Extraction and Applications of the Long-Term Vertical Distribution Trends of Geochemical Elements in the Loess Cover
-
摘要: 在内蒙草原覆盖区迪彦钦阿木Mo-Ag矿床长度为106.5 m黄土覆盖层垂直岩心上等间距顺序取样106个,用Niton XL3t X-荧光仪测得每个样本的33个元素的含量.在正态性检验的基础上,用Kendallτ相关系数分析了元素含量与深度的相关性,得出黄土覆盖层中Mo、S、W、Te、Fe、Cu、Ni、Mn、Sb、Rb、Cs、Sn、Zn、Ti、V、Pb、Th、As这18种元素含量与离开矿源的距离具有显著相关性;用HP滤波法分离出这18种元素含量空间序列的长期趋势,并用变量聚类分析法对长期趋势进行了分类;用因子分析法得到了迪彦钦阿木矿床Mo-W成矿因子和Pb-Zn成矿因子,并模拟得到Mo-W成矿因子的指数分布模式.本文的研究思路与结论可为覆盖区表层地球化学异常对矿产预测的指示作用研究提供借鉴.Abstract: 106 samples were sequentially collected from a 106.5 m vertical core of the loess cover on the Diyanqinamu Mo-Ag deposit in the grassland area in the Inner Mongolia. The contents of 33 elements were measured by Niton XL3t X-ray fluorescence analyzer. After the normality test, the correlation between the contents of elements and the depth were analyzed by Kendall τ correlation coefficient method, which shows that the contents of 18 elements Mo, S, W, Te, Fe, Cu, Ni, Mn, Sb, Rb, Cs, Sn, Zn, Ti, V, Pb, Th and As from the loess cover are statistically correlated with the distances from the ore source. The long-term trends of the 18 elements were detached from the content spatial series, which were classified into several clusters. Ore-forming factors Mo-W factor and Pb-Zn factor were obtained by factor analysis, and the exponent transportation modes of the Mo-W factor were simulated. The research approach and results of this paper could be useful references for evaluating mineral resources of covered areas from the surface geochemical anomalies.
-
Key words:
- covered area /
- spatial series /
- Kendall τ correlation coefficient /
- HP filtering /
- cluster analysis /
- geochemistry /
- ore prospceting /
- ore deposits
-
0. 引言
覆盖区找矿的技术途径之一是通过表层地球化学元素的弱缓异常推断隐伏矿体(成秋明和夏庆霖,2011),来自矿体的元素在矿体上方覆盖层纵向上的迁移规律研究无疑有助于加深对弱缓异常形成机理的理解.事实上,元素在不同介质中的迁移规律研究吸引了越来越多的不同领域的科学工作者(Allègre and Minster, 1978; 谢学锦和王学求, 2003; Cameron et al., 2004; 阮心玲等,2006; 张生等, 2009; 胡舸等, 2010; 金中国等, 2011).
Basu and Molinaroli(1994)研究了亚得里亚海附近9个污染源处不同金属元素的传播模式.根据污染物的传播速率与其浓度成正比、与其到污染源的距离成反比的机理,建立了微分方程,从而得到污染物传播的指数模型,并利用实际数据得出了不同元素的平均传播速率,验证了污染物的传播是否受到植物和潮流的影响.
Tyler(2004)想要对瑞典南部的Haplic Podzol矿中44种微量元素在土壤中的纵向迁移进行描述、评价和比较,该矿已经形成了很多年,而且没有受到外界的干扰,所以很有代表意义.他采用的方法是先竖直向下深挖20 m,获得土壤样本,再用ICP-MS和ICP-AES仪器测得样本中元素的含量,然后绘制出了每种元素在纵向上的含量分布图,之后,他又对所有的元素进行因子分析,得出了3个因子.在第1个因子上载荷较大的元素有23种,它们大部分是镧系元素和其他稀有元素;在第2个因子上载荷较大的元素是碱元素;在第3个因子上载荷较大的元素只有Fe和Ga.最后得出的结论是Pb和Cd元素的异常能够对矿产的预测提供大量信息.
王学求(2005)通过揭穿覆盖层的系统取样研究,发现以下事实:在矿体上方表层覆盖物中细粒级(100目)样品中金的含量普遍高于粗粒级样品中的含量,矿体上方异常明显,最高含量可达30 ng/g,是背景值的10倍.而粗粒级样品中Au含量变化不明显,矿体上方无异常显示;在地表所发现的地球化学异常峰值基本位于矿体正上方,表现为明显的垂直迁移特征;成矿元素和伴生元素在矿体上方土壤垂直剖面中呈双层分布或在柱状图上呈现“C型”分布的模式,即在剖面底部靠近矿体的风化层中和垂直剖面顶部的土壤层中元素的含量高,而在剖面的中间位置出现低含量分布.
Anand and Paine(2002)、Wakelin et al.(2012)采集了澳大利亚西部的一座Ag-Cu-Zn矿上方的数据,他分别采集了矿床上方和无矿上方的元素含量,又在2种地表分别采集落叶覆盖和垃圾覆盖的元素含量,分析了不同覆盖层对元素迁移的影响.他先运用因子分析将元素分为几类,再利用方差分析分析2种介质对元素迁移是否有影响,得出的结论是植物的落叶在地上被微生物分解后渗透到地下,使得元素富集,这种现象尤其在Cu和Zn上明显,在矿上方的有植物覆盖的元素含量比没有矿的植物覆盖的元素含量高.
我国黄土覆盖面积多达60万km2(刘东生,1965),占国土面积的6%以上,具有巨大的找矿潜力.笔者认为矿源层地球化学元素在黄土覆盖层中的迁移受到很多因素的影响.跟矿源层元素属性、元素组合、温度、压力等有关;跟土壤盖层元素分布、物性(粒级及其分布、压实度、湿度、温度梯度)有关;跟重力、地磁有关;跟表层气候、生物活动及地理条件有关.迁移过程是化学过程(反应扩散、结晶、沉淀等)与物理过程(输运、渗滤、离子吸附等)的动态复杂耦合.目前单一条件或少数条件控制的实验研究比较多.笔者将岩心自下而上等间距顺序数据看成空间序列,将浓度扩散看成主控因素,其他因素看成随机因素,用统计方法探讨元素纵向分布与纵向坐标的相关性,用滤波的方法剔除随机因素的影响,提取元素迁移的长期趋势,进而对长期趋势进行分类与模拟,得到元素纵向迁移模式,为今后的深入研究提供借鉴.
1. 地质背景与数据获取
本研究属实验性工作,实验对象为位于内蒙古锡林郭勒盟东乌珠穆沁旗迪彦钦阿木大型钼-银矿床土壤岩心.该矿床位于东经180°12′00″~180°14′00″,北纬46°00′00″~46°01′30″,地表平均海拔高度约1 020 m,地形平缓,起伏约40 m.该矿床是与中生代中酸性岩浆活动有关的构造-蚀变岩型钼-银矿床,钼-银矿化大都在侏罗系火山-沉积岩地层中呈脉状、浸染状和网脉状产出,构成透镜状和脉状矿体.金属矿物有辉钼矿、黄铜矿、闪锌矿、黄铁矿、磁铁矿和方铅矿,脉石矿物有石英、绢云母、绿泥石、绿帘石和透闪石.另外,近矿体热液蚀变有硅化、绢云母化、绿泥石化、绿帘石化和碳酸盐化(聂秀兰和侯万荣,2010).
矿床覆盖层是第三系和第四系黄土,地表是草原,黄土覆盖层厚度10±~150±m,几乎不见腐植层,黄土有细沙状、粉沙状和泥质块状,其中少见砾石.覆盖层之下即见矿化.
本文所取垂直岩心黄土厚度106.5 m,自地表下0.5 m开始等间距取样106个,用便携式Niton XL3t X- 荧光仪测得106个样本的33种元素含量,这些元素包括Mo、S、K、Fe、Zn、Pb、Au、Ca、Ti、Mn、W、Cu、Sc、V、Se、Zr、Sr、U、Rb、Th、As、Hg、Ni、Co、Cr、Ba、Cs、Te、Sb、Sn、Cd、Ag和Pd.笔者将地表以下106.5 m处矿源层与覆盖层的接触面看作起始点,自下而上等间距元素含量看作空间序列,得到33个空间序列,每个序列106个观测值.
2. 元素空间序列的长期趋势
2.1 正态性检验
笔者对数据进行了基本的描述统计分析,由于Se和Ag的观测值大多低于仪器检测限,在本次研究中不做考虑.首先用SW统计量(Shapiro and Wilk, 1965)对每个元素的含量分布进行了正态性检验,发现在0.05水平上,只有Zr元素含量通过了正态检验,其他30个元素的含量均不服从正态性分布(表 1).按照大数定律的原理,除Zr之外,其他30个元素含量的空间序列中随机因素都没有起到主要作用,笔者认为浓度扩散这一确定性因素起主导作用,即意味着这些序列存在长期趋势(long-term trend),这为进一步分析提供了理论依据.
表 1 描述性统计分析、正态性检验和相关性分析Table Supplementary Table Descriptive analysis, normality test and correlation analysis描述统计 正态性检验 相关性检验 元素 均值 标准差 SW统计量 显著性p值 Kendallτ 显著性p值 相关性 Mo 16.62 47.03 0.406 <0.001 0.586 <0.000 1 相关 S 674.98 1 275.00 0.500 <0.001 0.170 0.009 9 相关 K 20 865.00 4 887.00 0.864 <0.001 0.033 0.617 0 不相关 Fe 24 756.00 12 997.00 0.261 <0.001 0.411 <0.000 1 相关 Zn 177.04 305.45 0.468 <0.001 0.423 <0.000 1 相关 Pb 36.95 42.62 0.744 <0.001 0.298 <0.000 1 相关 Au 0.27 0.95 0.299 <0.001 0.142 0.071 2 不相关 Ca 17 326.00 11 254.00 0.926 <0.001 -0.034 0.605 9 不相关 Ti 3 269.00 1 079.00 0.948 0.004 0.212 0.001 3 相关 Mn 1 459.00 3 495.00 0.245 <0.001 0.514 <0.000 1 相关 W 14.28 30.19 0.550 <0.001 -0.134 0.397 0 不相关 Cu 37.59 22.64 0.929 <0.001 0.492 <0.0001 相关 Sc 16.89 27.86 0.659 <0.001 0.084 0.247 6 不相关 V 55.63 36.41 0.953 <0.001 0.198 0.002 7 相关 Zr 283.89 71.06 0.980 0.106 0.116 0.075 5 不相关 Sr 182.82 97.41 0.837 <0.001 -0.021 0.575 7 不相关 U 1.03 2.47 0.467 <0.001 -0.030 0.757 6 不相关 Rb 115.03 63.87 0.738 <0.001 0.400 <0.000 1 相关 Th 13.28 6.77 0.714 <0.001 0.207 0.001 6 相关 As 10.38 7.99 0.913 <0.001 0.107 0.103 0 不相关 Hg 0.20 0.78 0.273 <0.001 0.052 0.542 0 不相关 Ni 80.38 24.29 0.868 <0.001 0.345 <0.000 1 相关 Co 34.20 68.69 0.555 <0.001 -0.047 0.577 0 不相关 Cr 0.76 4.92 0.145 <0.001 -0.325 0.244 0 不相关 Ba 577.96 158.02 0.882 <0.001 0.098 0.136 0 不相关 Cs 66.56 30.12 0.859 <0.001 0.209 0.001 4 相关 Te 37.75 39.18 0.851 <0.001 0.135 0.045 5 相关 Sb 14.53 20.40 0.740 <0.001 0.163 0.021 0 相关 Sn 15.12 20.15 0.765 <0.001 0.343 <0.000 1 相关 Cd 0.68 2.89 0.250 <0.001 0.094 0.232 2 不相关 Pd 0.18 1.12 0.158 <0.001 0.027 0.732 0 不相关 2.2 元素含量与纵向坐标的相关性分析
正态性检验初步说明矿源层垂向上方元素的含量分布不是随机因素主导的,确定性因素起主要作用,这与前人的研究成果相吻合.如果确定性因素来自矿源层,那么元素的含量在纵向上就应该具有一定的顺序性,也就是说,元素含量与纵向坐标具有某种相关性,笔者尝试用统计方法对这种相关性进行检验.统计学中分析2个变量的相关性方法有多种,其中参数方法有Pearson统计量检验法,它是以母体服从正态分布为前提的;另外,笔者通过观察原始数据发现几乎所有的元素含量与距矿源的距离不是线性相关的,亦即如果有相关性,必定是存在非线性关系.非参数方法是不需要正态假设,并适合非线性相关性情形的检验,常用的统计量有Spearman和Kendallτ相关系数检验法.由此,笔者借助统计软件SAS进行非参数相关性检验,得到在0.05水平上(表 1),离开矿源垂向向上的距离与对应点元素的含量有显著统计关系的元素有18种:Mo、S、Fe、Zn、Pb、Ti、Mn、W、Cu、V、Rb、Th、As、Ni、Cs、Te、Sb和Sn.Zr元素用参数检验,没有显著相关性.虽然迪彦钦阿木是Mo-Ag矿床,但Ag元素含量在采样点处大多数都低于检出限,原始数据不能检验其相关性,故不作考虑.
2.3 长期趋势提取及分类
以上18个元素含量与纵向坐标有相关性,说明它们在覆盖层中的纵向迁移具有某种规律,为了凸显这种规律性,需要剔除随机因素的影响.
HP滤波(Hodrick and Prescott, 1997)是从时间序列中分离长期趋势与随机波动的方法,在经济学中应用很广泛(Ahumada and Garegnani, 1999;Ravn and Uhlig, 2002),但往往是剔除长期趋势来研究随机波动及其周期性,笔者借助这一方法,即通过剔除随机波动来提取长期趋势.HP滤波模型为:
$$ y_{t}=g_{t}+c_{t}, $$ (1) 式中:yt是给定的时间序列,gt是趋势项,ct是波动项.其中gt是下列优化问题的解:
$$ \begin{gathered} \min \left\{\sum\limits_{t=1}^{T}\left(y_{t}-g_{t}\right)^{2}+\right. \\ \left.\lambda \sum\limits_{t=1}^{T}\left[\left(g_{t+1}-g_{t}\right)-\left(g_{t}-g_{t-1}\right)\right]^{2}\right\}, \end{gathered} $$ (2) 式中:T是序列的长度,λ是平滑参数,λ越大趋势序列越平滑,其取值方法前人做了一些研究(Ravn and Uhlig, 2002),经验值和实验观察法具有较好的实用性.该模型适合具有确定性趋势和随机周期波动叠加的时间序列分析.
笔者将土壤盖层中每个矿源地球化学元素浓度在离开矿源的纵向等间距顺序数据看作一个空间序列,将时间序列分析的HP滤波方法用于该序列,经反复实验选取参数λ为1 600.为了比较不同元素的迁移模式,笔者对原始数据进行了规范化,使得序列取值都落在[0, 1]区间中,地表之下106 m处出现母岩,石英脉中出现矿化,故而含量数据取到地表以下106 m处,部分与纵坐标具有显著相关性元素的序列图如图 1a所示,HP滤波得到的长期趋势如图 1b所示.
从HP滤波得到的长期趋势可以看出,Mo、S、Fe、Mn、W、Cu、Rb、Ni、Cs、Te、Sb、Sn的含量基本上是从矿源层到地表单调递减,说明这些元素的迁移是源自矿源的,它们在地表的含量信息对矿源有指示作用.S、Rb在地表附近有增加的趋势,可能是地表的因素叠加所致.V、Pb、Zn、Ti、As、Th在中间出现峰值,呈现从矿源到地表有先增后减的形态,其机理或原因有待今后深入研究.笔者基于相关系数矩阵对18种元素的长期趋势进行分类(图 2).当解释的方差比达到79%时,元素分成了2类:C21={Mo、S、W、Te、Rb、Cs、Sn、Fe、Cu、Ni、Mn、Sb},C22={Ti、V、Zn、Th、As、Pb};当解释的方差比为85%时,元素分为3类:C31={Mo、S、W、Te、Rb、Cs、Sn},C32={Fe、Cu、Ni、Mn、Sb},C33=C22={V、Pb、Zn、Ti、As、Th}.C21类元素浓度自下而上近似呈递减趋势,而其中C31近似呈指数递减趋势,C32近似线性递减,笔者用曲线拟合和线性回归方法验证了这些结论(篇幅所限未列出具体结论).
3. 成矿因子的分布模式
3.1 成矿因子
在成矿过程中地球化学元素往往是伴生的,因此人们通常用因子分析法提取元素组合来研究成矿过程的性质.此外,笔者认为成矿因子比单个的成矿元素具有更稳定的迁移性质,故而对18种元素进行了因子分析,得到2个因子(表 2,图 3).其中,第1个因子的方差贡献率为66.1%,与该矿床成矿过程有关的Mo、S、W等元素的载荷大,将其称为Mo-W成矿因子;第2个因子与第1个因子的累计方差贡献率为99.7%,在第2个因子中Pb、Zn等元素的载荷大,将其称为Pb-Zn成矿因子.
表 2 成矿因子Table Supplementary Table Ore-forming factorsMo Cs S Te Sn W Rb Cu Fe Ni Mn Sb Th Zn As V Ti Pb Ω F1 0.974 0.970 0.956 0.955 0.942 0.894 0.882 0.857 0.811 0.732 0.725 0.651 -0.268 0.228 -0.210 0.542 0.656 0.014 0.661 F2 -0.206 0.131 -0.293 -0.057 0.082 -0.024 0.191 0.442 0.585 0.665 0.404 0.485 0.891 0.808 0.784 0.759 0.695 0.614 0.997 注:Ω是因子的累计方差贡献率,第1个因子F1方差贡献率为66.1%;前2个因子的累计方差贡献率为99.7%. 3.2 成矿因子的迁移模式
笔者计算了Mo-W成矿因子和Pb-Zn成矿因子的得分,提取其长期趋势(图 4).可以看出与单个成矿元素相比,成矿因子的长期趋势曲线更光滑,趋势更明显.Pb-Zn因子呈多项式模式,没有递减的趋势,因此认为它所反映的信息不是来自矿源层;Mo-W成矿因子具有典型的指数分布模式,因子含量自矿源层往上单调递减,而在离矿源层约50 m处出现水平台阶,而后递减.水平台阶的出现是一个有趣的现象,笔者认为它可能是来自矿源层的元素迁移过程及地表扰动过程的“结合”部位,两过程在此部位“相持”致使水平台阶的出现.考虑到数学角度的拟合优度,笔者分2种情况进行了拟合:整个区间上的拟合分[0, 68.5]和[68.5, 106.0]两段进行,拟合结果都通过了统计检验.如引言所述,元素在介质中的迁移模式往往受到多尺度(强度)、多因素和多过程叠加影响,笔者只从统计检验角度选择了指数分布模式进行拟合.最近,成秋明(Cheng,2012)用串级(Cascade)思想建立了元素分布的分形模型,即幂律(power-law)模型,取得了很好的效果,这一思想能更好地揭示元素纵向分布的形成机制,所建立的模型具有更好的实用性,它是传统统计方法的深入.
拟合的结果为①深度范围为[0, 106]时,
$$ C_{F 1}=4.387 \mathrm{e}^{-0.06989 h}-0.5917, $$ (3) 式中:拟合优度R2=0.96.迁移速率为:
$$ C_{F 1}^{\prime}=-0.3066 \mathrm{e}^{-0.06989 h} . $$ (4) ② 分段拟合:
$$ \begin{aligned} &C_{F 1}= \\ &\left\{\begin{array}{l} 4.358 \mathrm{e}^{-0.086 h}-0.3478\left(R^{2}=0.9793\right)(h<68.5) \\ 0.0003529 h^{2}-0.077 h+3.31\left(R^{2}=0.9989\right)(h \geqslant 68.5), \end{array}\right. \end{aligned} $$ (5) 迁移速率为:
$$ C_{\text {Factor } 1}^{\prime}= \begin{cases}-0.374 \mathrm{e}^{-0.086 h} & h<68.5 \\ 0.0007058 h-0.077 & h \geqslant 68.5 .\end{cases} $$ (6) 第2个成矿因子表现出完全不同的模式(图 4c),显示该因子的分布反映的不是来自矿源的信息.
4. 结论及讨论
将岩心等间距顺序元素成分数据看成空间序列,用统计方法检验序列与纵向坐标具有相关性的元素,进而用滤波方法提取具有相关性元素成分序列的长期趋势,并对其分类,判断其中的有源迁移模式并对其拟合,所得定量迁移模型有助于把握覆盖层中来自于矿源层元素的迁移规律,为用表层地球化学异常揭示埋深矿床的属性提供依据.由于每种矿床中与成矿有关的地球化学元素的组合(相伴)模式不同,提取成矿因子,用上述方法对成矿因子的迁移模式进行研究具有更现实的指导意义.
笔者对迪彦钦阿木Mo-Ag矿床黄土覆盖层岩心数据分析得到:(1)X- 荧光仪测得的33种元素中Mo、S、Fe、Zn、Pb、Ti、Mn、W、Cu、V、Rb、Th、As、Ni、Cs、Te、Sb和Sn与纵向坐标有显著相关性;(2)Mo、S、W、Te、Rb、Cs、Sn、Fe、Cu、Ni、Mn和Sb元素含量由矿源层向地表几乎呈递减趋势,它们的含量对矿源层具有指示作用;(3)成矿因子比单个元素在覆盖层中的迁移性质更稳定,对矿源层矿化性质的指示作用更强.
本文对许多问题的研究需待深化.(1)影响矿源层元素纵向迁移的确定性因素和随机因素的强弱分析.用滤波方法剔除随机因素而获取长期趋势可能受到各种因素强弱的影响,可能因为随机因素强而干扰确定性因素的提取,可能对不同元素而言随机因素的影响程度不一样;(2)数据的采集手段和方法直接影响迁移模型的准确性,本例所用便携式X- 荧光仪获取的数据是一种半定量数据,采样密度是1 m,筛选粒级是60目,不同的采样方式对结果的影响值得深入研究;(3)覆盖层中元素的纵向迁移模式作为表层地球化学异常与埋深矿床之间关系的桥梁,三者之间的定量关系建立具有很强的实践意义.
-
表 1 描述性统计分析、正态性检验和相关性分析
Table 1. Descriptive analysis, normality test and correlation analysis
描述统计 正态性检验 相关性检验 元素 均值 标准差 SW统计量 显著性p值 Kendallτ 显著性p值 相关性 Mo 16.62 47.03 0.406 <0.001 0.586 <0.000 1 相关 S 674.98 1 275.00 0.500 <0.001 0.170 0.009 9 相关 K 20 865.00 4 887.00 0.864 <0.001 0.033 0.617 0 不相关 Fe 24 756.00 12 997.00 0.261 <0.001 0.411 <0.000 1 相关 Zn 177.04 305.45 0.468 <0.001 0.423 <0.000 1 相关 Pb 36.95 42.62 0.744 <0.001 0.298 <0.000 1 相关 Au 0.27 0.95 0.299 <0.001 0.142 0.071 2 不相关 Ca 17 326.00 11 254.00 0.926 <0.001 -0.034 0.605 9 不相关 Ti 3 269.00 1 079.00 0.948 0.004 0.212 0.001 3 相关 Mn 1 459.00 3 495.00 0.245 <0.001 0.514 <0.000 1 相关 W 14.28 30.19 0.550 <0.001 -0.134 0.397 0 不相关 Cu 37.59 22.64 0.929 <0.001 0.492 <0.0001 相关 Sc 16.89 27.86 0.659 <0.001 0.084 0.247 6 不相关 V 55.63 36.41 0.953 <0.001 0.198 0.002 7 相关 Zr 283.89 71.06 0.980 0.106 0.116 0.075 5 不相关 Sr 182.82 97.41 0.837 <0.001 -0.021 0.575 7 不相关 U 1.03 2.47 0.467 <0.001 -0.030 0.757 6 不相关 Rb 115.03 63.87 0.738 <0.001 0.400 <0.000 1 相关 Th 13.28 6.77 0.714 <0.001 0.207 0.001 6 相关 As 10.38 7.99 0.913 <0.001 0.107 0.103 0 不相关 Hg 0.20 0.78 0.273 <0.001 0.052 0.542 0 不相关 Ni 80.38 24.29 0.868 <0.001 0.345 <0.000 1 相关 Co 34.20 68.69 0.555 <0.001 -0.047 0.577 0 不相关 Cr 0.76 4.92 0.145 <0.001 -0.325 0.244 0 不相关 Ba 577.96 158.02 0.882 <0.001 0.098 0.136 0 不相关 Cs 66.56 30.12 0.859 <0.001 0.209 0.001 4 相关 Te 37.75 39.18 0.851 <0.001 0.135 0.045 5 相关 Sb 14.53 20.40 0.740 <0.001 0.163 0.021 0 相关 Sn 15.12 20.15 0.765 <0.001 0.343 <0.000 1 相关 Cd 0.68 2.89 0.250 <0.001 0.094 0.232 2 不相关 Pd 0.18 1.12 0.158 <0.001 0.027 0.732 0 不相关 表 2 成矿因子
Table 2. Ore-forming factors
Mo Cs S Te Sn W Rb Cu Fe Ni Mn Sb Th Zn As V Ti Pb Ω F1 0.974 0.970 0.956 0.955 0.942 0.894 0.882 0.857 0.811 0.732 0.725 0.651 -0.268 0.228 -0.210 0.542 0.656 0.014 0.661 F2 -0.206 0.131 -0.293 -0.057 0.082 -0.024 0.191 0.442 0.585 0.665 0.404 0.485 0.891 0.808 0.784 0.759 0.695 0.614 0.997 注:Ω是因子的累计方差贡献率,第1个因子F1方差贡献率为66.1%;前2个因子的累计方差贡献率为99.7%. -
[1] Ahumada, H., Garegnani, M.L., 1999. Hodrick-prescott filter in practice. Economia, 45(3): 61-76. [2] Allègre, C.J., Minster, J.F., 1978. Quantitative models of trace element behavior in magmatic processes. Earth and Plantary Science Letters, 38(1): 1-25. doi: 10.1016/0012-821X(78)90123-1 [3] Anand, R.R., Paine, M., 2002. Regolith geology of the Yilgarn Craton, western Australia: implications for exploration. Australian Journal of Earth Sciences, 49(1): 3-162. doi: 10.1046/j.1440-0952.2002.009.12.x [4] Basu, A., Molinaroli, E., 1994. Toxic metals in Venice lagoon sediments: model, observation, and possible removal. Environmental Geology, 24(3): 203-216. doi: 10.1007/BF00766890 [5] Cameron, E.M., Hamilton, S.M., Leybourne, M.I., et al., 2004. Finding deeply buried deposits using geochemistry. Geochemistry: Exploration, Environment, Analysis, 4(1): 7-32. doi: 10.1144/1467-7873/03-019 [6] Cheng, Q.M., 2012. Singularity theory and methods for mapping geochemical anomalies caused by buried sources and for predicting undiscovered mineral deposits in covered areas. Journal of Geochemical Exploration(in press). http://www.sciencedirect.com/science/article/pii/S0375674212001318 [7] Cheng, Q.M., Xia, Q.L., 2011. Thoughts and practice for the integrated assessment of mineral resources in covered areas. Mineral Journal, (S1): 755-756 (in Chinese with English abstract). [8] Hodrick, R.J., Prescott, E.C., 1997. Postwar U.S. business cycles: an empirical investigation. Journal of Money, Credit and Banking, 29(1): 1-16. doi: 10.2307/2953682 [9] Hu, K., Peng, S., Zhang, S.T., 2010. Numerical simulation of contaminant transport problems in soil environment. Chinese Journal of Environmental Engineering, 4(7): 1660-1663 (in Chinese with English abstract). [10] Jin, Z.G., Xiang, X.L., Huang, Z.L., et al., 2011. Research on the element migration in bauxite deposit at Wuchuan Wachang in Guizhou north plain. Geology and Exploration, 47(6): 957-966 (in Chinese with English abstract). http://en.cnki.com.cn/Article_en/CJFDTOTAL-DZKT201106004.htm [11] Liu, D.S., 1965. Chinese loess. Science Press, Beijing (in Chinese). [12] Nie, X.L., Hou, W.R., 2010. The discovery of the Diyanqinamu large Mo-Ag deposit in Inner Mongolia and its geology significance. Acta Geoscientica Sinica, 31(3): 469-472 (in Chinese with English abstract). http://en.cnki.com.cn/Article_en/CJFDTOTAL-DQXB201003026.htm [13] Ravn, M.O., Uhlig, H., 2002. On adjusting the Hodrick-Prescott filter for the frequency of observations. The Review of Economics and Statistics, 84(2): 371-376. doi: 10.1162/003465302317411604 [14] Ruan, X.L., Zhang, G.L., Zhao, Y.G., et al., 2006. The distribution characteristics and migration rate of heavy metals in the soil based on high density sampling. Environmental Science, 27(5): 1020-1025(in Chinese with English abstract). [15] Shapiro, S.S., Wilk, M.B., 1965. An analysis of variance test for normality (complete samples). Biometrika, 52(3-4): 591-611. doi: 10.1093/biomet/52.3-4.591 [16] Tyler, G., 2004. Vertical distribution of major, minor, and rare elements in a Haplic Podzol. Geoderma, 119(3-4): 277-290. doi: 10.1016/j.geoderma.2003.08.005 [17] Wakelin, S., Anand, R.R., Macfarlane, C., et al., 2012. Assessing microbiological surface expression over an overburden-covered VMS deposit. Journal of Geochemical Exploration, 112: 262-271. doi: 10.1016/j.gexplo.2011.09.005 [18] Wang, X.Q., 2005. Conceptual model of deep-penetrating geochemical migration. Geological Bulletin of China, 24(10-11): 892-896 (in Chinese with English abstract). http://www.cnki.com.cn/Article/CJFDTotal-ZQYD2005Z1004.htm [19] Xie, X.J., Wang, X.Q., 2003. Progress in deep-penetrating geochemistry. Earth Science Frontier, 10(1): 225-238(in Chinese with English abstract). http://en.cnki.com.cn/Article_en/CJFDTOTAL-DXQY200301041.htm [20] Zhang, S., Xiong, X.L., Seward, T.M., 2009. The migration of ore forming elements in gaseous phase and experimental studies. Earth Science Frontier, 16(1): 68-74 (in Chinese with English abstract). [21] 成秋明, 夏庆霖, 2011. 覆盖区矿产综合预测思路与实践. 矿物学报, (S1): 755-756. https://www.cnki.com.cn/Article/CJFDTOTAL-KWXB2011S1397.htm [22] 胡舸, 彭帅, 张胜涛, 2010. 土壤环境下污染物运移问题的数值模拟研究. 环境工程学报, 4(7): 1660-1663. https://www.cnki.com.cn/Article/CJFDTOTAL-HJJZ201007043.htm [23] 金中国, 向贤礼, 黄智龙, 等, 2011. 黔北务川瓦厂坪铝土矿床元素迁移规律研究. 地质与勘探, 47(6): 957-966. https://www.cnki.com.cn/Article/CJFDTOTAL-DZKT201106004.htm [24] 刘东生, 1965. 中国的黄土堆积. 北京: 科学出版社. [25] 聂秀兰, 侯万荣, 2010. 内蒙古迪彦钦阿木大型钼-银矿床的发现及地质意义. 地球学报, 31(3): 469-472. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXB201003026.htm [26] 阮心玲, 张甘霖, 赵玉国, 等, 2006. 基于高密度采样的土壤重金属分布特征及迁移速率. 环境科学, 27(5): 1020-1025. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ200605036.htm [27] 王学求, 2005. 深穿透地球化学迁移模型. 地质通报, 24(10-11): 892-896. https://www.cnki.com.cn/Article/CJFDTOTAL-ZQYD2005Z1004.htm [28] 谢学锦, 王学求, 2003. 深穿透地球化学新进展. 地学前缘, 10(1): 225-238. doi: 10.3321/j.issn:1005-2321.2003.01.027 [29] 张生, 熊小林, Seward, T.M., 2009. 成矿元素的气相迁移与实验研究. 地学前缘, 16(1): 68-74. https://www.cnki.com.cn/Article/CJFDTOTAL-DXQY200901014.htm -