地質冶金學及其在金和關鍵金屬賦存狀態研究中的新應用*

劉蘭海 陳靜 周濤發** 張一帆 李夢夢

1. 合肥工業大學資源與環境工程學院，合肥工業大學礦床成因與勘查技術研究中心(ODEC)，合肥 230009

2. 安徽省礦產資源與礦山環境工程技術研究中心，合肥 230009

金是一種在地殼中豐度極低(1×10-9)且分散性極強的元素。金礦床類型多樣，并且金在礦床中的空間分布極不均勻。金在礦床中的品位、儲量和賦存狀態是決定其處理工藝的主要因素(周有勤, 2013)。金的賦存狀態研究內容包括礦石中金礦物的種類、不同種類金所占的比例、顯微金的粒度、載金礦物的種類、粒度及其中的金含量。金在單個礦床中的賦存狀態通常有2種甚至3種，加上共生礦物組合(硫化物和蝕變礦物)、礦石強度、次生富集和其他因素的影響，金礦石(特別是難選金礦石)的高效回收充滿了挑戰和風險。

隨著近年來金的價格一路上漲，有效開采并回收金變得尤為重要。地質冶金學(Geometallurgy)作為地質學與冶金學之間的交叉學科，在近年內得到了較快的應用和發展。地質冶金學在西方礦業發達國家有著一套相對較為成熟的流程，被工業界和科研院所廣泛使用，在金礦的工藝設計、采礦計劃和生產礦山的工藝優化等方面發揮了重要的作用。

近年來，地質冶金學廣泛用到的分析手段包含了地質學中的全巖地球化學、礦物自動定量分析系統、VNIR-SWIR高光譜分析等，這些方法在巖漿熱液礦床，尤其是斑巖型、淺成低溫熱液型等礦床中的地質冶金學工作中被大量采用，為選礦工藝提供了重要的參考。地質冶金學關注礦石類型的變化和不同類型礦石的時空分布特征，對于全面系統了解單個礦床具有重要的地質意義，地質冶金學的系統研究可以反過來幫助了解礦床的成因，尤其是巖漿熱液礦床的演化過程，優化礦床模型。此外，近年來關鍵金屬礦床的研究成為熱點，而關鍵金屬常以豐度低、礦物細小著稱，與金有著很多相似之處，本文提出將針對金的地質冶金學流程應用到關鍵金屬研究中來，可以對關鍵金屬的賦存狀態與富集機制研究產生推動作用。本文總結了國際上運用這套最新的分析方法和流程進行地質冶金學研究金及關鍵金屬的應用實例。

1 地質冶金學的研究內容

地質冶金學的概念大概可以追溯至20世紀60年代，然而真正意義上的地質冶金學研究大多開始于2000年及以后，并在2005年開始出現顯著的增多，在一系列大型礦床的開發或擴建過程中發揮重要的作用，越來越多的研究機構和礦業公司開始重視這項工作，世界各地的一些高校也開始將礦物特征和地質冶金學納入其學術課程(Huntetal., 2019；Hoal, 2008)。中國最新出版的礦石學和礦相學教材也將礦石的工藝特征和地質冶金學的參數列為課程的重要部分(顧雪祥和章永梅, 2021)。

礦床的形成過程受到構造、巖漿巖、圍巖等多種復雜因素影響，因此礦床特征在空間上往往具有極大的多樣性，尤其是金礦床，其巖石類型、礦石品位、礦物組合、蝕變和金的賦存狀態等經常發生垂向和側向上的變化，可能會引發選礦過程中的問題。為了降低這個風險，地質冶金學應運而生。作為地質學與冶金學之間的一個交叉學科，地質冶金學將礦體的地質學、地球化學和礦物學特征與冶金性能聯系起來，金的地質冶金學研究目標是從地質的角度描述和理解礦體的多樣性和與之對應的選冶參數，如粉碎性能、重選、浮選、氰化參數和金屬回收率，并將這些信息整合起來，建立定量的、礦床尺度的3D塊體模型或數據庫。該模型包含礦石和周圍廢石的每個部分的所有相關選礦參數(Huntetal., 2019)。模型中的每個塊體不僅可以按品位動態估價，并且可以融合金的賦存狀態、蝕變、巖性、共生礦物組合、礦石硬度等參數。該模型可以用于協助采礦計劃和預測產率，選礦和冶金工程師可以利用地質冶金學信息來優化磨機設計和選礦流程，以最大限度地提高金的回收率(Zhou and Gu, 2016, 王玲和趙戰鋒, 2020)。

經典的地質冶金學研究方法的簡化流程如圖1所示，以地質調查為基礎，從地質調查開始，收集和分析信息，建立地質模型。根據地質模型，開發地質冶金矩陣，作為框架指導進一步測試的取樣與組合，然后從不同品位、圍巖、不同部位的代表性礦石類型中采集樣品(Baumgartneretal., 2011)。對采集的樣品進行礦物學研究和冶金試驗工作，來描述其礦石特征，產生的大量礦物學數據和冶金參數等數據與其他信息整合，導入地質模型，確定三維空間內礦體的礦物學和冶金參數的分布和變化，建立地質冶金學模型(圖2)。

圖1 典型地質冶金學方法的簡化流程圖(據Zhou and Gu, 2016修改)Fig.1 Simplified flowsheet illustrating typical geometallurgical approach (modified after Zhou and Gu, 2016)

圖2 秘魯Canahuire礦床的3D地質冶金學模型(據Baumgartner et al., 2011修改)該模型顯示了基于巖性和蝕變類型的不同冶金性質的區域，其中，藍色代表次經濟銀礦化區；橙色代表銅金角礫巖礦化區域；黃色代表灰巖交代型的金礦化區域；淺藍色代表鈣質砂巖中的構造控制金的礦體Fig.2 3D geometallurgical model of the Canahuire deposit (Peru) (modified after Baumgartner et al., 2011)3D model displaying drillholes and generic domains based on lithology and alteration type. Blue: sub-economic silver mineralization; Orange: copper-gold breccia mineralization; Yellow: gold replacement mineralization in limestone; Light blue: structural controlled gold in calcareous sandstone

在可行性研究期間，該模型可以幫助礦山進行選廠設計(如破碎機和磨機類型)和選礦方案。在礦山開發期間，這些數據還可用于優化礦山管理，能夠及時準確預測采礦的經濟效益和環境影響，改進采礦計劃，以實現價值最大化。如采礦過程中礦石類型發生較大變化時，可以及時根據模型調整選礦策略避免損失(Huntetal., 2019)。

2 金礦石的地質冶金學特征

金礦石的地質冶金特征包含金的礦石分類、金的礦物組合和金的賦存狀態。相比于普遍采用浮選法處理的賤金屬，金礦石的處理流程更為復雜，通常采用幾種組合工藝進行處理，包括重選、浮選和氰化等工藝，尤其是難選金礦石在氰化浸出前需要進行預處理，這使得金礦的有效加工更具挑戰性。掌握金礦石的地質冶金學特征，才能夠確定金礦的選礦工藝。

2.1 金礦石和金礦物的分類

金礦石可以劃分為兩大類：易選礦石(Free-milling)和難選礦石(Refractory)。易選礦石通常定義為通過常規氰化浸出回收率可達90%以上的金礦石。難選礦石是指常規氰化后金回收率低于90%，需要增加預處理工藝，才能達到較高回收率的礦石(Zhou and Gu, 2016; Vaughan, 2004)。

在礦物學上，礦石或磨礦產品中的金按形態可分為顯微金、亞顯微金和表面金(Zhouetal., 2004)。顯微金，又稱為可見金，包括所有肉眼和光學顯微鏡可見的金礦物，如自然金、銀金礦、金碲化物、金硒化物、金硫碲化物等。亞顯微金，又稱不可見金，是指在光學顯微鏡和掃描電子顯微鏡下看不見的金，其尺寸<0.1μm，包括結合在硫化物晶格中的金(如固溶體金)，和極細顆粒金包裹體(稱膠體金)兩種形態，是卡林型金礦、淺成低溫熱液型金礦和火山成因塊狀硫化物(VMS)礦床等礦床中難選礦石的金主要形式(Cook and Chryssoulis, 1990; Zhou and Gu, 2016)。表面金是在成礦和隨后的氧化或冶金過程中吸附在其他礦物(如有機碳和氧化鐵) 表面的金，也稱吸附金(Chryssoulis and McMullen, 2016, Zhou and Gu, 2016)。

通過工藝礦物學研究，查清影響金礦石選冶難度的因素，尤其是金的賦存狀態和影響金氰化浸出的礦物，才能確定金礦石的性質。金的礦石類型對于地質冶金學建模中空間域的劃分、采礦方法的選擇、選冶工藝的制定、回收率的預測等礦山整體生產環節均具有重要的指導意義。

2.2 難選礦石的主要原因

常見的金礦石難選原因總結如圖3所示，這些也是在進行金的地質冶金學分析時需要重點關注的內容。金的包裹是指金被物理包裹導致無法接觸氰化物溶液，或者由于金呈亞顯微狀態或難溶金礦物導致無法有效浸出(Vaughan, 2004)。硫化物中的亞顯微金是難處理金礦石的最常見的原因，最容易成為亞顯微金載體的礦物是毒砂和含砷黃鐵礦，黃鐵礦中的砷含量往往與金呈正相關(Cook and Chryssoulis, 1990)。磁黃鐵礦、黃銅礦、斑銅礦、方鉛礦和黝銅礦通常含有少量亞顯微金。這種礦石通常通過重力或浮選濃縮成硫化物精礦，然后通過焙燒、壓力氧化、生物氧化等方法使硫化物發生氧化，進而氰化浸出金(Coetzeeetal., 2011)。

圖3 難選金礦石的常見原因(據Vaughan, 2004修改)Fig.3 Common causes for refractory and related gold ores (modified after Vaughan, 2004)

除了亞顯微金以外，大量難溶金礦物如碲金礦、碲金銀礦等也是難選礦石的原因，這些礦物大量出現在Kalgoorlie(西澳大利亞)(Shackletonetal., 2003)、Emperor(斐濟)(Pals and Spry, 2003)等中低溫熱液礦床中，這些礦物與氰化物反應會形成鈍化膜導致浸出緩慢(Zhangetal., 2010)，可以通過延長氰化浸出時間、升高pH、使用硫脲或硫代硫酸鹽浸出等方法解決。金礦物呈細粒包裹體(<10μm)分布在硫化物中難以解離的金礦石也是難處理的，可以通過超細研磨來解決，但能源消耗較大，也可以通過預氧化的方式解決(Coetzeeetal., 2011)。

礦石中含有的非載金礦物也可能會影響金的回收，包括次生銅礦物，如輝銅礦、銅藍、孔雀石等氰化物消耗者，這些礦物與氰化物絡合能力較金更強，導致氰化物消耗非常高，金回收率低或受到抑制。氧是氰化過程中消耗的試劑之一，浸出液中溶解氧不足會減緩氰化反應，因此，磁黃鐵礦等耗氧劑會對氰化產生不利影響。在氰化過程中，金顆粒也可能被某些新形成的沉淀物包裹形成“鈍化邊緣”，從而限制金顆粒暴露在氰化物溶液中，降低氰化效率，這種現象可能與礦石中銻/砷硫化物的存在有關(Venteretal., 2004)。

有機碳的存在會形成“劫金”效應(Preg-robbing)，指的是由于有機碳對氰化溶解金有強烈的吸附作用，使得碳質金礦石直接氰化過程中，金的提取率明顯降低，這種現象在卡林型金礦中尤其顯著。原生金礦中含有0.2%以上的有機碳化合物時，就會嚴重干擾金的氰化提取。除有機碳之外，層狀硅酸鹽礦物如葉臘石、高嶺土、金云母和伊利石也會產生一定的“劫金”作用。目前，人們已探索出多種針對碳質金礦石的處理方法，主要可劃分為氰化法和非氰化法，氰化法研究較多的主要有焙燒氧化法、微波焙燒法、化學氧化法、生物氧化法和覆蓋抑制法，而非氰化法研究較多的有碳氯浸出法，硫脲法，硫代硫酸鹽法等(許曉陽, 2013; Milleretal., 2016)。

2.3 金的賦存狀態研究內容和方法

金的賦存狀態研究內容包括：(1)礦石中金礦物的類型，顯微金、亞顯微金和表面金所占比例；(2)含顯微金顆粒的粒度分布和嵌布特征等；(3)顯微金礦物的粒度分布；(4)金礦物的解離度(暴露的金與包裹在脈石礦物中的金體積比例)，包括游離、連生和包裹；(5)亞顯微金分析，包括載金礦物的種類、粒度及其中的金含量(Coetzeeetal., 2011; 馬馳等, 2011)。金元素在各礦物中的分布是決定金礦石易選還是難選的關鍵因素。準確地確定金的賦存狀態和載金礦物的各項冶金參數至關重要，是選冶方法與設備選擇的依據。

金的賦存狀態研究，特別是亞顯微金和表面金的檢測和定量，需要使用復雜的分析技術(表1)。常用的技術包括光學顯微鏡、礦物自動定量分析系統、掃描電鏡、LA-ICP-MS、Tof-SIMS、TEM等。

近年來，礦物自動定量分析系統如QEMSCAN、TIMA(TESCAN Integrated Mineral Analyzer)等，在金礦物學研究中發揮了重要作用。礦物自動定量分析系統基于掃描電鏡和能譜分析，能同時進行極高分辨率的背散射與X射線能譜快速成像，獲取巖礦樣品的整體形態和礦物及元素的種類、含量及分布，查明礦物的結構構造、共生、連生和包裹關系特征。其提供的特定礦物和亮相搜索模塊，可以快速準確尋找細小目標礦物和金、銀和鉑等貴金屬以及稀有、稀土金屬，為地質冶金學提供了極大的助力(陳倩等, 2021)。

常規的金賦存狀態研究方法如圖4所示， Coetzeeetal.

圖4 常規的金賦存狀態研究簡化流程(據Zhou and Gu, 2016修改)Fig.4 Simplified investigation procedure for gold deportment (modified after Zhou and Gu, 2016)

表1 金賦存狀態分析方法(據Zhou et al., 2004修改)Table 1 Techniques commonly used in gold deportment study (modified after Zhou et al., 2004)

(2011)、Goodall (2008)和Goodall and Butcher (2012)也提出了類似的方法流程。首先將樣品粉碎后進行化學分析確定金的品位，然后通過XRD、光學顯微鏡、自動定量分析系統來分析其礦物學組成，包括對浸出液有害礦物的含量和特征。由于研究樣品(特別是各種類型的尾礦樣品)中金的含量較低，通常采用重液分離和超級淘洗等預富集技術來提高搜尋金的效率和代表性(Coetzeeetal., 2011)。金的賦存狀態分析從顯微金開始，將重力富集后的樣品按重、中輕礦物制成光片后，通過礦物自動定量分析系統來搜尋顯微金礦物，以確定金礦物的形態、成分、數量、解離、共生組合和粒度分布等信息。

除了制作光片進行礦相學研究以外，往往還需要進行多種選礦試驗來交叉驗證所得到的結果，如重選、常規氰化浸出、浮選、預氧化浸出、超細研磨浸出等。通過樣品磨至不同粒度后進行重選實驗、常規浸出實驗，可以確定游離金、連生金的含量，通過預氧化浸出可以確定硫化物中亞顯微金和細粒金包裹體的含量(Li and Zhou, 2019)。

通過上述一系列研究手段得到的顯微金含量如果只占金總含量的80%或更少，就需要對亞顯微金進行分析(Zhou and Gu, 2016)。通過LA-ICP-MS、D-SIMS、TEM等方法，可以進一步確定亞顯微金的載體礦物的種類與含金量。如果樣品顯示出潛在的劫金效應的趨勢，則還要考慮進行表面金的分析。最終結合選礦試驗的結果和試驗分析的結果，通過金的礦物學平衡計算，得到全部的金的賦存狀態特征。以廣西金牙卡林型金礦為例，其礦床中金的賦存狀態表征方法可以如圖5所示。

圖5 金牙卡林型金礦金賦存狀態表征方法示意圖(數據引自Zhou and Wang, 2003)Fig.5 Schematic diagram of gold deportment characterization of Carlin-type gold deposits (data cited from Zhou and Wang, 2003)

3 地質冶金學應用實例

通過詳細的地質冶金學研究，礦山工程師可以快速可靠地識別潛在的低回收率問題，并調整工藝流程以克服這些問題。近年來隨著地質冶金學的發展，除傳統的工藝礦物學方法，越開越多的新方法也加入進來，例如紅外光譜與機器學習等，收集和產生數據的設備也隨之升級，給地質冶金學增添了新的活力。本文介紹了近年部分來自不同類型熱液礦床的金的地質冶金學研究實例，并對近年來嘗試應用在地質冶金學上的新方法進行簡要介紹(表2)。

表2 近幾年發表的部分地質冶金學應用實例Table 2 Some examples of geometallurgy work published in recent years

3.1 地質冶金學在選礦方面的應用

3.1.1 斑巖型銅金礦床

Arif and Baker (2004)在研究Batu Hijau斑巖型銅金礦床時，通過巖相學、電子探針、LA-ICP-MS和浮選試驗研究發現，金主要以自然金和斑銅礦-黃銅礦晶格金的形式存在。礦床中硫化物空間上從上到下有著斑銅礦>黃銅礦到黃銅礦>斑銅礦的變化。在富斑銅礦的礦石中，金主要以亞顯微金(硫化物晶格金)或自然金顆粒的形式存在于銅硫化物顆粒中。在富黃銅礦的礦石中，金主要以自然金顆粒的形式存在，亞顯微金較少。巖相學觀察表明，與富斑銅礦的礦石相比，富黃銅礦的礦石中游離金(即自然金不附著于任何硫化物)的比例更高。游離金所占的比例與浮選試驗回收率數據呈負相關，其中富黃銅礦礦石的金回收率始終低于富斑銅礦礦石，推測是由于游離金未被浮選出來導致的。因此建議在選礦時增加一道重選工序，可以有效提高富黃銅礦金礦石的回收率。

3.1.2 淺成低溫熱液金礦床

位于巴布亞新幾內亞的Lihir金礦床是一個世界級淺成低溫熱液金礦床，金總資源量達到約1600t(Sykoraetal., 2018)。礦床的頂部為蝕變巖帽，上部為高品位金礦帶(>3g/t Au)，富集硫化物與冰長石，為淺成低溫熱液期成礦，下部為相對較低品位(<1g/t Au)的硬石膏±碳酸鹽巖脈和角礫巖帶，并伴有斑巖式的黑云母蝕變。礦床中的金大部分都在上部的高品位金礦帶中(Sykoraetal., 2018)。

礦床中的金主要以亞顯微金的形式賦存在黃鐵礦中。通過LA-ICP-MS分析，不同熱液階段形成的黃鐵礦微量元素在含量上存在極大的差異，早期斑巖礦化階段形成的黃鐵礦顆粒較大，富集Co、Ni、Se元素，金含量低；淺成低溫熱液礦化階段形成的黃鐵礦多具震蕩環帶，富集As、Au、Mo、Ag等微量元素。復合成因的黃鐵礦是指斑巖礦化階段形成并經受淺成低溫熱液流體改造形成的黃鐵礦，有斑巖型黃鐵礦的核及富Au、As和其他微量元素的黃鐵礦邊緣(圖6)。

圖6 Lihir金礦床復合成因黃鐵礦顆粒及相應的LA-ICP-MS圖像(據Sykora et al., 2018)(a)復合成因型黃鐵礦中用NaClO蝕刻后的黃鐵礦的反射光顯微照片，以及砷在黃鐵礦上分布的LA-ICP-MS圖；(b)黃鐵礦邊緣的特寫圖，突出顯示了細條帶狀邊緣，插頁顯示了沿LA-ICP-MS激光線微量元素含量示意圖(紅色與較大的圓點代表含量較高)；(c)鈷、鎳、金和鉛在復合成因型黃鐵礦顆粒中的LA-ICP-MS圖像Fig.6 Composite pyrite grains in the Lihir deposit and corresponding LA-ICP-MS images (after Sykora et al., 2018)(a) reflected-light microphotograph of NaClO etched pyrite. LA-ICP-MS image of As overlain on pyrite. Insert (b) outlines the area of the LA-ICP-MS analysis on this pyrite grain; (b) close-up view of rim of pyrite highlighting wispy zoned rims, partly truncated at edges. Insert shows schematic of higher values of trace elements (i.e., larger circles with hotter colors) along a LA-ICP-MS laser line; (c) LA-ICP-MS images for Co, Ni, Au, and Pb

淺部高品位淺成熱液礦化為主的區域，黃鐵礦顆粒全部富含砷和金，因此需要更長的氧化和處理時間。而在深部的低品位硬石膏蝕變帶中，復合成因的黃鐵礦顆粒占主導地位，金僅沿黃鐵礦顆粒的邊緣富集，因此只需要經受較短時間的氧化和浸出就可以釋放大部分金，此研究為降低氧化時間、節省成本提供了重要的理論依據。

3.1.3 卡林型金礦床

位于中國廣西的金牙卡林型金礦床中金的平均品位為6.27g/t，金的賦存形態為亞顯微金和顯微金。Zhou and Wang (2003)采用顯微金掃描、掃描電鏡、PIXE作圖、SIMS和RIMS研究表明，亞顯微金主要以毒砂(占金含量的77%)為載體，少量(約16%)賦存在富砷的細粒和微晶黃鐵礦中。PIXE作圖和“平坦”SIMS深度-濃度剖面顯示，亞顯微金在毒砂和黃鐵礦中均勻分布，表明金以固溶體金的形式存在而不是膠體金。顯微金以微米大小的自然金顆粒形式出現，占金含量的6%。雄黃和其他礦物中攜帶的金極少。對大量拋光礦石的系統掃描都未發現硫化物中存在包裹顆粒金。此項研究表明，礦床中金主要為硫化物中的亞顯微金，不易直接氰化，但可通過硫化物精礦浮選、預氧化處理后氰化回收。

3.1.4 IOCG型礦床

Fosteretal.(2007)通過巖相研究，化驗數據和主要硫化物的LA-ICP-MS分析表明，Ernest Henry IOCG型礦床中幾乎所有的金都以自然金或銀金礦(95%～65% Au)的形式出現，針碲金銀礦和黃銅礦、黃鐵礦中的亞顯微金占比極少。自然金顆粒的粒度在<1～50μm之間，并且空間分布不均勻，大多數分布于微尺度集合體中。在拋光剖面中發現的76個自然金顆粒中，有55個與黃銅礦和黃鐵礦都有接觸。金主要與黃銅礦共生產于穿切黃鐵礦的微脈中，以及與黃銅礦接觸的黃鐵礦顆粒表面(圖7)。這種組合結構可能與黃鐵礦的半導體效應有關，因為金的沉淀很大程度上受氧化還原控制，而含砷的黃鐵礦會顯示出p型電導性，會有利于金在黃鐵礦表面沉淀。考慮到Ernest Henry的選礦流程是優先篩選自然金和黃銅礦，較大顆粒的金在研磨過程中可以較好地解離出來，當自然金的粒度較細時，自然金可能會附著在黃鐵礦上進入尾礦，導致不能有效回收，因此，研究金的結構分布具有重要的冶金意義。

圖7 Ernest Henry礦床中黃鐵礦PIXE掃描圖(據Foster et al., 2007)該圖顯示了Au、As、Cu、Co四種元素在同一個黃鐵礦顆粒中的分布，其中自然金賦存在黃鐵礦(Py)顆粒中的富砷核心被一系列含黃銅礦(Ccp)的斷裂穿切位置Fig.7 Scanned PIXE maps of pyrite in the Ernest Henry deposit (after Foster et al., 2007)The maps for Au, As, Cu, Co in one pyrite grain, coarse gold developed where the arsenic-rich core of a pyrite (Py) grain is transected by a series of chalcopyrite (Ccp)-bearing fractures

3.1.5 斑巖-矽卡巖型銅金礦床

張一帆等 (2021) 對安徽新橋斑巖-矽卡巖銅金礦床的精礦粉進行化學分析時發現，銅精粉中的Au、Ag含量較鐵精粉與硫精粉高很多，而有害的As元素則比硫精粉低(表3)。將三種精粉制成靶片后用TIMA分析其中的Au-Ag礦物，發現在銅精粉中有約占0.2%的金銀礦物，以輝銀礦和碲銀礦為主，粒徑在1～20μm之間，以及少量自然金和自然銀，粒徑在1～3μm之間，在鐵精粉和硫精粉中未發現金銀礦物。銅精粉中的自然金與自然銀皆被包裹在黃銅礦中，或與黃銅礦連生。新橋礦山的選礦流程是先浮選銅，后浮選硫，因此金可以隨黃銅礦浮選出來。據王中明(2000)研究，新橋的金呈微細粒包裹體與分散態存在于黃鐵礦中，占金含量的56.3%～58.9%，而據金洪良和王大偉(1993)研究，該礦床中金主要呈自然金和銀金礦包裹于黃銅礦和黃鐵礦中，兩人的結論截然相反。

表3 新橋礦床三種礦精粉中的部分元素含量(×10-6)Table 3 Partial element contents of three concentrate fines in Xinqiao deposit (×10-6)

本次研究表明，金銀明顯在銅精礦中更為富集(表3)，金在銅精粉中可以有效利用，銷售時可以折價計入銅精粉的價值中，硫精粉主要為化工用途，金無法回收也無法計價。新橋礦床的硫儲量有1.37億t，而銅儲量有50萬t，金儲量123t(周濤發等, 2010)，金可以與銅一起較好地回收，反過來證明金很可能更傾向于與黃銅礦共生。還需要進一步收集新橋尾礦的數據來證明此結論。新橋礦床近年來從露天開采逐步轉入地下開采，礦石類型相較于已發表研究的礦石，金銀賦存狀態可能有所變化。金在新橋礦床中的賦存狀態與富集機制還有待于進一步研究。

3.2 地質冶金學對成礦過程的指示

阿拉斯加西南部的Pebble斑巖型銅金鉬礦床是世界上最大的斑巖礦床之一。該礦床的蝕變及礦化分帶明顯，不同的蝕變分帶中銅和金的品位不同，高級泥化帶具有較高的銅金品位，鉀化帶礦石量最多，品位中等，低品位礦石主要見于絹英巖化帶(Gregoryetal., 2013)。

基于QEMSCAN和原位LA-ICP-MS研究表明，不同蝕變分帶中的金賦存狀態差別極大：高級泥化帶中的金主要呈高純度金包裹體形式賦存在黃鐵礦和黃銅礦中；鉀化蝕變帶中的金以銀金礦包裹體形式賦存在黃銅礦及少量黃鐵礦中；絹英巖化帶中的黃鐵礦具有貧金的核部與富金的邊緣，該分帶的金主要以黃鐵礦邊緣高純度金包裹體形式存在。

金的賦存狀態變化反映了巖漿熱液溫度和組成在時間和空間上的波動。蝕變礦物和硫化物組合以及金賦存狀態提供了巖漿熱液系統的熱液成分、pH值和溫度演化的信息，為成礦過程提供了一定的指示(Gregoryetal., 2013)。

早期高溫流體形成了鉀化蝕變，并且沉淀富銀金礦包體的黃銅礦和少量黃鐵礦(Py1)。流體溫度降低形成絹英巖化蝕變，沉淀貧金的黃鐵礦核部(Py2)，部分早期高溫黃鐵礦發生重結晶，形成了富金的黃鐵礦邊緣(Py3)(圖8)。后期經歷相分離的巖漿流體上涌導致高級泥化蝕變疊加在原有的礦床之上，將更多的銅和金帶入系統，并將先前存在的含金硫化物重新結晶，形成富自然金包裹體的黃鐵礦(Py4)和黃銅礦，因此該分帶金品位最高。

圖8 Pebble礦床黃鐵礦LA-ICP-MS微量元素圖(據Gregory et al., 2013)激光光斑尺寸為10μm. (a)絹英巖化帶的樣品，黃鐵礦粒度為700μm×700μm，該黃鐵礦顆粒具有低Co含量的核部(Py2)和高Au含量的邊緣(Py3)；(b)鉀化蝕變帶中的黃鐵礦，粒度為450μm×600μm. 在較大的Py2顆粒內有少量的Py1殘余，并具有高Au-As的晚期Py4邊緣. 元素圖以每秒計數顯示相對強度，較高的計數對應較高的濃度Fig.8 Laser ablation ICP-MS trace element maps of pyrite in the Productura deposit (after Gregory et al., 2013)Laser spot size is 10μm. (a) sample from the quartz-illite-pyrite domain. Size of pyrite is 700μm×700μm. This pyrite grain has a lower Co pyrite-core (Py2) with a gold-rich pyrite (Py3) rim; (b) sample from the sodic-potassic domain. Size of pyrite is 450μm×600μm. This pyrite grain has small remnants of lower cobalt pyrite cores (Py1) within a larger higher cobalt pyrite grain (Py2) and with a higher Au-As pyrite (Py4) rim. Element maps show relative intensity in counts per second with higher counts corresponding to higher concentrations

Pebble礦床選礦采用浮選和重選法，富集黃銅礦和金，并抑制黃鐵礦浮選。在這種情況下，黃鐵礦中的金大部分流失到尾礦中。此項研究表明，不同的蝕變分帶應當采用不同的選礦策略，在絹英巖化帶和高級泥化帶中，黃鐵礦中的金含量較高，在選礦時應充分考慮。

Pebble礦床的研究實例表明，地質冶金學研究同時具有經濟和學術意義。了解金的賦存狀態可以改善工藝設計，提高金屬回收率，將帶來明顯的經濟效益。同時，確定金屬運移的地質控制因素可改進礦床模型，對設計勘探方案具有重要意義。

3.3 地質冶金學的技術發展

3.3.1 利用VNIR-SWIR高光譜預測回收率和產量

近年來可見光-近短波紅外(VNIR-SWIR)高光譜成像系統在礦產勘查領域逐漸廣泛應用，其獨特的優勢為蝕變礦物的快速識別提供了理想的條件。由于不同的分子團分子量和激發態不同，彎曲和伸展頻率不同，導致其在特定的波長(即與其分子團共振的波長) 選擇性吸收電磁能，反映在VNIR-SWIR數據中則為不同強度不同波長的吸收峰，即不同的礦物會對應不同的吸收曲線，對于含羥基礦物、部分碳酸鹽礦物和硫酸鹽礦物具有非常好的區分效果(Hauff, 2008; 楊志明等, 2012)。

美國內華達州Phoenix斑巖-矽卡巖型Au-Cu礦床研究中，使用自動系統從炮孔樣品中收集VNIR-SWIR高光譜數據來表征樣品，可以預測礦床中金的回收率和產量(Johnsonetal., 2019)。Phoenix礦床中矽卡巖型礦石礦化類型多變，礦物組合復雜，對爆破、采礦、粉碎等工藝操作提出了重大挑戰。礦山人員發現礦物類型與磨機性能數據有良好的相關性，金和銅的回收率以及磨機產量和精礦質量與硅酸鹽和硫化物的礦物學組成都息息相關。例如滑石、角閃石、綠泥石和白云母/伊利石的含量都會對礦石的有效回收造成影響，石榴石矽卡巖和輝石角巖會對產量造成負面影響。之前礦山的礦物學數據均來源于爆破巖屑的人工編錄，而不同賦礦圍巖中的蝕變礦物通常粒度較細，顏色相似，因此在野外很難區分，給地質工作人員人工編錄帶來了很大的困難。VNIR-SWIR高光譜成像系統可以對炮孔碎片的蝕變巖石進行近實時礦物學數據采集和礦物豐度的半定量測定(圖9)，極大地提高了巖屑編錄的速度和準確度。

圖9 Phoenix礦床矽卡巖化蝕變的炮孔碎片野外照片(a)和高光譜成像匹配算法結果(b)(據Johnson et al., 2019)百分比(%)指的是不同光譜礦物類別的像素面積百分比. 高光譜成像能夠將矽卡巖蝕變進一步細分為陽起石矽卡巖、陽起石綠泥石矽卡巖和陽起石-絹云母矽卡巖Fig.9 Photograph (a) and hyperspectral imaging matching algorithm results (b) of blast hole (after Johnson et al., 2019)Percent (%) is the percentage of pixels classified as the varying spectral mineral classes. hyperspectral imaging is able to further subdivide alteration into actinolite, actinolite-chlorite, and actinolite-sericite skarn with variable biotite

研究人員利用磨機性能數據和從磨機樣品以及炮孔巖屑樣品中收集的VNIR-SWIR高光譜數據，與選礦結果相結合，通過機器學習的方法，建立預測金銅回收率、品位和產量的模型(Johnsonetal., 2019)。將炮孔樣品的VNIR-SWIR高光譜數據應用于模型，就可以計算預測的采收率和產量，結果表明，預測模型與實際開采結果有很好的對應關系。此項研究證明VNIR-SWIR高光譜成像技術不僅可以應用于勘探級別的蝕變填圖，同時也可以直接建立蝕變礦物與冶金預測模型之間的有效聯系，通過分析炮孔樣品可以實時生成大量數據，是建立準確的地質冶金學模型的強有力工具。

3.3.2 通過機器學習計算礦物組合

智利的Productura 斑巖Cu-Au-Mo礦床研究人員，使用巖心化驗得到的多元素地球化學數據，結合半定量X射線衍射(Q-XRD)得到的礦物學數據，運用機器學習的方法，建立數學模型，對巖心的礦物組合進行定性和定量估算(圖10；Escolmeetal., 2019)。

圖10 使用機器學習的方法通過全巖化學數據計算出的Productura礦床蝕變與礦化分帶(據Escolme et al., 2019)(a)定性方法計算的蝕變分帶；(b)定性方法計算的礦化分帶；(c)定量方法的線性計算(LP)得出的粘土總量的分布圖；(d)定量方法的加權最小二乘法(WLSQ)得出的粘土總量的分布圖Fig.10 Alteration and mineralization zonation of Productura deposit calculated using whole-rock geochemical data (after Escolme et al., 2019)(a) alteration zonation calculated by qualitative approach; (b) mineralization zonation calculated by qualitative approach; (c) total clay map calculated by linear programming (LP); (d) total clay map calculated by weighted least squares (WLSQ) estimate

在定性方法中，根據主要蝕變組合，將Productora樣品分為多個蝕變組合，包括硅化、磁鐵礦化、鉀化、鈉化、絹云母化和泥化蝕變，以及相對新鮮巖性，按照主要硫化物礦物也同樣劃分出不同的礦化組合。將地球化學數據加上補充的QXRD數據，通過計算，可以對主要礦物組合進行快速簡單的分類，從而繪制出蝕變與礦化分帶圖。結果表明，通過定性方法的計算，可以顯著增加大量的可用礦物學數據量，快速、簡單地評價主要礦物組合，并與實測的礦物學結果吻合。

定量方法主要使用了線性計算和加權最小二乘法，用于生成主要礦物相的可靠定量估計，除了幾種粘土和碳酸鹽礦物由于成分相似無法準確區分外，其結果與測量的礦物學數據非常匹配。通過該方法，可以直接將化驗數據轉換為礦物數據，得到主礦物相的含量，以及對選礦有害的粘土含量。對于礦山而言，極大地減輕了地質人員的工作量，而且極為快捷準確。

4 討論

4.1 地質冶金學在金礦床中的應用

綜上所述，地質冶金學的思路和方法在礦山生產中發揮著越來越重要的作用，它可以為地質與采礦、選冶之間架起一座橋梁，使各個部門的人協同起來，為礦山帶來更好的發展。

本文列舉了幾種不同類型熱液金礦床的地質冶金學研究實例，表明各類型礦床中金的礦石類型和賦存狀態有著較大的差異，對應的選冶方法也有不同(侯凱等, 2014)，導致地質冶金學研究的流程與側重點，以及需要解決的問題都有很大的區別。在單個礦床中，金的賦存狀態也會產生空間上的變化，這種變化往往與礦石的礦物組合或者蝕變的變化相關，了解了這種變化就可以在采礦時就及時調整選礦策略，以保證金的回收率。

本文介紹了金的賦存狀態的常用分析方法及其實際實例，包括自動礦物分析系統、LA-ICP-MS、PIXE等，還介紹了VNIR-SWIR高光譜和通過機器學習計算礦物組合兩種新方法的應用。這些方法從不同的維度豐富了地質冶金學的信息獲取方法，加快了數據獲取速度，減少了人力物力投入，而且可以獲得傳統的工藝礦物學難以取得的參數，為地質冶金學增添了新的思路，除此之外還有更多的新的方法需要科研人員與礦山工程人員共同開發。

4.2 地質冶金學在關鍵金屬研究中的應用

關鍵金屬(Critical metals)和關鍵礦產資源(Critical minerals)是國際上近年來提出的新概念，是指對戰略性新興產業的發展至關重要的一類金屬元素及其礦床的總稱，其成礦特點和成礦機制研究已成為國際礦床學研究的熱點(謝桂青等, 2019; 蔣少涌等, 2019; 周濤發等, 2020)。絕大多數的關鍵金屬都屬于稀有金屬、稀土金屬、稀散金屬、稀貴金屬，簡稱“四稀”元素(翟明國等, 2019)。許多關鍵金屬礦產多為共、伴生礦產，普遍含量極低，且獨立礦物一般十分細小或沒有獨立礦物，因此研究其賦存狀態、分布特征與富集機制十分困難。如果將金的地質冶金學方法運用到關鍵金屬研究中來，可能會是解決關鍵金屬賦存狀態的好方法。

對于稀有稀貴等關鍵金屬，如果元素本身質量較大(如鉑族元素等)，也可以采用重液分離和超級淘洗等預富集技術，再進行礦物搜索，來提高搜尋含關鍵金屬礦物的效率，可以避免由于關鍵金屬在樣品中分布不均勻導致獲得的結果不夠全面。

為此，本文設計了關鍵金屬賦存狀態的研究流程和規范化表達，如圖11所示，以關鍵金屬Te為例，首先分析某礦床中礦粉中的全巖地球化學數據，得到Te的總含量，然后將礦粉制片，用TIMA進行分析，可以直接統計Te的獨立礦物(如碲金礦、碲銀礦、自然碲等)，以及碲礦物的粒度、解離度、共生關系等信息。將TIMA識別出來的Te獨立礦物按含量反算回Te元素的含量，并用全巖地球化學數據的Te含量相減，就可以估算出分散在其他載體礦物中Te的含量。用LA-ICP-MS對其他載體礦物(如毒砂)中的Te元素進行分析并統計，如果與計算得到的數據誤差在允許范圍內，就可以認為該數據代表礦床中Te的賦存狀態。

圖11 關鍵金屬Te的賦存狀態研究流程示意圖Fig.11 Simplified investigation procedure for deportment of critical metal Te

通過精細化的系統采樣，還可以在礦床尺度上建立起關鍵金屬的空間分帶模型，再輔以大量礦物學研究工作，就可以確定關鍵金屬沉淀時的成礦期次，總結其礦物組合與隨時間變化的特征。在詳細的關鍵金屬賦存狀態和礦床尺度時空分布特征研究的基礎上，將其與礦床的地質成因模型有機地結合起來，就可以反過來為成礦機理研究提供大量數據，揭示出關鍵金屬在礦床中超常富集的機制。

4.3 地質冶金學的發展前景

不同類型的金礦床中金及關鍵金屬元素的賦存狀態變化較大，往往需要運用不同的研究手段。對不同類型金礦床建立和健全數據庫，并以此為基礎建立劃分各種類型礦石的工藝類型分類體系，可使選礦作業更加合理、科學和高效的運行，為項目評價、可行性研究、開發、生產提供系統的基礎，可能是接下來需要努力的一個方向。

除了文中提到的更先進與便捷的儀器以外，利用機器學習的方法來將原有的單一數據與礦物學或巖石力學數據進行建模，使其可以轉變為更多元、更系統的數據，在近些年得到了更好的體現。這也從側面反映出地質冶金學的兼容性，今后可以將更多不同維度的數據進行整合，包括化學分析數據、礦物學組合、金賦存狀態、紅外光譜、巖石力學性質、球磨機參數、巖石粉碎性能等，結合機器學習或大數據分析，尋找相關性，降低地質冶金學研究的工作量，提高地質冶金學模型的準確度。除此之外，更為豐富的數據可以充分為礦山調度、采礦計劃與工藝和工程設計提供指導，地質人員也可以從地質冶金學成果中獲得充足的礦化、蝕變和構造等信息，對礦床成因、礦化過程與控礦因素有更好的把握，或者開發新的勘探工具和發現新的勘探指標，為下一步找礦提供依據。

5 結論

(1)地質冶金學將礦體的地質學、地球化學和礦物學特征與冶金性能聯系起來的交叉學科，研究目標是從地質的角度描述和理解礦體的多樣性和與之對應的選冶參數，并以此為基礎建立三維模型，為礦山規劃提供參考。

(2)不同類型的金礦床的地質冶金學特征往往相差極大，通過對不同類型金礦床建立地質冶金學數據庫，并以此為基礎建立劃分各種類型礦石的工藝類型分類體系，是未來發展的一個方向。

(3)VNIR-SWIR高光譜、地球化學數據機器學習等方法近年來在地質冶金學上逐漸得到應用，豐富了地質冶金學的信息獲取方法，而且可以獲得傳統的工藝礦物學難以取得的參數，為地質冶金學增添了新的思路。

(4)借鑒金的地質冶金學方法對關鍵金屬礦床開展研究，本文設計了關鍵金屬賦存狀態的研究流程和規范化表達，可以解決關鍵金屬含量低、礦物顆粒小等研究難點，為關鍵金屬元素的賦存狀態和富集機制等研究提供豐富的信息。

致謝感謝周有勤老師、孫藝博士在本文工作前期提供的很多想法，本文前期實驗工作與西北大學宋文磊老師以及多位同學進行過討論，感謝他們的無私交流。感謝新橋礦業有限公司提供的礦石精粉樣品。感謝審稿人李晶高級工程師與宋文磊博士對本文提出的寶貴意見。