地质冶金学及其在金和关键金属赋存状态研究中的新应用*

2021-10-29刘兰海陈静周涛发张一帆李梦梦

岩石学报 2021年9期

刘兰海陈静周涛发** 张一帆李梦梦

1. 合肥工业大学资源与环境工程学院，合肥工业大学矿床成因与勘查技术研究中心(ODEC)，合肥 230009

2. 安徽省矿产资源与矿山环境工程技术研究中心，合肥 230009

金是一种在地壳中丰度极低(1×10-9)且分散性极强的元素。金矿床类型多样，并且金在矿床中的空间分布极不均匀。金在矿床中的品位、储量和赋存状态是决定其处理工艺的主要因素(周有勤, 2013)。金的赋存状态研究内容包括矿石中金矿物的种类、不同种类金所占的比例、显微金的粒度、载金矿物的种类、粒度及其中的金含量。金在单个矿床中的赋存状态通常有2种甚至3种，加上共生矿物组合(硫化物和蚀变矿物)、矿石强度、次生富集和其他因素的影响，金矿石(特别是难选金矿石)的高效回收充满了挑战和风险。

随着近年来金的价格一路上涨，有效开采并回收金变得尤为重要。地质冶金学(Geometallurgy)作为地质学与冶金学之间的交叉学科，在近年内得到了较快的应用和发展。地质冶金学在西方矿业发达国家有着一套相对较为成熟的流程，被工业界和科研院所广泛使用，在金矿的工艺设计、采矿计划和生产矿山的工艺优化等方面发挥了重要的作用。

近年来，地质冶金学广泛用到的分析手段包含了地质学中的全岩地球化学、矿物自动定量分析系统、VNIR-SWIR高光谱分析等，这些方法在岩浆热液矿床，尤其是斑岩型、浅成低温热液型等矿床中的地质冶金学工作中被大量采用，为选矿工艺提供了重要的参考。地质冶金学关注矿石类型的变化和不同类型矿石的时空分布特征，对于全面系统了解单个矿床具有重要的地质意义，地质冶金学的系统研究可以反过来帮助了解矿床的成因，尤其是岩浆热液矿床的演化过程，优化矿床模型。此外，近年来关键金属矿床的研究成为热点，而关键金属常以丰度低、矿物细小著称，与金有着很多相似之处，本文提出将针对金的地质冶金学流程应用到关键金属研究中来，可以对关键金属的赋存状态与富集机制研究产生推动作用。本文总结了国际上运用这套最新的分析方法和流程进行地质冶金学研究金及关键金属的应用实例。

1 地质冶金学的研究内容

地质冶金学的概念大概可以追溯至20世纪60年代，然而真正意义上的地质冶金学研究大多开始于2000年及以后，并在2005年开始出现显著的增多，在一系列大型矿床的开发或扩建过程中发挥重要的作用，越来越多的研究机构和矿业公司开始重视这项工作，世界各地的一些高校也开始将矿物特征和地质冶金学纳入其学术课程(Huntetal., 2019；Hoal, 2008)。中国最新出版的矿石学和矿相学教材也将矿石的工艺特征和地质冶金学的参数列为课程的重要部分(顾雪祥和章永梅, 2021)。

矿床的形成过程受到构造、岩浆岩、围岩等多种复杂因素影响，因此矿床特征在空间上往往具有极大的多样性，尤其是金矿床，其岩石类型、矿石品位、矿物组合、蚀变和金的赋存状态等经常发生垂向和侧向上的变化，可能会引发选矿过程中的问题。为了降低这个风险，地质冶金学应运而生。作为地质学与冶金学之间的一个交叉学科，地质冶金学将矿体的地质学、地球化学和矿物学特征与冶金性能联系起来，金的地质冶金学研究目标是从地质的角度描述和理解矿体的多样性和与之对应的选冶参数，如粉碎性能、重选、浮选、氰化参数和金属回收率，并将这些信息整合起来，建立定量的、矿床尺度的3D块体模型或数据库。该模型包含矿石和周围废石的每个部分的所有相关选矿参数(Huntetal., 2019)。模型中的每个块体不仅可以按品位动态估价，并且可以融合金的赋存状态、蚀变、岩性、共生矿物组合、矿石硬度等参数。该模型可以用于协助采矿计划和预测产率，选矿和冶金工程师可以利用地质冶金学信息来优化磨机设计和选矿流程，以最大限度地提高金的回收率(Zhou and Gu, 2016, 王玲和赵战锋, 2020)。

经典的地质冶金学研究方法的简化流程如图1所示，以地质调查为基础，从地质调查开始，收集和分析信息，建立地质模型。根据地质模型，开发地质冶金矩阵，作为框架指导进一步测试的取样与组合，然后从不同品位、围岩、不同部位的代表性矿石类型中采集样品(Baumgartneretal., 2011)。对采集的样品进行矿物学研究和冶金试验工作，来描述其矿石特征，产生的大量矿物学数据和冶金参数等数据与其他信息整合，导入地质模型，确定三维空间内矿体的矿物学和冶金参数的分布和变化，建立地质冶金学模型(图2)。

图1 典型地质冶金学方法的简化流程图(据Zhou and Gu, 2016修改)Fig.1 Simplified flowsheet illustrating typical geometallurgical approach (modified after Zhou and Gu, 2016)

图2 秘鲁Canahuire矿床的3D地质冶金学模型(据Baumgartner et al., 2011修改)该模型显示了基于岩性和蚀变类型的不同冶金性质的区域，其中，蓝色代表次经济银矿化区；橙色代表铜金角砾岩矿化区域；黄色代表灰岩交代型的金矿化区域；浅蓝色代表钙质砂岩中的构造控制金的矿体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

在可行性研究期间，该模型可以帮助矿山进行选厂设计(如破碎机和磨机类型)和选矿方案。在矿山开发期间，这些数据还可用于优化矿山管理，能够及时准确预测采矿的经济效益和环境影响，改进采矿计划，以实现价值最大化。如采矿过程中矿石类型发生较大变化时，可以及时根据模型调整选矿策略避免损失(Huntetal., 2019)。

2 金矿石的地质冶金学特征

金矿石的地质冶金特征包含金的矿石分类、金的矿物组合和金的赋存状态。相比于普遍采用浮选法处理的贱金属，金矿石的处理流程更为复杂，通常采用几种组合工艺进行处理，包括重选、浮选和氰化等工艺，尤其是难选金矿石在氰化浸出前需要进行预处理，这使得金矿的有效加工更具挑战性。掌握金矿石的地质冶金学特征，才能够确定金矿的选矿工艺。

2.1 金矿石和金矿物的分类

金矿石可以划分为两大类：易选矿石(Free-milling)和难选矿石(Refractory)。易选矿石通常定义为通过常规氰化浸出回收率可达90%以上的金矿石。难选矿石是指常规氰化后金回收率低于90%，需要增加预处理工艺，才能达到较高回收率的矿石(Zhou and Gu, 2016; Vaughan, 2004)。

在矿物学上，矿石或磨矿产品中的金按形态可分为显微金、亚显微金和表面金(Zhouetal., 2004)。显微金，又称为可见金，包括所有肉眼和光学显微镜可见的金矿物，如自然金、银金矿、金碲化物、金硒化物、金硫碲化物等。亚显微金，又称不可见金，是指在光学显微镜和扫描电子显微镜下看不见的金，其尺寸<0.1μm，包括结合在硫化物晶格中的金(如固溶体金)，和极细颗粒金包裹体(称胶体金)两种形态，是卡林型金矿、浅成低温热液型金矿和火山成因块状硫化物(VMS)矿床等矿床中难选矿石的金主要形式(Cook and Chryssoulis, 1990; Zhou and Gu, 2016)。表面金是在成矿和随后的氧化或冶金过程中吸附在其他矿物(如有机碳和氧化铁) 表面的金，也称吸附金(Chryssoulis and McMullen, 2016, Zhou and Gu, 2016)。

通过工艺矿物学研究，查清影响金矿石选冶难度的因素，尤其是金的赋存状态和影响金氰化浸出的矿物，才能确定金矿石的性质。金的矿石类型对于地质冶金学建模中空间域的划分、采矿方法的选择、选冶工艺的制定、回收率的预测等矿山整体生产环节均具有重要的指导意义。

2.2 难选矿石的主要原因

常见的金矿石难选原因总结如图3所示，这些也是在进行金的地质冶金学分析时需要重点关注的内容。金的包裹是指金被物理包裹导致无法接触氰化物溶液，或者由于金呈亚显微状态或难溶金矿物导致无法有效浸出(Vaughan, 2004)。硫化物中的亚显微金是难处理金矿石的最常见的原因，最容易成为亚显微金载体的矿物是毒砂和含砷黄铁矿，黄铁矿中的砷含量往往与金呈正相关(Cook and Chryssoulis, 1990)。磁黄铁矿、黄铜矿、斑铜矿、方铅矿和黝铜矿通常含有少量亚显微金。这种矿石通常通过重力或浮选浓缩成硫化物精矿，然后通过焙烧、压力氧化、生物氧化等方法使硫化物发生氧化，进而氰化浸出金(Coetzeeetal., 2011)。

图3 难选金矿石的常见原因(据Vaughan, 2004修改)Fig.3 Common causes for refractory and related gold ores (modified after Vaughan, 2004)

除了亚显微金以外，大量难溶金矿物如碲金矿、碲金银矿等也是难选矿石的原因，这些矿物大量出现在Kalgoorlie(西澳大利亚)(Shackletonetal., 2003)、Emperor(斐济)(Pals and Spry, 2003)等中低温热液矿床中，这些矿物与氰化物反应会形成钝化膜导致浸出缓慢(Zhangetal., 2010)，可以通过延长氰化浸出时间、升高pH、使用硫脲或硫代硫酸盐浸出等方法解决。金矿物呈细粒包裹体(<10μm)分布在硫化物中难以解离的金矿石也是难处理的，可以通过超细研磨来解决，但能源消耗较大，也可以通过预氧化的方式解决(Coetzeeetal., 2011)。

矿石中含有的非载金矿物也可能会影响金的回收，包括次生铜矿物，如辉铜矿、铜蓝、孔雀石等氰化物消耗者，这些矿物与氰化物络合能力较金更强，导致氰化物消耗非常高，金回收率低或受到抑制。氧是氰化过程中消耗的试剂之一，浸出液中溶解氧不足会减缓氰化反应，因此，磁黄铁矿等耗氧剂会对氰化产生不利影响。在氰化过程中，金颗粒也可能被某些新形成的沉淀物包裹形成“钝化边缘”，从而限制金颗粒暴露在氰化物溶液中，降低氰化效率，这种现象可能与矿石中锑/砷硫化物的存在有关(Venteretal., 2004)。

有机碳的存在会形成“劫金”效应(Preg-robbing)，指的是由于有机碳对氰化溶解金有强烈的吸附作用，使得碳质金矿石直接氰化过程中，金的提取率明显降低，这种现象在卡林型金矿中尤其显著。原生金矿中含有0.2%以上的有机碳化合物时，就会严重干扰金的氰化提取。除有机碳之外，层状硅酸盐矿物如叶腊石、高岭土、金云母和伊利石也会产生一定的“劫金”作用。目前，人们已探索出多种针对碳质金矿石的处理方法，主要可划分为氰化法和非氰化法，氰化法研究较多的主要有焙烧氧化法、微波焙烧法、化学氧化法、生物氧化法和覆盖抑制法，而非氰化法研究较多的有碳氯浸出法，硫脲法，硫代硫酸盐法等(许晓阳, 2013; Milleretal., 2016)。

2.3 金的赋存状态研究内容和方法

金的赋存状态研究内容包括：(1)矿石中金矿物的类型，显微金、亚显微金和表面金所占比例；(2)含显微金颗粒的粒度分布和嵌布特征等；(3)显微金矿物的粒度分布；(4)金矿物的解离度(暴露的金与包裹在脉石矿物中的金体积比例)，包括游离、连生和包裹；(5)亚显微金分析，包括载金矿物的种类、粒度及其中的金含量(Coetzeeetal., 2011; 马驰等, 2011)。金元素在各矿物中的分布是决定金矿石易选还是难选的关键因素。准确地确定金的赋存状态和载金矿物的各项冶金参数至关重要，是选冶方法与设备选择的依据。

金的赋存状态研究，特别是亚显微金和表面金的检测和定量，需要使用复杂的分析技术(表1)。常用的技术包括光学显微镜、矿物自动定量分析系统、扫描电镜、LA-ICP-MS、Tof-SIMS、TEM等。

近年来，矿物自动定量分析系统如QEMSCAN、TIMA(TESCAN Integrated Mineral Analyzer)等，在金矿物学研究中发挥了重要作用。矿物自动定量分析系统基于扫描电镜和能谱分析，能同时进行极高分辨率的背散射与X射线能谱快速成像，获取岩矿样品的整体形态和矿物及元素的种类、含量及分布，查明矿物的结构构造、共生、连生和包裹关系特征。其提供的特定矿物和亮相搜索模块，可以快速准确寻找细小目标矿物和金、银和铂等贵金属以及稀有、稀土金属，为地质冶金学提供了极大的助力(陈倩等, 2021)。

常规的金赋存状态研究方法如图4所示， Coetzeeetal.

图4 常规的金赋存状态研究简化流程(据Zhou and Gu, 2016修改)Fig.4 Simplified investigation procedure for gold deportment (modified after Zhou and Gu, 2016)

表1 金赋存状态分析方法(据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)也提出了类似的方法流程。首先将样品粉碎后进行化学分析确定金的品位，然后通过XRD、光学显微镜、自动定量分析系统来分析其矿物学组成，包括对浸出液有害矿物的含量和特征。由于研究样品(特别是各种类型的尾矿样品)中金的含量较低，通常采用重液分离和超级淘洗等预富集技术来提高搜寻金的效率和代表性(Coetzeeetal., 2011)。金的赋存状态分析从显微金开始，将重力富集后的样品按重、中轻矿物制成光片后，通过矿物自动定量分析系统来搜寻显微金矿物，以确定金矿物的形态、成分、数量、解离、共生组合和粒度分布等信息。

除了制作光片进行矿相学研究以外，往往还需要进行多种选矿试验来交叉验证所得到的结果，如重选、常规氰化浸出、浮选、预氧化浸出、超细研磨浸出等。通过样品磨至不同粒度后进行重选实验、常规浸出实验，可以确定游离金、连生金的含量，通过预氧化浸出可以确定硫化物中亚显微金和细粒金包裹体的含量(Li and Zhou, 2019)。

通过上述一系列研究手段得到的显微金含量如果只占金总含量的80%或更少，就需要对亚显微金进行分析(Zhou and Gu, 2016)。通过LA-ICP-MS、D-SIMS、TEM等方法，可以进一步确定亚显微金的载体矿物的种类与含金量。如果样品显示出潜在的劫金效应的趋势，则还要考虑进行表面金的分析。最终结合选矿试验的结果和试验分析的结果，通过金的矿物学平衡计算，得到全部的金的赋存状态特征。以广西金牙卡林型金矿为例，其矿床中金的赋存状态表征方法可以如图5所示。

图5 金牙卡林型金矿金赋存状态表征方法示意图(数据引自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 地质冶金学应用实例

通过详细的地质冶金学研究，矿山工程师可以快速可靠地识别潜在的低回收率问题，并调整工艺流程以克服这些问题。近年来随着地质冶金学的发展，除传统的工艺矿物学方法，越开越多的新方法也加入进来，例如红外光谱与机器学习等，收集和产生数据的设备也随之升级，给地质冶金学增添了新的活力。本文介绍了近年部分来自不同类型热液矿床的金的地质冶金学研究实例，并对近年来尝试应用在地质冶金学上的新方法进行简要介绍(表2)。

表2 近几年发表的部分地质冶金学应用实例Table 2 Some examples of geometallurgy work published in recent years

3.1 地质冶金学在选矿方面的应用

3.1.1 斑岩型铜金矿床

Arif and Baker (2004)在研究Batu Hijau斑岩型铜金矿床时，通过岩相学、电子探针、LA-ICP-MS和浮选试验研究发现，金主要以自然金和斑铜矿-黄铜矿晶格金的形式存在。矿床中硫化物空间上从上到下有着斑铜矿>黄铜矿到黄铜矿>斑铜矿的变化。在富斑铜矿的矿石中，金主要以亚显微金(硫化物晶格金)或自然金颗粒的形式存在于铜硫化物颗粒中。在富黄铜矿的矿石中，金主要以自然金颗粒的形式存在，亚显微金较少。岩相学观察表明，与富斑铜矿的矿石相比，富黄铜矿的矿石中游离金(即自然金不附着于任何硫化物)的比例更高。游离金所占的比例与浮选试验回收率数据呈负相关，其中富黄铜矿矿石的金回收率始终低于富斑铜矿矿石，推测是由于游离金未被浮选出来导致的。因此建议在选矿时增加一道重选工序，可以有效提高富黄铜矿金矿石的回收率。

3.1.2 浅成低温热液金矿床

位于巴布亚新几内亚的Lihir金矿床是一个世界级浅成低温热液金矿床，金总资源量达到约1600t(Sykoraetal., 2018)。矿床的顶部为蚀变岩帽，上部为高品位金矿带(>3g/t Au)，富集硫化物与冰长石，为浅成低温热液期成矿，下部为相对较低品位(<1g/t Au)的硬石膏±碳酸盐岩脉和角砾岩带，并伴有斑岩式的黑云母蚀变。矿床中的金大部分都在上部的高品位金矿带中(Sykoraetal., 2018)。

矿床中的金主要以亚显微金的形式赋存在黄铁矿中。通过LA-ICP-MS分析，不同热液阶段形成的黄铁矿微量元素在含量上存在极大的差异，早期斑岩矿化阶段形成的黄铁矿颗粒较大，富集Co、Ni、Se元素，金含量低；浅成低温热液矿化阶段形成的黄铁矿多具震荡环带，富集As、Au、Mo、Ag等微量元素。复合成因的黄铁矿是指斑岩矿化阶段形成并经受浅成低温热液流体改造形成的黄铁矿，有斑岩型黄铁矿的核及富Au、As和其他微量元素的黄铁矿边缘(图6)。

图6 Lihir金矿床复合成因黄铁矿颗粒及相应的LA-ICP-MS图像(据Sykora et al., 2018)(a)复合成因型黄铁矿中用NaClO蚀刻后的黄铁矿的反射光显微照片，以及砷在黄铁矿上分布的LA-ICP-MS图；(b)黄铁矿边缘的特写图，突出显示了细条带状边缘，插页显示了沿LA-ICP-MS激光线微量元素含量示意图(红色与较大的圆点代表含量较高)；(c)钴、镍、金和铅在复合成因型黄铁矿颗粒中的LA-ICP-MS图像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

浅部高品位浅成热液矿化为主的区域，黄铁矿颗粒全部富含砷和金，因此需要更长的氧化和处理时间。而在深部的低品位硬石膏蚀变带中，复合成因的黄铁矿颗粒占主导地位，金仅沿黄铁矿颗粒的边缘富集，因此只需要经受较短时间的氧化和浸出就可以释放大部分金，此研究为降低氧化时间、节省成本提供了重要的理论依据。

3.1.3 卡林型金矿床

位于中国广西的金牙卡林型金矿床中金的平均品位为6.27g/t，金的赋存形态为亚显微金和显微金。Zhou and Wang (2003)采用显微金扫描、扫描电镜、PIXE作图、SIMS和RIMS研究表明，亚显微金主要以毒砂(占金含量的77%)为载体，少量(约16%)赋存在富砷的细粒和微晶黄铁矿中。PIXE作图和“平坦”SIMS深度-浓度剖面显示，亚显微金在毒砂和黄铁矿中均匀分布，表明金以固溶体金的形式存在而不是胶体金。显微金以微米大小的自然金颗粒形式出现，占金含量的6%。雄黄和其他矿物中携带的金极少。对大量抛光矿石的系统扫描都未发现硫化物中存在包裹颗粒金。此项研究表明，矿床中金主要为硫化物中的亚显微金，不易直接氰化，但可通过硫化物精矿浮选、预氧化处理后氰化回收。

3.1.4 IOCG型矿床

Fosteretal.(2007)通过岩相研究，化验数据和主要硫化物的LA-ICP-MS分析表明，Ernest Henry IOCG型矿床中几乎所有的金都以自然金或银金矿(95%～65% Au)的形式出现，针碲金银矿和黄铜矿、黄铁矿中的亚显微金占比极少。自然金颗粒的粒度在<1～50μm之间，并且空间分布不均匀，大多数分布于微尺度集合体中。在抛光剖面中发现的76个自然金颗粒中，有55个与黄铜矿和黄铁矿都有接触。金主要与黄铜矿共生产于穿切黄铁矿的微脉中，以及与黄铜矿接触的黄铁矿颗粒表面(图7)。这种组合结构可能与黄铁矿的半导体效应有关，因为金的沉淀很大程度上受氧化还原控制，而含砷的黄铁矿会显示出p型电导性，会有利于金在黄铁矿表面沉淀。考虑到Ernest Henry的选矿流程是优先筛选自然金和黄铜矿，较大颗粒的金在研磨过程中可以较好地解离出来，当自然金的粒度较细时，自然金可能会附着在黄铁矿上进入尾矿，导致不能有效回收，因此，研究金的结构分布具有重要的冶金意义。

图7 Ernest Henry矿床中黄铁矿PIXE扫描图(据Foster et al., 2007)该图显示了Au、As、Cu、Co四种元素在同一个黄铁矿颗粒中的分布，其中自然金赋存在黄铁矿(Py)颗粒中的富砷核心被一系列含黄铜矿(Ccp)的断裂穿切位置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 斑岩-矽卡岩型铜金矿床

张一帆等 (2021) 对安徽新桥斑岩-矽卡岩铜金矿床的精矿粉进行化学分析时发现，铜精粉中的Au、Ag含量较铁精粉与硫精粉高很多，而有害的As元素则比硫精粉低(表3)。将三种精粉制成靶片后用TIMA分析其中的Au-Ag矿物，发现在铜精粉中有约占0.2%的金银矿物，以辉银矿和碲银矿为主，粒径在1～20μm之间，以及少量自然金和自然银，粒径在1～3μm之间，在铁精粉和硫精粉中未发现金银矿物。铜精粉中的自然金与自然银皆被包裹在黄铜矿中，或与黄铜矿连生。新桥矿山的选矿流程是先浮选铜，后浮选硫，因此金可以随黄铜矿浮选出来。据王中明(2000)研究，新桥的金呈微细粒包裹体与分散态存在于黄铁矿中，占金含量的56.3%～58.9%，而据金洪良和王大伟(1993)研究，该矿床中金主要呈自然金和银金矿包裹于黄铜矿和黄铁矿中，两人的结论截然相反。

表3 新桥矿床三种矿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，金银明显在铜精矿中更为富集(表3)，金在铜精粉中可以有效利用，销售时可以折价计入铜精粉的价值中，硫精粉主要为化工用途，金无法回收也无法计价。新桥矿床的硫储量有1.37亿t，而铜储量有50万t，金储量123t(周涛发等, 2010)，金可以与铜一起较好地回收，反过来证明金很可能更倾向于与黄铜矿共生。还需要进一步收集新桥尾矿的数据来证明此结论。新桥矿床近年来从露天开采逐步转入地下开采，矿石类型相较于已发表研究的矿石，金银赋存状态可能有所变化。金在新桥矿床中的赋存状态与富集机制还有待于进一步研究。

3.2 地质冶金学对成矿过程的指示

阿拉斯加西南部的Pebble斑岩型铜金钼矿床是世界上最大的斑岩矿床之一。该矿床的蚀变及矿化分带明显，不同的蚀变分带中铜和金的品位不同，高级泥化带具有较高的铜金品位，钾化带矿石量最多，品位中等，低品位矿石主要见于绢英岩化带(Gregoryetal., 2013)。

基于QEMSCAN和原位LA-ICP-MS研究表明，不同蚀变分带中的金赋存状态差别极大：高级泥化带中的金主要呈高纯度金包裹体形式赋存在黄铁矿和黄铜矿中；钾化蚀变带中的金以银金矿包裹体形式赋存在黄铜矿及少量黄铁矿中；绢英岩化带中的黄铁矿具有贫金的核部与富金的边缘，该分带的金主要以黄铁矿边缘高纯度金包裹体形式存在。

金的赋存状态变化反映了岩浆热液温度和组成在时间和空间上的波动。蚀变矿物和硫化物组合以及金赋存状态提供了岩浆热液系统的热液成分、pH值和温度演化的信息，为成矿过程提供了一定的指示(Gregoryetal., 2013)。

早期高温流体形成了钾化蚀变，并且沉淀富银金矿包体的黄铜矿和少量黄铁矿(Py1)。流体温度降低形成绢英岩化蚀变，沉淀贫金的黄铁矿核部(Py2)，部分早期高温黄铁矿发生重结晶，形成了富金的黄铁矿边缘(Py3)(图8)。后期经历相分离的岩浆流体上涌导致高级泥化蚀变叠加在原有的矿床之上，将更多的铜和金带入系统，并将先前存在的含金硫化物重新结晶，形成富自然金包裹体的黄铁矿(Py4)和黄铜矿，因此该分带金品位最高。

图8 Pebble矿床黄铁矿LA-ICP-MS微量元素图(据Gregory et al., 2013)激光光斑尺寸为10μm. (a)绢英岩化带的样品，黄铁矿粒度为700μm×700μm，该黄铁矿颗粒具有低Co含量的核部(Py2)和高Au含量的边缘(Py3)；(b)钾化蚀变带中的黄铁矿，粒度为450μm×600μm. 在较大的Py2颗粒内有少量的Py1残余，并具有高Au-As的晚期Py4边缘. 元素图以每秒计数显示相对强度，较高的计数对应较高的浓度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矿床选矿采用浮选和重选法，富集黄铜矿和金，并抑制黄铁矿浮选。在这种情况下，黄铁矿中的金大部分流失到尾矿中。此项研究表明，不同的蚀变分带应当采用不同的选矿策略，在绢英岩化带和高级泥化带中，黄铁矿中的金含量较高，在选矿时应充分考虑。

Pebble矿床的研究实例表明，地质冶金学研究同时具有经济和学术意义。了解金的赋存状态可以改善工艺设计，提高金属回收率，将带来明显的经济效益。同时，确定金属运移的地质控制因素可改进矿床模型，对设计勘探方案具有重要意义。

3.3 地质冶金学的技术发展

3.3.1 利用VNIR-SWIR高光谱预测回收率和产量

近年来可见光-近短波红外(VNIR-SWIR)高光谱成像系统在矿产勘查领域逐渐广泛应用，其独特的优势为蚀变矿物的快速识别提供了理想的条件。由于不同的分子团分子量和激发态不同，弯曲和伸展频率不同，导致其在特定的波长(即与其分子团共振的波长) 选择性吸收电磁能，反映在VNIR-SWIR数据中则为不同强度不同波长的吸收峰，即不同的矿物会对应不同的吸收曲线，对于含羟基矿物、部分碳酸盐矿物和硫酸盐矿物具有非常好的区分效果(Hauff, 2008; 杨志明等, 2012)。

美国内华达州Phoenix斑岩-矽卡岩型Au-Cu矿床研究中，使用自动系统从炮孔样品中收集VNIR-SWIR高光谱数据来表征样品，可以预测矿床中金的回收率和产量(Johnsonetal., 2019)。Phoenix矿床中矽卡岩型矿石矿化类型多变，矿物组合复杂，对爆破、采矿、粉碎等工艺操作提出了重大挑战。矿山人员发现矿物类型与磨机性能数据有良好的相关性，金和铜的回收率以及磨机产量和精矿质量与硅酸盐和硫化物的矿物学组成都息息相关。例如滑石、角闪石、绿泥石和白云母/伊利石的含量都会对矿石的有效回收造成影响，石榴石矽卡岩和辉石角岩会对产量造成负面影响。之前矿山的矿物学数据均来源于爆破岩屑的人工编录，而不同赋矿围岩中的蚀变矿物通常粒度较细，颜色相似，因此在野外很难区分，给地质工作人员人工编录带来了很大的困难。VNIR-SWIR高光谱成像系统可以对炮孔碎片的蚀变岩石进行近实时矿物学数据采集和矿物丰度的半定量测定(图9)，极大地提高了岩屑编录的速度和准确度。

图9 Phoenix矿床矽卡岩化蚀变的炮孔碎片野外照片(a)和高光谱成像匹配算法结果(b)(据Johnson et al., 2019)百分比(%)指的是不同光谱矿物类别的像素面积百分比. 高光谱成像能够将矽卡岩蚀变进一步细分为阳起石矽卡岩、阳起石绿泥石矽卡岩和阳起石-绢云母矽卡岩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

研究人员利用磨机性能数据和从磨机样品以及炮孔岩屑样品中收集的VNIR-SWIR高光谱数据，与选矿结果相结合，通过机器学习的方法，建立预测金铜回收率、品位和产量的模型(Johnsonetal., 2019)。将炮孔样品的VNIR-SWIR高光谱数据应用于模型，就可以计算预测的采收率和产量，结果表明，预测模型与实际开采结果有很好的对应关系。此项研究证明VNIR-SWIR高光谱成像技术不仅可以应用于勘探级别的蚀变填图，同时也可以直接建立蚀变矿物与冶金预测模型之间的有效联系，通过分析炮孔样品可以实时生成大量数据，是建立准确的地质冶金学模型的强有力工具。

3.3.2 通过机器学习计算矿物组合

智利的Productura 斑岩Cu-Au-Mo矿床研究人员，使用岩心化验得到的多元素地球化学数据，结合半定量X射线衍射(Q-XRD)得到的矿物学数据，运用机器学习的方法，建立数学模型，对岩心的矿物组合进行定性和定量估算(图10；Escolmeetal., 2019)。

图10 使用机器学习的方法通过全岩化学数据计算出的Productura矿床蚀变与矿化分带(据Escolme et al., 2019)(a)定性方法计算的蚀变分带；(b)定性方法计算的矿化分带；(c)定量方法的线性计算(LP)得出的粘土总量的分布图；(d)定量方法的加权最小二乘法(WLSQ)得出的粘土总量的分布图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，根据主要蚀变组合，将Productora样品分为多个蚀变组合，包括硅化、磁铁矿化、钾化、钠化、绢云母化和泥化蚀变，以及相对新鲜岩性，按照主要硫化物矿物也同样划分出不同的矿化组合。将地球化学数据加上补充的QXRD数据，通过计算，可以对主要矿物组合进行快速简单的分类，从而绘制出蚀变与矿化分带图。结果表明，通过定性方法的计算，可以显著增加大量的可用矿物学数据量，快速、简单地评价主要矿物组合，并与实测的矿物学结果吻合。

定量方法主要使用了线性计算和加权最小二乘法，用于生成主要矿物相的可靠定量估计，除了几种粘土和碳酸盐矿物由于成分相似无法准确区分外，其结果与测量的矿物学数据非常匹配。通过该方法，可以直接将化验数据转换为矿物数据，得到主矿物相的含量，以及对选矿有害的粘土含量。对于矿山而言，极大地减轻了地质人员的工作量，而且极为快捷准确。

4 讨论

4.1 地质冶金学在金矿床中的应用

综上所述，地质冶金学的思路和方法在矿山生产中发挥着越来越重要的作用，它可以为地质与采矿、选冶之间架起一座桥梁，使各个部门的人协同起来，为矿山带来更好的发展。

本文列举了几种不同类型热液金矿床的地质冶金学研究实例，表明各类型矿床中金的矿石类型和赋存状态有着较大的差异，对应的选冶方法也有不同(侯凯等, 2014)，导致地质冶金学研究的流程与侧重点，以及需要解决的问题都有很大的区别。在单个矿床中，金的赋存状态也会产生空间上的变化，这种变化往往与矿石的矿物组合或者蚀变的变化相关，了解了这种变化就可以在采矿时就及时调整选矿策略，以保证金的回收率。

本文介绍了金的赋存状态的常用分析方法及其实际实例，包括自动矿物分析系统、LA-ICP-MS、PIXE等，还介绍了VNIR-SWIR高光谱和通过机器学习计算矿物组合两种新方法的应用。这些方法从不同的维度丰富了地质冶金学的信息获取方法，加快了数据获取速度，减少了人力物力投入，而且可以获得传统的工艺矿物学难以取得的参数，为地质冶金学增添了新的思路，除此之外还有更多的新的方法需要科研人员与矿山工程人员共同开发。

4.2 地质冶金学在关键金属研究中的应用

关键金属(Critical metals)和关键矿产资源(Critical minerals)是国际上近年来提出的新概念，是指对战略性新兴产业的发展至关重要的一类金属元素及其矿床的总称，其成矿特点和成矿机制研究已成为国际矿床学研究的热点(谢桂青等, 2019; 蒋少涌等, 2019; 周涛发等, 2020)。绝大多数的关键金属都属于稀有金属、稀土金属、稀散金属、稀贵金属，简称“四稀”元素(翟明国等, 2019)。许多关键金属矿产多为共、伴生矿产，普遍含量极低，且独立矿物一般十分细小或没有独立矿物，因此研究其赋存状态、分布特征与富集机制十分困难。如果将金的地质冶金学方法运用到关键金属研究中来，可能会是解决关键金属赋存状态的好方法。

对于稀有稀贵等关键金属，如果元素本身质量较大(如铂族元素等)，也可以采用重液分离和超级淘洗等预富集技术，再进行矿物搜索，来提高搜寻含关键金属矿物的效率，可以避免由于关键金属在样品中分布不均匀导致获得的结果不够全面。

为此，本文设计了关键金属赋存状态的研究流程和规范化表达，如图11所示，以关键金属Te为例，首先分析某矿床中矿粉中的全岩地球化学数据，得到Te的总含量，然后将矿粉制片，用TIMA进行分析，可以直接统计Te的独立矿物(如碲金矿、碲银矿、自然碲等)，以及碲矿物的粒度、解离度、共生关系等信息。将TIMA识别出来的Te独立矿物按含量反算回Te元素的含量，并用全岩地球化学数据的Te含量相减，就可以估算出分散在其他载体矿物中Te的含量。用LA-ICP-MS对其他载体矿物(如毒砂)中的Te元素进行分析并统计，如果与计算得到的数据误差在允许范围内，就可以认为该数据代表矿床中Te的赋存状态。

图11 关键金属Te的赋存状态研究流程示意图Fig.11 Simplified investigation procedure for deportment of critical metal Te

通过精细化的系统采样，还可以在矿床尺度上建立起关键金属的空间分带模型，再辅以大量矿物学研究工作，就可以确定关键金属沉淀时的成矿期次，总结其矿物组合与随时间变化的特征。在详细的关键金属赋存状态和矿床尺度时空分布特征研究的基础上，将其与矿床的地质成因模型有机地结合起来，就可以反过来为成矿机理研究提供大量数据，揭示出关键金属在矿床中超常富集的机制。

4.3 地质冶金学的发展前景

不同类型的金矿床中金及关键金属元素的赋存状态变化较大，往往需要运用不同的研究手段。对不同类型金矿床建立和健全数据库，并以此为基础建立划分各种类型矿石的工艺类型分类体系，可使选矿作业更加合理、科学和高效的运行，为项目评价、可行性研究、开发、生产提供系统的基础，可能是接下来需要努力的一个方向。

除了文中提到的更先进与便捷的仪器以外，利用机器学习的方法来将原有的单一数据与矿物学或岩石力学数据进行建模，使其可以转变为更多元、更系统的数据，在近些年得到了更好的体现。这也从侧面反映出地质冶金学的兼容性，今后可以将更多不同维度的数据进行整合，包括化学分析数据、矿物学组合、金赋存状态、红外光谱、岩石力学性质、球磨机参数、岩石粉碎性能等，结合机器学习或大数据分析，寻找相关性，降低地质冶金学研究的工作量，提高地质冶金学模型的准确度。除此之外，更为丰富的数据可以充分为矿山调度、采矿计划与工艺和工程设计提供指导，地质人员也可以从地质冶金学成果中获得充足的矿化、蚀变和构造等信息，对矿床成因、矿化过程与控矿因素有更好的把握，或者开发新的勘探工具和发现新的勘探指标，为下一步找矿提供依据。