Quantitative Identification of Detrital Minerals by Mineral Characteristic Automatic Analysis System and Error Analysis with Traditional Microscopic Identification
-
摘要:
碎屑矿物分析被广泛应用于沉积物物源和物质扩散研究中，对分析沉积动力环境和海洋动力特征方面具有重要意义，然而长期以来碎屑矿物数据的获取主要以光学显微镜为工具，依靠人工鉴定来完成，工作量大、效率低。为使科研人员及时获得科学有效的矿物鉴定数据，本文基于热场发射扫描电镜-X射线能谱仪，利用矿物特征自动定量分析系统(简称AMICS)，运用矿物表面微形貌观察和化学成分分析技术，通过实测数据自主建立的一套碎屑矿物标准库为分类依据，实现了对碎屑矿物的定量识别。AMICS系统对第一个样品共识别出矿物种类25种，人工实体显微镜-偏光显微镜法鉴定出25种；AMICS系统对第二个样品共识别出矿物种类26种，人工实体显微镜-偏光显微镜法鉴定出27种，两种方法鉴定出的碎屑矿物种类基本相同，且每一种矿物含量的误差绝对值均小于5%。该系统识别氧化物(褐铁矿、铬铁矿等)，磷酸盐(磷灰石等)，硫酸盐(重晶石等)，硫化物(黄铁矿等)，碳酸盐(方解石、白云石等)，部分硅酸盐(锆石、榍石、橄榄石、石英、钾长石、钠长石、石榴石族等)相对准确，但仅依靠矿物化学成分很难准确识别同质多象和类质同象系列碎屑矿物，层状硅酸盐矿物在制样时容易逐层脱落的问题需要进一步解决。
-
关键词:
- 矿物特征自动定量分析系统(AMICS) /
- 背散射法 /
- 碎屑矿物 /
- 扫描电镜-能谱仪
Abstract:The analysis of detrital minerals is widely used in the study of sediment sources and material diffusion, and is of great significance in analyzing sedimentary dynamic environment and oceanic dynamic characteristics. However, for a long time, the acquisition of detrital mineral data has relied mainly on optical microscopes as tools and manual identification, which is labor-intensive and inefficient. In order to obtain scientific and effective mineral identification data in a timely fashion, a thermal field emission scanning electron microscopy with energy dispersive spectroscopy attached and an automated mineral identification and characterization system (AMICS) were used. For the first sample, 25 mineral species were identified by the AMICS system and 25 mineral species were identified by artificial identification with stereomicroscope and polarizing microscope. For the second sample, 26 mineral species were identified by the AMICS system, and 27 mineral species were identified by artificial identification. The two methods identified similar types of detrital minerals, and the absolute error of each mineral content was less than 5%. The AMICS system can be used to identify oxides (limonite, chromite, etc.), phosphates (apatite, etc.), sulfates (barite, etc.), sulfides (pyrite, etc.), carbonates (calcite, dolomite, etc.), and some silicates (zircon, titanite, olivine, quartz, potassium feldspar, sodium feldspar, garnet group, etc.) accurately but it is difficult to accurately identify polymorphic and isomorphic detrital minerals based solely on mineral chemical composition. The problem of layered silicate minerals easily falling off layer by layer during sample preparation needs to be solved.
-
锑(Sb)是一种重要的战略金属，应用领域包括阻燃塑料、缩聚催化剂、铅酸电池、玻璃、橡胶、颜料、陶瓷、半导体等［1-2］。同时，锑也是一种对动植物有害的非必需类金属，其毒性、迁移性受到锑存在形式的影响［3］。环境中锑主要存在形式为Sb(OH)3和Sb(OH)−6，其中三价锑Sb(Ⅲ)的毒性明显高于五价锑Sb(Ⅴ)［4］。世界卫生组织规定饮用水中锑的最大允许浓度为20μg/L，中国规定饮用水中的最大允许浓度为5μg/L，锑及含锑化合物已被欧盟(EU)和美国环境保护署(USEPA)列为新兴污染物或优先关注的污染物［5］。中国锑资源丰富，锑矿主要集中在广西、湖南、云南和贵州地区［6-7］。中国也是锑资源开采大国，锑产能约占全球的78%［8］。锑矿的大量开采和冶炼，产生的尾矿废渣和矿山废石中锑含量较高。同时，有色金属冶炼、燃烧化石燃料等活动也会产生大量含锑废物，经雨水冲刷和地表径流等因素进入土壤［9］。例如某射击场和燃煤电厂附近的土壤中锑含量高达67.48mg/kg和39.29mg/kg［10-11］，造成了严重的污染。地表土壤中的锑除直接污染地表、地下水以外，还可能经由植物根部吸收富集，威胁动物和人类健康［12］。因此，厘清锑在土壤中的吸附、迁移行为对准确预测锑的环境风险具有重要意义。
进入土壤的锑可能被吸附、解吸，甚至发生氧化还原反应，自然状况下锑可以通过与金属氢氧化物发生吸附或者共沉淀形成稳定的次生锑矿物［13］，而锑矿物中的锑也可转变为溶解态，扩散至周边环境乃至地下水中。土壤中吸附锑的活性成分主要为铁、铝和锰氧化物和黏土矿物等，其中广泛存在于土壤和沉积物中的铁氧化物［14］，如针铁矿、赤铁矿和水铁矿等，对锑的固定占比可达40%～75%［15］。有研究表明，锑在铁氧化物表面的吸附、沉淀行为与矿物晶面的暴露情况及其浓度有复杂依赖关系［16］，可在氧化铁表面形成多种配位构型的内球配合物［17］，基于零价铁的锑污染土壤修复技术也有报道［18］。锰氧化物是自然界中常见的天然氧化剂，可通过氧化和吸附机制在降低锑的毒性和影响锑的迁移行为方面发挥至关重要的作用［19］，如有研究报道了天然存在的锰氧化物会降低锑的流动性和生物利用度［20］。氧化锰不同的暴露晶面对锑的吸附行为也有差异，如Sb(Ⅲ)优先吸附于α-MnO2的{310}、γ-MnO2(斜方锰矿)的{131}和δ-MnO2的{111}晶面［21］。铝氧化物和黏土材料虽然对锑的吸附量较低，但自然界中氧化铝和黏土矿物相对含量可能较高，对锑的影响也不可忽视［22］。研究发现Sb(Ⅴ)在γ-Al2O3可形成外配球络合物［23］，膨润土对Sb(Ⅲ)和Sb(Ⅴ)的最大吸附量分别为370～555μg/g和270～500μg/g［24］。上述材料通过改性可提高对锑的吸附能力，因而可以构建锑污染的修复材料［25］。尽管目前已有文献关注天然矿物对锑的吸附、解吸行为［26-27］，但锑在天然矿物界面处形态的原位表征、其形态与锑浓度的相关性仍未见报道，了解这些基本信息将有助于深入了解锑的地球化学循环及环境风险。
因此，为探究进入土壤中不同价态锑的吸附迁移行为，有必要对土壤中典型矿物吸附锑的性能及吸附机制进行比较与研究。本文基于土壤的主要成分及相关文献中已证实的对锑的吸附迁移行为有显著影响的组分，选择了土壤中代表性的5种金属氧化物(赤铁矿、针铁矿、水铁矿、斜方锰矿、氧化铝)和一种黏土矿物(高岭石)，系统地比较了这6类矿物对Sb(Ⅲ)和Sb(Ⅴ)的吸附性能，获得吸附速率、吸附容量、pH值对吸附的影响等热力学、动力学参数，并结合拉曼光谱对锑在矿物表面的吸附、沉积行为进行原位表征。通过分析吸附机制，总结了上述土壤中典型矿物对锑环境迁移行为的影响，研究结果可为土壤中锑污染风险预警及阻控提供参考。
1. 实验部分
1.1 材料及表征
为尽可能地反映实际土壤成分的特征，本研究除水铁矿外，其他材料均直接采用商品化的矿物材料，包括：斜方锰矿(γ-MnO2，90%，上海麦克林生化科技有限公司)；赤铁矿(α-Fe2O3，99.8%，上海麦克林生化科技有限公司)；针铁矿(FeHO2，99%，上海贤鼎生物科技有限公司)；氧化铝(α-Al2O3，99.99%，艾览化工科技有限公司)；高岭石(A12O3·2SiO2·2H2O，分析纯，上海麦克林生化科技有限公司)。水铁矿由于稳定性较差，为保证实际存在形态的一致性，采用实验室方法合成。合成方法［28］如下：配制0.2mol/L硝酸铁(分析纯，国药集团化学试剂有限公司)溶液，在不断搅拌情况下滴加浓氨水至溶液pH=7.0，再搅拌30min。离心、超声洗涤3次，真空干燥12h。
采用X射线衍射仪(XRD，SmartLab SE，日本Rigaku公司)和比表面积测试仪(BET，ASAP2460，美国麦克仪器公司)对材料进行表征。样品处理如下：将赤铁矿、针铁矿、水铁矿、斜方锰矿、氧化铝、高岭石于真空烘箱60℃干燥12h后手动研磨后进行测试。
采用Zeta电位测试(ZEN3690，英国Malvern公司)表征材料的表面电位。样品处理如下：将材料超声分散后，采用盐酸和氢氧化钠将分散液调至不同pH值，取上清液测试样品的Zeta电位。
采用电感耦合等离子体发射光谱仪(ICP-OES，EXPEC6000，杭州谱育科技发展有限公司)测定溶液中锑浓度。仪器工作条件：功率1150W，蠕动泵转速50r/min，辅助气流速0.6L/min，雾化器气体流速0.5L/min(转子流量计测量)，冲洗时间30s，积分时间15s，重复次数3次。锑元素的特征谱线为：206.8、231.1、259.8nm。
采用拉曼光谱仪(Raman，QEPRO，蔚海光学仪器(上海)有限公司)对界面吸附态锑进行原位表征。测试方法及仪器条件如下：取吸附后的矿物分散液10μL滴加至玻片，直接进行拉曼光谱测试。激光波长780nm，激光功率100mW，积分时间10s，积分次数10次，光谱分辨率2cm−1。拉曼测试时每个样品至少随机选取10个不同的位置进行光谱采集，计算平均光谱进行后续分析。
1.2 Sb(Ⅲ)/Sb(Ⅴ)的吸附热力学实验
将焦锑酸钾、酒石酸锑钾溶解配制成1000mg/L的储备溶液，实验前按照一定比例稀释到目标浓度。进行吸附实验前，先使用0.1mol/L盐酸或0.1mol/L氢氧化钠将10mL不同浓度的Sb(Ⅲ)和Sb(Ⅴ)初始溶液pH调节至7.0，同时加入硝酸钾控制离子强度为10mmol/L。向溶液中加入一定量的矿物材料，并在25℃下振荡吸附24h。取上层清液通过0.22μm水系滤头过滤，酸化，稀释10倍后，使用ICP-OES测定吸附后锑的浓度，计算吸附量qe(mg/g)。土壤铁锰氧化物和黏土矿物的用量分别为：赤铁矿10mg、针铁矿10mg、水铁矿5mg、氧化铝20mg、斜方锰矿10mg、高岭石50mg。实验中每组样品均平行测定3次，取平均值进行分析。
1.3 Sb(Ⅲ)/Sb(Ⅴ)的吸附动力学实验
取30mL浓度为15mg/L的Sb(Ⅲ)和Sb(Ⅴ)溶液，pH调节至7.0，加入硝酸钾保持离子强度为10mmol/L。加入一定量矿物后于25℃下振荡吸附，在吸附不同时间后，取上层清液通过0.22μm水系滤头过滤，酸化、稀释，ICP-OES检测。土壤铁锰氧化物和黏土矿物的用量分别为：赤铁矿60mg、针铁矿30mg、水铁矿7.5mg、氧化铝150mg、斜方锰矿30mg、高岭石600mg。实验中每组样品均平行测定3次，取平均值进行分析。
1.4 pH值对Sb(Ⅲ)/Sb(Ⅴ)吸附的影响实验
分别将30mL浓度为15mg/L的Sb(Ⅲ)和Sb(Ⅴ)溶液的初始溶液pH调节为4.0、7.0、9.0，加入硝酸钾保持离子强度为10mmol/L。加入一定量矿物材料后，于25℃下振荡吸附。吸附24h后，取上层清液通过0.22μm水系滤头过滤，酸化、稀释，ICP-OES检测。矿物用量同1.2节。实验中每组样品均平行测定3次，计算平均值进行分析。
2. 结果与讨论
2.1 六种矿物材料表征
为了解矿物的晶型及物相类型，采用X射线衍射谱分析矿物，其谱图见图1。6种矿物的XRD谱图与标准卡片对照，除水铁矿无明显晶型以外，另外5种矿物的XRD谱图与矿物标准谱图吻合较好，且无其他杂相；水铁矿为无定型矿物，其XRD谱图与文献报道结果［29］一致。矿物的比表面积采用Brunauer-Emmett-Teller法(BET)进行测定，分别测定了6种材料的氮气吸脱附曲线，结果如图2所示。经计算，6种矿物材料赤铁矿、针铁矿、斜方锰矿、氧化铝、高岭石和水铁矿的比表面积分别为6.6、18.9、32.3、6.1、10.5、335.6m2/g。其中，赤铁矿、针铁矿、斜方锰矿、氧化铝、高岭石的氮气吸附-解吸等温线符合Ⅳ类型吸附等温线，说明这5种材料具有介孔结构(孔直径为2～50nm)；水铁矿的氮气吸附-解吸等温线符合Ⅰ类型吸附等温线，说明水铁矿具有微孔结构(孔直径＜2nm)。
![]()
图 1 六种矿物材料的X射线衍射谱图a—赤铁矿；b—针铁矿；c—斜方锰矿；d—氧化铝；e—高岭石；f—水铁矿。Figure 1. The XRD patterns of the six minerals![]()
图 2 六种矿物材料的氮气吸附-脱附等温线a—赤铁矿；b—针铁矿；c—斜方锰矿；d—氧化铝；e—高岭石；f—水铁矿。Figure 2. The N2 adsorption-desorption isotherms of the six minerals2.2 六种矿物材料对锑的吸附动力学研究
中性条件下6种矿物材料对Sb(Ⅲ)/Sb(Ⅴ)的吸附动力学如图3所示，吸附数据拟合均更符合准二级动力学模型(表1)，表明化学吸附是主要的速率控制步骤。Sb(Ⅲ)和Sb(Ⅴ)在吸附初始阶段即前2h内吸附速率较快；随着吸附时间进一步延长，矿物表面的活性吸附位点逐渐饱和，吸附速率在2～6h内逐渐下降；除斜方锰矿吸附Sb(Ⅲ)外，其他材料均在24h左右达到吸附平衡。斜方锰矿吸附Sb(Ⅲ)在吸附初期(约5min)迅速达到较高的吸附量，该过程可能与其对Sb(Ⅲ)的氧化作用有关，反应方程式如以下(1)和(2)所示，氧化反应［30］以及生成Sb(Ⅴ)的吸附共同作用导致前期吸附速率较快［31］；在斜方锰矿氧化Sb(Ⅲ)的过程中，可能破坏其表面结构，导致少部分吸附态锑的溶出［25］，因此20min后Sb(Ⅲ)的吸附量有一定程度地下降。随吸附时间的继续延长，Sb(Ⅲ)的吸附逐步达到平衡。
![]()
图 3 六种矿物材料吸附(a) Sb(Ⅲ)和(b) Sb(Ⅴ)的吸附动力学Figure 3. The adsorption kinetics of (a) Sb(Ⅲ) and (b) Sb(Ⅴ) on the six minerals表 1 Sb(Ⅲ)和Sb(Ⅴ)的吸附动力学拟合参数Table 1. Fitting parameters of adsorption kinetics for Sb(Ⅲ) and Sb(Ⅴ)矿物材料 Sb(Ⅲ)准一级动力学 Sb(Ⅲ)准二级动力学 Sb(Ⅴ)准一级动力学 Sb(Ⅴ)准二级动力学 K1
(h−1)qe
(mg/g)R2 K2
[g/(mg·h)]qe
(mg/g)R2 K1
(h−1)qe
(mg/g)R2 K2
[g/(mg·h)]qe
(mg/g)R2 赤铁矿 2.58 7.35 0.750 0.88 7.45 0.911 1.15 1.05 0.721 1.52 1.13 0.913 针铁矿 0.53 7.83 0.896 0.12 8.22 0.986 1.75 2.74 0.721 1.05 2.86 0.924 水铁矿 4.74 33.7 0.645 0.40 34.4 0.957 3.33 24.1 0.946 0.33 24.8 0.999 斜方锰矿 82.1 7.03 0.716 41.9 7.22 0.940 0.75 4.90 0.832 0.20 5.30 0.921 氧化铝 6.58 0.71 0.958 15.5 0.73 0.976 4.49 0.59 0.631 16.1 0.61 0.933 高岭石 6.45 0.08 0.927 132.8 0.08 0.973 0.34 0.09 0.894 9.17 0.06 0.939 $$ \mathrm{MnO}_{ \mathrm{2}} \mathrm{+Sb(OH)}_{ \mathrm{3}} \mathrm{+H}^{ \mathrm+} \mathrm{+H}_{ \mathrm{2}} \mathrm{O\rightarrow Mn}^{ \mathrm{2+}} \mathrm{+Sb(OH)}_{ \mathrm{6}}^{ \mathrm-} $$ (1) $$ \mathrm{2MnO}_{ \mathrm{2}} \mathrm{+Sb(OH)}_{ \mathrm{3}} \mathrm{+5H}^{ \mathrm+}\rightarrow \mathrm{2Mn}^{ \mathrm{3+}} \mathrm{+Sb(OH)}_{ \mathrm{6}}^{ \mathrm-} \mathrm{+H}_{ \mathrm{2}} \mathrm{O} $$ (2) 2.3 六种矿物对锑的吸附等温线
为了比较6种矿物材料对锑的吸附能力，分别测得中性条件下Sb(Ⅲ)/Sb(Ⅴ)在6种矿物表面吸附的吸附等温线，结果如图4所示，随着Sb(Ⅲ)/Sb(Ⅴ)初始浓度的增加，矿物对锑的吸附量增加。分别采用Langmuir和Freundlich等温线模型对吸附等温线进行了拟合，相关拟合参数列于表2。结果表明，Freundlich模型拟合结果的R2值均大于Langmuir模型，表明锑在上述6种矿物表面主要发生多层吸附。Freundlich系数(KF)反映了吸附质在吸附剂表面的吸附程度，KF越高，表示吸附越有效，因此对于矿物吸附锑而言，铁氧化物和锰氧化物对锑的KF较大，表明上述材料与锑的亲和性较强［32］。
![]()
图 4 六种矿物材料吸附(a) Sb(Ⅲ)和(b) Sb(Ⅴ)的吸附等温线Figure 4. Adsorption isotherms of (a) Sb(Ⅲ) and (b) Sb(Ⅴ) on the six minerals表 2 Sb(Ⅲ)和Sb(Ⅴ)的吸附等温线拟合参数Table 2. Fitting parameters of adsorption isotherms of Sb(Ⅲ) and Sb(Ⅴ)材料 Sb(Ⅲ)-Langmuir Sb(Ⅲ)-Freundlich Sb(Ⅴ)-Langmuir Sb(Ⅴ)-Freundlich KL
(L/mg)qm
(mg/g)R2 n KF
[(mg/g)(mg/L)−1/n]R2 KL
(L/mg)qm
(mg/g)R2 n KF
[(mg/g)(mg/L)−1/n]R2 赤铁矿 0.48 5.13 0.961 2.90 1.90 0.996 0.11 3.70 0.925 2.43 0.70 0.997 针铁矿 0.21 13.30 0.834 2.22 3.05 0.997 0.14 5.67 0.987 2.79 1.30 0.994 水铁矿 1.01 101.4 0.980 2.09 45.3 0.979 1.00 55.9 0.789 4.62 31.7 0.987 斜方锰矿 0.15 16.52 0.964 2.19 3.19 0.993 0.76 7.58 0.950 4.62 3.56 0.995 氧化铝 0.08 1.66 0.961 1.84 0.20 0.993 0.10 1.69 0.871 2.75 0.36 0.983 高岭石 0.21 0.27 0.967 2.96 0.08 0.957 0.12 0.51 0.990 2.27 0.09 0.921 6种矿物对不同价态锑的吸附能力不同，整体而言，同种矿物材料对Sb(Ⅲ)的吸附容量大于该矿物对Sb(Ⅴ)的吸附容量，表明进入土壤的Sb(Ⅲ)相较于Sb(Ⅴ)更容易被土壤矿物吸附固定。对比吸附容量，单位质量土壤矿物对Sb(Ⅲ)和Sb(Ⅴ)的最大吸附容量(mg/g)分别为：水铁矿(101.4、55.9)＞斜方锰矿(16.52、7.58)＞针铁矿(13.30、5.67)＞赤铁矿(5.13、3.70)＞氧化铝(1.66、1.69)＞高岭石(0.27、0.51)。土壤中的铁氧化物一般具有较大的比表面积、高孔隙率和表面电荷高等特点，而且对锑有较强的化学亲和力，因此是控制锑元素迁移和生物利用度的关键成分［33］。相比于晶型的针铁矿和赤铁矿，水铁矿的比表面积更大，吸附活性位点更多，因此对锑的吸附能力更强［34］。土壤中锰氧化物尽管含量较低，但由于锰具有丰富的价态和较强的氧化能力，因此可介导锑等变价金属发生氧化还原反应［21］。此外，锰氧化物对锑的亲和作用也会参与锑的吸附固定，因此锰氧化物在控制锑的迁移和形态转化行为方面发挥着重要的作用。斜方锰矿对Sb(Ⅲ)的吸附量大于Sb(Ⅴ)，说明在介导Sb(Ⅲ)的氧化过程中，斜方锰矿自身的晶体结构可能发生改变，从而提供更多的活性位点，使得Sb(Ⅲ)的吸附量提高［21］。氧化铝和黏土矿物高岭石对锑的吸附量较低，原因是这类矿物对锑的化学亲和性较弱［22］，同时比表面积也较小。但由于某些土壤中，如岩石矿床风化沉积土壤、河流沉积土壤，氧化铝和高岭石的含量可能远高于铁氧化物或锰氧化物，因此对于这类情况，上述矿物对土壤中锑迁移行为的影响也不容忽视。
2.4 pH值对六种矿物材料吸附Sb(Ⅲ)/Sb(Ⅴ)行为的影响
为了探究可能的吸附机制，对pH值对矿物材料吸附锑性能的影响进行了实验，结果如图5所示。6种矿物材料对Sb(Ⅲ)的吸附在实验的pH条件下吸附量变化不大(0.3%～14%)，而随着pH值的升高，6种矿物材料对Sb(Ⅴ)的吸附量均有所下降(24%～78%)，表明偏碱性不利于Sb(Ⅴ)的吸附。相较Sb(Ⅲ)而言，Sb(Ⅴ)的吸附量下降程度更大。矿物材料的Zeta电位表征结果(图5c)显示，赤铁矿、针铁矿、水铁矿、斜方锰矿、氧化铝、高岭石的等电点分别为3.1、4.4、7.2、4.5、7.8和1.6；根据锑在水溶液中的形态分布曲线，实验条件下Sb(Ⅲ)、Sb(Ⅴ)主要存在形态分别为Sb(OH)3和Sb(OH)6−。由于Sb(Ⅲ)主要以分子形式存在，因此受静电吸附作用的影响较小，说明矿物对Sb(Ⅲ)的吸附主要依靠化学吸附等机制；对于Sb(Ⅴ)，尽管静电吸附作用有一定的贡献，例如酸性条件下，水铁矿、针铁矿、斜方锰矿、氧化铝带正电荷，有利于带负电的Sb(Ⅴ)的吸附，但整体而言，静电吸附的贡献有限，矿物对Sb(Ⅴ)的吸附主要通过化学吸附等形式完成。类似的现象也在砷、镉等重金属的吸附中观测到［35-36］。由于高岭石在研究的pH范围内均带负电荷，不利于Sb(Ⅴ)的吸附，这与观测到的低吸附量一致。
![]()
图 5 pH值对(a)Sb(Ⅲ)、(b)Sb(Ⅴ)吸附的影响和(c)六种矿物的Zeta电位Figure 5. Effect of pH on the adsorption of (a) Sb(Ⅲ), (b) Sb(Ⅴ) on the minerals and (c) the Zeta potential of the six minerals2.5 Sb(Ⅲ)/Sb(Ⅴ)在矿物表面吸附沉积后拉曼检测
有文献报道，当平衡浓度较低时，土壤矿物对锑吸附主要通过表面化学吸附，而随着表面浓度的增加，超过饱和浓度后，锑可能在矿物表面发生沉积现象［37］。为了验证上述现象，采集了更高平衡浓度下锑的吸附等温线，结果如图6所示。结果表明，随着平衡浓度的进一步增大，矿物对锑的吸附容量会进一步增大；吸附等温线拟合数据表明，锑在矿物表面吸附符合Freundlich多层吸附模型；特别是对于Sb(Ⅲ)吸附于针铁矿和赤铁矿表面，还观测到吸附量激增的现象，推测发生了表面沉积现象。
![]()
图 6 高浓度(a) Sb(Ⅲ)和(b) Sb(Ⅴ)在6种矿物上的吸附等温线Figure 6. Adsorption isotherms of high concentrations of (a) Sb(Ⅲ) and (b) Sb(Ⅴ) on the six minerals由于Sb(Ⅲ)沉积后可能以Sb2O3形式存在，拉曼光谱是一种分子指纹光谱，不仅对矿物材料的结构敏感，同时锑的氧化物也有特征拉曼谱峰，非常适合于这类表面沉积现象的原位表征，因此本实验采用拉曼光谱对吸附锑后的矿物进行表征，结果如图7和图8所示。可见除水铁矿外，其他5种矿物具有明显的特征峰。结合已有相关文献报道，对获得的特征拉曼峰的归属进行了归纳，相应的峰位及归属列于表3。对于高浓度的Sb(Ⅴ)吸附后的矿物材料，并没有获得Sb(Ⅴ)氧化物Sb2O5的特征峰，表明并没有明显的沉积现象出现，主要以吸附作用为主；而对于Sb(Ⅲ)，如图8所示，出现了明显的Sb2O3特征峰。位于190cm−1和452cm−1的拉曼峰可归属于Sb—O—Sb间的弯曲振动，而256、357、374和715cm−1的拉曼峰则可归属于Sb—O—Sb间的伸缩振动［38］。上述特征峰与矿物立方晶型α-Sb2O3的特征谱峰一致，表明表面沉积主要形成α型Sb2O3。上述结果证实，高浓度条件下，Sb(Ⅲ)可能在矿物材料发生沉积现象，生成α型Sb2O3，与化学吸附态Sb(Ⅲ)相比，这类Sb可能具有更高的环境迁移性，因此具有更高的环境风险，值得关注。
![]()
图 7 六种矿物材料吸附Sb(Ⅴ)前后的拉曼光谱谱图a—赤铁矿；b—针铁矿；c—斜方锰矿；d—氧化铝；e—高岭石；f—水铁矿。Figure 7. Raman spectra of the six minerals before and after Sb(Ⅴ) adsorption![]()
图 8 六种矿物材料吸附Sb(Ⅲ)前后的拉曼光谱谱图a—赤铁矿；b—针铁矿；c—斜方锰矿；d—氧化铝；e—高岭石；f—水铁矿。Figure 8. Raman spectra of the six minerals before and after Sb(Ⅲ) adsorption表 3 Sb(Ⅲ)或Sb(Ⅴ)氧化物和相关矿物的拉曼光谱特征峰位及归属Table 3. The characteristic Raman peaks of Sb(Ⅲ) or Sb(Ⅴ) oxides and the minerals and their assignment材料 特征峰
(cm−1)归属 材料 特征峰
(cm−1)归属 Sb2O3［38-39］ 190 F2g振动 针铁矿［40-41］ 224 Fe—O拉伸振动 374 F2g振动 405 Fe—OH 拉伸振动 452 Ag振动 666 Fe—O拉伸振动 Sb2O5［42-43］ 495 Sb-O伸缩振动 斜方锰矿［44-45］ 575 Mn—O拉伸振动 635 Sb-O伸缩振动 645 Mn—O对称伸缩振动 赤铁矿［46-47］ 227 A1g振动 高岭石［48-49］ 189 A1g(ν1)AlO6振动 293 Eg振动 409 ν2(e)SiO4振动 413 Eg振动 460 ν2(e)SiO4振动 499 Eg振动 640 Si-O-Al伸缩振动 614 Eg振动 717 Si-O-Al伸缩振动 氧化铝［50-51］ 378 Eg振动 787 OH伸缩振动 417 A1g振动 从上述结果可见，拉曼光谱可以较为简便地对Sb(Ⅲ)的沉积行为进行原位表征。但拉曼光谱的检测灵敏度较低，因此对于浓度较低的吸附态的Sb(Ⅴ)和Sb(Ⅲ)，难以直接检测，结合表面增强拉曼光谱等技术，有望提高检测的灵敏度。
3. 结论
选取6种土壤中典型矿物(赤铁矿、针铁矿、水铁矿、氧化铝、斜方锰矿和高岭石)，研究了Sb(Ⅲ)和Sb(Ⅴ)在上述矿物表面的吸附热、动力学行为，并采用拉曼光谱对吸附界面的锑进行了原位表征。研究结果表明，选取的矿物对锑的吸附量有以下顺序：水铁矿＞斜方锰矿＞针铁矿＞赤铁矿＞氧化铝＞高岭石；铁氧化物对锑有较强的吸附性，其中水铁矿由于其较大的比表面积，吸附贡献较大；斜方锰矿由于具有较强的氧化能力，可通过氧化作用氧化Sb(Ⅲ)，该过程中矿物结构可能发生改变，从而进一步增强对锑的吸附能力；氧化铝和高岭石由于与锑的亲和力较弱，对锑的吸附贡献较小。pH影响实验证实，静电吸附作用对Sb(Ⅴ)的吸附有一定的贡献，但整体而言Sb(Ⅴ)和Sb(Ⅲ)主要依靠化学吸附在矿物表面进行吸附。高浓度吸附等温线实验和拉曼光谱表征结果证实，在较高平衡浓度下，Sb(Ⅴ)主要发生化学吸附，而Sb(Ⅲ)可能在矿物表面发生沉积，生成α型Sb2O3，从而产生与化学吸附态Sb(Ⅲ)不同的环境迁移行为。
拉曼光谱可方便地用于矿物表面吸附态和沉积态锑的原位光谱表征。但实际土壤中各矿物组分的含量可能有显著差异，要准确评价锑在实际土壤中的吸附、迁移行为，还需要系统地表征各组分的含量、粒度信息，同时结合实际土壤的理化条件(如pH、离子强度、水分和有机质等)，综合分析锑的环境行为。
-
![]()
图 1 灰度值确定矿物物相并进行能谱谱图采集
Figure 1. Determination of mineral phases using grayscale values and collection of energy dispersive spectrum images
![]()
图 3 部分同质多象矿物显微照片
（a）板钛矿；（b）金红石；（c）锐钛矿；（d）蓝晶石；（e）矽线石；（f）偏光镜下矽线石。
Figure 3. Microscopic photos of partially polymorphic minerals. (a) Brookite; (b) Rutile; (c) Anatase; (d) Kyanite; (e) Sillimanite; (f) Sillimanite under polarizing microscope
表 1 沉积物样品处理结果
Table 1 Processing results of sediment samples
参数 1号样品前处理结果(g) 2号样品前处理结果(g) 沉积物质量 79.955 74.977 粒级质量 33.875 52.312 缩分 7.368 6.194 重矿物质量 0.371 0.303 
下载: 导出CSV
表 2 重矿物检测结果统计
Table 2 Statistics of testing results for heavy minerals
矿物种类 1号样品检测结果(%) 2号样品检测结果(%) 实体显微镜-偏光显微镜法 X射线能谱-背散射法 误差 实体显微镜-偏光显微镜法 X射线能谱-背散射法 误差 磁铁矿 0.78 1.66 −0.88 偶见 0.90 −0.90 钛铁矿 8.31 4.28 4.03 7.48 5.89 1.59 赤、褐铁矿 2.60 1.88 0.72 0.70 0.83 −0.13 白钛石 1.56 0.53 1.03 1.81 0.35 1.46 锆石 0.52 0.11 0.41 1.04 0.36 0.68 独居石 − − − − − − 榍石 0.52 3.56 −3.04 1.29 4.08 −2.79 磷灰石 1.56 2.41 −0.85 1.41 1.82 −0.41 金红石 − − − 偶见 0.29 −0.29 电气石 0.52 0.49 0.03 0.47 0.06 0.41 石榴石 5.71 5.32 0.39 4.02 4.23 −0.21 斜方辉石 0.26 0.01 0.25 − − − 普通辉石 0.78 2.15 −1.37 2.06 4.85 −2.79 透辉石 0.52 4.25 −3.73 0.25 0.17 0.08 普通角闪石 23.38 21.15 2.23 25.40 28.26 −2.86 阳起石 2.60 5.19 −2.59 3.12 2.99 0.13 透闪石 0.52 1.33 −0.81 1.78 0.50 1.28 蓝闪石 0.52 2.30 −1.78 0.98 2.63 −1.65 绿帘石 25.97 24.56 1.41 26.67 23.73 2.94 (斜)黝帘石 3.90 1.42 2.48 4.30 2.17 2.13 十字石 − − − − − − 蓝晶石 − − − 0.27 0.16 0.11 红柱石 0.26 0.48 −0.22 0.23 0.17 0.06 矽线石 − − − − − − 黄玉 − − − − − − 硬绿泥石 − − − 0.54 − 0.54 绿泥石 偶见 1.12 −1.12 偶见 1.78 −1.78 黑云母 0.26 0.12 0.14 偶见 0.53 −0.53 白云母 0.52 0.19 0.33 0.66 0.06 0.6 风化云母 偶见 0.01 −0.01 0.88 0.01 0.87 自生黄铁矿 − − − − − − 碳酸盐 4.94 0.28 4.66 2.40 0.24 2.16 未知矿物 13.51 15.19 −1.68 12.22 12.96 −0.74
下载: 导出CSV
-
[1] 高建华, 李军, 汪亚平, 等. 鸭绿江河口及近岸海域沉积物中重矿物组成、分布及其沉积动力学意义[J]. 海洋学报, 2009, 31(3): 84−94. doi: 10.3321/j.issn:0253-4193.2009.03.010 Gao J H, Li J, Wang Y P, et al. Heavy mineral distribution sand their implications for sediment dynamics in the Yalu Estuary and its adjacent sea area[J]. Acta Ceanoiogica Sinica, 2009, 31(3): 84−94. doi: 10.3321/j.issn:0253-4193.2009.03.010
[2] 李超, 杨守业, 毕磊, 等. “从源到汇”的时间尺度——根据U系同位素计算海洋沉积物的搬运时间[J]. 海洋地质前沿, 2015, 31(2): 26−31. Li C, Yang S Y, Bi L, et al. Time scale of “south to sink” process-sediment transport time calculation based on U-series isotopes[J]. Marine Geology Frontiers, 2015, 31(2): 26−31.
[3] 范代读, 王扬扬, 吴伊婧. 长江沉积物源示踪研究进展[J]. 地球科学进展, 2012, 27(5): 515−528. Fan D D, Wang Y Y, Wu Y J. Advances in provenance studies of Changjiang riverine sediments[J]. Advances in Earth Science, 2012, 27(5): 515−528.
[4] 董晋琨, 杨眉, 吴志远, 等. 系统矿物学数据特征分析及数据库建设[J]. 吉林大学学报(地球科学版), 2019, 49(3): 727−736. Dong J K, Yang M, Wu Z Y, et al. Systematic mineralogy data characteristics and database construction[J]. Journal of Jilin University (Earth Science Edition), 2019, 49(3): 727−736.
[5] 张文, 田承涛, 翁孝卿, 等. 矿物解离分析系统在磷石膏工艺矿物学研究中的应用[J]. 矿产综合利用, 2022, 2(1): 205−210. doi: 10.3969/j.issn.1000-6532.2022.01.030 Zhang W, Tian C T, Weng X Q, et al. Research on the process mineralogy of phosphogypsum using mineral liberation analysis system[J]. Multipurpose Utilization of Mineral Resources, 2022, 2(1): 205−210. doi: 10.3969/j.issn.1000-6532.2022.01.030
[6] 温利刚, 贾木欣, 付强, 等. 基于扫描电子显微镜-X射线能谱的矿物自动分析系统(BPMA)测定高纯石英砂中杂质矿物[J]. 中国无机分析化学, 2023, 13(8): 845−850. doi: 10.3969/j.issn.2095-1035.2023.08.009 Wen L G, Jia M X, Fu Q, et al. Determination of impurity minerals high-purity quartz by SEM-EDS-based automated process mineralogy analyzing system (BPMA)[J]. Chinese Journal of Inorganic Analytical Chemistry, 2023, 13(8): 845−850. doi: 10.3969/j.issn.2095-1035.2023.08.009
[7] 邓宇林, 郭绪磊, 罗明明, 等. 基于扫描电镜和CT成像技术的碳酸盐岩溶蚀作用微观结构和变化规律研究[J]. 中国岩溶, 2022, 41(5): 698−707. doi: 10.11932/karst20220503 Deng Y L, Guo X L, Luo M M, et al. Study on the microstructure and variation law of carbonate rock dissolution based on scanning electron microscopy and CT imaging technology[J]. Carsologica Sinica, 2022, 41(5): 698−707. doi: 10.11932/karst20220503
[8] Gottlieb P, Wilkie G, Sutherland D, et al. Using quantitative electron microscopy for process mineralogy applications[J]. JOM, 2000, 52(4): 24−25. doi: 10.1007/s11837-000-0126-9
[9] Ying G. Automated scanning electron microscope based mineral liberation analysis an introduction to JKMRC/FEI mineral liberation analyser[J]. Journal of Minerals and Materials Characterization and Engineering, 2003, 2(1): 33−41. doi: 10.4236/jmmce.2003.21003
[10] Fandrich R, Ying G, Burrows D, et al. Modern SEM-based mineral liberation analysis[J]. International Journal of Mineral Processing, 2007, 84(1−4): 310−320. doi: 10.1016/j.minpro.2006.07.018
[11] Krolop P, Jantschke A, Gilbricht S, et al. Mineralogical imaging for characterization of the per Geijer apatite iron ores in the Kiruna district, Northern Sweden: A comparative study of mineral liberation analysis and Raman imaging[J]. Multidisciplinary Digital Publishing Institute, 2019, 9(9): 544.
[12] Hrstka T, Gottlieb P, Skála R, et al. Automated mineralogy and petrology—Applications of TESCAN integrated mineral analyzer (TIMA)[J]. Journal of Geosciences, 2018, 63(1): 47−63.
[13] 李秋杭, 谢远云, 康春国, 等. 基于人工和TIMA自动化方法的松花江水系重矿物组成: 对源-汇物源示踪的指示[J]. 海洋地质与第四纪地质, 2022, 42(3): 170−183. Li Q H, Xie Y Y, Kang C G, et al. Heavy mineral composition of the Songhua River system identified by manual and TIMA automatic methods and implications for provenance tracing[J]. Marine Geology & Quaternary Geology, 2022, 42(3): 170−183.
[14] 陈倩, 宋文磊, 杨金昆, 等. 矿物自动定量分析系统的基本原理及其在岩矿研究中的应用——以捷克泰思肯公司TIMA为例[J]. 矿床地质, 2021, 40(2): 345−368. Chen Q, Song W L, Yang J K, et al. Principle of automated mineral quantitative analysis system and its application in petrology and mineralogy: An example from TESCAN TIMA[J]. Mineral Deposits, 2021, 40(2): 345−368.
[15] 张涛, 宋文磊, 陈倩, 等. 矿物自动定量分析系统在低品位铜矿渣工艺矿物学研究中的应用[J]. 岩矿测试, 2023, 42(4): 748−759. Zhang T, Song W L, Chen Q, et al. Application of automated quantitative mineral analysis system in process mineralogy of low-grade copper slag[J]. Rock and Mineral Analysis, 2023, 42(4): 748−759.
[16] Keulen N, Malkki S N, Graham S. Automated quantitative mineralogy applied to metamorphic rocks[J]. Minerals, 2020, 10(1): 1−29.
[17] Graham S, Keulen N. Nanoscale automated quantitative mineralogy: A 200-nm quantitative mineralogy assess-ment of fault gouge using mineralogic[J]. Minerals, 2019, 9(11): 665. doi: 10.3390/min9110665
[18] Hou X Z, Yang Z F, Wang Z J. The occurrence characteristics and recovery potential of middle-heavy rare earth elements in the Bayan Obo deposit, Northern China[J]. Acta Geochim, 2020, 39(1): 139−154. doi: 10.1007/s11631-019-00331-3
[19] Zhou J, Gu Y. Geometallurgical characterization and automated mineralogy of gold ores[M]. Elsevier, 2016: 95−111.
[20] 朴海善, 杨勇, 唐云, 等. 低品位碳酸锰矿工艺矿物学研究[J]. 矿物学报, 2023, 43(2): 191−200. doi: 10.16461/j.cnki.1000-4734.2022.42.100 Piao H S, Yang Y, Tang Y, et al. Process mineralogy of the low-grade manganese carbonate ore[J]. Acta Mineralogica Sinica, 2023, 43(2): 191−200. doi: 10.16461/j.cnki.1000-4734.2022.42.100
[21] 张瀚之, 鹿化煜, 周亚利, 等. 渭河流域沉积矿物组合定量分析及示踪[J]. 沉积学报, 2022, 40(4): 944−956. doi: 10.14027/j.issn.1000⁃0550.2022.021 Zhang H Z, Lu H Y, Zhou Y L, et al. Quantitative analysis of the clastic mineral composition in sediments from the Weihe River Basin by scanning electron microscope and its implication for provenance[J]. Acta Sedimentologica Sinica, 2022, 40(4): 944−956. doi: 10.14027/j.issn.1000⁃0550.2022.021
[22] 朱丹, 桂博艺, 王芳, 等. AMICS测试技术在铌矿中的应用——以竹溪铌矿为例[J]. 有色金属(选矿部分), 2021(3): 1−7. doi: 10.3969/j.issn.1671-9492.2021.03.001 Zhu D, Gui B Y, Wang F, et al. Application of the advanced mineral identification and characterization system (AMICS) in the Nb deposit: A case study of the Zhuxi Nb deposit[J]. Nonferrous Metals (Mineral Processing Section), 2021(3): 1−7. doi: 10.3969/j.issn.1671-9492.2021.03.001
[23] 孙晓旭, 冯坚, 李超, 等. 自动矿物识别和表征系统在辽东吉祥峪稀土矿矿物鉴定和赋存状态研究中的应用[J]. 岩矿测试, 2023, 42(6): 1120−1131. doi: 10.15898/j.ykcs.202203270061 Sun X X, Feng J, Li C, et al. Application of automated mineral identification and characterization system to identify minerals and occurrences of elements in Jixiangyu rare earth deposit of Eastern Liaoning[J]. Rock and Mineral Analysis, 2023, 42(6): 1120−1131. doi: 10.15898/j.ykcs.202203270061
[24] 曹玉璐, 曾宇轲, 张元元. 基于扫描电子显微镜的重矿物物源分析方法对比[J]. 现代地质, 2023, 37(2): 475−485. doi: 10.19657/j.geoscience.1000-8527.2022.032 Cao Y L, Zeng Y K, Zhang Y Y. Comparison of heavy mineral provenance analysis methods based on SEM[J]. Geoscience, 2023, 37(2): 475−485. doi: 10.19657/j.geoscience.1000-8527.2022.032
[25] 邓刘敏, 葛祥坤, 范光, 等. 基于扫描电镜-能谱仪的矿物定量分析——以AMICS为例[J]. 世界核地质科学, 2023, 40(1): 98−105. doi: 10.3969/j.issn.1672-0636.2023.01.010 Deng L M, Ge X K, Fan G, et al. Quantitative analysis of minerals based on scanning electron microscopy and energy dispersive spectrometry[J]. World Nuclear Geoscience, 2023, 40(1): 98−105. doi: 10.3969/j.issn.1672-0636.2023.01.010
[26] 王濮, 潘兆橹, 翁玲宝. 系统矿物学[M]. 北京: 地质出版社, 1982. Wang P, Pan Z L, Weng L B. Systematic mineralogy[M]. Beijing: Geological Publishing House, 1982.
[27] 潘兆橹. 结晶学及矿物学[M]. 北京: 地质出版社, 1993. Pan Z L. Crystallography and mineralogy[M]. Beijing: Geological Publishing House, 1993.
[28] 常丽华, 陈曼云, 金巍. 透明矿物薄片鉴定手册[M]. 北京: 地质出版社, 2006. Chang L H, Chen M Y, Jin W. Manual for identification of transparent mineral thin slices[M]. Beijing: Geological Publishing House, 2006.
[29] 刘显凡, 汪灵, 李慧, 等. 角闪石族和辉石族矿物的系统矿物学分类命名[J]. 矿物学报, 2015, 35(1): 19−28. Liu X F, Wang L, Li H, et al. Systematic mineralogical classifications and nomenclatures of amphibole and pyroxene group minerals[J]. Acta Mineralogica Sinica, 2015, 35(1): 19−28.
-
期刊类型引用(8)
1. 王小花，黄韡，顾培良，李静，周佳. 基于自动顶空-固相微萃取-气相色谱质谱检测葡萄酒中的9种木塞污染物. 食品科技. 2024(08): 322-328 . 
百度学术
2. 吴悦，赖永忠，陆国永，林晓昇，梁树生，许文帅. 顶空/气相色谱-质谱法同时测定印染废水中吡啶、苯胺和硝基苯. 岩矿测试. 2023(04): 781-792 . 本站查看
3. 陶慧，黄理金，欧阳磊，帅琴. 氨基化共价有机骨架固相微萃取涂层用于水体中酚类的高效萃取. 岩矿测试. 2022(06): 1040-1049 . 本站查看
4. 黄百祺，沈丹妮，王如意，李双林，林焕怡，李咏梅. 不同萃取头分析大高良姜挥发性成分效果比较. 中成药. 2021(06): 1656-1662 . 百度学术
5. 赵佳平，王俊霞，刘婷婷，张占恩. 含铁二氧化硅涂层固相微萃取-GC/MS法测定水中的有机磷阻燃剂. 现代化工. 2021(09): 235-240 . 百度学术
6. 梁淼，杨艳，石嘉悦，汪兴平，郑福平，余爱农. 酶/酸水解毛叶木姜子中键合态香味成分的比较. 精细化工. 2020(05): 989-996 . 百度学术
7. 孙书堂，严倩，黎宁，黄理金，帅琴. 铁丝原位自转化-固相微萃取新涂层应用于萃取环境水样中多环芳烃的性能研究. 岩矿测试. 2020(03): 408-416 . 本站查看
8. 杨洪早，李锦宇，王东升，张世栋，董书伟，闫宝琪，那立冬，吴春丽，邓俊，吴冠连，陈新丽，赵留涛，朱凯，梁永喜，严作廷. GC法测定马香苓口服液中百秋李醇含量研究. 中国畜牧兽医. 2020(07): 2264-2276 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 144
- HTML全文浏览量: 28
- PDF下载量: 47
- 被引次数: 11
京公网安备 11010202008159号