- 1、本文档被系统程序自动判定探测到侵权嫌疑,本站暂时做下架处理。
- 2、如果您确认为侵权,可联系本站左侧在线QQ客服请求删除。我们会保证在24小时内做出处理,应急电话:400-050-0827。
- 3、此文档由网友上传,因疑似侵权的原因,本站不提供该文档下载,只提供部分内容试读。如果您是出版社/作者,看到后可认领文档,您也可以联系本站进行批量认领。
查看更多
Study on the mineralization of Zhaishang Super
large gold deposit in Min County, Gansu
A Dissertation Submitted for the Degree of Master
Candidate:Zhang Yongwen
Supervisor:Prof. Qian Zhuangzhi
Senior Engineer. Liu Minwu
Chang’an University, Xi’an, China
i
摘 要
来源:本课题依托武警黄金第五支队普查项目《甘肃省岷县寨上金矿岩金普查》、
科研项 目《甘肃省岷县寨上金矿床成因机制研究》、《甘肃省岷县寨上金矿床金的赋存状
态研究》。
目的:本项申请拟在前期研究基础上,进一步开展金元素的分布规律研究,金元素
的迁移规律研究,金矿物的赋存状态及变化规律,进一步开展金矿脉的时空分布规律研
究,进一步从微观到宏观研究金的成矿机理。为矿区的找矿提供理论指导。
理论基础:
方法:1、金元素分布规律研究。收集寨上矿区 1/20 万、1/5 万水系沉积物数据,
收集 1/万地化剖面及钻孔岩芯原生晕数据及图件,制作金等值线图;收集 1/5 万地质
矿产图,综合分析金元素的水平、垂直分布规律,研究元素的迁移规律;
2、金矿物的赋存状态。通过光学显微镜、电子探针、扫描电镜、X-衍射等测试手
段,分析不同类型矿石中金矿物的矿物学特征,测试不同赋存状态中金矿物的成分线、
面变化规律,达到掌握不同类型矿石中金的赋存状态,金矿物的化学成分变化,金矿
物的矿物学特征;
3、金矿脉的时空分布规律。收集寨上矿区已发现的 32 条金矿脉的地质资料,以
及成矿地质背景。通过分析金矿脉与地层、构造、脉岩的空间关系,研究金矿脉的形
成机制。
4、金形成机理研究。通过研究金元素的分布规律,研究不同矿段不同类型矿石中
金矿物的变化规律,研究金矿物的化学成分变化规律,研究金矿脉的形成地球化学背
景,分析金形成机理;
主要成果和结论,特别是新见解 、新方法和新成果:
1 通过研究区域地质背景,认为寨上矿区位于山阳-礼县断裂带西端,受期次级断
裂控制。区域地层为泥盆系-二叠系地层,赋矿岩性为“炭泥硅”质板岩,对金矿物有
吸附作用。区域岩浆活动较强,尤其在矿区内已发现了中酸性脉岩,对金矿的形成有
很大的影响。
2 寨上矿区内共发现金矿脉 30 条,圈定矿体 26 个,累计探获(333+334)资源
量 103000kg。寨上金矿床的形成总体上经历了沉积-成岩期、构造-热液叠加成矿期和
表生氧化期三个期。本次重点研究了构造-热液叠加成矿期,划出四个成矿阶段,并将
i
多金属硫化物-金-石英-碳酸盐主阶段 (Ⅲ)细划成三个亚段:复硫化物及硫化物亚阶
段、硫盐亚阶段、碲化物亚阶段。
3 研究了区域 1:20 万、1:5 万水系沉积物异常,发现异常总体呈成群成带、窜珠状
分布,1:1 万土壤测量异常呈北西向展布,与断裂构造吻合较好。原生晕异常显示,Au 、
Ag 、As 、Sb 元素在碎裂岩及碳质板岩中含量明显高于长石石英砂岩及钙质板岩;矿脉
走向上微量元素分布研究表明,成矿元素在不同地段分配不均又分段富集的特征。
4 对矿区的重点矿脉进行采样及室内显微镜下鉴定,尤其是通过电子探针测试,研
究了矿区的矿物特征,并对矿区金属矿物进行了分类研究。划分了硫化物、复硫化物、
硫盐、碲化物、含氧矿物等。重点研究了复硫化物中的黄铁矿的矿物特征及其含金性,
得出:围岩中黄铁矿呈草莓状、莓球状、圆球状、立方体等晶形,颗粒相对较细小。矿
石中黄铁矿呈立方体、五角十二面体、他形粒状、细-网脉状,颗粒相对较粗;草莓状、
立方体黄铁矿含金性较差,他形粒状、细脉状、五角十二面黄铁矿含金性较好等规律。
本此研究首次对寨上矿区的硫盐矿物进行研究,划分出铜的硫盐矿物和铅的硫盐矿物。
值得一提的是首次鉴定出铅的硫盐矿物,分别是脆硫锑铅矿、砷硫锑铅矿、斜锑铅矿。
探讨了硫盐矿物的地质意义,认为硫盐矿物是寨上金矿的重要的与金关系密切的金属矿
物之一,是载金
您可能关注的文档
最近下载
知传链电子书
- 梯度提升法的基本原理-[共4页]-248-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- Bagging算法是如何工作的-[共11页]-237-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 二元决策树的过拟合-[共4页]-232-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 决策树的训练等同于分割点的选择-[共3页]-229-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 如何训练一个二元决策树-[共4页]-225-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 多类别分类-分类犯罪现场的玻璃样本-[共6页]-214-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 二分类:使用惩罚线性回归来检测未爆炸的水雷-[共24页]-190-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 基扩展:基于原始属性扩展新属性来改进性能-[共4页]-186-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 部署前在整个数据集上进行训练-[共6页]-180-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 构建并测试模型以预测红酒口感-[共5页]-175-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
文档评论(0)