综述:勘查中的矿物化学:金刚石、岩浆硫化物、IOA、IOCG 及斑岩系统的综述

《Journal of Geochemical Exploration》:Mineral chemistry in exploration: A review of diamond, magmatic sulfide, IOA, IOCG, and porphyry systems

【字体: 大 中 小 】 时间:2026年08月31日 来源:Journal of Geochemical Exploration 4.6

编辑推荐:

   • 矿物化学是适用于多种矿床类型的有力勘探工具 • 它比岩石地球化学提供更高分辨率 • 最有效的方式是与互补的勘探方法进行集成 • 未来的进展需要从经验模型转向过程驱动模型 • 将人工智能/机器学习与矿物数据集结合是一个有前景的未来研究方向 引言 开发可靠的地球化学勘探工

  

• 矿物化学是适用于多种矿床类型的有力勘探工具
• 它比岩石地球化学提供更高分辨率
• 最有效的方式是与互补的勘探方法进行集成
• 未来的进展需要从经验模型转向过程驱动模型
• 将人工智能/机器学习与矿物数据集结合是一个有前景的未来研究方向

引言

开发可靠的地球化学勘探工具以指导矿产勘探,一直是经济地质学研究的一个长期目标。矿床的形成通常遵循相同的系列过程,需要:(i) 含有目标元素的源区;(ii) 允许目标元素进一步富集的传输机制;(iii) 导致矿体形成的捕集/富集机制,以便从中有利可图地提取目标元素。例如,就岩浆型矿床而言,地幔岩石(源区)可能经历部分熔融(传输),随后通过分数结晶和晶体沉降(富集)可形成铬铁矿床(Irvine, 1977;Murck and Campbell, 1986)或Ni、Cu、铂族元素(PGE)硫化物矿床(Naldrett, 2004;Barnes, 2006a)。在热液系统中,渗流流体可能从围岩中淋滤金属并沉淀矿化矿物,如密西西比谷型(MVT)矿床中所示(Cathles and Smith, 1983;Leach et al., 2001)。岩浆-热液矿床系统,如铁氧化物磷灰石(IOA)和铁氧化物铜金(IOCG)矿床(Hitzman, 2000;Simon et al., 2018;Reich et al., 2022),或斑岩Cu矿床及其相关的矽卡岩和浅成低温热液矿床,通常由早期岩浆-热液事件后热液活动所形成(Richards, 2005;Sillitoe, 2010;Heinrich, 2024)。

尽管过去几十年我们对导致从岩浆型到热液型矿床形成的基本过程的理解有了显著改善,但并非所有经历这些过程的岩石都发生了矿化。揭示地球化学特征以区分矿化与非矿化岩石从而缩小矿床搜索范围,并扩大矿床的覆盖范围,仍然是一个重要的活跃研究领域,特别是在勘探支出远超新发现价值的当下(图1)(Schodde, 2025)。因此,需要新颖的技术方法来指导矿产勘探。

本综述文章概述了基于矿物化学的勘探技术的根本概念,涵盖四种具有丰富矿物化学数据的主要矿床类型:含钻 Kimberlite 和金伯利岩和碱性火山岩、岩浆型Ni-Cu-PGE硫化物矿床、IOA/IOCG矿床和斑岩Cu矿床。所选矿床类型涵盖了广泛的成矿过程范围。金刚石矿床主要产于 Kimberlite 和金伯利岩和碱性火山岩中,后者将地幔来源的金刚石运移至地表。岩浆型Ni-Cu-PGE硫化物矿床通过基性-超基性岩浆系统中硫化物熔体的分离和富集形成。IOA和IOCG矿床是富含铁氧化物的系统,通过岩浆和热液过程相结合而形成,而斑岩矿床则代表了大型岩浆-热液系统,构成世界上最重要的铜来源。这些矿床类别共同提供了矿物化学如何在从岩浆型到岩浆-热液型和热液型成矿环境的广泛光谱中应用于矿产勘探的代表性案例。为了作为早期职业勘探地质学家易于进入的起点,本文总结了各矿床类型的成矿过程基本概念以及传统上使用的矿物化学以外的勘探技术。本综述还讨论了潜在的未来研究路径,特别关注将大型矿物化学数据集与人工智能和机器学习算法相结合以缩小矿床搜索空间。

几篇近期综述文章研究了特定勘探背景下的矿物化学和指标矿物,包括斑岩系统(Cooke et al., 2020)、热液蚀变矿物和光谱学(Zhou et al., 2022)以及沉积物和冰碛物调查(McClenaghan et al., 2023;Doherty et al., 2023)。然而,这些综述通常侧重于单一矿床类型、分析方法或采样介质。原位分析技术(特别是LA-ICP-MS)的近期进步大幅提高了分析灵敏度、空间分辨率、通量和数据质量,使得常规测定多种矿物中的微量元素浓度成为可能,并促进了大量新的基于矿物化学的勘探工具的开发。这些发展极大地扩展了矿物化学在勘探中的应用,为比较不同矿物化学方法在多个矿床系统中的优势、局限性和地质适用性创造了机会。虽然针对单一矿床系统提出了大量矿物化学指示参数,但几种矿物(如磁铁矿、磷灰石和锆石)现在已应用于多种矿床类型,然而它们的相对优势、局限性和适用性很少在跨越不同成矿环境的统一勘探框架中进行评估。与以前的综述相比,本文比较了金刚石、岩浆硫化物、IOA-IOCG和斑岩系统中的基于矿物化学的勘探方法,突出了它们的相对优势、局限性和未来机遇,包括将大型矿物化学数据集与机器学习方法相结合。本综述中讨论的文献和数据集根据其相关性问题进行选取,涉及矿床成因、勘探和矿床分类等关键问题。资料来源包括基础性研究、被广泛引用的贡献、该领域的最新进展以及提供区域至全球尺度矿床形成视角的公开数据集。

将矿物化学应用于勘探的一个根本性考虑是,它提供关于(1)矿物的源区和形成条件的信息,而仅凭矿物类型无法揭示这些信息,这对控制矿床形成的关键过程(如压力、熔体/流体成分、fO2)具有影响;(2)矿化环境中的物理或化学变化,这些变化与勘探定向相关;(3)传统岩石地球化学方法无法呈现的地球化学信号;(4)保留在常见矿物(如磁铁矿)中的地球化学指纹,这些指纹指示其形成环境并允许评估某区域是否可能赋存目标矿床类型。

从矿物化学方法的实际应用中可以清楚地看出,在某些情况下,它们基于强大地质动力学数据集和实验数据对目标矿物的形成具有极强的诊断能力(如G10石榴子石)。在某些情况下,它们似乎是优秀的判别指标,表明适合成矿的条件存在(如斑岩矿床的锆石丰产指标),但不一定意味着成矿已经发生(如少量假阴性、大量假阳性)。而在其他情况下,尽管基于经验观测和测量的案例研究很有前景,但它们尚未充分发挥潜力。

**章节摘要**

**原位矿物分析技术的演变**

早期地球化学勘探主要依赖于对岩石、土壤和沉积物的整体分析,以识别与潜在矿床相关的异常(Hakwes and Webb, 1962;Beus and Grigorian, 1977;Levinson, 1980)。虽然这些方法对区域尺度筛选有效,但它们提供的空间分辨率有限,对成矿过程的洞察力也很少,因为整体成分整合了多种矿物和地质事件的信号,往往模糊了与矿化相关的信息。

**含钻金伯利岩和碱性火山岩**

金刚石是自然界中最硬、最刚性且最不可压缩的矿物。此外,它在室温下具有极高的热导率,在宽波长范围内透明,并且与大多数化学试剂基本不发生反应(参见Berman, 1965;May, 2008;Field, 2012)。因此,除了作为宝石使用外,金刚石还是一种重要的工业矿物,应用于钻探、切割、研磨和抛光,以及制造等领域。

**岩浆型Ni-Cu-PGE硫化物矿床**

产于基性至超基性岩石中的岩浆型Ni-Cu-PGE硫化物矿床历史上生产了世界上超过一半的镍(Naldrett, 2004)。其余大部分镍来自红土矿床,后者形成于热带气候下富镍超基性岩石的风化作用(Golightly, 1981;Butt and Cluzel, 2013)。科马提岩是超基性(次)火山岩,通常为太古宙年龄(Arndt et al., 2008),被认为是特别有价值的勘探目标。

**铁氧化物磷灰石和铁氧化物铜金矿床**

铁氧化物磷灰石(IOA)矿床,也称为 Kiruna 型和磁铁矿-磷灰石型矿床,是铁矿石的重要来源,含铁量高达数亿吨,矿石品位可高达40-70%(Reich et al., 2022)。一些矿床,如瑞典的 Kirunavaara 和 Gr?ngesberg、美国密苏里州的 Pea Ridge 和 Pilot Knob,以及智利的 El Laco,还含有经济上重要的钴和钒量(在铁氧化物如磁铁矿和少量赤铁矿中),以及稀土元素。

**斑岩铜矿床**

斑岩矿床是大型矿量矿石系统(从数十亿吨到超过200亿吨),矿石品位相对较低,通常Cu<1%且Au<1 ppm(John and Taylor, 2016)。根据经济上占主导的元素,斑岩矿床分为Cu、Au和Mo矿床以及(经济重要性较低的)Sn和W矿床(Seedorff et al., 2005)。一些斑岩矿床还产出可观的Ag、As、Re、Se、Te、Th、PGE和轻稀土元素(John and Taylor, 2016)。总体而言,斑岩矿床……

**矿物化学在矿产勘探中的局限性**

尽管矿物化学在勘探中的应用日益广泛,但仍存在若干局限性,使其无法作为独立的勘探工具。本综述中讨论的矿物化学指标参数之间存在显著差异,在成熟度和地质适用性方面各不相同。一些方法,如金刚石勘探中的G10石榴子石和斑岩系统中的绿帘石-绿泥石定向,已在众多矿床中得到验证并被广泛接受为勘探……

**展望与未来研究建议**

矿物化学在矿产勘探中的应用要实现未来发展,需要从主要基于经验模式识别转向热力学约束的、成矿过程驱动的框架。在勘探中应用矿物化学时(例如,图2、图3、图4、图5、图6、图7、图8、图9、图10、图11、图12、图13、图14、图15),判别图不应被视为固定不变的,而应随着新数据的出现进行更新……

**CRediT作者贡献声明**

Marek Locmelis:写作—审阅与编辑,写作—原始草稿。Laura Bilenker:写作—审阅与编辑。Shaun Barker:写作—审阅与编辑。Shelby L. Clark:写作—审阅与编辑,可视化。

**未引用参考文献**

Barnes et al., 2004

**利益冲突声明**

作者声明以下可能存在潜在利益冲突的财务利益/个人关系:鉴于Marek Locmelis担任《地球化学勘探期刊》副主编的职务,他没有参与本文章的同行评审,也没有获得其同行评审的相关信息。如有其他作者,他们声明没有已知的经济利益冲突或可能被视为利益冲突的个人关系。

**致谢**

我们感谢 Martiya Sadeghi 的编辑处理,以及 Louise Schoneveld 和两位匿名审稿人的建设性反馈,他们的意见帮助改进了本文。

Marek Locmelis | Laura Bilenker | Shaun Barker | Shelby L. Clark
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号