A Method for Estimating Micro-area Composition of Quartz-diorite Based on Quantitative Mapping of Electron Probe Microanalysis
-
摘要: 岩石的微区成分特征是精细化反演岩石演化的重要依据，而常规的电子探针面扫描分析方法无法提供面扫描区域的定量分析结果。本文使用矿物分布相对均匀的代表性岩石样品开展了岩石薄片的面扫描和矿物的定量分析。通过对常规测试的主量元素的面扫描进行图像校正，并利用ZAF校正后的点分析数据与面扫描图像的灰度值进行最小二乘法曲线拟合的方式，实现了X射线强度与质量浓度的转换。对比全岩X射线荧光光谱(XRF)测试数据，电子探针面扫描定量化方法的主量元素SiO2、CaO、FeO、Al2O3、TiO2的相对误差在10%以内，且相对标准偏差(RSD)不高于12%，具有良好的一致性；MgO和Na2O的相对误差与标准偏差略大，可通过多次测量加以改善；K2O由于缺乏富钾硅酸盐矿物的定量分析数据，导致结果不精确。研究表明，在仪器测试条件良好的情况下使用电子探针定量数据校正面扫描图像，可对矿物分布较均匀的岩石开展微区成分分析，给出估计结果，并通过多个切面的多次测量等方式，减少来自矿物形态、粒径大小、分布的影响。要点
(1) 电子探针面扫描结果可以与定量分析数据建立较好的对应关系。
(2) 结合电子探针定量分析与面扫描结果，可开展面扫描定量化数据处理。
(3) 矿物分布均匀的岩石微区电子探针面描定量化数据处理结果与XRF全岩分析结果基本一致。
HIGHLIGHTS(1) The mapping results of electron probe microanalysis establish a good relationship with the quantitative analysis results.
(2) The quantitative data processing uses the relationship between the mapping and point analyses.
(3) The quantitative mapping results of the micro-area of homogeneous rock was consistent with the results of bulk rock measured by X-ray fluorescence spectrometry (XRF).
Abstract:BACKGROUNDThe estimation of bulk composition of the micro-area of a rock is an important basis of tracing rock evolution. The conventional electron probe microanalysis (EPMA) mapping method cannot provide quantitative analysis results of the surface scanning area.OBJECTIVESIn order to estimate the composition of the micro-area by quantitative mapping of EPMA.METHODSThe mapping and point analyses were carried out to determine the composition of the micro-area of a homogeneous quartz-diorite. By performing image correction of the pixels of the mapping of the major elements, and using the point analysis data after ZAF correction and the gray value of the surface scan image to perform the least square curve fitting method, the X-ray intensity and concentration were converted.RESULTSBy comparing to X-ray fluorescence spectrometry (XRF), the relative errors of SiO2, CaO, FeO, Al2O3 and TiO2 of EPMA method were within 10%, and the relative standard deviation was less than 10%. The relative error and standard deviation of MgO and Na2O were slightly larger, which can be improved by multiple measurements. The K2O content were not accurate due to lack of K-rich silicate minerals' point analysis.CONCLUSIONSThe results show that the estimation of micro-area composition of a rock with relatively homogeneous mineral distributions can be carried out by using point analyses of EPMA to correct the mapping under good instrument conditions, and the influence of mineral morphology, particle size, and distribution can be reduced by multiple measurements on different sections.
-
实现资源、环境和经济的协调发展是当下世界各国广泛关注的问题。发展绿色矿业、推进绿色勘查、建设绿色矿山，是促进资源、环境和经济协调发展的重要一环，也是适应新时期资源国情的重要举措。我国建设“绿色矿山”的理念始于2006年。2009年《全国矿产资源规划2008—2015》明确提出“绿色矿山建设”的目标任务和要求。2011年“发展绿色矿业”被纳入国家“十二五”规划。2015年将“发展绿色矿业，加快推进绿色矿山建设”列入国家生态文明建设的重要内容。2016年国家选取50个矿山开展绿色矿业发展示范区建设，提出了“绿色勘查”行动宣言[1]。随着绿色矿山、绿色矿业、绿色开采、绿色勘查等理念的相继提出，有关单位和行业协会也重点研发了相关标准。2018年6月，中国矿业联合会发布了《绿色勘查指南》，同年7月，自然资源部发布了《有色金属行业绿色矿山建设规范》(适用于铜矿、铝土矿、铅锌矿、钨矿、钼矿、锑矿、锡矿、镍矿、镁矿)等9项推荐性行业标准，这是我国第一部绿色矿山建设规范。但针对“能源金属”锂的绿色调查及矿山环境评价的研究成果鲜见报道。锂是新兴产业发展不可或缺的战略资源，被称为“21世纪的能源金属”[2]。四川西部甲基卡具有锂矿资源的区位优势，是我国重要的大型能源金属资源基地。大型资源基地的“绿色调查”，是在资源基地环境扰动最小的前提下，实现找矿部署最优化和生态环境保护最大化，通过创新方法，以地质背景与生态环境作为整体系统进行调查研究，通过地质学、水文地质学、工程地质学、地球化学、生态学、环境科学、数学等专业的跨学科综合调查成果来优化找矿部署，重视3S新技术新方法应用，适度调整或替代对环境影响大的勘查手段，快速恢复景观和健康的生态系统，以服务于保障大型资源基地生态安全，调整优化找矿突破工作布局。对于大型矿产资源基地的调查评价，其所面临的社会、政治、经济、环境等方面的问题远比一般性矿产地质调查复杂[3]，已有部分重点开发项目由于环境问题处于停滞状态[4]。
我国专家学者已开展了大量绿色矿山及矿山环境评价指标的研究工作，取得了丰富的研究成果，可以归纳为两大类。第一类是针对政策、计划、各类矿产资源规划方案实施可能产生的环境影响评价指标的研究，主要集中在矿区可持续发展指标体系[5-11]、矿区生态文明指标体系[12]、绿色矿山指标体系[13-16]、战略性环评指标体系[17]、矿产资源安全评价指标体系[18-19]五个方面；第二类是针对不同景观区(如平原湿热带、干旱戈壁带)，不同矿种(如硫化物多金属矿、钨锡矿、金银矿、镉矿等)矿区整体生态环境为重点指标系列的研究，主要包括矿区生态系统健康评价指标体系[20-21]、矿区生态环境质量评价指标体系[22-28]、矿区资源承载力评价指标体系[29-30]、矿区土壤质量评价指标体系[31-33]、环境影响评价指标体系[34-40]、矿产资源开发利用指标体系[41-46]。但未见针对高海拔特殊地貌区锂矿山绿色调查与环境评价指标体系研究成果的报道。
本文在分析川西大型锂资源基地的自然环境、实地调研当地矿业开发现状的基础上，将绿色调查与环境评价两方面工作有机结合，通过3S技术手段对生态环境现状及变化过程进行信息提取，结合2016—2018年连续三年对该区地表水、土壤等多环境介质的野外调查取样与分析结果，分四个层次构建指标框架，建立了一套适用于大型锂资源基地的有针对性的评价指标体系。根据这套创新的调查和评价指标体系，对经过验证的、成熟的评价方法进行优化，运用Python语言研建了基于支持向量机的大型锂资源基地环境评价模型。运用该模型，对甲基卡锂资源基地进行评价，将其环境现状划分为四个级别，实现对大型资源基地环境现状“像元级”的评价，旨在为合理开发锂矿资源提供决策依据。
1. 川西甲基卡锂资源基地绿色调查及环境评价指标建立的依据
川西甲基卡地处青藏高原东部，是少数民族世代游牧的草场分布区，生态环境脆弱，其特殊的外部环境决定了在综合地质调查工作中必须走出一条高效、可行的绿色发展之路。采用科学的方法对每一阶段的开发活动开展环境调查评价、提出环境影响预测，是服务支撑生态环境保护与修复、建设绿色矿山、提高我国矿产资源保障能力的必然要求。从以往的环境评价指标体系研究中可以看出，不同国家、不同地区对于矿产资源环境评价的指标体系是互不相同的，每个指标体系的建立都是研究区自然、经济和特定外部环境特征的反映，指标体系的建立应适应现实工作的需要。尤其是针对川西高原特殊的地理景观区和脆弱的生态环境区环境评价，不能机械地运用前人的方法，要在仔细分析当地的自然环境了解当地矿业开发现状的基础上，结合适合于实地情况的绿色调查手段和高效的计算机运算平台，从而实现对大型资源基地环境的高效、实用的评价，为提出保障甲基卡锂辉石资源基地生态安全的对策，科学决策、合理开发锂矿资源提供基础依据。
2. 川西甲基卡锂资源基地绿色调查与环境评价指标体系的建立方法
当前对于环境评价工作已经有了很多有效的模型实现方法，如层次分析法、专家打分法、改进的二元对比分析法、熵权法、模糊综合评价法、协调程度评价法、多级模糊模式识别模型、等权加和法、加权求和法、PSR模型法、加权综合指数法等。相应的研究成果在矿产资源环境评价的各个阶段都获得了很好的效果，本文综合运用遥感、GIS技术，实现大型资源基地开发决策与空间信息结合，建立了大型资源基地的环境综合评价模型，并采用计算机编程辅助对模型进行实现和验证。
2.1 “绿色调查”与环境评价指标确定的原则
大型资源基地绿色调查与环境评价的指标体系应全面反映大型基地生态系统的自然特征(勘查初期)、矿山建设及矿产资源开发前后生态环境的变化特征、客观评价并预测资源开发的环境影响，并有针对性地提出矿山环境恢复治理措施，应是一个动态的、可持续监测的、科学的指标体系。在环境评价的同时，发挥环境地球化学调查的优势，将绿色调查与环境评价两方面工作有机结合。对指标的选择既要涵盖矿区环境评价普遍适用的指标，又要包含大型资源基地特定矿种在资源开发利用、生态环境保护方面的影响因子。指标体系的构建应分层次、分阶段、可量化、不冗余，并涵盖动态监测的结果。评价模型的建立及计算方法的选择应准确、实用、可推广，并能有效地结合空间信息，便于矿产资源开发利用管理及决策。
2.2 “绿色调查”与环境评价的主要内容
大型资源基地“绿色调查”有两个基本环节。一是将绿色调查与环境评价两方面工作有机结合，分层次构建指标框架，应用3S技术对生态环境现状及变化过程(如地形坡度、地质灾害隐患、植被覆盖度等)进行信息提取，辅以野外调查，根据实际情况优化调查取样手段，通过技术创新，实现调查过程的低扰动、无污染和零排放。通过对调查区的土壤、地表水、植被等连续的采样检测，高精度分析(ICP-MS等)其中有益有害元素的组成与含量，测定其理化特征参数(pH、Eh等)，为评价指标体系的建立提供了大量宝贵的可选择指标，使得评价体系更加完整、真实。
对于水环境评价中涉及的元素及主要阴阳离子的含量数据由如下测试方法获得。主要阴离子测定仪器：离子色谱仪，型号Dionex DX-600，分离柱(Dionex IonPac AS18 4mm)；保护柱(Dionex IonPac AG18 4mm)；自动再生微膜抑制器(ASRS ULTRAⅡ 4mm)；电导检测器。主要阳离子测定仪器：电感耦合等离子体发射光谱仪(ICP-OES)，型号Optima 8300(美国PerkinElmer公司)，测试精度 < 5%。微量元素测定仪器：电感耦合等离子体质谱仪(ICP-MS)；按照仪器操作说明规定条件启动仪器，进行仪器参数最佳化试验，并进行校准，校准数据采集至少三次，取平均值。每批试料测定时，同时测定实验室试剂空白溶液。每批试料测定时，同时分析单元素干扰溶液，以获得干扰系数(k)并进行干扰校正。试料测定中间用清洗空白溶液清洗系统。
对于土壤环境评价中涉及的元素含量数据由如下测试方法获得。采集的土壤样品置于电热恒温鼓风干燥箱中于65℃烘干至恒重，过200目筛，得到土壤粉末。于封闭溶样的聚四氟乙烯内罐中，称取粉末样品0.0500g(误差范围±0.0010g)，随后加2mL氢氟酸、1mL硝酸，盖上盖，装入钢套中封闭，于190℃加热保温30h。待冷却后打开盖子，取出聚四氟乙烯内罐，置于电热板上，170℃蒸发至干。加0.5mL硝酸再次蒸发至干，这一步骤重复两次，加50%硝酸5mL，盖上盖，将聚四氟乙烯内罐装钢套中封闭。熔样器放入烘箱中，150℃下保温3h，熔样器冷却之后，将其内溶液转至50mL容量瓶中，用超纯水定容至刻度，以备ICP-MS测定。
除土壤粉末样品制备外，以上测试均在国家地质实验测试中心完成。
二是研究建立相应计算方法与评价模型，环境效应的影响因素多样，包括大量定性、定量数据，最终要实现每一个评价指标的量化分级，宏观掌握每一阶段的开发活动的环境影响程度，辅助规范大型基地矿产资源开发利用的管理及决策。本文确立的大型锂矿资源基地绿色调查与环境评价技术准则、实现途径与最终目标如图 1所示。
![]()
图 1 绿色调查与环境评价技术准则、实现途径与最终目标Figure 1. Technical guidelines, implementation approaches and ultimate goals of the green survey and environmental assessment2.3 绿色调查与环境评价指标体系的构成及模型方法的选择
大型资源基地矿产资源的开发时间跨度长、社会经济影响大，特别是当大型资源基地位于特殊地貌区或生态脆弱区时，其生态影响深远。川西高原生态的脆弱性主要受到自然环境和人类活动两方面作用的影响。研究区平均海拔超过3700米，由于海拔效应使得温度明显低于同纬度的其他地区，被称为“世界第三极”。同时该区域深处大陆内部远离海岸线，空气寒冷干燥降水量低，土壤发育历史短，肥力较弱，植物结构单一。低温缺水加之土壤肥力较差使得植物生产力低下，更新速度缓慢，破坏后恢复速度慢[47]。这一系列自然因素决定了川西高原生态承载力较弱的事实，使其对于外界扰动较为敏感，容易出现退化现象，且退化破坏后较难恢复。人为活动极大地扰动了生态系统稳定的状态，由于生态脆弱区的生态承载力的水平低下，人为活动如果没有得到有效的规范和控制，很容易超出环境生态的承载力，对环境造成破坏。尤其是矿业资源开发中的采矿、选矿、冶炼很容易给环境带来破坏，须在开发规划之初就有所重视。
实现矿产资源的合理开发，既需要协调好生态环境保护与资源开发利用的关系，又要科学预判采矿对环境可能造成的影响，还要制定合理的环境保护与减缓不良环境影响的措施，三者缺一不可。因此，在大型基地矿产资源开发的不同阶段，其环境评价的指标应各有所侧重，模型及计算方法的选择也各有不同。结合生态脆弱区的特点，从资源开发不同阶段出发，本文形成了一套大型基地矿产资源开发不同阶段环境评价指标体系(表 1)。该表中，自然地理和地质背景是对自然环境生态的评价，从地形地貌、植被、降雨量、岩性组合等几个角度较全面地总结和评价了自然环境原有承载能力的水平，因此这几项评价指标贯穿了整个资源基地开发的各个阶段。矿业开发与其带来的对于土壤和水的影响属于人为活动给环境带来扰动的范畴，该指标体系中对其详细地划分为20项分指标，能够较为客观地涵盖了人为矿业生产中的这种活动以及对于环境各方面的影响。
表 1 大型基地矿产资源开发不同阶段环境评价指标体系Table 1. Environmental assessment index system for different stages of mineral resources development in large bases目标层 指标层 勘查初期阶段 矿产资源开发阶段 环境恢复治理阶段 自然地理 地形地貌 √ √ √ 降雨量 √ √ √ 植被覆盖度 √ √ √ 地质背景 地质构造 √ √ √ 岩性组合 √ √ √ 矿业开发 主要开采方式 √ √ √ 噪声 √ √ √ 占用土地比例 √ √ √ 开采点密度 √ √ 采空区面积比 √ √ 开采回采率 √ √ 选矿回收率 √ √ 共伴生组分利用率 √ √ 尾矿利用率 √ √ 环境影响 地质灾害隐患 √ √ √ 地质灾害预警 √ √ √ 水资源破坏程度 √ √ √ 土壤资源破坏程度 √ √ √ 固废堆放占地 √ √ 废水废液排放 √ √ 大气环境质量 √ √ 荒漠化面积 √ √ 土壤侵蚀模数 √ √ 环境治理投入强度 √ 治理难度 √ 3. 川西甲基卡锂资源基地综合环境评价结果与分析
本文在青藏高原川西地区选择甲基卡大型资源基地及周边150平方公里范围为研究区域进行典型研究。川西锂辉石开发环境效应的影响因素多样，包括大量定性、定量数据。川西甲基卡大型锂矿基地正处于勘查初期阶段，本次研究参考《区域环境地质调查总则》基本要求，针对川西甲基卡锂辉石矿区环境特点与勘查开发阶段，对李东等(2015)[48]的矿山环境评价模型进行优化改进，结合2.3节构建的大型基地矿产资源开发不同阶段环境评价指标体系，建立了一套包括自然地理、基础地质、矿业开发以及地质环境在内4大类、12小类的评价指标体系。指标体系的构建共分2个层次：第一层次为4个矿山环境因子的大类指标划分，即自然地理(A)、基础地质(B)、矿山开发占地(C)和矿业活动有关的环境影响(D)；第2个层次为各个大类指标的细化指标，包括12个分项指标(指标层，表 2)。
表 2 环境效应评价指标量化处理标准Table 2. Quantitative processing standard of the environmental effect evaluation index指标类型 评价指标 评价指标分级标准(分值) 1 2 3 自然地理(A) 地形地貌(A1)
降水量(A2)
植被覆盖度(A3)坡度＞35°
＜200mm
＜40%坡度20°~35°
200~900mm
40%~60%坡度＜20°
＞900mm
＞60%基础地质(B) 构造(B1)
岩性组合(B2)强烈发育
松散堆积物较发育
软质岩为主不发育
硬质岩为主矿业开发(C) 主要采选方式(C1)
噪声(C2)
占用土地比例(C3)浮选
嘈杂
＞10%重选+磁选
一般
0~10%联合选矿
安静
无矿业占地环境影响(D) 地质灾害隐患(D1)
地质灾害预警(D2)
水环境破坏程度(D3)
土壤环境破坏程度(D4)易发
较多
严重
严重轻微
一般
一般
一般基本没有
较少
无
无评价过程中，依据建立的评价指标体系，通过典型区资料的收集处理包括Landsat遥感影像、研究区基础地质图、研究区数字高程模型(分辨率30米)、研究区行政区划图、研究区水样评价数据(野外调查实测)、研究区土壤评价数据(野外调查实测)、研究区自然、社会经济方面的文字资料等，利用ENVI、ArcGIS等空间数据处理软件，对遥感影像进行投影转换、几何校正、归一化植被指数计算；利用ArcGIS工具软件对研究区的DEM数据进行坡度计算，得到坡度图；利用ArcGIS、ENVI工具软件，通过人机交互解译、空间分析等方法，计算得到矿山开发占地等评价指标图层。
通过几何重采样、分值量化处理等方法，将研究区采样设置为27118个100m×100m的单元，每个单元均具有12个量化指标，评价指标值均量化为1、2、3三个分值。对经过验证的、成熟的评价方法[49]进行优化，构建基于支持向量机的环境评价模型，将研究区划分为环境较差区、环境一般区、环境较好区、环境良好区四类区域(图 2)。评价结果中，环境较差区主要集中在矿区、矿区周边及尾矿库周边，环境较好区主要分布在远离矿区的、坡度较小、植被覆盖较高的区域。通过对已有先期经验的验证单元进行分类，判断分类评价模型的客观性和准确性。628个验证样本中，13个为环境较差区样本，48个为环境一般区样本，106个为环境较好区样本，461个为环境良好区样本。验证结果表明，除环境良好区单元中有19个环境良好区单元被误评价为环境较好区单元外，其余单元均被正确分类，总体准确率达到97.77%；尤其是针对环境较差区的判别，准确率达100%。由此可见该分类模型具有较高的准确性和客观性。基于支持向量机的定量评价模型应用与锂辉石矿区环境评价，将环境评价得分划分为4个级别，为当地资源开发与环境保护协调发展提供了一定证据与参考。
![]()
图 2 川西甲基卡资源基地综合评价分级图Figure 2. Comprehensive evaluation and grading map of Jiajika resource base, Western Sichuan Province4. 结论
针对当前能源金属锂绿色矿山建设行业标准与环境评价指标体系研究成果较少的现实问题，本文提出了适用于高原地区大型资源基地“绿色调查”的方法，即在资源基地环境扰动最小的前提下，实现了找矿部署最优化和生态环境保护最大化，通过创新方法[50]，以地质背景与生态环境作为整体系统进行调查研究，通过跨学科综合调查成果来优化找矿部署。拓展并提出了相应的环境评价指标体系，各指标的评价结果以可量化的数据表达，并能有效地结合空间信息，便于矿产资源开发利用各阶段的管理及决策。对经过验证的、成熟的评价方法进行优化，运用Python语言编程建立了基于支持向量机的大型锂资源基地环境评价模型。
将提出的环境评价指标体系及评价模型应用于甲基卡矿区，对研究区的环境现状作出了合理的分级，解决了以往以行政单元(市区县界)为单元的评价在矿区或大型基地尺度的应用壁垒，从技术上实现了大型资源基地环境现状的“像元级”的评价分级。研究结果表明本指标体和模型能够比较客观地反映甲基卡矿区及周边地质环境背景、资源开发环境问题与影响范围，回答了“能不能开发”以及“开发哪里”这两个实际问题，为当地资源开发与环境保护协调发展提供了一定证据与参考。研究成果有助于突破高原生态脆弱区找矿部署与环境保护瓶颈问题，具有较强的现实意义。
致谢: 感谢西南石油大学地球科学与技术学院陈曦老师在样品分析过程中提供的帮助。感谢丁宁、宋辉、张瑾怡、张易、冯林峰同学在成稿过程中提供的帮助。特别感谢匿名专家在稿件修改过程中提出的细致且宝贵的建议。 -
![]()
图 1 川北米仓山地体新元古岩浆岩基底石英闪长岩岩相学特征
a、d—石英闪长岩野外特征，发育半自形粒状结构，块状构造；b、c—斜长石表面浑浊呈自形；石英呈半自形-它形分布在角闪石和斜长石周围；e、f—角闪石呈半自形到它形，不透明金属矿物分布在角闪石和斜长石内部。
矿物代号：Pl—斜长石；Amp—角闪石；Qz—石英；Opq—不透明矿物。Figure 1. Field outcrop and microscopic characteristics of Neoproterozoic magmatic quartz-diorite in Micangshan, northern Sichuan. (a, d—Field photos of quartz-diorite which has subhedral granular texture and massive structure; b, c—Plagioclase is enhedral with a turbid surface, and the quartz is subhedral to anhedral distributed around amphibole and plagioclase; e, f—Amphibole is subhedral to anhedral, and contain opaque metallic minerals are founded in amphibole and plagioclase. Mineral abbreviation: Amp—amphibole; Pl—plagioclase; Qz—quartz; Opq—opaque mineral)
![]()
图 2 面扫描分析区域的背散射图像与定量分析点位
图中圆点代表模拟的探针点位，数字代表定量分析测试的序号。a—早期形成的斜长石自形程度较好；b—自形的斜长石中部蚀变为绿帘石；c—它形角闪石边部分布着不自形的石英、钛铁矿、富钾硅酸盐矿物，内部存在磷灰石、钛铁矿等包裹体；d—半自形钛铁矿和磁铁矿分布在斜长石和角闪石边部。
Figure 2. Backscattered electron image of mapping area and positions of point analyses (Dots represent the position of the simulated point analyses and the numbers in the figure represent the serial number of the article test data. a—The plagioclase formed in the early stage is enhedral crystal. b—The middle part of enhedral plagioclase is alterated into epidote. c—The edge of anhedral amphibole is covered with quartz, ilmenite and K-rich silicate minerals, while apatite, ilmenite and other inclusions exist in it. d—Subhedral ilmenite and magnetite are distributed at the edge of plagioclase and amphibole)
![]()
图 3 面扫描像素灰度与定量数据的曲线拟合结果
Figure 3. Curve fitting results of grayscale of pixels and point analyses
![]()
图 4 部分区域的矿物面扫描图像
a、d—对比未校正的面扫描图像，在校正后的图像中，斜长石的Al2O3成分分布较均一且显示出微弱的模态丰度变化；b、e—在Na2O面扫描图中，斜长石成分分布不均一，存在计数率缺失，而在校正后的图像中，斜长石成分分布较均一；c、f—在CaO面扫描图中，斜长石内部发生蚀变；g、j—对比未校正的面扫描图像，在校正后的图像中，角闪石具有较高的MgO含量，存在钛铁矿等包裹体且成分分布较均一；h、k—在K2O面扫描图中，角闪石和斜长石不易区分且边部存在富K的硅酸盐矿物，而在校正后的图像中，角闪石的K2O含量高于斜长石且边部的富K的硅酸盐矿物可以被明显鉴别；i、l—对比未校正的面扫描图像，在校正后的图像中，角闪石含有微量的TiO2晶界清晰且边部分布着钛铁矿、磁铁矿。
矿物代号：Pl—斜长石；Amp—角闪石；Qz—石英；Ilm—钛铁矿；Mag—磁铁矿。Figure 4. Phase composition mappings of the minerals. (a, d—The composition of Al2O3 of plagioclase is relatively homogeneous in the corrected image compared to the uncorrected mapping, showing a weak change in modal abundance. b, e— In mapping of Na2O, the composition of plagioclase is inhomogeneous and the count is lost. However, after image processing the composition of plagioclase is homogeneous. c, f— In CaO mapping, the interior of plagioclase is altered. g, j—The composition of minerals is homogeneou and MgO content of amphibole is relatively high in the corrected image compared to the uncorrected mapping, containing ilmenite and other inclusions. h, k—In K2O mapping, amphibole and plagioclase are difficult to distinguish and K-rich silicate minerals exist at the edge. However, after image processing the K2O content of amphibole is obviously higher than that of plagioclase and K-rich silicate minerals are obvious. i, l—Amphibole contains a small amount of TiO2, grain boundary is clear, and ilmenite and magnetite are distributed at the edge in the corrected image compared to the uncorrected mapping. Mineral abbreviation: Amp—amphibole; Pl—plagioclase; Qz—quartz; Ilm—ilmenite; Mag—magnetite)
表 1 斜长石和角闪石电子探针分析结果
Table 1 Electron probe microanalysis results of plagioclase and amphibole
成分 斜长石不同测试点位的分析结果(%) 角闪石不同测试点位的分析结果(%) 1 2 11 13 17 18 23 24 3 4 5 7 8 9 15 16 19 25 26 SiO2 57.83 56.74 56.74 56.54 56.89 57.67 57.78 57.25 45.82 47.71 47.08 46.36 47.17 46.72 46.50 45.66 46.68 47.66 45.85 TiO2 0.00 0.00 0.00 0.08 0.00 0.00 0.00 0.00 2.28 1.03 1.14 1.28 1.31 1.47 1.95 2.39 1.85 1.19 2.26 Al2O3 27.03 27.80 28.07 28.28 28.28 28.28 27.57 25.23 8.30 7.33 7.64 7.20 7.63 7.82 8.00 8.58 7.80 7.17 8.35 FeO 0.19 0.13 0.18 0.08 0.11 0.10 0.10 0.04 15.22 15.12 15.35 15.01 14.44 15.49 14.88 14.27 14.66 14.63 14.88 MnO 0.00 0.02 0.00 0.00 0.01 0.00 0.02 0.00 0.47 0.44 0.38 0.48 0.50 0.48 0.45 0.48 0.45 0.50 0.49 MgO 0.02 0.03 0.00 0.00 0.02 0.02 0.01 0.00 12.24 12.54 12.47 12.76 12.41 12.32 11.92 12.27 12.49 12.64 12.29 CaO 8.49 9.47 9.47 9.91 9.59 8.88 8.62 6.96 11.10 11.74 11.73 11.34 11.35 11.24 11.28 11.41 11.16 11.68 10.94 Na2O 6.44 6.26 6.17 5.71 6.08 6.18 6.37 7.41 1.23 0.85 0.74 1.00 1.06 1.05 1.23 1.17 1.16 0.92 1.39 K2O 0.19 0.16 0.17 0.08 0.13 0.21 0.11 0.08 0.49 0.50 0.52 0.44 0.47 0.49 0.49 0.54 0.44 0.49 0.49 总含量 100.19 100.61 100.80 100.67 101.11 101.33 100.57 96.98 97.14 97.26 97.05 95.86 96.33 97.08 96.70 96.76 96.69 96.87 96.94 O 8.02 7.99 8.00 8.03 8.00 8.02 8.02 7.98 23.00 23.00 23.00 23.00 23.00 23.00 23.00 23.00 23.00 23.00 23.00 Si 2.59 2.53 2.53 2.53 2.53 2.56 2.58 2.63 6.55 6.79 6.71 6.70 6.77 6.67 6.67 6.55 6.68 6.80 6.57 Ti 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.25 0.11 0.12 0.14 0.14 0.16 0.21 0.26 0.20 0.13 0.24 Al 1.42 1.46 1.47 1.49 1.48 1.48 1.45 1.37 1.40 1.22 1.28 1.23 1.29 1.32 1.35 1.45 1.32 1.21 1.40 Fe 0.01 0.01 0.01 0.00 0.04 0.00 0.00 0.01 1.82 1.80 1.83 1.82 1.73 1.85 1.78 1.71 1.75 1.75 1.78 Mn 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.06 0.05 0.05 0.06 0.06 0.06 0.05 0.06 0.05 0.06 0.06 Mg 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 2.60 2.66 2.65 2.75 2.65 2.62 2.55 2.62 2.67 2.69 2.62 Ca 0.41 0.45 0.45 0.48 0.46 0.42 0.41 0.34 1.70 1.80 1.80 1.76 1.74 1.72 1.73 1.75 1.71 1.79 1.69 Na 0.56 0.54 0.53 0.50 0.52 0.53 0.55 0.66 0.34 0.24 0.20 0.28 0.30 0.30 0.34 0.32 0.32 0.26 0.39 K 0.01 0.01 0.01 0.00 0.01 0.01 0.01 0.01 0.09 0.09 0.10 0.08 0.09 0.09 0.09 0.10 0.08 0.09 0.09 总阳离子数 5.00 5.00 5.00 5.00 5.04 5.00 5.00 5.01 16.81 16.75 16.75 16.81 16.77 16.78 16.77 16.83 16.79 16.77 16.83 An 41.64 45.13 45.46 48.74 46.20 43.73 42.52 34.01 Ab 57.22 53.96 53.56 50.81 53.03 55.04 56.85 65.51 Or 1.13 0.90 0.98 0.45 0.77 1.23 0.63 0.48 
下载: 导出CSV
表 2 石英、磁铁矿、磷灰石、绿帘石和黑云母电子探针分析结果
Table 2 Electron probe microanalysis results of quartz, magnetite, apatite, epidote and biotite
成分 石英不同测试点位分析结果(%) 磁铁矿不同测试点位分析结果(%) 磷灰石不同测试点位分析结果(%) 绿帘石不同测试点位分析结果(%) 黑云母不同测试点位分析结果(%) 10 6 12 14 20 21 22 27 28 29 SiO2 99.77 0.04 0.04 0.05 0.06 0.06 0.11 36.52 35.49 34.87 TiO2 0.00 0.06 0.01 0.01 0.02 0.00 0.00 0.00 2.831 2.59 Al2O3 0.00 0.04 0.06 0.07 0.18 0.00 0.01 20.97 15.79 15.83 FeO 0.06 95.10 96.12 95.98 95.44 0.00 0.05 17.22 17.57 18.30 MnO 0.00 0.05 0.07 0.12 0.14 0.04 0.06 0.00 0.00 0.00 MgO 0.00 0.00 0.00 0.04 0.03 0.02 0.00 0.00 12.12 12.24 CaO 0.02 0.00 0.00 0.00 0.00 53.01 53.06 23.05 0.03 0.09 Na2O 0.01 0.03 0.01 0 0.04 0.09 0.14 0.00 0.08 0.09 K2O 0.00 0.01 0.00 0.00 0.00 0.00 0.01 0.00 9.14 8.36 P2O5 - - - - - 46.77 46.56 - - - 总含量 99.86 95.32 96.30 96.27 95.90 99.99 100.00 97.76 93.05 92.37 O 2.00 4.00 4.00 4.00 4.00 12.00 12.00 12.50 12.00 12.00 Si 0.997 0.002 0.002 0.003 0.003 0.004 0.008 2.92 2.73 2.73 Ti 0.000 0.002 0.000 0.000 0.001 0.000 0.000 0.00 0.15 0.15 Al 0.000 0.002 0.004 0.004 0.010 0.000 0.001 1.98 1.46 1.46 Fe 0.000 3.984 3.987 3.981 3.967 0.000 0.003 1.15 1.20 1.20 Mn 0.000 0.002 0.003 0.005 0.006 0.003 0.004 0.00 0.00 0.00 Mg 0.000 0.000 0.000 0.003 0.003 0.002 0.000 0.00 1.43 1.43 Ca 0.000 0.000 0.000 0.000 0.000 4.367 4.377 1.97 0.01 0.01 Na 0.000 0.002 0.001 0.000 0.004 0.013 0.021 0.00 0.01 0.01 K 0.000 0.001 0.000 0.000 0.000 0.000 0.001 0.00 0.83 0.83 P - - - - - 3.045 3.035 - - - 总阳离子数 1.00 4.00 4.00 4.00 3.99 7.43 7.45 9.02 7.82 7.82
下载: 导出CSV
表 3 面扫描定量化微区分析结果与全岩XRF分析结果对比
Table 3 Comparison between estimated results from quantified mapping and bulk XRF data
原样品号 SiO2 CaO K2O TFe2O3 Na2O MgO Al2O3 TiO2 XRF：全岩GC01-1(%) 52.12 7.20 1.50 8.72 4.28 4.75 18.16 1.16 XRF：全岩GC01-3(%) 57.09 6.72 1.15 6.98 4.19 3.38 16.95 0.99 电子探针面扫描定量化(%) 56.10 7.40 0.66 7.38 3.50 3.52 16.80 0.93 相对误差(%) 1.81 4.13 -40.18 -4.07 -12.28 -9.36 -2.91 -9.42 RSD(%) 4.77 4.92 38.24 11.85 10.70 19.41 4.31 11.62 注：相对误差=(实际值-真实值)/真实值×100；标准偏差： $ s = \sqrt {\sum {{({x_i} - x)}^2}/(n{\rm{ - }}1)} $ ；相对标准偏差(RSD)＝标准偏差/平均值×100；FeO=0.9×Fe2O3。
下载: 导出CSV
表 4 定量化面扫描与面扫描定量化处理方式的对比
Table 4 Comparison of different processing methods of quantitative mapping
下载: 导出CSV
-
Wang H Z, Zhang H F, Zhai M G, et al. Granulite facies metamorphism and crust melting in the Huai'an terrane at~1.95Ga, North China Craton: New constraints from geology, zircon U-Pb, Lu-Hf isotope and metamorphic conditions of granulites[J]. Precambrian Research, 2016, 286: 126-151. doi: 10.1016/j.precamres.2016.09.012
孙春青, 游海涛, 刘嘉麒, 等. 火山灰全岩与原位分析差异: 以四海龙湾记录的1600年前金龙顶子火山喷发为例[J]. 地球科学, 2016, 41(1): 97-104. https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX201601008.htm Sun C Q, You H T, Liu J L, et al. Differences between whole rock and in situ analysis on Tephra: Evidence from the 1600a cal. BP eruption of Jinlongingzi Volcano[J]. Earth Science, 2016, 41(1): 97-104. https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX201601008.htm
Wang H Z, Laurent O, Zhang H F, et al. Recognition and significance of c. 800Ma upper amphibolite to granulite facies metamorphism in metasedimentary rocks from the NW margin of the Yangtze Block[J]. Journal of the Geological Society, 2020, 177(2): 424-441. doi: 10.1144/jgs2019-035
许乃岑, 沈加林, 张静. X射线衍射-X射线荧光光谱-电子探针等分析测试技术在玄武岩矿物鉴定中的应用[J]. 岩矿测试, 2015, 34(1): 75-81. doi: 10.15898/j.cnki.11-2131/td.2015.01.010 Xu N C, Shen J L, Zhang J. Application of X-ray diffraction, X-ray fluorescence spectrometry and electron microprobe in the identification of basalt[J]. Rock and Mineral Analysis, 2015, 34(1): 75-81. doi: 10.15898/j.cnki.11-2131/td.2015.01.010
周伟, 曾梦, 王健, 等. 熔融制样-X射线荧光光谱法测定稀土矿石中的主量元素和稀土元素[J]. 岩矿测试, 2018, 37(3): 298-305. doi: 10.15898/j.cnki.11-2131/td.201706280113 Zhou W, Zeng M, Wang J, et al. Determination of major and rare earth elements in rare earth ores by X-ray fluorescence spectrometry with fusion sample preparation[J]. Rock and Mineral Analysis, 2018, 37(3): 298-305. doi: 10.15898/j.cnki.11-2131/td.201706280113
李小莉, 吴良英, 王力强, 等. X射线荧光光谱法分析碳酸盐时两种制样方法的比较[J]. 理化检验(化学分册), 2016, 52(6): 664-668. https://www.cnki.com.cn/Article/CJFDTOTAL-LHJH201606012.htm Li X L, Wu L Y, Wang L Q, et al. Comparative study on the 2 methods for preparation of sample discs in XRFs analysis of carbonates[J]. Physical Testing and Chemical Analysis (Part B: Chemical Analysis), 2016, 52(6): 664-668. https://www.cnki.com.cn/Article/CJFDTOTAL-LHJH201606012.htm
汪方跃, 葛粲, 宁思远, 等. 一个新的矿物面扫描分析方法开发和地质学应用[J]. 岩石学报, 2017, 33(11): 3422-3436. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB201711006.htm Wang F Y, Ge C, Ning S Y, et al. A new approach to LA-ICP-MS mapping and application in geology[J]. Acta Petrologica Sinica, 2017, 33(11): 3422-3436. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB201711006.htm
Spear F S, Wolfe O M. Evaluation of the effective bulk composition (EBC) during growth of garnet[J]. Chemical Geology, 2018, 491: 39-47. doi: 10.1016/j.chemgeo.2018.05.019
田作林, 张泽明, 董昕. 有效全岩成分的计算方法及其在变质相平衡模拟中的应用[J]. 岩石学报, 2020, 36(9): 2616-2630. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB202009003.htm Tian Z L, Zhang Z M, Dong X. Calculation of effective bulk composition and its application in metamorphic phase equilibria modeling[J]. Acta Petrologica Sinica, 2020, 36(9): 2616-2630. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB202009003.htm
聂潇, 王宗起, 陈雷, 等. 蚀变粗面岩中再平衡结构黑云母的电子探针分析[J]. 岩矿测试, 2019, 38(5): 565-574. doi: 10.15898/j.cnki.11-2131/td.201807100081 Nie X, Wang Z Q, Chen L, et al. Electron microprobe analysis of biotite with reequilibration texture in altered trachyte[J]. Rock and Mineral Analysis, 2019, 38(5): 565-574. doi: 10.15898/j.cnki.11-2131/td.201807100081
秦玉娟, 余朝丰, 徐洋, 等. 应用电子探针原位微区分析技术测试硅硼钠石矿物[J]. 电子显微学报, 2016, 35(3): 217-222. doi: 10.3969/j.issn.1000-6281.2016.03.006 Qin Y J, Yu C F, Xu Y, et al. A microarea analysis technique of EPMA to probe reedmergnerite[J]. Journal of Chinese Electron Microscopy Society, 2016, 35(3): 217-222. doi: 10.3969/j.issn.1000-6281.2016.03.006
Reed S J B. Electron microprobe analysis and scanning electron microscopy in geology[M]. Cambridge: Cambridge University Press, 2005: 164.
Batanova V G, Sobolev A V, Magnin V. Trace element analysis by EPMA in geosciences: Detection limit, precision and accuracy[C]//IOP Conference Series: Materials Science and Engineering, 2018, 304.
Ritchie N. Embracing uncertainty: Modeling the standard uncertainty in electron probe microanalysis—Part Ⅰ[J]. Microscopy and Microanalysis, 2020, 26(3): 469-483. doi: 10.1017/S1431927620001555
Lanari P, Alice V, Thomas B, et al. Quantitative compositional mapping of mineral phases by electron probe micro-analyser[R]. London: Geological Society (Special Publications), 2019: 39-63.
Donovan J, Allaz J, Handt A, et al. Quantitative WDS com-positional mapping using the electron microprobe[J]. The American Mineralogist, 2021, 106: 1717-1735. doi: 10.2138/am-2021-7739
Yasumoto A, Yoshida K, Kuwatani T, et al. A rapid and precise quantitative electron probe chemical mapping technique and its application to an ultrahigh-pressure eclogite from the Moldanubian Zone of the Bohemian Massif (Nové Dvory, Czech Republic)[J]. American Mineralogist, 2018, 103(10): 1690-1698. doi: 10.2138/am-2018-6323CCBY
Ortolano G, Visalli R, Godard G, et al. Quantitative X-ray map analyser (Q-XRMA): A new GIS-based statistical approach to mineral image analysis[J]. Computers and Geosciences, 2018, 115: 56-65. doi: 10.1016/j.cageo.2018.03.001
周剑雄, 毛水和, 陈克樵, 等. 电子探针分析[M]. 北京: 地质出版社, 1988: 499. Zhou J X, Mao S H, Chen K Q, et al. Electron probe micro-analysis[M]. Beijing: Geological Publishing, 1998: 499.
梁细荣, 姚立, 田地. 电子探针背景扣除和谱线干扰修正方法的进展[J]. 岩矿测试, 2008, 27(1): 49-54. doi: 10.3969/j.issn.0254-5357.2008.01.013 Liang X R, Yao L, Tian D. Progress in background subtraction and spectral interference correction in electron probe microanalysis[J]. Rock and Mineral Analysis, 2008, 27(1): 49-54. doi: 10.3969/j.issn.0254-5357.2008.01.013
Newbury D E, Marinenko R B, Myklebust R L, et al. Quantitative compositional mapping with the electron probe microanalyzer[M]. Springer Press, 1991: 335-369.
毕秀丽, 邱雨檬, 肖斌, 等. 基于统计特征的图像直方图均衡化检测方法[J]. 计算机学报, 2021, 44(2): 292-303. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJX202102003.htm Bi X L, Qiu Y M, Xiao B, et al. Histogram equalization detection based on statistical features in digital image[J]. Chinese Journal of Computers, 2021, 44(2): 292-303. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJX202102003.htm
Anupama S, Prajwalasimha S N, Swapna H. Image de-noising algorithm based on filtering and histogram equalizationl[C]//Proceedings of the Second International Conference on I-SMAC, 2019: 325-328.
李明辉, 郜鲜辉, 吴金金, 等. 电子探针波谱仪和能谱仪在材料分析中的应用及对比[J]. 电子显微学报, 2020, 39(2): 218-223. doi: 10.3969/j.issn.1000-6281.2020.02.018 Li M H, Gao X H, Wu J J, et al. The application and comparison of EPMA WDS and EDS in material analysis[J]. Journal of Chinese Electron Microscopy Society, 2020, 39(2): 218-223. doi: 10.3969/j.issn.1000-6281.2020.02.018
Joseph D G, Charles H. High count rate electron probe microanalysis[J]. Journal of Research of the National Institute of Standards and Technology, 2002, 107(6): 503-508. doi: 10.6028/jres.107.043
Chen B H, Tseng Y, Yin J L. Gaussian-adaptive bilateral filter[J]. IEEE Signal Processing Letters, 2020, 27: 1670-1674. doi: 10.1109/LSP.2020.3024990
杨赞伟, 郑亮亮, 曲宏松, 等. 联合均值滤波与泊松核双边滤波降噪算法研究[J]. 计算机仿真, 2020, 37(9): 460-463, 468. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJZ202009097.htm Yang Z W, Zheng L L, Qu H S, et al. Image denoising research of combining mean filtering with Poisson Kernel improved bilateral filtering[J]. Computer Simulation, 2020, 37(2): 460-463, 468. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJZ202009097.htm
Kikongi P, Salvas J, Gosselin R. Curve-fitting regression: Improving light element quantification with XRF[J]. X-Ray Spectrometry, 2017, 46(5): 347-355. doi: 10.1002/xrs.2760
Willis K V, Srogi L A, Lutz T, et al. Phase composition maps integrate mineral compositions with rock textures from the micro-meter to the thin section scale[J]. Computers and Geosciences, 2017, 109: 162-177. doi: 10.1016/j.cageo.2017.08.009
张迪, 陈意, 毛骞, 等. 电子探针分析技术进展及面临的挑战[J]. 岩石学报, 2019, 35(1): 261-274. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB201901022.htm Zhang D, Chen Y, Mao Q, et al. Progress and challenge of electron probe microanalysis technique[J]. Acta Petrologica Sinica, 2019, 35(1): 261-274. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB201901022.htm
李德忍. 电子探针分析过程中钠不稳定机理的新解释初探[J]. 岩矿测试, 1995, 14(3): 224-226. http://www.ykcs.ac.cn/article/id/ykcs_19950350 Li D R. An explanation for the unstability of sodium determination in the electron microprobe analysis of Albite[J]. Rock and Mineral Analysis, 1995, 14(3): 224-226. http://www.ykcs.ac.cn/article/id/ykcs_19950350
张文兰, 胡欢, 谢磊, 等. Na元素的EPMA定量分析: 矿物晶体结构对Na行为的制约[J]. 高校地质学报, 2021, 27(3): 327-339. https://www.cnki.com.cn/Article/CJFDTOTAL-GXDX202103009.htm Zhang W L, Hu H, Xie L, et al. Quantitative analysis of Na by EPMA: Constraints for the behavior of Na by the crystal structure[J]. Geological Journal of China Universities, 2021, 27(3): 327-339. https://www.cnki.com.cn/Article/CJFDTOTAL-GXDX202103009.htm
杨宗锋, 罗照华, 黄丹峰, 等. 花岗质岩石中矿物含量和粒径对代表性样品的约束[J]. 北京大学学报(自然科学版), 2010, 46(6): 951-959. https://www.cnki.com.cn/Article/CJFDTOTAL-BJDZ201006015.htm Yang Z F, Luo Z H, Huang D F, et al. Constraints on representative samples from crystal contents and size in granitic rocks[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2010, 46(6): 951-959. https://www.cnki.com.cn/Article/CJFDTOTAL-BJDZ201006015.htm
杨宗锋, 李解, 姜晓杰, 等. 火成岩结构的二维定量化分析方法[J]. 地学前缘, 2020, 27(5): 23-38. https://www.cnki.com.cn/Article/CJFDTOTAL-DXQY202005005.htm Yang Z F, Li J, Jiang X J, et al. Two dimensional quantitative textural analysis method for igneous rock[J]. Earth Science Frontiers, 2020, 27(5): 23-38. https://www.cnki.com.cn/Article/CJFDTOTAL-DXQY202005005.htm
Hezel D C. A model for calculating the errors of 2D bulk analysis relative to the true 3D bulk composition of an object, with application to chondrules[J]. Computers and Geosciences, 2007, 33(9): 1162-1175. doi: 10.1016/j.cageo.2007.01.003
Richard M P, Owen M W, David J W, et al. Quantifying geological uncertainty in metamorphic phase equilibria modelling; a Monte Carlo assessment and implications for tectonic interpretations[J]. Geoscience Frontiers, 2016, 7(4): 591-607. doi: 10.1016/j.gsf.2015.08.005
McCanta M C, Dyar M D, Dobosh P A. Extracting bulk rock properties from microscale measurements: Subsampling and analytical guidelines[J]. GSA Today, 2017, 27(7): 4-9.
Sharma J, Naik A, Pant N, et al. Estimation of effective bulk composition—Critical appraisal and a scanning electron microscope based approach[J]. Geological Journal, 2021, 56(6): 2950-2962. doi: 10.1002/gj.4077
Hombourger C, Outrequin M. Quantitative analysis and high-resolution X-ray mapping with a field emission electron microprobe[J]. Microscopy Today, 2013, 21(3): 10-15. doi: 10.1017/S1551929513000515
Takahashi H, Mcswiggen P, Nielsen C. A unique wavelength- dispersive soft X-ray emission spectrometer for electron probe X-ray microanalyzers[J]. Microscopy and Analysis, 2014, 15: 5-8.
Llovet X, Moy A, Pinard P T, et al. Electron probe microanalysis: A review of recent developments and applications in materials science and engineering[J]. Progress in Materials Science, 2021, 116: 100673.
-
期刊类型引用(5)
1. 符招弟，张晓娟，杨林. 伟晶岩型锂矿石中锂的化学物相分析方法研究. 岩矿测试. 2024(03): 432-439 . 
本站查看
2. 彭晶晶，林锴. 锂矿成矿规律研究的知识图谱分析. 中国矿业. 2024(09): 228-235 . 百度学术
3. 王成辉，王登红，刘善宝，张永生，王春连，王九一，周雄，代鸿章，于扬，孙艳，邢恩袁. 战略新兴矿产调查工程进展与主要成果. 中国地质调查. 2022(05): 1-14 . 百度学术
4. 郭晓剑，胡欢，刘亦晴，梁雁茹. 基于CiteSpace的我国绿色矿山研究可视化分析. 黄金科学技术. 2020(02): 203-212 . 百度学术
5. 叶亚康，周家云，周雄. 川西塔公松林口岩体LA-ICP-MS锆石U -Pb年龄与地球化学特征. 岩矿测试. 2020(06): 921-933 . 本站查看
其他类型引用(4)
计量
- 文章访问数: 395
- HTML全文浏览量: 285
- PDF下载量: 47
- 被引次数: 9
京公网安备 11010202008159号