并利用多元统计技术对数据进行了处理。研究旨在加深对地中海型喀斯特铝土矿形成过程的理解，并提供有关土耳其铝土矿稀土元素潜力的新地球化学数据。

2. 地质背景
研究区域位于土耳其南部的安塔利亚省Akseki–Kuyucak地区，属于西托罗斯构造带内的著名喀斯特型铝土矿床之一（图1）。托罗斯山脉是阿尔卑斯-喜马拉雅造山系统的重要组成部分，由非洲板块和阿拉伯板块与欧亚板块的碰撞形成[35,36,37,38]。该地区的构造发展包括安纳托利亚板块向西移动和新特提斯洋的闭合[36,37,38]。托罗斯山脉分为三个主要构造段：西托罗斯、中托罗斯和东托罗斯[39,40]（图1a）。该区域识别出多个岩盖单元和构造单元。在西托罗斯地区，Bolkarda?、Bozk?r、Geyikda?、Alada?和Antalya单元构成了主要的构造地层单元[41]（图1b）。这些单元的形成始于新特提斯洋壳闭合后大陆块的碰撞[36,37,38]。

Akseki–Kuyucak研究区域属于Geyikda?群，该群以从古生代到中生代的广泛碳酸盐平台沉积为特征（图2a）。该地区的岩性单元主要包括寒武纪-奥陶纪的Seydi?ehir组、三叠纪碳酸盐岩、侏罗纪-白垩纪厚层碳酸盐岩以及较新的始新世沉积岩[41,42]。研究区域内的碳酸盐岩主要为侏罗纪-白垩纪石灰岩[图2b]。强烈的喀斯特化作用形成了古喀斯特空洞，随后被风化成土产物填充，从而形成了喀斯特型铝土矿床。喀斯特型铝土矿的形成涉及碳酸盐平台的暴露、热带-亚热带气候下的风化作用以及喀斯特空洞的填充过程[1,2,3]。

3. 分析方法
铝土矿样品和围岩样本是在安塔利亚省Akseki–Kuyucak地区进行综合研究时采集的。采样重点关注喀斯特表面形成的铝土矿床，并记录了每个样本的岩性和地层位置。实验室处理前，样品经过清洗、干燥并使用颚式破碎机和玛瑙研钵研磨成均匀粉末，粒径控制在<75 μm，以满足地球化学和矿物学分析的要求。主要元素氧化物的含量通过X射线荧光（XRF）技术测定。XRF分析前，所有样品均需在80 °C下干燥。部分样品中较高的LOI值主要归因于碳酸盐分解和结构结合的挥发物，而非表面吸附的水分。

分析工作在安卡拉的ARGESTEST分析测试实验室进行。ARGESTEST实验室是一家符合国际标准的认证分析机构，采用多种地球化学分析方法。XRF分析前，样品通过锂硼酸盐熔融技术熔制成玻璃盘，以确保高精度测量，尤其是对于风化成土岩和铝土矿中的关键元素。分析使用波长色散X射线荧光光谱仪（WD-XRF）测定主要氧化物浓度，检测的主要氧化物包括Al2O3、Fe2O3、SiO2、TiO2、CaO、MgO、Na2O、K2O、MnO和P2O5（表1）。总铁含量以Fe2O3T表示，即以Fe2O3当量表示的总铁含量。

稀土元素（REEs）和微量元素的分析采用电感耦合等离子体质谱（ICP-MS）技术。ICP-MS分析中，样品用HF、HNO3和HCl混合液完全溶解，然后通过等离子体电离测定元素浓度。研究的稀土元素包括La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb和Lu。此外还检测了Y、Th、U、Nb、Ga和Sc等微量元素，元素浓度以ppm表示（表1）。X射线衍射（XRD）分析在土耳其安卡拉的ARGESTEST分析测试实验室进行，使用XRD QN软件测定铝土矿样品的矿物组成，测量条件为Cu-Kα辐射（λ = 1.5406 ?），测量范围为5–70° 2θ。通过将衍射峰与全球参考数据库比对进行相鉴定，并根据实验室提供的晶体相重量比计算相对相丰度。由于分析过程中缺乏内部标准，X射线非晶材料无法直接定量；因此，报告的相比例仅涉及结晶相，应视为半定量结果，特别是在可能包含非晶或结晶度较低的成分的样品中。XRD结果显示，铝土矿样品主要由勃姆石和赤铁矿组成，同时还含有锐钛矿、针铁矿、高岭石和石英等副矿物，这反映了形成于碳酸盐平台的喀斯特型铝土矿矿床的典型矿物学特征。地球化学数据集的统计分析和数据可视化是用Python（版本3.10）完成的。在数据处理阶段，使用了pandas（v1.5.3）和numpy（v1.23.5）库来构建数据集并执行数值计算。XRF和稀土元素（REEs）数据文件被导入为pandas DataFrame，随后进行了数据清洗。分析报告中标记为ND（未检测到）或低于检测限（<）的值被赋予零，以便进行统计分析。这种方法是分析有限数据集中地球化学分布的常用数据清洗技术。用于数据处理的Python代码以及相关分析代码包含在本工作的补充材料中。

进行了描述性统计分析，以阐明地球化学数据的总体特征。计算了平均值、最小值、最大值、第一四分位数（Q1）、中位数和第三四分位数（Q3），结果见表2。这些统计参数用于揭示铝土矿样品中主要氧化物成分和稀土元素分布的总体模式。表2显示了主要氧化物和轻稀土元素（LREEs）的描述性统计信息。进行了Spearman等级相关性分析，以评估主要氧化物和稀土元素之间的关联。这种方法被认为是一种可靠的统计技术，尤其适用于小型数据集和偏离正态分布的地球化学数据。Spearman相关系数是使用scipy.stats包（SciPy v1.10.1）中的`spearmanr`函数计算的，结果以彩色编码的相关矩阵形式呈现。

通过总轻稀土元素浓度（ΣLREE）评估了稀土元素的分布特征。在本研究中，ΣLREE被定义为La、Ce、Pr、Nd、Sm和Eu的总和。ΣLREE的频率分布通过直方图进行分析，并将数据集的分布与拟合的正态分布曲线进行了对比。所有统计计算和可视化都是使用Python中的pandas、numpy、matplotlib（版本3.7.1）和scipy库完成的。统计分析中使用的算法方法和相关Python脚本包含在补充材料（文件S1）中。

4. 结果
4.1. 铝土矿区的野外观察和地理位置
在Akseki–Kuyucak地区的野外工作表明，铝土矿矿床与碳酸盐基底上的古喀斯特表面相关。航空影像清晰地展示了研究区域内碳酸盐单元的形态特征以及铝土矿区的位置（图3a）。该图生动地展示了白垩纪石灰岩和坎帕尼亚-马斯特里赫特纪碳酸盐之间的界面，铝土矿矿化发生在这两个碳酸盐群之间的喀斯特表面上。

4.2. 样品特征和宏观结构
图4展示了本次研究收集的样品的宏观特征。样品主要呈现红色、棕色和黄色，这表明它们受到了红土风化作用的影响。AKSEK?–KUYUCAK-1和AKSEK?–KUYUCAK-3样品含有厚实的红色铝土矿物，具有明显的铁质特征和明显的氧化迹象。AKSEK?–KUYUCAK-4样品结构更为致密，富含氧化铁。AKSEK?–KUYUCAK-5和AKSEK?–KUYUCAK-6样品的质地多样，其中含有嵌入在粘土矿物基质中的氧化铁颗粒。AKSEK?–KUYUCAK-7样品包含浅色的碳酸盐颗粒，代表了研究区域中碳酸盐基岩的矿物学特征。

4.3. 矿物组成（XRD结果）
XRD测量显示，Akseki–Kuyucak样品的矿物组成在铝土矿层和碳酸盐层之间存在显著差异（图5）。AKSEK?–KUYUCAK-1样品中，勃姆石（66.6%）是主要矿物相，其次是赤铁矿（30.7%）和锐钛矿（2.7%）。AKSEK?–KUYUCAK-2样品富含碳酸盐，主要包含方解石（87.6%），以及石英（2.4%）、高岭石（7.3%）和针铁矿（2.7%）。AKSEK?–KUYUCAK-3样品再次显示出铝土矿类型的矿物组合，其中勃姆石（61.9%）、赤铁矿（35.7%）和锐钛矿（2.4%）是主要相。AKSEK?–KUYUCAK-4样品含有大量的勃姆石（61.2%）和赤铁矿（35.1%），以及少量的锐钛矿（3.7%）。AKSEK?–KUYUCAK-5样品中，方解石（71.6%）占主导地位，同时还检测到了勃姆石（8.1%）、石英（4.8%）、针铁矿（3.7%）、高岭石（3.2%）和 gibbsite（8.6%）。AKSEK?–KUYUCAK-6样品中，勃姆石（73.6%）是主要矿物，其次是针铁矿（23.1%）和锐钛矿（3.3%），该样品代表了高度红土化的铝土矿材料。AKSEK?–KUYUCAK-7样品主要由方解石（99.3%）组成，未识别出的矿物相仅占0.7%，表明该物质属于碳酸盐基岩。

4.4. 地球化学组成和统计方法
研究区域铝土矿样品的主要氧化物组成见表1。定量XRD结果以结晶相的重量比形式提供在补充表S1中。铝土矿样品中的Al2O3浓度范围从14.57%到55.24%。平均Al2O3值为31.64%，中位数为46.88%。较高的铝浓度与碳酸盐岩石中可移动元素的淋溶及随后在红土风化过程中的铝富集有关。Fe2O3浓度范围从2.06%到36.60%，平均值为18.74%。较高的铁浓度与铝土矿样品中存在赤铁矿和针铁矿有关。SiO2浓度通常较低，范围从0.66%到7.22%，平均值为3.20%。低硅水平表明了强烈的红土风化条件。TiO2浓度范围从0.01%到2.91%，平均值为1.56%。钛含量与铝土矿中常见的锐钛矿矿物相关。相比之下，CaO浓度在样品中显著升高，表明存在碳酸盐基岩。KUYUCAK-7样品中的CaO浓度最高达到55.16%。

Al2O3–Fe2O3–SiO2三元图用于评估主要元素的比例（图6a）。大部分样品位于铝土矿区和铁质铝土矿区，但有一个样品位于高岭石铝土矿区。这种分布表明研究区域的岩石经历了显著的红土风化过程。

4.5. 地球化学组成和统计方法
研究区域铝土矿样品的主要氧化物组成见表1。定量XRD结果以结晶相的重量比形式提供在补充表S1中。铝土矿样品中的Al2O3浓度范围从14.57%到55.24%。平均Al2O3值为31.64%，中位数为46.88%。较高的铝浓度与碳酸盐岩石中可移动元素的淋溶及随后在红土风化过程中的铝富集有关。Fe2O3浓度范围从2.06%到36.60%，平均值为18.74%。较高的铁浓度与铝土矿样品中存在赤铁矿和针铁矿有关。SiO2浓度通常较低，范围从0.66%到7.22%，平均值为3.20%。低硅水平表明了强烈的红土风化条件。TiO2浓度范围从0.01%到2.91%，平均值为1.56%。钛含量与铝土矿中常见的锐钛矿矿物相关。相反，CaO浓度在样品中显著升高，表明存在碳酸盐基岩。KUYUCAK-7样品中的CaO浓度最高达到55.16%。

Al2O3–Fe2O3–SiO2三元图用于评估主要元素的比例（图6a）。大部分样品位于铝土矿区和铁质铝土矿区，但有一个样品位于高岭石铝土矿区。这种分布表明研究区域的岩石经历了显著的红土风化过程。

稀土元素（REEs）的测量（表1）显示，与重稀土元素（HREEs，Gd–Lu）相比，轻稀土元素（LREEs，La–Sm）显著富集，形成了LREE富集和HREE相对贫化的分馏模式。相反，高场强元素（如Nb、Ta和Ti）在归一化到原始地幔值后显示出负异常。使用UCC和PAAS标准化方法创建的多元素图（图7a,b）清楚地展示了铝土矿及相关红土产物的独特地球化学特征。

4.6. 描述性统计和Spearman等级相关性分析
首先使用描述性统计总结了地球化学数据集的集中趋势和离散程度，然后通过Spearman等级相关性分析评估元素间的相互作用。图8显示了计算出的Spearman相关系数，以评估主要氧化物和微量元素之间的关联。相关矩阵分析表明某些元素对之间存在稳健的正相关和负相关。斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3之间的负相关表明，这些元素在碳酸盐母岩风化过程中被从系统中提取出来。CaO和TFe2O3之间的显著负相关表明，由于碳酸盐矿物的分解，铁氧化物在残余物中积累。SiO2和K2O之间的强正相关（r = 0.85）表明，这些元素主要与粘土矿物或碎屑硅酸盐相相关。MgO和P2O5之间的负相关表明，磷酸盐相在红土风化过程中具有不同的地球化学行为。

斯皮尔曼相关系数的重要性是通过p值来评估的，因为没有普遍适用的临界r值；它随着样本大小的不同而变化。p < 0.05的相关性被认为是统计学上显著的。图8显示了斯皮尔曼等级相关矩阵，说明了主要氧化物和微量元素之间的关联。颜色等级表示相关系数（r）的大小和方向。统计显著性水平如下：* p < 0.05，** p < 0.01，*** p < 0.001。只有统计学上显著的相关性才用星号标示。Al2O3和TiO2之间存在明显的强正相关（r = 1.00）。这种现象可能是因为钛在红土风化过程中保持不动，导致其与富铝相一起残留。Al2O3和TFe2O3之间的显著关联表明，在铝土矿生产过程中铁和铝氧化物共同积累。碱性氧化物如MgO和CaO与Al2O3CaO与MgO之间存在强烈的正相关关系（r = 0.92，p < 0.01），这明显表明了碳酸盐围岩的影响；而Fe2O3与CaO之间的显著负相关关系（r = ?0.93，p < 0.01）则与铝土矿化过程中碳酸盐的溶解以及Fe在残留相中的积累相一致。Al2O3与TiO2之间的强正相关关系（r = 1.00，p < 0.001）表明这些不移动的组分表现出集体行为，并在残留相中积累。这些关联与传统的概念相符，即红土风化过程中可移动组分和不移动组分会分离[1,68]。多变量地球化学数据集的统计分析对于阐明复杂的元素间关系具有重要意义，尤其是在稀土元素的行为受多种地质和矿物学因素影响的系统中。最近的研究表明，这些技术显著提高了对含铝土矿系统的起源、构造背景和元素分布模式的理解[13,34]。对Akseki–Kuyucak样本的统计分析显示，稀土元素的富集分布不均，反映了受选择性富集和不同矿物学组成影响的异质地球化学环境。ΣLREE与SiO2和K2O之间的有利相关性表明稀土元素与富含硅酸盐和粘土的组分有较强的关联，而主要氧化物之间的强相关性则突显了铝土矿物质与富含碳酸盐的过渡相或围岩相之间的成分差异。Akseki–Kuyucak矿床是一个矿物学和地球化学上都非常多样的喀斯特铝土矿系统，其中稀土元素的分布受到多相和空间变化富集过程的影响。这些统计结果为增强对元素迁移性、残留浓度以及矿床内相控地球化学变异性的地质解释提供了有价值的基础。

6. 结论
Akseki–Kuyucak矿床被归类为一种喀斯特型铝土矿系统，形成于西托罗斯带内的古喀斯特作用控制的碳酸盐平台岩上。XRD和地球化学分析表明，该矿床由富含勃姆石的铝土矿带和富含方解石的过渡相或围岩相组成。主要氧化物数据显示了明显的红土化作用和铝铁的残留富集，而稀土元素数据则表明轻稀土元素主要与富含硅酸盐和粘土的组分相关联。研究结果表明，该矿床展示了受喀斯特地形、选择性富集和多样化矿物学组成影响的复杂但具有地中海特色的喀斯特铝土矿发育过程。因此，在本研究中，统计分析不仅作为一种辅助工具使用，更是直接地质解释的基本组成部分。通过评估稀土元素（REEs）与硅酸盐/粘土相之间的相关性、碳酸盐组分的稀释效应、不移动元素的集体行为以及数据的异质分布，可以明确Akseki–Kuyucak铝土矿代表了一个多相、多过程且空间变化显著的富集系统。这一结果与已建立的铝土矿形成理论一致，并得到了现代数据分析技术的支持。

补充材料
以下支持信息可在此下载：https://www.mdpi.com/article/10.3390/min16050462/s1
表S1：基于XRD QN报告得出的Akseki–Kuyucak样品中结晶相的比例；
文件S1：用于Spearman相关性分析、相关矩阵可视化及ΣLREE统计评估的Python脚本。