Application of Electron Probe Microanalyzer in Exploring the Occurrence Characteristics of Scandium in Different Minerals of the Bayan Obo Deposit
-
摘要: 随着对钪资源需求的不断增加，世界各国近年陆续开展钪成矿机理研究及找矿工作，核心内容之一是厘清钪的赋存特征。据前人研究，各类钪矿床中钪主要以类质同象、离子吸附形式存在，目前发现的含钪矿物种类已逾800种。对于白云鄂博矿床，钪资源储量较大，无独立钪矿物产出，钪以类质同象形式进入其他矿物，分布分散、含量低。囿于测试技术及取样限制，目前尚无利用精确定量技术系统探究钪在白云鄂博矿床不同矿物中赋存特征，因而主要富钪矿物查明程度不够，难以进一步探讨钪在矿床中富集机制，亦不利于下一步钪资源的利用和勘查找矿。为了解决这一问题，本文利用电子探针技术，对白云鄂博矿床34种矿物进行系统测定。测试结果表明，6种矿物中钪(Sc2O3)平均含量大于0.100%，从高到低为铌钇矿(2.485%)、铌铁矿(1.263%)、铌锰矿(0.251%)、黑紫色萤石(0.181%)、方钍石(0.145%)、富钇易解石(0.124%)，其中铌钇矿是各矿物中单点钪含量最高的矿物(3.093%)；16种矿物中钪含量介于0.004%~0.067%，分别为褐钇铌矿(0.067%)、碱性角闪石(0.062%)、铁钍石(0.060%)、黄绿石(0.049%)、铌钙矿(0.031%)、氟碳铈矿(0.028%)、磷灰石(0.028%)、铈硅磷灰石(0.025%)、独居石(0.023%)、霓石(0.02%)、黑云母(0.019%)、硅镁石(0.011%)、褐铈铌矿(0.008%)、钾长石(0.007%)、磁铁矿(0.005%)、钠长石(0.004%)；12种矿物未检出钪。通过分析发现：①本次研究矿区钪含量最高的矿物为铌钇矿，主要6种富钪矿物为铌钇矿、铌铁矿、铌锰矿、黑紫色萤石、方钍石、富钇易解石；②34种矿物中，22种矿物钪含量高于电子探针检出限，钪呈稀散分布；③钪的赋存与钛、钇及钍有关，钪与钛、钇、钍的相关系数分别为0.869、0.835、0.720。主要分布在铌、铁、钍稀有氧化物、黑紫色萤石、钛铌酸盐的复杂氧化物和链状硅酸盐中，进入矿物时与矿物晶体结构可能有相关性；④钪与铌铁矿、铌钙矿、铌锰矿、富钇易解石等铌矿物关系密切，可考虑将钪资源与铌资源同时综合利用。要点
(1) 利用电子探针技术系统测定白云鄂博矿床34种矿物中钪含量。
(2) 白云鄂博矿床主要富钪矿物为铌钇矿、铌铁矿、铌锰矿、黑紫色萤石、方钍石、富钇易解石。
(3) 白云鄂博矿床中的钪资源与铌资源进可考虑同时综合利用。
HIGHLIGHTS(1) The content of scandium in 34 minerals of the Bayan Obo deposit was systematically determined by electron probe microanalyzer.
(2) The main scandium-bearing minerals of the Bayan Obo Deposit are samarskite, columbite, manganocolumbite, dark purple fluorite, thorianite and Y-rich aeschynite.
(3) The scandium and niobium resources inthe Bayan Obo deposit can be utilized simultaneously.
Abstract:BACKGROUNDWith the increasing demand for scandium resources, countries around the world have carried out scandium metallogenic mechanism research and prospecting in recent years. One of the key research contents is to clarify the occurrence characteristics of scandium. According to previous studies, scandium mainly exists in the form of isomorphism and ion adsorption in various scandium deposits. At present, more than 800 kinds of scandium-bearing minerals have been found. The scandium resource of the Bayan Obo deposit is large, which has the characteristics of dispersed distribution and low content. Scandium enters other minerals in the form of isomorphism and no independent scandium mineral is found. Due to the limitation of testing technology and sampling, there is no accurate quantitative research to systematically explore the occurrence characteristics of scandium in different minerals in the Bayan Obo deposit. Therefore, the identification of the main scandium-bearing minerals is insufficient, which is not conducive to further exploration of the enrichment mechanism of scandium and the utilization of scandium resources in the deposit.OBJECTIVESTo understand the occurrence of Sc in different minerals of the Bayan Obo deposit.METHODS34 kinds of minerals in the Bayan Obo deposit were systematically determined by electron probe microanalyzer (EPMA) technology.RESULTSThe test results showed that the average scandium content (Sc2O3) in 6 minerals was more than 0.100%. They were samarskite (with average Sc2O3 content of 2.485%), columbite (1.263%), manganocolumbite (0.251%), dark purple fluorite (0.181%), thorianite (0.145%) and Y-rich aeschynite (0.124%) from high to low. Samarskite had the highest scandium content (3.093%). The content of scandium in 16 minerals ranged from 0.004% to 0.067%, which were fergusonite (with average Sc2O3 content of 0.067%), alkaline amphibole (0.062%), ferrothorite (0.060%), pyrochlore (0.049%), fersmite (0.031%), bastnaesite (0.028%), apatite (0.028%), britholite (0.025%), monazite (0.023%), aegirine (0.02%), biotite (0.019%), humite (0.011%), fergusonite-(Ce) (0.008%), feldspar (0.007%), magnetite (0.005%), albite (0.004%). Scandium was not detected in the other 12 minerals.CONCLUSIONSSamarskite has the highest scandium content in the deposit, and the 6 main scandium-bearing minerals are samarskite, columbite, manganocolumbite, dark purple fluorite, thorianite and Y-rich aeschynite. Among the 34 minerals, the content of scandium in 22 minerals is higher than the detection limit of EPMA, and scandium is distributed in a dilute manner. The occurrence of scandium is related to titanium, yttrium and thorium, and the correlation coefficients are 0.869, 0.835 and 0.720, respectively. Scandium is closely related to niobium minerals such as columbite, manganocolumbite, fersmite and Y-rich aeschynite. It can be considered to comprehensively utilize scandium and niobium resources at the same time.
-
多环芳烃(PAHs)作为一种典型的持久型有机污染物，在环境中广泛存在，且稳定性高[1]。PAHs具有高毒性，以及致畸、致癌和致突变性，美国环境保护署已将16种PAHs单体列入优先控制污染物清单。环境中的PAHs来源广泛，既包括火山爆发和森林火灾等自然过程中释放的PAHs[2-3]，也包括人为活动排放源，如汽车尾气排放和工业生产排放等人为来源[4-5]。对于具有高密度人口的城市而言，人为输入显然是其环境中PAHs最重要的来源[6-7]。具体而言，人为来源涉及各种有机物质，例如生物质和化石燃料(煤炭、石油和天然气)等物质的不完全燃烧或热解，以及交通运输过程中石油的泄漏[6-10]。城市中发达的工业生产、高密度的交通运输以及居民日常生活等活动都离不开燃煤、石油以及天然气等化石燃料的大量使用[8-10]。人为活动所产生的PAHs会进入大气环境中，然后随着大气扩散以及干湿沉降等方式进一步进入水体、沉积物以及土壤等环境介质中[10]。土壤是城市环境中最重要的地表介质，同时由于PAHs具有高的亲脂疏水性，人为活动所输入的PAHs极易在土壤中发生累积[7-10]。已有大量研究集中于土壤中PAHs的含量分布与来源分析[11-16]，旨在为PAHs污染防控、生态环境改善及环保政策制定等提供技术依据。北京作为中国的首都，具有高度密集的人口和交通流量，城市能源消耗量大[17-22]。据资料统计，2019年北京市年能源消耗总量达7360.32万吨标准煤[23]。所以，对于北京这种典型的大型城市而言，环境中必然存在各种人为活动输入的PAHs。针对北京市不同范围内表层土壤中PAHs分布特征及来源分析已有相关研究报道，如沈亚婷等[9]于2008年利用因子分析-多元线性回归法解析了北京地区表土15种PAHs的3种来源，包括煤炭燃烧/交通排放、焦炉及石油，并定量计算了3种源的贡献。Qu等[20]于2020年分析了北京市六环范围内各大公园表层土壤PAHs含量、组成特征及来源，认为从组成特征来看四环PAHs是主要成分，其次是五环PAHs，二环PAHs含量最低，采用条件推理树模型识别出影响PAHs的主要因素是交通排放，其次为燃煤，以及公园的历史及位置。总体来看，以往研究侧重区域或单一功能区的PAHs分布特征及来源研究，针对不同功能区开展对比研究较少。
因此，为了进一步探求北京市不同功能区土壤环境中PAHs的含量、组成及来源，本文对北京市主城区(东城、西城、海淀、昌平、朝阳、丰台、通州)开展了大范围的采样，主要为了分析北京市主城区表层土壤中PAHs整体含量及组成情况；其次根据划分的功能区(工业区、居民区、农业种植区以及水源保护区)进行定点采样，通过对不同功能区表层土壤中PAHs含量及组成分析，系统揭示北京市表层土壤中PAHs的污染现状。并利用主成分分析-多元线性回归法判断北京市不同功能区表层土壤中PAHs的来源以及各来源贡献率，以期为控制和减少北京市PAHs污染、保护生态环境提供技术支撑和科学依据。
1. 实验部分
1.1 采样点及样品采集
本研究采样时间为2020年5月至7月，在全北京市共设置459个采样点，具体分布如图 1所示。在459个采样点中，215个位于北京市主城区，根据地理位置的分布，进一步分为东南区、中心区和西北区；57个位于工业区，包括东南化工厂、首钢工业区、大台煤矿区；44个位于居民区；124个位于农业种植区，包括昌平流村—南口地区、平谷峪口—刘家店地区、房山石楼地区以及通州牛堡屯地区；19个位于饮用水源地保护区，包括密云水库和怀柔水库。除主城区按照平均1个点/16km2的密度采样外，其他都为1~4km2平均1个点的密度采样。
![]()
图 1 北京市表层土壤采样点分布图Figure 1. Distribution map of topsoil sampling sites in Beijing City为确保样品的代表性，每个点位采集柱状样品并上下均匀混合为一份，共采取了表层(0~20cm)土壤样品459件。土壤样品采集时使用干净的不锈钢铲，去除砾石及动植物的残体后，取1kg左右装入棕色玻璃瓶中带回实验室。最后将土壤样品经冷冻干燥处理后过60目筛，并于-5℃的冰箱中避光保存。
1.2 土壤样品前处理
准确称量土壤样品5.00g至预先装好硅藻土的萃取池中，加入已知浓度的替代物，经加速溶剂萃取仪提取目标化合物，利用多通道浓缩仪浓缩提取液，然后根据样品基体干扰情况选择是否用佛罗里硅土柱对浓缩液进行净化(若浓缩液颜色较深，需用铜粉脱硫)，净化后液体用氮吹仪浓缩至1mL，转移至2mL样品瓶中，加10μL合适浓度的内标溶液，最后用气相色谱-质谱(GC-MS)进行分析。
1.3 样品分析
样品分析测试由北京市一零一生态地质检测有限公司完成。采用气相色谱-质谱联用仪(7890B型，美国Agilent公司)进行定量测定。
所测的目标物为美国环境保护署列出的16种优控PAHs，包括萘、苊烯、苊、芴、菲、蒽、荧蒽、芘、苯并(a)蒽、䓛、苯并(b)荧蒽、苯并(k)荧蒽、苯并(a)芘、茚并(1, 2, 3-cd)芘、二苯并(a, h)蒽、苯并(g, h, i)苝，内标物质使用萘-d8、苊-d10、菲-d10和䓛-d12，替代标准物使用2, 4, 6-三溴苯酚、对三联苯-d14。
色谱条件：色谱柱为HP-5MS弹性石英毛细管柱(30m×0.25mm内径，膜厚0.25μm)，载气使用纯度为99.999%的氦气，载气流速1.5mL/min。样品以不分流方式进样，排气时间0.75min，进样器温度230℃。
升温程序：初始温度100℃，保持2 min；然后以10℃/min的速率上升到160℃，再以4℃/min的速率上升到230℃，最后以10℃/min上升到280℃，保持10min，直至样品完全流出色谱柱。
质谱条件：EI电流源为68eV，质量范围50~600amu，倍增器电压为1150V，离子源温度为230℃，四极杆温度150℃，扫描速度为4000~6000amu/s。接口温度260℃，采用全扫描方式进行定性分析，扫描范围为m/z 45~400。
1.4 质量控制与质量保证
为了保证目标物定性和定量的准确性，所有分析方法均采用严格的质量保证和控制措施进行监控。具体而言，实验过程中每5个样品为一批，每批样品中都设有一个程序空白，空白样品中未检出目标化合物。目标物的方法检出限设定为信噪比的5倍，即10μg/kg；低于方法检出限的浓度被报告为未检出。实验中所有的土壤样品均采用了3次重复样，重复分析结果的标准差小于6%，样品经提取、净化后，回收率指示物的回收率在76%~101%之间，满足痕量有机化合物残留分析要求。
1.5 数据分析
实验数据分析及制图采用SPSS 19和Section 2016等软件。
2. 结果与讨论
2.1 北京市不同功能区表层土壤PAHs的含量特征
为研究北京市不同功能区表层土壤中PAHs的含量特征，掌握北京市土壤PAHs污染现状，对主城区、工业区、农业种植区、水源保护区及居民区等功能区的表层土壤PAHs含量进行了分析。
2.1.1 主城区表层土壤PAHs含量
采集的北京市主城区215件表层土壤样品，包括东南区域71件、中心区域73件和西北区域71件。结果显示，东南区域16种PAHs单体总量(∑16PAHs，以干质量计，下同)的变化范围为ND(未检出，下同)~1319.3μg/kg，平均值为153.7μg/kg；中心区域∑16PAHs变化范围为ND~2730.1μg/kg，平均值高达333.2μg/kg；西北区域∑16PAHs变化范围为ND~1489.1μg/kg，平均值为142.9μg/kg。反映了中心区域表层土壤PAHs含量高，而东南和西北区域PAHs含量低的特点。
2.1.2 工业区表层土壤PAHs含量
采集了工业区57件表层土壤样品，包括东南化工厂区24件、首钢工业区10件和大台煤矿区23件。结果显示，东南化工厂区域内∑16PAHs变化范围为ND~6208.6μg/kg，平均值为1006.9μg/kg；首钢工业区∑16PAHs变化范围为ND~19466.5μg/kg，平均值为1379.4μg/kg；大台煤矿区∑16PAHs变化范围为ND~268.3μg/kg，平均值为146.8μg/kg。
无论是从含量整体变化还是均值，均可以看出，东南化工厂和首钢工业区的PAHs污染水平远高于大台煤矿区。北京焦化厂位于北京市东南的朝阳区，曾是中国规模最大的独立焦化厂和最大的商品焦炭供应及出口基地，年产焦炭200多万吨，占全国总产量的1.67%[24]。首钢是中国最早成立的大型钢厂，集烧结、炼铁、炼钢以及发电等为一体，年产量可达到800万吨[25-27]。在长期的工业生产活动中，特别是焦化厂、炼钢及炼铁厂的煤干馏和燃烧，会导致大量携带有PAHs的粉尘被释放到大气中，经过大气干湿沉降最终降落在周边区域，造成厂区及周边地区土壤PAHs污染。北京市西南的门头沟区，拥有煤矿、石灰石、页岩等多种资源，而大台煤矿只是位于该地区的一座小型煤矿区[28-29]。北京焦化厂和首钢钢厂的规模大于大台煤矿，这也就导致了前两个地区表层土壤中PAHs的污染程度远高于大台煤矿。
2.1.3 其他功能区表层土壤PAHs含量
采集的农业种植区124件表层土壤样品，包括昌平28件、平谷35件、房山25件和通州36件。结果显示，农业种植区中昌平表层土壤中∑16PAHs的变化范围为ND~361.4μg/kg，平均值为109.0μg/kg；平谷表层土壤中∑16PAHs的变化范围为ND~456.8μg/kg，平均值为118.3μg/kg；房山表层土壤中∑16PAHs的变化范围为ND~210.5μg/kg，平均值为106.8μg/kg；通州表层土壤中∑16PAHs的变化范围为ND~251.2μg/kg，平均值为94.2μg/kg。
采集的水源保护区19件表层土壤样品，包括怀柔10件和密云9件。水源保护区怀柔表层土壤中∑16PAHs的变化范围为ND~113.5μg/kg，平均值为86.4μg/kg；密云表层土壤中∑16PAHs的变化范围为ND~399.4μg/kg，平均值为154.5μg/kg。
居民区44件表层土壤PAHs结果显示，∑16PAHs的变化范围为ND~1407.1μg/kg，平均值为131.1μg/kg。
除密云外，以上功能区表层土壤中PAHs的含量(均值)均低于北京市主城区的平均水平，轻环占比明显高于工业区和主城区的中心城区。显然，农业种植区和水源保护区都属于人类活动非密集区，没有直接的PAHs燃烧源输入，与其他典型排放源区相比，其PAHs污染程度较低。
2.1.4 不同区域范围内表层土壤PAHs含量对比
表 1归纳了不同研究中北京市各区域采集的表层土壤PAHs含量。Tang等[21]于2005年在北京市海淀区、石景山区、朝阳区以及房山区的主要居民活动区共采集了31件表层土壤样品，其∑16PAHs的变化范围较大(219.0~27825.0μg/kg)，平均值高达3917.0μg/kg。与此同时，Ma等[19]在北京市四环以外区域所采集的47件表层土壤样品中测得∑16PAHs的变化范围为14.0~4238.0μg/kg，平均值为1056.0μg/kg。Li等[18]于2006年在北京市四环内收集了30件表层土壤样品，测得∑16PAHs的变化范围为467.0~5470.0μg/kg，平均值为1637.0μg/kg。沈亚婷等[9]于2008年在北京全市范围内进行了网格布点采样，共采集了138件表层土壤样品，∑15PAHs(萘除外)的平均值为262.3μg/kg。Peng等[17]于2011年在北京市五环以内地区采集了233件表层土壤样品，其∑16PAHs的变化范围为93.3~13141.5μg/kg，平均值为1228.1μg/kg。Qu等[20]于2020年在北京市六环范围内的各大公园采集了122件表层土壤样品，其∑16PAHs的变化范围为66.0~6867.0μg/kg，平均值为460.0μg/kg，反映了公园土壤中具有相对较高的PAHs含量。对比可知，本研究中仅有工业区中东南工厂区和首钢工业区表层土壤中PAHs含量(1006.9μg/kg和1379.4μg/kg)是接近于Ma等[19]于北京市四环以外区域所采集样品中的含量(1056.0μg/kg)。这也符合实际情况，因为本研究的工业区都位于北京市五环以外。本研究其余功能区以及主城区(中心区除外)PAHs含量(均值)低于2008年北京全市范围内表层土壤中PAHs含量(262.3μg/kg)，这可能与近年来北京市能源使用结构的变化有关。由北京市2020统计年鉴数据可以看出，近年来北京市煤炭占能源消耗总量的比重呈明显下降趋势。2010年至2019年间，北京市石油和煤炭占能源消费总量的比重从60.53%下降至36.36%，而天然气的比重则从14.58%上升至34.01%[23]。因此，北京市能源结构的改变使得源区释放量逐渐减少，从而导致最终沉降到表层土壤中的PAHs呈减少趋势。
表 1 北京市不同区域内表层土壤中多环芳烃含量统计Table 1. Statistics of PAHs concentration in topsoil of different regions in Beijing City北京市区域 样品数(件) 采样深度(cm) 所测PAHs单体数(种) PAHs总量范围(μg/kg) PAHs总量均值(μg/kg) 参考文献 居民区 31 0~5 16 219~27825 3917 Tang等(2005)[21] 四环外 47 5~30 16 14~4238 1056 Ma等(2005)[19] 四环内 30 5~30 16 467~5470 1637 Li等(2006)[18] 全市 138 0~10 15(萘除外) - 262.3 沈亚婷等(2008)[9] 五环内 233 0~10 16 93.3~13141.5 1228.1 Peng等(2011)[17] 六环内公园 122 0-10 16 66-6867 460 Qu等(2020)[20] 主城区 215 0~20 16 ND~2730.1 210.4 本文研究 工业区 57 0~20 16 ND~19466.5 1006.3 本文研究 居民区 44 0~20 16 ND~1407.1 131.1 本文研究 水源保护区 19 0~20 16 ND~399.4 118.6 本文研究 农业种植区 124 0~20 16 ND~456.8 106.9 本文研究 注：“-”代表无相应参考数据。 2.2 北京市不同功能区表层土壤PAHs的组成特征
一般而言，2~3环PAHs(萘、苊烯、苊、芴、菲及蒽)被视为轻环PAHs，4环PAHs(荧蒽、芘、苯并[a]蒽及䓛)被看作中环PAHs，而5~6环PAHs(苯并[b]荧蒽、苯并[k]荧蒽、苯并[a]芘、茚并[1, 2, 3-c, d]芘、二苯并[a, h]蒽及苯并[g, h, i]苝)则被认定为重环PAHs[1]。重环及部分中环PAHs，分子量高，迁移能力差，经点源释放进入大气后多以干湿沉降的方式累积在该地区土壤中[1, 30]。
图 2展示了主城区、工业区、其他功能区内∑16PAHs的含量(均值)及轻环、中环、重环PAHs的组成特征。从总体情况来看，工业区的首钢工业区、东南化工厂∑16PAHs的含量明显高于其他区域，主城区的中心区域∑16PAHs的含量也相对高于其他区域。
![]()
图 2 北京市主城区PAHs含量(均值)及组成Figure 2. Concentration (mean value) and composition of PAHs in the main area of Beijing City在主城区的中心区域，中环和重环PAHs所占比例合计高达80%以上，东南和西北区域则是接近于70%。对于中心区域而言，其∑16PAHs的均值达到东南和西北区域的两倍以上，同时中环及重环PAHs呈现的高占比，说明该区域是一个重要的PAHs释放源区。中心区域主要是北京市五环内及其周边城区，该区域人口密集程度高，交通流量大，人为活动输入的PAHs自然高于非中心区。所以，从整体上看来，北京市主城区PAHs污染水平呈现明显的中心区高，沿东南和西北两个方向扩散而降低的特点。
工业区的首钢工业区重环PAHs占比更是高达50%，轻环占比则明显低于东南化工厂和大台煤矿区。从能源使用情况来看，首钢工业区内炼铁、炼钢及发电等生产活动都使用了大量的煤炭，而荧蒽、芘、䓛、苯并[b]荧蒽和苯并[a]芘等中环及重环PAHs都是典型的煤炭燃烧指示物[31-32]。同时，工业产品运输又会涉及大量的货运车辆往来，苯并[k]荧蒽、茚并[1, 2, 3-c, d]芘和二苯并[a, h]蒽等重环PAHs则是典型汽车尾气排放物[33-34]。所以，无论是煤炭燃烧还是车辆尾气排放，这些高温燃烧活动所产生的主要是重环及中环PAHs，这也是首钢工业区重环及中环PAHs的主要来源。东南化工厂主要是炼焦工业，涉及焦炭的高温干馏生产及煤气、煤焦油等其他化工产品的获取[24]。炼焦过程除高温燃烧的产物外，还包括萘、菲等轻环PAHs[35]。所以，东南化工厂表层土壤中轻环所占百分比高于首钢工业区。
轻环PAHs由于其分子质量轻，蒸气压高易挥发，在环境中具有更大的迁移潜力[36-37]，所以轻环PAHs占比高可以表明大气迁移输入源的存在。本研究中的居民区位于通州郊区，人口数量远低于城区，轻环PAHs占比较高，反映该居民区PAHs污染水平相对较低。密云水源保护区表层土壤中PAHs的含量水平要高于其他非工业功能区，其中重环PAHs的占比更是接近于工业区。这是因为密云水库上游金矿和铁矿资源丰富，矿山开采活动、矿石采选及冶炼所产生的废弃尾矿对该地区的土壤环境已经造成了一定的影响[38-39]。所以，采矿活动可能加重了密云水库地区表层土壤中PAHs的污染，并影响了该地区PAHs成分组成。
2.3 北京市不同功能区表层土壤PAHs来源识别
2.3.1 主成分分析结果
主成分分析作为一种多元统计工具被广泛使用，其可以将大数据集中的原始变量转换为有限的成分因子，有效地揭示原始变量之间的关系。主成分分析在环境研究方面得到了广泛的应用，其可以通过识别污染物之间的内在联系，从而有效判断环境中污染物的可能来源[40]。
在主成分分析中，输入变量为北京市表层土壤样品中16种PAHs单体的含量(未检出单体的含量按检出限50%处理)。由于北京市主城区、工业区以及居民区人类活动密度以及人为输入PAHs明显高于水源保护区及农业种植区，所以重点讨论以上三个功能区。分别对以上三个功能区表层土壤样品中16种PAHs单体含量采用主成分法提取主要成分因子，原始因子负荷系数经具有Kaiser标准化的最大方差法旋转后，最终三个功能区提取出特征值大于1的主要成分因子均为2个，分析结果如表 2所示。
表 2 北京市表层土壤中PAHs主成分载荷及累积方差Table 2. Component loading and cumulative variance of principal components for PAHs in topsoil of Beijing CityPAHs物质 主城区 工业区 居民区 PC1 PC2 PC1 PC2 PC1 PC2 萘 0.089 0.788 0.875 0.433 0.845 0.525 苊烯 0.229 0.858 0.265 0.918 0.855 0.517 苊 0.688 0.334 0.793 0.462 0.517 0.855 芴 0.841 0.211 0.294 0.888 0.517 0.855 菲 0.930 0.184 0.859 0.471 0.763 0.643 蒽 0.809 0.481 0.481 0.866 0.855 0.517 荧蒽 0.948 0.251 0.820 0.566 0.657 0.753 芘 0.940 0.258 0.759 0.632 0.625 0.778 苯并[a]蒽 0.973 0.175 0.462 0.885 0.654 0.745 䓛 0.974 0.183 0.931 0.351 0.512 0.847 苯并[b]荧蒽 0.964 0.214 0.944 0.323 0.864 0.474 苯并[k]荧蒽 0.979 0.176 0.318 0.944 0.579 0.808 苯并[a]芘 0.978 0.173 0.363 0.926 0.781 0.606 茚并[1, 2, 3-c, d]芘 0.969 0.189 0.449 0.882 0.824 0.552 二苯并[a, h]蒽 0.941 0.117 0.626 0.373 0.855 0.517 苯并[g, h, i]苝 0.913 0.193 0.383 0.920 0.763 0.621 方差(%) 74.63 13.53 58.17 35.35 59.35 39.56 累积方差(%) 74.63 88.16 58.17 93.52 59.35 98.91 2.3.2 主城区表层土壤PAHs的来源分析
主城区表层土壤样品主成分分析结果表明，PC1和PC2所贡献的方差分别为74.63%和13.53%，两者累积方差高达88.16%，可用于分析该区域的PAHs来源。
除萘和苊烯两个轻环单体在第二因子(PC2)上具有高载荷外，其他单体均在第一因子(PC1)上呈现高载荷，尤其是中环和重环PAHs呈现高度统一。结合该区域实际情况，主城区是北京市人流量最大的区域，各种交通工具行驶过程中尾气的释放充当了该地区PAHs的主要来源，这与在PC1上呈现高载荷的高温燃烧产物包括芘、苯并[a]蒽、䓛、苯并[b]荧蒽、苯并[k]荧蒽、苯并[a]芘、茚并[1, 2, 3-c, d]芘、二苯并[a, h]蒽和苯并[g, h, i]苝是一致的，所以PC1代表了该区域PAHs的尾气排放源。与此同时，萘和苊烯是典型的石油泄漏产物[41]，表征了石油生产、储存、运输等过程中的PAHs泄漏和排放[15]，所以PC2明显指示了该区域PAHs的石油泄漏来源。总体上，北京市主城区PAHs的主要来源是由尾气排放和石油泄漏组成的交通释放源。
2.3.3 工业区表层土壤PAHs的来源分析
工业区分析结果表明，第一因子和第二因子(PC1和PC2)的方差贡献率分别为58.17%和35.35%，包含了原始数据信息的90%以上，因此用这2个因子来分析PAHs的来源比较可靠。
在PC1中，具有高载荷的单体为萘、苊、菲、荧蒽、芘、䓛、苯并[b]荧蒽、苯并[a]芘以及苯并[g, h, i]苝，其中菲、荧蒽、芘、䓛、苯并[b]荧蒽和苯并[a]芘都是典型的煤炭燃烧指示物[31-32]，因此判断PC1代表了煤炭燃烧源；在PC2中，占有高载荷的单体有苊烯、芴、蒽、苯并[a]蒽、苯并[k]荧蒽、苯并[a]芘、茚并[1, 2, 3-c, d]芘以及二苯并[a, h]蒽，而苯并[a]蒽、苯并[k]荧蒽、茚并[1, 2, 3-c, d]芘和二苯并[a, h]蒽等高分子量PAHs是高温燃烧的产物，尤其茚并[1, 2, 3-c, d]芘和二苯并[a, h]蒽是石油燃烧的标记物[33-34]，所以推测PC2指示了尾气排放源。
本研究的工业区包括北京市首钢工业区、东南郊工厂区以及大台煤矿区，其中首钢工业区内钢铁冶炼过程需要燃烧大量的煤炭来提供足够的热量，以及东南郊工厂区一些化学产品的生产也需要煤炭充当燃料，所以煤炭燃烧是这一区域PAHs的主要来源之一。与此同时，工厂内原料和产品例如钢铁、化工品和燃煤等的运输又离不开各种大型车辆，这些交通工具排放出的尾气又构成了该地区PAHs另一个不可忽略的来源——尾气排放源。所以，北京市工业区表层土壤中PAHs的主要来源有煤炭燃烧以及尾气排放源。
2.3.4 居民区表层土壤PAHs的来源分析
居民区分析结果中，PC1和PC2所贡献的方差分别为59.35%和39.56%，两者累积方差高达98.91%，显然适用于分析该区域的PAHs来源。
在PC1上具有高载荷的单体为萘、苊烯、菲、蒽、苯并[b]荧蒽、苯并[a]芘、茚并[1, 2, 3-c, d]芘、二苯并[a, h]蒽和苯并[g, h, i]苝。同理，这些单体的组合特征表明PC1是尾气排放源。在PC2上呈现高载荷的单体有苊、芴、荧蒽、芘、苯并[a]蒽、䓛以及苯并[k]荧蒽，其中荧蒽、芘和䓛是典型的天然气燃烧指示物[42-43]，所以PC2代表了居民区表层土壤中PAHs的另一来源——天然气燃烧。居民区人类出行活动多，汽车排放的尾气自然是该地区PAHs的重要来源。同时，居民在室内的烹饪等活动离不开天然气的使用[44-45]，北京市天然气的年消耗量也是呈明显上升趋势，占能源消耗总量的比重从2010年的14.58%一直增加到2019年的34.01%[23]。所以，北京市居民区PAHs的主要来源由交通释放源和天然气燃烧组成。
2.4 北京市不同功能区表层土壤PAHs各来源贡献率
2.4.1 多元线性回归分析结果
线性回归分析是常用的数据分析方法之一，可以根据已得的试验结果来建立统计模型，并研究变量间的相关关系，从而建立起变量间关系的经验公式[46-47]。当根据试验结果判断与因变量有关的自变量不只一个时，则采用多元线性回归法。在前文主成分分析的基础上，利用多元线性回归分析进一步定量北京市不同功能区表层土壤中PAHs各来源的贡献值。多元线性回归中，SPSS默认对每个回归变量中的数据标准化后，再进行逐步回归，最终每个变量PCi都会得到相对应的系数(Ci)，∑16PAHs的标准化偏差(Z)的方程如表 3所示。然后，通过展开∑16PAHs的标准化偏差并且重新排列项，得到不同功能区表层土壤中PAHs总量的多元线性回归方程如表 4所示。此时，单个来源(PCi)的贡献率(%)可以由以下方程得出：
$ {\rm{PC}}_{i}贡献率=(C_{i}/∑C_{i})×100\% $
表 3 北京市表层土壤中PAHs多元线性回归分析的结果方程Table 3. Resulting equations of multiple linear regression for PAHs in topsoil of Beijing City北京市 Z R2 主城区 0.971PC1+0.221PC2 0.991 工业区 0.871PC1+0.487PC2 0.997 居民区 0.752PC1+0.659PC2 1.000 表 4 北京市不同功能区表层土壤中PAHs多元线性回归方程Table 4. Multiple linear regression equations for PAHs in topsoil of different functional areas in Beijing City北京市 PAHs总量(∑16PAHs) 主城区 0.971σPAHPC1+0.221σPAHPC2+mean∑16PAHs 工业区 0.871σPAHPC1+0.487σPAHPC2+mean∑16PAHs 居民区 0.752σPAHPC1+0.659σPAHPC2+mean∑16PAHs 注：PCi代表了北京市不同功能区表层土壤中PAHs的不同来源；σPAH和mean∑16PAHs分别代表不同功能区表层土壤中16种PAHs单体总量的标准偏差和平均值。 2.4.2 表层土壤PAHs各来源贡献率解析
通过以上分析，最终可以获得北京市不同功能区表层土壤中PAHs各来源的贡献率。北京市主城区表层土壤PAHs的主要来源中，尾气排放源贡献率很高，达到了81.46%，而石油泄漏则贡献了相对较小一部分(18.54%)。工业区表层土壤中PAHs的主要来源有煤炭燃烧以及交通释放源，其中煤炭燃烧的贡献率高达62.65%，而交通释放源的贡献率则为37.35%。与此同时，北京市居民区表层土壤中PAHs的来源中交通释放源依旧承担了较多的贡献率(53.30%)，而天然气燃烧来源贡献率(46.70%)也是不容忽视的一部分。因此，可以看出，北京市不同功能区土壤环境中PAHs的来源存在一定的差异性，显然在人类活动密集的区域，尾气排放源始终是土壤环境中PAHs的主要来源之一。
3. 结论
本研究针对北京市主城区、工业区、农业种植区、水源保护区以及居民区等不同功能区进行了分区采样，获得不同功能区表层土壤16种PAHs含量及组成特征。其中工业区(大台煤矿区除外)表层土壤中PAHs的含量明显高于其他功能区以及主城区。与前人研究对比，本研究揭示北京市表层土壤中PAHs的含量总体呈下降趋势，这与近些年北京市能源结构变化有关，随着煤炭能源减少、天然气等清洁能源增加，减少了PAHs排放。不同功能区PAHs成分组成存在一定的差异，工业区重环以及中环PAHs占比高，而居民区、农业种植区以及水源保护区的轻环PAHs占比要高于工业区，这与PAHs的来源有关，初始排放源的不同以及二次源的输入都会对其成分组成造成一定的影响。主成分分析-多元线性回归分析结果表明主城区PAHs的主要来源是尾气排放以及石油泄漏，贡献率分别为81.46%和18.54%；工业区表层土壤中PAHs的主要来源有煤炭燃烧以及尾气排放，贡献率分别为62.65%和37.35%；居民区PAHs的主要来源有尾气排放源和天然气燃烧源，贡献率分别为53.30%和46.70%。总体来看，北京市土壤环境中PAHs最重要的来源为车辆尾气的排放。建议进一步加强北京市交通管制，继续缩减煤炭在北京地区能源结构中的比重，增加清洁能源比重，从而有效减少PAHs排放。
本研究初步掌握了北京市不同功能区表层土壤PAHs含量及组成特征，并定量解析了PAHs的主要贡献来源，成果可以为北京市生态环境保护、能源结构优化等方面的政策制定提供技术支撑。受研究工作周期约束，本研究并没有开展不同功能区的土壤PAHs垂向分布特征研究，还难以全面反映北京市各功能区的土壤PAHs现状，仍需深入开展不同功能区表层和深层土壤PAHs含量特征的分析研究，以完善相关结论。
-
![]()
图 1 白云鄂博主、东矿区地质及构造分布图(据文献[27]修改)
1—第四系；2—白垩系固阳组；3—长城系尖山组；4—长城系都拉哈拉组；5—新太古界乌拉山群；6—二叠纪二长花岗岩；7—黑云母花岗闪长岩；8—中元古代白云石碳酸岩；9—花岗岩脉；10—石英斑岩脉；11—闪长岩/闪长玢岩脉；12—碳酸岩脉；13—碱性岩脉；14—钠闪石岩脉；15—钠辉石、钠闪石碱性岩脉；16—铁矿化体；17—实测或推测性质不明断层；18—断层序号。
Figure 1. Geological and structural map of the main and east orebodies in the Bayan Obo deposit (Modified after Reference [27])
![]()
图 3 矿物单偏光下图片及EPMA测试点位置
a、b分别为与独居石、氟碳钙铈矿、磷灰石共生的板柱状铌钇矿及对应测试点；c、d为与独居石、氟碳钙铈矿、磷灰石共生的针柱状铌铁矿及对应测试点；e、f为富锰环境下的铌锰矿及对应测试点；g、h为与霓石、氟碳铈钡矿共生的黑紫色萤石及对应测试点；i、j为包裹于铈磷灰石中的方钍石及对应测试点；k、l为针柱状富铌易解石及对应测试点。
Ap—磷灰石；Aeg—霓石；Aes—Y-富钇易解石；Bri—铈磷灰石；Ceb—氟碳铈钡矿；Col—铌铁矿；Dol—Mn-锰白云石；Fl—萤石；Hem—赤铁矿；Hu—硅镁石；Mag—磁铁矿；Mnz—独居石；Par—氟碳钙铈矿；Sam—铌钇矿；Sd—菱铁矿；Tho—方钍石。Figure 3. Pictures of minerals under single polarized light and location of EPMA test points
表 1 不同矿物中Sc2O3平均含量
Table 1 Average content of Sc2O3 in different minerals
矿物种类 序号 矿物名称 采样位置 测试点数量(个) Sc2O3平均含量(%) 同一矿物大类中Sc2O3平均含量 卤化物 1 黑紫色萤石 主矿 7 0.181 0.181 铁、锰氧化物 2 磁铁矿 东矿 3 0.005 0.001 3 赤铁矿 主矿 3 ND 4 钛铁矿 主矿 3 ND 5 红钛锰矿 主矿 3 ND 普通氧化物 6 金红石 主矿 3 ND ND 7 石英 西矿 3 ND 铌铁钍稀有氧化物 8 方钍石 东部接触带 3 0.145 1.036 9 铌铁矿 主矿 5 1.263 10 铌钇矿 主矿 3 2.485 11 铌锰矿 主矿 5 0.251 钛铌酸盐的复杂氧化物 12 褐钇铌矿 东矿 4 0.067 0.047 13 褐铈铌矿 东矿 7 0.008 14 易解石 主矿 9 ND 15 富钇易解石 主矿 3 0.124 16 铌钙矿 东部接触带 6 0.031 17 黄绿石 东部接触带 4 0.049 氟碳酸盐 18 氟碳铈矿 主矿 9 0.028 0.014 19 氟碳钙铈矿 主矿 3 ND 磷酸盐 20 独居石 主矿 10 0.023 0.025 21 磷灰石 主矿 6 0.028 22 铈硅磷灰石 东矿 15 0.025 岛状硅酸盐 23 铁钍石 主矿 3 0.060 0.024 24 硅镁石 东部接触带 10 0.011 25 榍石 东部接触带 4 ND 硅氧双四面体硅酸盐 26 钡铁钛石 西矿 4 ND ND 27 硅钛铈矿 主矿 4 ND ND 28 褐帘石 主矿 4 ND ND 环状硅酸盐 29 包头矿 西矿 4 ND ND 链状硅酸盐 30 霓石 主矿 7 0.020 0.041 31 碱性角闪石 东矿 4 0.062 层状硅酸盐 32 黑云母 主矿 5 0.019 0.019 架状硅酸盐 33 钾长石 东部接触带 3 0.007 0.006 34 钠长石 东部接触带 3 0.004 注：表中“ND”表示未检出。 
下载: 导出CSV
表 2 6种主要富钪矿物EPMA测试结果
Table 2 EPMA data of six Sc-rich minerals
元素 铌钇矿(%) 铌铁矿(%) 铌锰矿(%) 黑紫色萤石(%) 方钍石(%) 富钇易解石(%) Sc2O3 3.093 2.158 2.205 1.696 1.614 1.471 1.443 0.089 0.145 0.193 0.187 0.235 0.496 0.294 0.271 0.053 0.307 0.289 0.043 0.011 0.195 0.173 0.067* 0.110 0.116 0.147 F - - - - - - - - - - - - - 46.508 47.021 47.833 47.046 48.334 48.121 47.950 0.061 0.011 0.152* ND ND 0.002 SrO ND ND ND 0.035 0.012 0.022 ND 1.985 ND ND ND ND ND 0.266 0.101 0.088 0.051 0.155 0.222 0.176 ND ND ND* ND 0.026 ND SiO2 0.095 0.178 0.394 1.335 1.282 1.032 1.377 1.058 0.025 0.027 0.016 0.030 0.030 ND ND ND ND ND ND ND 0.032 0.017 0.027* 5.475 5.316 3.139 Al2O3 ND ND ND 0.166 0.277 0.395 0.167 0.015 ND 0.011 ND ND ND 0.033 0.010 0.012 ND ND 0.005 0.001 ND ND - 0.053 0.050 0.100 La2O3 0.103 0.063 ND 0.079 0.053 ND 0.043 0.744 ND ND ND ND ND 0.006 0.021 ND 0.05 0.022 0.024 ND 0.057 0.101 0.077* ND ND ND CaO 0.573 0.642 0.912 1.816 1.647 0.928 1.413 1.383 0.058 0.070 0.037 0.113 0.057 67.641 69.074 68.337 68.08 67.907 68.621 69.336 ND 0.023 0.055* 3.618 3.417 3.607 Y2O3 12.587 13.778 12.102 4.107 2.418 4.322 4.703 0.059 0.665 0.614 0.285 0.314 0.480 0.869 0.175 0.088 0.069 0.079 0.097 0.064 0.016 ND ND 4.644 4.808 4.597 P2O5 0.031 0.036 0.079 0.130 0.105 0.207 0.079 0.011 ND 0.013 ND ND ND 0.029 0.042 0.012 0.009 0.036 0.017 0.012 0.019 0.007 0.046* 0.233 0.198 0.234 Eu2O3 0.466 0.073 0.255 0.575 0.196 0.398 0.514 0.212 0.585 0.403 0.494 0.468 0.435 0.022 ND 0.052 ND ND ND ND 0.053 ND - 0.826 0.555 0.797 Dy2O3 ND ND ND 1.885 1.376 1.607 1.787 1.203 ND ND ND ND ND 0.089 0.014 ND ND 0.004 0.068 0.016 ND ND ND 3.698 4.542 3.858 Er2O3 0.769 0.844 0.782 0.422 0.289 0.428 0.485 ND ND 0.178 0.104 0.031 0.155 0.025 ND 0.052 ND 0.011 ND ND ND ND - 0.176 0.857 0.723 Nb2O5 55.088 57.545 59.185 59.065 59.477 57.858 57.995 67.419 76.193 75.348 75.776 75.768 76.076 ND 0.005 ND ND ND ND ND ND ND ND 25.795 31.437 38.709 K2O - ND 0.002 ND 0.033 0.022 0.012 0.008 0.019 0.005 0.001 0.011 0.023 0.005 0.001 ND ND ND ND 0.004 0.023 0.059 - 2.566 0.096 0.026 BaO 0.811 0.604 0.761 1.151 1.312 0.913 1.034 0.575 0.097 0.030 0.469 0.329 0.109 0.406 0.624 ND 0.224 ND 0.027 ND ND ND ND 0.568 0.554 0.330 Ce2O3 0.854 0.457 0.446 0.766 0.678 1.123 1.397 2.302 0.319 0.319 ND 0.088 ND 0.978 0.200 ND 0.158 0.031 ND 0.003 0.461 0.865 0.578* 4.532 2.763 7.801 Tb2O3 ND ND ND ND 0.047 ND 0.012 ND ND 0.012 ND ND 0.058 0.285 0.168 0.091 ND 0.013 0.051 0.245 0.350 0.175 - 0.083 ND ND FeO 11.094 12.145 12.006 15.200 15.557 19.306 17.114 6.153 5.686 6.404 8.509 4.910 5.914 0.016 0.023 0.110 0.106 ND 0.058 0.010 0.008 ND ND 4.928 5.598 4.207 MnO 0.094 0.143 0.274 1.174 1.426 0.694 0.845 3.390 13.639 13.309 11.545 15.717 13.364 0.015 ND ND ND ND 0.018 0.026 ND 0.119 - 0.055 0.109 0.152 TiO2 1.974 1.307 1.601 2.510 2.105 1.418 1.601 0.648 1.902 2.094 1.938 0.935 1.480 ND 0.083 ND 0.071 0.035 ND ND ND ND - 17.029 17.529 13.936 Lu2O3 0.495 0.434 0.182 0.086 0.238 ND 0.158 ND 0.059 ND 0.118 ND ND ND 0.066 ND ND ND 0.087 ND 0.021 0.159 - 0.344 0.852 0.496 Yb2O3 0.100 0.206 0.142 ND ND ND 0.013 ND ND ND ND ND 0.182 0.108 0.094 0.087 0.058 ND ND ND ND ND - 0.387 0.387 0.246 Ho2O3 1.102 1.249 0.841 0.270 0.021 0.261 0.417 ND ND ND ND ND ND 0.008 ND ND ND ND 0.008 ND ND ND - 0.816 1.021 1.006 Na2O - - - - - - - - - - - - - 0.242 0.014 ND ND 0.049 ND 0.016 ND ND - ND ND ND MgO ND ND ND 0.145 0.224 0.06 0.096 3.467 0.385 0.453 0.562 0.411 0.332 ND 0.019 0.009 0.033 ND ND 0.020 ND ND - 0.037 0.04 0.004 Tm2O3 0.084 0 0.087 ND 0.106 ND ND ND ND 0.104 ND ND ND ND ND ND ND ND ND 0.006 ND ND - 0.172 ND ND Nd2O3 1.361 0.579 0.566 ND ND 0.169 0.039 ND ND ND ND ND ND ND ND ND 0.047 0.033 0.031 ND 0.098 0.059 0.056* 0.913 0.972 2.478 Pr2O3 0.105 0.086 0.119 ND 0.059 ND ND 0.219 ND ND 0.053 0.054 ND ND 0.032 ND ND 0.028 ND ND 0.161 ND 0.081* 0.166 0.098 0.305 Sm2O3 1.578 1.301 0.898 0.108 ND 0.377 0.372 0.018 0.013 0.074 0.117 0.058 ND 0.045 ND ND ND ND ND 0.049 0.064 0.071 0.035* 1.162 1.226 1.870 Gd2O3 2.070 2.038 1.618 ND ND ND ND ND ND ND ND ND ND 0.059 0.021 0.093 ND ND ND 0.001 ND ND - 1.309 1.519 1.696 UO2 ND ND ND ND ND ND ND 1.113 ND ND ND ND ND ND ND ND ND ND ND ND 1.626 1.588 1.342* 2.739 ND ND ThO2 0.444 0.287 0.549 1.112 1.262 1.390 1.570 0.150 ND ND ND 0.058 ND ND ND 0.001 0.006 0.034 ND 0.004 97.507 97.221 98.723* 3.422 3.218 1.678 PbO ND ND ND 0.686 1.441 1.052 0.789 ND ND ND ND ND ND ND 0.034 0.001 ND 0.008 0.004 0.007 0.207 0.226 - 0.139 0.257 0.322 Ta2O5 0.051 0.017 ND ND ND 0.022 0.006 0.141 0.044 0.055 0.098 0.098 0.005 0.138 ND 0.022 0.027 ND 0.016 ND ND 0.092 - ND ND ND Cl - 0.012 0.013 0.014 0.01 0.005 ND 0.001 0.009 ND 0.007 0.004 0.004 0.001 0.006 0.003 0.003 ND 0.003 0.004 ND ND - ND ND 0.004 总计 95.02 96.18 96.02 94.53 93.27 95.48 95.48 92.36 99.84 99.71 100.31 99.63 99.20 118.09 118.12 116.94 116.35 117.07 117.52 117.96 100.96 100.97 101.24* 86.00 87.56 92.47 注：表中“ND”表示未检出；“-”表示未检；标注“*”的一列数据在河北省区域地质矿产调查研究所测得，其余数据均在中国地质科学院矿产资源研究所测得。
下载: 导出CSV
表 3 34种矿物中各元素相关系数
Table 3 Correlation coefficients of correlation of elements in 34 minerals
组分 Sc2O3 Y2O3 ThO2 FeO ∑REE F SrO SiO2 Al2O3 CaO P2O5 K2O BaO MnO TiO2 Na2O MgO Nb2O5 UO2 PbO Ta2O5 Cl Sc2O3 1 Y2O3 0.835 1 ThO2 0.720 0.953 1 FeO -0.095 -0.406 -0.424 1 ∑REE -0.596 -0.519 -0.547 -0.524 1 F 0.748 0.965 0.997 -0.454 -0.519 1 SrO 0.530 0.885 0.881 -0.715 -0.168 0.894 1 SiO2 -0.025 -0.303 -0.377 0.920 -0.474 -0.410 -0.631 1 Al2O3 -0.612 -0.605 -0.576 -0.441 0.953 -0.556 -0.307 -0.419 1 CaO 0.731 0.960 0.998 -0.455 -0.519 1 0.897 -0.411 -0.556 1 P2O5 -0.606 -0.528 -0.550 -0.497 0.977 -0.523 -0.198 -0.457 0.947 -0.523 1 K2O -0.613 -0.510 -0.588 -0.424 0.943 -0.559 -0.171 -0.374 0.831 -0.557 0.953 1 BaO 0.026 0.508 0.693 -0.318 -0.341 0.647 0.639 -0.301 -0.350 0.668 -0.322 -0.356 1 MnO -0.622 -0.556 -0.576 -0.495 0.999 -0.549 -0.208 -0.457 0.962 -0.548 0.977 0.937 -0.353 1 TiO2 0.869 0.972 0.959 -0.412 -0.527 0.975 0.840 -0.368 -0.561 0.968 -0.535 -0.569 0.462 -0.558 1 Na2O 0.711 0.954 0.999 -0.457 -0.516 0.998 0.899 -0.412 -0.553 0.999 -0.520 -0.556 0.691 -0.546 0.960 1 MgO -0.051 -0.334 -0.368 0.946 -0.509 -0.405 -0.654 0.983 -0.429 -0.406 -0.512 -0.450 -0.266 -0.487 -0.372 -0.405 1 Nb2O5 0.716 0.956 0.999 -0.455 -0.519 0.999 0.898 -0.411 -0.556 1 -0.523 -0.557 0.686 -0.548 0.962 1 -0.404 1 UO2 0.109 0.530 0.724 -0.535 -0.172 0.693 0.662 -0.505 -0.116 0.708 -0.123 -0.259 0.909 -0.185 0.541 0.726 -0.482 0.721 1 PbO -0.400 -0.478 -0.388 -0.253 0.609 -0.386 -0.376 -0.228 0.797 -0.387 0.694 0.463 -0.217 0.625 -0.384 -0.384 -0.245 -0.386 0.121 1 Ta2O5 -0.337 -0.508 -0.452 0.495 -0.077 -0.447 -0.519 0.147 -0.040 -0.447 -0.01 0.044 -0.295 -0.043 -0.424 -0.451 0.195 -0.447 -0.389 -0.044 1 Cl 0.238 -0.038 -0.009 0.509 -0.510 0.004 -0.238 0.176 -0.454 -0.005 -0.483 -0.450 -0.228 -0.485 0.087 -0.018 0.251 -0.012 -0.310 -0.343 0.804 1
下载: 导出CSV
-
朱凯, 王祝堂. 钪的研究进展及其在铝合金中的应用[J]. 轻合金加工技术, 2021, 49(2): 1-10. https://www.cnki.com.cn/Article/CJFDTOTAL-QHJJ202102001.htm Zhu K, Wang Z T. Research progress of Sc and its application in aluminum alloys[J]. Light Alloy Fabrication Technology, 2021, 49(2): 1-10. https://www.cnki.com.cn/Article/CJFDTOTAL-QHJJ202102001.htm
李力, 姜锋, 李汉广. 新世纪钪的应用开发和科技发展前景[J]. 稀有金属与硬质合金, 2002(3): 38-41. doi: 10.3969/j.issn.1004-0536.2002.03.011 Li L, Jiang F, Li H G. The trend of application and development of scandium in the new century[J]. Rare Metals and Cemented Carbides, 2002(3): 38-41. doi: 10.3969/j.issn.1004-0536.2002.03.011
董方, 高利坤, 陈龙, 等. 钪的资源及回收提取技术发展现状[J]. 矿产综合利用, 2016(4): 21-26. doi: 10.3969/j.issn.1000-6532.2016.04.005 Dong F, Gao L K, Chen L, et al. Scandium resources and status of scandium extraction and recycling technology[J]. Multipurpose Utilization of Mineral Resources, 2016(4): 21-26. doi: 10.3969/j.issn.1000-6532.2016.04.005
赵宏军, 陈秀法, 李娜, 等. 全球钪资源供需分析及对策建议[J]. 中国矿业, 2019, 28(4): 57-62. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGKA201904011.htm Zhao H J, Chen X F, Li N, et al. Analysis of global distribution of scandium resources supply and demand status and suggestions[J]. China Mining Magazine, 2019, 28(4): 57-62. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGKA201904011.htm
Giovanni M, Roberto B, Erwan G, et al. Geochemistry of the apulian allochthonous karst bauxite, southern Italy: Distribution of critical elements and constraints on Late Cretaceous Peri—Tethyan palaeogeography[J]. Ore Geology Reviews, 2016, 77: 246-259. doi: 10.1016/j.oregeorev.2016.03.002
Rudnick R L, Gao S. Composition of the continental crust, in Turekian and Holland[M]. Oxford: Elsevier, 2014: 1-51.
Williams-Jones A E, Vasyukova O V. The economic geology of scandium, the runt of the rare earth element litter[J]. Economic Geology, 2018, 113(4): 973-988. doi: 10.5382/econgeo.2018.4579
陶旭云, 王佳新, 孙嘉, 等. 钪矿床主要类型与成矿机制[J]. 矿床地质, 2019, 38(5): 1023-1038. https://www.cnki.com.cn/Article/CJFDTOTAL-KCDZ201905005.htm Tao X Y, Wang J X, Sun J, et al. Main types and metallogenic mechanism of scandium deposits[J]. Mineral Deposits, 2019, 38(5): 1023-1038. https://www.cnki.com.cn/Article/CJFDTOTAL-KCDZ201905005.htm
Wang Z C, Li M Y L, Liu Z R, et al. Scandium: Ore deposits, the pivotal role of magmatic enrichment and future exploration[J]. Ore Geology Reviews, 2021, 128: 103906. doi: 10.1016/j.oregeorev.2020.103906
王佳媛, 郭静粉, 袁志宝. 各类钪矿床中钪的赋存特征与研究前景[J]. 中国资源综合利用, 2019, 37(6): 71-73. doi: 10.3969/j.issn.1008-9500.2019.06.023 Wang J Y, Guo J F, Yuan Z B. Occurrence characteristics and research prospects of scandium invarious types of scandium deposits[J]. China Resources Comprehensive Utilization, 2019, 37(6): 71-73. doi: 10.3969/j.issn.1008-9500.2019.06.023
肖军辉, 王进明, 王振. 川西含钪稀土矿中钪的赋存状态研究[J]. 稀土, 2018, 39(2): 40-47. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ201802006.htm Xiao J H, Wang J M, Wang Z. Study on occurrence state of scandium of scandium-containing rare earth ore in western of Sichuan Province[J]. Chinese Rare Earths, 2018, 39(2): 40-47. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ201802006.htm
郭彩莲, 成来顺, 宁新霞, 等. 陕西省洋县毕机沟钒钛磁铁矿中钪的赋存状态研究[J]. 矿产保护与利用, 2020, 40(5): 54-61. https://www.cnki.com.cn/Article/CJFDTOTAL-KCBH202005009.htm Guo C L, Cheng L S, Ning X X, et al. Study on the occurence state of scandium in Bijigou vanadium-titanium magnetite in Yang County, Shaanxi Province[J]. Conservation and Utilization of Mineral Resources, 2020, 40(5): 54-61. https://www.cnki.com.cn/Article/CJFDTOTAL-KCBH202005009.htm
李春龙, 李小钢, 徐广尧. 白云鄂博共伴生矿资源综合利用技术开发与产业化[J]. 稀土, 2015, 36(5): 151-158. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ201505030.htm Li C L, Li X G, Xu G Y. Technology development and industrialization of resources comprehensive utilization of intergrowth and associated ore in Baiyun Obo[J]. Chinese Rare Earths, 2015, 36(5): 151-158. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ201505030.htm
刘璞, 卢虎生, 王路, 等. 稀土资源投资决策研究——以白云鄂博氧化钪为例[J]. 稀土, 2021, 42(4): 148-158. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ202104019.htm Liu P, Lu H S, Wang L. Research on investment decisions of rare earth resources-taking scandium oxide of Bayan Obo mine as an example[J]. Chinese Rare Earths, 2021, 42(4): 148-158. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ202104019.htm
Li B W, Deng L B, Zhang X F, et al. Structure and perfor-mance of glass-ceramics obtained by Bayan Obo tailing and fly ash[J]. Journal of Non-Crystalline Solids, 2013, 380: 103-108.
梁有彬. 白云鄂博矿床中钪的分布特征及综合利用问题[J]. 稀土, 1986, 7(6): 54-56. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ198606011.htm Liang Y B. Distribution characteristics and compre-hensive utilization of scandium in Bayan Obo deposit[J]. Chinese Rare Earths, 1986, 7(6): 54-56. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ198606011.htm
赵长有. 白云鄂博钪[J]. 包钢科技, 1987(4): 1-4. https://www.cnki.com.cn/Article/CJFDTOTAL-BGKJ198704000.htm Zhao C Y. Scandium in Bayan Obo[J]. Science & Technology of Baotou Steel, 1987(4): 1-4. https://www.cnki.com.cn/Article/CJFDTOTAL-BGKJ198704000.htm
中国科学院地球化学研究所. 白云鄂博矿床地球化学[M]. 北京: 科学出版社, 1988: 316-320. Institute of Geochemistry, Chinese Academy of Sciences. Geochemistry of Bayan Obo deposit[M]. Beijing: Science Press, 1988: 316-320.
Shimazaki H, Yang Z M, Miyawaki R, et al. Scandium-bearing minerals in the Bayan Obo Nb-REE-Fe deposit, Inner Mongolia, China[J]. Resource Geology, 2008, 58(1): 80-86.
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
李超, 王登红, 屈文俊, 等. 关键金属元素分析测试技术方法应用进展[J]. 岩矿测试, 2020, 39(5): 658-669. doi: 10.15898/j.cnki.11-2131/td.201907310115 Li C, Wang D H, Qu W J, et al. A review perspective on analytical methods of critical metal elements[J]. Rock and Mineral Analysis, 2020, 39(5): 658-669. doi: 10.15898/j.cnki.11-2131/td.201907310115
王芳, 朱丹, 鲁力, 等. 应用电子探针分析技术研究某铌-稀土矿中铌和稀土元素的赋存状态[J]. 岩矿测试, 2021, 40(5): 670-679. doi: 10.15898/j.cnki.11-2131/td.202006090086 Wang F, Zhu D, Lu L, et al. Occurrence of niobium and rare earth elements in related ores by electron microprobe[J]. Rock and Mineral Analysis, 2021, 40(5): 670-679. doi: 10.15898/j.cnki.11-2131/td.202006090086
李小犁, 陶仁彪, 李清云, 等. 石榴子石Fe3+含量电子探针原位分析: Flank Method方法的实例应用[J]. 岩石学报, 2019, 35(4): 1058-1070. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB201904005.htm Li X L, Tao R B, Li Q Y, et al. Microprobe analysis of ferric iron in garnet: The Flank Method and case application[J]. Acta Petrologica Sinica, 2019, 35(4): 1058-1070. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB201904005.htm
万建军, 潘春蓉, 严杰, 等. 应用电子探针-扫描电镜研究陕西华阳川铀稀有多金属矿床稀土矿物特征[J]. 岩矿测试, 2021, 40(1): 145-155. doi: 10.15898/j.cnki.11-2131/td.202005060009 Wan J J, Pan C R, Yan J, et al. EPMA-SEM study on the rare earth minerals from the Huayangchuan uranium rare polymetallic deposit, Shaanxi Province[J]. Rock and Mineral Analysis, 2021, 40(1): 145-155. doi: 10.15898/j.cnki.11-2131/td.202005060009
章雨旭, 吕洪波, 王俊, 等. 白云鄂博矿床成矿构造环境分析[J]. 地质学报, 2012, 86(5): 767-774. https://www.cnki.com.cn/Article/CJFDTOTAL-DZXE201205011.htm Zhang Y X, Lyu H B, Wang J, et al. Analysis of ore-forming tectonic settings of the Bayan Obo REE deposit[J]. Acta Geologica Sinica, 2012, 86(5): 764-774. https://www.cnki.com.cn/Article/CJFDTOTAL-DZXE201205011.htm
Smith M P, Campbell L S, Kynicky J. A review of the genesis of the world class Bayan Obo Fe-REE-Nb deposits, Inner Mongolia, China: Multistage processes and outstanding questions[J]. Ore Geology Reviews, 2015, 64: 459-476.
柯昌辉, 孙盛, 赵永岗, 等. 内蒙古白云鄂博超大型稀土-铌-铁矿床控矿构造特征及深部找矿方向[J]. 地质通报, 2021, 40(1): 95-109. https://www.cnki.com.cn/Article/CJFDTOTAL-ZQYD202101010.htm Ke C H, Sun S, Zhao Y G, et al. Ore-controlling structure and deep prospecting of the Bayan Obo large-saized REE-Nb-Fe ore deposit, Inner Mongolia[J]. Geological Bulletin of China, 2021, 40(1): 95-109. https://www.cnki.com.cn/Article/CJFDTOTAL-ZQYD202101010.htm
Zhai M G, Santosh M, Zhang L. Precambrian geology and tectonic evolution of the North China Craton[J]. Gondwana Research, 2011, 20(1): 1-5.
谢玉玲, 曲云伟, 杨占峰, 等. 白云鄂博铁、铌、稀土矿床: 研究进展、存在问题和新认识[J]. 矿床地质, 2019, 38(5): 983-1003. https://www.cnki.com.cn/Article/CJFDTOTAL-KCDZ201905003.htm Xie Y L, Qu Y W, Yang Z F, et al. Giant Bayan Obo Fe-Nb-REE deposit: Progresses, controversaries and new understandings[J]. Mineral Deposits, 2019, 38(5): 983-1003. https://www.cnki.com.cn/Article/CJFDTOTAL-KCDZ201905003.htm
刘敬国, 柳建勇. 论白云鄂博铁矿资源潜力与今后地质工作方向[J]. 包钢科技, 2007(4): 9-14. Liu J G, Liu J Y. Discussion on the resources potential of Baiyunebo iron mine and the future work direction[J]. Science & Technology of Baotou Steel, 2007(4): 9-14.
王凯怡, 张继恩, 方爱民, 等. 白云鄂博矿床成因——矿体内霓长岩化成矿作用与赋矿白云岩的联系[J]. 岩石学报, 2018, 34(3): 785-798. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB201803016.htm Wang K Y, Zhang J E, Fang A M, et al. Genesis of the Bayan Obo deposit, Inner Mongolia: The fenitized mineralization in the ore bodies and its relation to the ore-bearing dolomite[J]. Acta Petrologica Sinica, 2018, 34(3): 785-798. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXB201803016.htm
张培善, 陶克捷. 白云鄂博矿物学[M]. 北京: 科学出版社, 1986: 3-37. Zhang P S, Tao K J. Mineralogy of Bayan Obo[M]. Beijing: Geological Publishing House, 1986: 3-37.
张培善, 陶克捷, 杨主明, 等. 中国稀土矿物学[M]. 北京: 科学出版社, 1998: 1-19. Zhang P S, Tao K J, Yang Z M, et al. Rare earth mineralogy in China[M]. Beijing: Science Press, 1998: 1-19.
徐金沙, 李国武, 沈敢富. 首次在白云鄂博铁矿发现的矿物种述评[J]. 地质学报, 2012, 86(5): 842-848. https://www.cnki.com.cn/Article/CJFDTOTAL-DZXE201205019.htm Xu J S, Li G W, Shen G F. Commentary on mineral species first found in the Bayan Obo iron mine[J]. Acta Geologica Sinica, 2012, 186(5): 842-848. https://www.cnki.com.cn/Article/CJFDTOTAL-DZXE201205019.htm
段威, 唐文春, 熊观, 等. 川北硅质岩型铼多金属矿铼的赋存状态[J]. 矿物学报, 2021, 41(3): 271-276. https://www.cnki.com.cn/Article/CJFDTOTAL-KWXB202103005.htm Duan W, Tang W C, Xiong G, et al. A study on the occurrence of rhenium in the siliceous rock-type Re polymetallic deposit in the northern Sichuan, China[J]. Acta Mineralogica Sinica, 2021, 41(3): 271-276. https://www.cnki.com.cn/Article/CJFDTOTAL-KWXB202103005.htm
曾广圣, 欧乐明. X射线衍射-扫描电镜等技术研究秘鲁铜硫矿石选矿工艺矿物学特征[J]. 岩矿测试, 2019, 38(2): 160-168. doi: 10.15898/j.cnki.11-2131/td.201804130042 Zeng G S, Ou L M. Study on mineralogical characteristics of Peru copper-sulphur ore dressing process by X-ray diffraction and scanning electron microscope[J]. Rock and Mineral Analysis, 2019, 38(2): 160-168. doi: 10.15898/j.cnki.11-2131/td.201804130042
李东育. 红格钒钛磁铁矿中钪的地球化学特征——兼论选矿流程中钪的分布[D]. 成都: 成都理工大学, 2017: 1-5. Li D Y. Geochemical characteristics of scandium in Hongge vanadium titanium magnetite-distribution of scandium in beneficiation progress[D]. Chengdu: Chengdu University of Technology, 2017: 1-5.
李军敏, 丁俊, 尹福光, 等. 渝南申基坪铝土矿矿区钪的分布规律及地球化学特征研究[J]. 沉积学报, 2012, 30(5): 909-918. https://www.cnki.com.cn/Article/CJFDTOTAL-CJXB201205016.htm Li J M, Ding J, Yin F G, et al. Regularities of distribution and geochemical characteristics of Sc in bauxite of Shenjiping mine, southern Chongqing[J]. Acta Sedimentologica Sinica, 2012, 30(5): 909-918. https://www.cnki.com.cn/Article/CJFDTOTAL-CJXB201205016.htm
惠博, 陈晓青, 赵开乐, 等. 某斑岩型铜矿中Sc的赋存状态及对选矿工艺的影响[J]. 矿物学报, 2016, 36(3): 423-428. https://www.cnki.com.cn/Article/CJFDTOTAL-KWXB201603016.htm Hui B, Chen X Q, Zhao K L, et al. A study on occurrence state of scandium in a porphyry copper ore and its influence on the mineral processing technology[J]. Acta Mineralogica Sinica, 2016, 36(3): 423-428. https://www.cnki.com.cn/Article/CJFDTOTAL-KWXB201603016.htm
范亚洲, 周伟, 王子玺, 等. 稀散元素Sc的矿床类型及找矿前景[J]. 西北地质, 2014, 47(1): 234-243. https://www.cnki.com.cn/Article/CJFDTOTAL-XBDI201401025.htm Fan Y Z, Zhou W, Wang Z X, et al. The types of rare and disperse scandium deposits and prospecting potential[J]. Northwestern Geology, 2014, 47(1): 234-243. https://www.cnki.com.cn/Article/CJFDTOTAL-XBDI201401025.htm
许延辉. 包头白云鄂博资源中铌、钪提取技术取得突破[J]. 稀土信息, 2012(3): 29. https://www.cnki.com.cn/Article/CJFDTOTAL-XTXX201203026.htm Xu Y H. Breakthrough in extraction technology of niobium and scandium from Bayan Obo resources in Baotou[J]. Rare Earth Information, 2012(3): 29. https://www.cnki.com.cn/Article/CJFDTOTAL-XTXX201203026.htm
赵昉, 胡振琪, 车丽萍. 乳状液膜法提取白云鄂博矿床中钪的试验研究[J]. 稀土, 2010, 31(2): 89-92. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ201002025.htm Zhao F, Hu Z Q, Che L P. Extracting Sc3+ using liquid membrane emulsion technology[J]. Chinese Rare Earths, 2010, 31(2): 89-92. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ201002025.htm
马媛. 萤石标型及其对不同成矿作用的标识[D]. 北京: 中国地质大学(北京), 2018: 1-9. Ma Y. Typomorphic characteristics of the fluorite as indicators of different mineralizations[D]. Beijing: China University of Geosciences (Beijing), 2018: 1-9.
杨育富. 湖南香花岭矽卡岩中不同颜色萤石的特征及成因[D]. 桂林: 桂林理工大学, 2019: 15-16. Yang Y F. Characteristics and origin of the fluorite with different colors in Xiangkaling skarn, Hunan[D]. Guiling: Guilin University of Technology, 2019: 15-16.
于俊芳. 白云鄂博含萤石矿石类型及萤石纯净度分析[D]. 北京: 中国地质大学(北京), 2020: 1-4, 29-44. Yu J F. Different ore types and analysis of fluorite purity in Bayan Obo[D]. Beijing: China University of Geosciences (Beijing), 2020: 1-4, 29-44.
刘铁庚, 赵云龙, 李新安. 辐射损伤与萤石颜色的初步研究[J]. 矿物学报, 1983(4): 300-303, 326. https://www.cnki.com.cn/Article/CJFDTOTAL-KWXB198304010.htm Liu T G, Zhao Y L, Li X A. Preliminary study of the relationship between irradiation damage and fluorite colour[J]. Acta Mineralogica Sinica, 1983(4): 300-303, 326. https://www.cnki.com.cn/Article/CJFDTOTAL-KWXB198304010.htm
李丹煜, 杨莉, 王金龙, 等. 白云鄂博萤石分布特征及放射性钍元素的影响[J]. 包钢科技, 2020, 46(3): 6-9. https://www.cnki.com.cn/Article/CJFDTOTAL-BGKJ202003003.htm Li D Y, Yang L, Wang J L, et al. Distribution characteristics of fluorite and effects of radioactive element thorium in Bayan Obo deposit[J]. Science & Technology of Baotou Steel, 2020, 46(3): 6-9. https://www.cnki.com.cn/Article/CJFDTOTAL-BGKJ202003003.htm
杨莉, 王昭静, 杨波, 等. 白云鄂博矿床钍的赋存状态及其对周边矿物的影响[J]. 稀土, 2021, 42(4): 52-62. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ202104008.htm Yang L, Wang Z J, Yang B, et al. Occurrence state of thorium and its influence on surrounding minerals in Bayan Obo deposit[J]. Chinese Rare Earths, 2021, 42(4): 52-62. https://www.cnki.com.cn/Article/CJFDTOTAL-XTZZ202104008.htm
-
期刊类型引用(7)
1. 贾趵，赵宇，鲜成钢，余凯，曹炜，贾文峰，左玄. 超低渗致密砂岩和页岩储层渗流能力瞬态法评价进展. 石油科学通报. 2024(04): 659-678 . 
百度学术
2. 邵国勇，熊伟，沈瑞，杨懿，尚祯浩，王国栋，余昊. CT扫描技术在页岩油气储层微观结构表征中的应用进展. 应用化工. 2023(06): 1785-1789+1799 . 百度学术
3. 刘苗苗，付小平，谢佳彤. 四川盆地中侏罗统页岩储层特征及其影响因素. 断块油气田. 2023(06): 905-913 . 百度学术
4. 张迪. 川中地区大安寨段储层特征分析. 西部探矿工程. 2022(04): 51-53 . 百度学术
5. 翁剑桥，李夏伟，戚明辉，张烨毓，王禹，张伟. 四川盆地龙马溪组页岩孔隙度实验方法分析. 岩矿测试. 2022(04): 598-605 . 本站查看
6. 陈维堃，腾格尔，张春贺，方镕慧，张聪，白名岗，王梓，夏响华. 页岩纳米有机孔结构表征技术研究进展. 岩矿测试. 2022(06): 906-919 . 本站查看
7. 张聪，韩慧萍，王艳红，方镕慧，陈维堃，李志伟，董虎，田迎春，罗军，张云波. 基于数据共享的油气钻井岩心数字分析系统. 东北石油大学学报. 2022(06): 88-99+150-151 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 373
- HTML全文浏览量: 265
- PDF下载量: 50
- 被引次数: 9
京公网安备 11010202008159号