Semi-Quantitative Analysis of Uranium Content Distribution Ratio in a Sandstone-Type Uranium Deposit in Songliao Basin
-
摘要:
钱家店铀矿是位于松辽盆地南部的复成因砂岩型铀矿，受表生淋滤、辉绿岩中低温热液和深部油气等多流体影响，目前铀矿物赋存状态尚有一定争议，铀在矿石内不同矿物中的配分尚不明确。为了进一步明确铀赋存状态和在不同矿物中的配分，计算钱家店矿石中不同矿物中铀的配分比例，本文运用岩矿鉴定、铀化学逐级提取、电子探针和激光剥蚀电感耦合等离子体质谱(LA-ICP-MS)微区原位分析技术开展综合测试分析。明确了钱家店铀矿物的赋存状态，认为钱家店铀矿物以吸附态为主，约占总铀含量的80%，结合态铀矿物或含铀矿物约占比20%。其中吸附态铀矿物主要富集在方解石等碳酸盐矿物中，占总铀含量的47.86%，其次是在黏土矿物中占17.94%，在铁锰氧化物矿物中占12.21%。独立铀矿物是与黄铁矿密切共生的沥青铀矿为主，约占铀总含量的9.07%，另有少量含钛铀矿物和铀石约占5.08%。这种矿石中各碎屑组分中铀的占比量化研究，为矿床地浸开采及资源量计算提供依据。
Abstract:The Qianjiadian uranium deposit is a complex-metamorphic sandstone-type uranium mine located in the southern part of the Songliao Basin. To determine the state of uranium mineralization and its partitioning in different minerals, petrographic identification, uranium chemical step-by-step extraction, electron probe microanalysis and laser ablation inductively coupled plasma-mass spectrometry (LA-ICP-MS) were used. The results show that Qianjiadian uranium minerals are predominantly in adsorbed state, accounting for about 80% of the total uranium content, of which 47.86% is in carbonate minerals, such as calcite, 17.94% in clay minerals, and 12.21% in iron and manganese oxides minerals. Combined or uranium-bearing minerals account for approximately 20% of the total uranium content, of which stand-alone uranium minerals are dominated by pitchblende uranium ore, which accounts for approximately 9.07% of the total uranium content, and a small amount of titanium-bearing uranium minerals and uraninite, which accounts for approximately 5.08%.
-
X射线荧光光谱定性分析技术经过长期的应用及发展，其应用范围也越来越广泛[1-4]。目前，XRF所带的定性分析软件(SQX)可自动对扫描谱图进行搜索和匹配，包括确定峰位、背景和峰位的净强度[5-7]，并从XRF特征谱线数据库中配对确定元素的谱线，这对从事XRF的分析者而言非常便利[8-10]。近年来刘岩等[11]采用XRF无标样分析法检测催化剂，测定结果的相对标准偏差小于1.3%；张红菊等[12]采用XRF无标样分析法检测轻合金铝合金中的主量元素，其测量值与认定值的相对误差低于±5%，测量结果都具有很好的可靠性和准确度。
自然界矿物种类复杂，应用XRF半定量分析软件(SQX)分析未知样品时，由于SQX软件仅对样品中9F~92U元素进行半定量分析，而对H2O、C这些参数不能直接测定。对于烧失量(LOI)、结晶水(H2O+)含量较高的铝土矿，二氧化碳含量较高的碳酸盐矿物，硫、碳含量较高的硫化物金属矿这类高烧失量矿物样品，平衡归一化计算时对未知样品中的Al2O3、SiO2、CaO、MgO、Fe等主要元素分析结果影响较大，半定量分析数据准确度较低。这就要求XRF分析人员需要掌握未知样品的来源及基本情况，根据测定结果对各元素在样品中的结构状态进行评估，选用更为合理的校正模式，提高半定量分析的准确性[13-15]。为了解决这个问题，本文提出了一种校正模式。该校正模式根据半定量分析初步结果，采用重量法、碘量法、酸碱测定法、红外光谱法有选择性地对未知样品中的LOI、S、C、H2O+等项目进行定量分析，然后将定量分析结果输入SQX该参数的固定结果中，二次平衡归一计算得出新的半定量分析结果。应用该校正模式校正后，铝土矿、碳酸盐矿物、硫化物金属矿等高烧失量矿物的半定量分析结果的准确度得到大幅度提高。
1. 实验部分
1.1 仪器与测量条件
ZSX PrimusⅣ型顺序扫描波长色散X射线荧光光谱仪(日本理学电机工业株式会社)，端窗铑靶X射线管，工作电压20~60kV，工作电流2~160mA，铍窗厚度30μm，视野光栏0.5~30mm，准直器: S2/S4，探测器: PC/SC，分光晶体:RX 25/Ge/PET/LiF200[16-19]。测量元素范围9F~92U。BP-1型压样机(丹东北方科学仪器公司)。各元素具体的测量条件见表 1。
表 1 仪器测量条件Table 1. Measuring conditions of the XRF equipment分析元素 数据库 靶材 电流
(kV)电压
(mA)滤光片 衰减器 准直器 晶体 探测器 PHA 重元素 Standard Rh 50 60 OUT 1/1 S2 LiF(200) SC 100~300 重元素(1) Sta-Ni400 Rh 50 60 Ni-400 1/1 S2 LiF(200) SC 150~250 Ca-Kα Standard Rh 40 75 OUT 1/1 S4 LiF(200) PC 100~300 K-Kα Standard Rh 40 75 OUT 1/1 S2 LiF(200) PC 100~300 Cl-Kα Standard Rh 30 100 OUT 1/1 S4 Ge PC 150~300 S-Kα Standard Rh 30 100 OUT 1/1 S4 Ge PC 150~300 P-Kα Standard Rh 30 100 OUT 1/1 S4 Ge PC 150~300 Si-Kα Standard Rh 30 100 OUT 1/1 S4 PET PC 100~300 Al-Kα Standard Rh 30 100 OUT 1/1 S4 PET PC 100~250 Mg-Kα Standard Rh 30 100 OUT 1/1 S4 RX25 PC 100~250 Na-Kα Standard Rh 30 100 OUT 1/1 S4 RX25 PC 100~250 F-Kα Standard Rh 40 75 OUT 1/1 S4 RX25 PC 100~300 1.2 SQX分析模拟计算流程
XRF半定量分析可选择测定未知样品中F~U或Ti~U之间的元素，分析测试程序完成后会自动报出大于仪检出限的各元素的分析结果，这时应根据测试结果作一个初步判断是否需要进行SQX计算；如不需要，则可以直接报出测定结果；如测定结果与样品实际结构状态有较大差别，则需选用更为合适的校正模式、平衡组分或添加其他方法测试结果后进行SQX计算，以得到更为合理的测定结果。定性分析的基本流程见图 1。
1.3 样品制备及实验方法
为验证本文提出的半定量分析模式分析校正效果，选用国家标准物质铝土矿GBW(E)70036、碳酸盐矿物GBW07131、硫化物多金属矿GBW07166作为待测样品，在105℃下烘干2h，称取4.5±0.1g，倒入放置于平板模具上的PVC塑料环(外径40mm，内径35mm，高5mm)中，在30t压力下加压30s压制成型，编号，置于样品盒内，用X射线荧光光谱仪半定量分析方法进行测试[20-22]。仪器自动计算出各元素的含量。
根据XRF半定量初步分析结果，按化学标准方法YS/T 575.19—2007、GB/T 3286.8—2014、GB/T 3286.7—2014、GB/T 14353.12—2010、GB/T 8151.2—2012、SN/T 3598—2013、GB/T 2469—1996、YS/T 575.18—2007选择性分析未知样品中的烧失量(LOI)、硫(S)、碳(C)、结晶水(H2O+)，计算出定量结果，备用。
将化学分析结果作为XRF半定量分析软件(SQX)中该元素的固定结果，重新进行平衡计算出新的半定量结果。
2. 结果与讨论
2.1 烧失量对铝土矿类型矿物半定量分析结果的影响
铝土矿是一种土状矿物，化学组成为Al2O3·nH2O，含水不定，多为单水或三水矿物[23-24]。由于XRF的局限性，对于H2O、C这些未定量的参数，其含量在铝土矿中较高[25]，平衡归一化计算时会对Al2O3、SiO2、Fe2O3等元素的影响较大。这时可采用烧失量校正的方法，添加烧失量(LOI)作为该样品的固定值，运行半定量分析软件(SQX)重新计算出新的结果。将GBW(E)70036作为未知样品用XRF定性分析方法进行分析，各种校正模式的计算值与认定值对照结果见表 2。
表 2 铝土矿标准物质GBW(E)70036各种校正模式计算值与认定值对比Table 2. Calculated values and standard values of bauxite standard material GBW(E)70036 in various correction models分析元素 氧化物模式测试
结果(%)添加LOI校正结果
(%)H2O作平衡
校正结果(%)GBW(E)70036
认定值(%)氧化物模式测试结果
相对误差(%)LOI校正结果
相对误差(%)MgO 0.136 0.121 0.116 0.120 13.33 0.83 Al2O3 76.94 67.51 64.46 69.74 10.32 -3.20 SiO2 7.91 6.62 6.12 4.88 62.09 35.66 P2O5 0.159 0.132 0.121 0.120 32.50 10.00 SO3 0.182 0.00 0.139 0.047 - - K2O 1.07 0.880 0.810 0.710 50.70 23.94 CaO 0.258 0.212 0.195 0.180 43.33 17.78 TiO2 5.10 4.17 3.81 3.97 28.46 5.04 Fe2O3 7.42 5.97 5.35 6.09 21.84 -1.97 LOI * 13.70 △ 13.74 - - H2O * △ 18.26 - - - 注：“*”表示XRF不能直接分析该参数，无数据；“△”表示在LOI或H2O其中一项参数有测量结果时，另一项结果不参与校正计算；“-”表示未定值或未统计计算。 据表 2可知，GBW(E)70036以氧化物模式的测试结果与认定值误差较大，当添加LOI校正计算后，其多个元素的平均相对误差由32.8%降至12.3%，准确度大幅提高。此外，在确定未知样品是未经高温灼烧的情况下，还可以采用H2O作为平衡组分直接计算，其计算结果也与认定值较为相近。
2.2 二氧化碳与烧失量对碳酸盐类型矿物半定量分析结果的影响
碳酸盐矿物中CO2的占比较高, 而CO2是SQX软件未能定量参数之一，给定性分析结果带来较大误差。为提高定性分析的准确度，可对CO2或烧失量进行定量分析[26]，添加烧失量或CO2定量分析结果作为该样品的固定值，运行SQX重新计算出新的结果。将GBW07131作为未知样品用XRF定性分析方法进行分析，各种校正模式的计算值与认定值对照结果见表 3。
表 3 碳酸盐标准物质GBW07131各种校正模式计算值与认定值对比Table 3. Calculated values and standard values of carbonate standard material GBW07131 in various correction models分析元素 氧化物模式
测试结果(%)CO2平衡
校正结果(%)添加LOI
校正结果(%)钙镁元素以碳酸盐
计平衡计算(%)GBW07131
认定值(%)氧化物模式测试
结果相对误差(%)LOI校正结果
相对误差(%)MgO 29.73 19.57 19.18 20.4 20.14 47.62 4.77 Al2O3 0.759 0.454 0.449 0.451 0.290 161.72 -54.83 SiO2 2.18 1.29 1.27 1.28 1.15 89.57 -10.43 P2O5 0.051 0.030 0.030 0.030 0.016 218.75 -87.50 SO3 0.442 0.256 0.00 0.254 - - - K2O 0.292 0.161 0.160 0.160 0.160 82.50 0.00 CaO 64.54 31.76 32.07 31.50 30.93 108.66 -3.69 TiO2 0.045 0.018 0.0186 0.0178 0.013 246.15 -43.08 MnO 0.038 0.015 0.016 0.011 0.012 216.67 -33.33 Fe2O3 0.435 0.169 0.176 0.167 0.170 155.88 -3.53 CO2 * 45.66 △ - - - - LOI * △ 45.67 - 45.73 - 0.13 注：“*”表示XRF不能直接分析该参数，无数据；“△”表示在LOI或CO2其中一项参数有测量结果时，另一项结果不参与校正计算；“-”表示未定值或未统计计算。 据表 3可知，GBW07131以氧化物模式测试结果较认定值误差较大。当添加LOI校正计算后，其多个元素的平均相对误差由122.4%降至27.2%，准确度大幅提高。此外，采用滴加稀盐酸确定未知样品是碳酸盐矿物的情况下，可以采用CO2作为平衡组分直接计算或者将CaO、MgO换算成为CaCO3、MgCO3计算模式重新平衡计算，其结果也与认定值较为相近。
2.3 碳硫元素对硫化物多金属矿类型矿物半定量分析结果的影响
硫化物多金属矿中的碳、硫元素含量较高，以氧化物模式对该类型样品进行半定量分析时误差较大。当采用化学法测定这类样品的烧失量时，硫化物金属矿中的硫在高温下会被空气中的氧替换，不仅会出现烧蚀减量，还会出现烧蚀增量，使得烧失量的结果是不准确的[27-28]，因此不能把烧失量校作为该未知样品的固定值对测定结果进行平衡计算。这时可以采用化学法测定该未知样品中的C、S元素，作为该样品的固定值，运行半定量分析软件(SQX)重新计算出新的结果。将GBW07166作为未知样品用XRF半定量程序进行分析，各种校正模式的计算值与认定值对照结果见表 4。
表 4 硫化矿多金属矿标准物质GBW07166各种校正模式计算值与认定值对比Table 4. Calculated values and standard values of sulfide polymetallic ore standard material GBW07166 in various correction models分析元素 氧化物模式测试
结果(%)总硫、总碳固定
平衡计算(%)LOI平衡计算
(%)Sulfide模式
校正结果(%)GBW07166
认定值(%)氧化物模式测试
结果相对误差(%)总硫、总碳校正
结果相对误差(%)MgO 0.360 0.350 0.675 0.505 0.310 16.13 12.90 Al2O3 1.60 1.55 3.03 2.29 1.25 28.00 24.00 SiO2 3.34 3.50 6.26 4.86 3.78 -11.64 7.41 S 18.43 33.80 0.00 27.75 33.80 - - K2O 0.306 0.433 0.387 0.484 0.320 -4.38 35.31 CaO 2.05 2.02 2.61 3.27 1.96 4.59 3.06 Fe 18.22 28.58 27.45 30.84 29.60 -38.45 -3.45 Cu 15.50 28.00 30.72 28.42 24.20 -35.95 15.70 Zn 0.025 0.057 0.049 0.055 0.057 -56.14 0.00 C * 0.138 △ - - - - LOI * △ 27.04 - - - - 注：“*”表示XRF不能直接分析该参数，无数据；“△”表示在LOI或C其中一项参数有测量结果时，另一项结果不参与校正计算；“-”表示未定值或未统计计算。 据表 4可知，GBW07166以氧化物模式或添加LOI校正计算结果后，测试结果较认定值误差较大，当添加全硫、全碳校正计算结果后，其多个元素的平均相对误差由27.2%降至9.5%，准确度大幅提高。此外，在没有条件测定全硫、全碳元素时，选用SQX软件中Sulfide校正模式重新平衡计算，其结果也与认定值较为相近。
3. 应用实例
选取3件不同类型的未知样品，应用XRF半定量程序分析，根据XRF半定量初步分析结果，计算对照结果见表 5。未知样品1、2在添加烧失量(LOI)校正计算后半定量分析结果与化学法分析结果比较，多个元素的平均相对误差分别由46.2%降至18.0%和37.6%降至7.1%。未知样品3添加总硫、总碳校正计算结果后，其多个元素的平均相对误差由28.1%降至10%，准确度得到了明显提高。若与DZ/T 130—2006《地质矿产实验室测试质量管理规范》要求定量分析规范中误差允许限(Yc)相比较，除少部分项目能满足规范要求外，大部分项目还是达不到定量分析要求。但是如铝土矿中的Al2O3，碳酸盐矿物中的CaO、MgO，硫化物多金属矿中Fe、Zn、Cu、Pb等元素的相对误差均在5%以内，与DZ/T 130—2006要求较为接近。
表 5 某未知样品各种校正模式的计算值与化学分析值对比Table 5. Calculated values and chemical analysis values of various correction modes for the unknown sample样品编号 分析元素 氧化物模式测试
结果(%)平衡校准计算
结果(%)化学法测定值
(%)氧化物模式测试
结果相对误差(%)平衡校准计算结果
相对误差(%)允许限Yc
(%)Al2O3 86.97 76.11 78.01 11.49 -2.44 0.63 SiO2 2.94 1.82 1.31 124.43 38.93 4.17 Fe2O3 3.26 2.54 2.55 24.84 -0.46 5.11 TiO2 4.29 3.4 3.10 38.38 9.78 4.80 未知样品1 K2O 0.19 0.17 0.16 18.75 6.25 10.45 CaO 0.33 0.31 0.31 6.45 0.00 9.00 MgO 0.29 0.25 0.20 45.00 25.00 9.95 P2O5 0.28 0.22 0.14 100.00 61.37 10.76 LOI * 14.6 14.6 - - 2.58 Na2O 0.76 0.71 0.781 -2.59 -8.72 7.17 MgO 0.29 0.24 0.21 39.14 14.95 9.84 Al2O3 0.48 0.39 0.31 54.13 26.16 9.00 SiO2 1.15 0.93 0.83 38.66 12.45 7.05 P2O5 1.24 1.00 0.97 28.34 2.88 6.77 Fe2O3 1.70 1.21 1.18 44.18 2.13 6.41 未知样品2 S 4.72 △ 3.21 47.04 - 4.74 CaO 1.13 0.81 0.83 36.64 -2.40 7.05 Cr 18.49 13.09 12.89 43.46 1.53 2.75 Ni 22.81 16.18 16 42.55 1.12 2.47 Cu 14.53 10.31 10.33 40.62 -0.23 3.04 Zn 3.04 2.16 2.02 43.24 5.94 5.49 LOI * 37.00 37.00 - - - MgO 0.21 0.200 0.185 14.49 8.11 10.12 Al2O3 0.53 0.472 0.427 23.87 10.61 8.34 SiO2 2.18 1.818 1.650 32.00 10.15 5.83 P2O5 0.02 0.024 0.028 -34.29 -13.21 14.91 S 18.84 34.02 34.02 - - - K2O 0.05 0.048 0.042 15.44 13.31 13.77 未知样品3 CaO 0.15 0.127 0.137 7.72 -7.50 10.81 TiO2 0.03 0.031 0.026 30.98 20.78 15.18 Fe 4.52 6.942 6.720 -32.81 3.31 3.64 Cu 0.68 1.057 1.218 -44.37 -13.18 6.36 Zn 32.24 50.517 48.250 -33.18 4.70 1.15 Pb 1.58 2.505 2.646 -40.46 -5.33 5.05 C * 1.21 1.21 - - - 注：“*”表示XRF不能直接分析该参数，无数据；“△”表示在LOI有测量结果时，该项结果不参与校正计算；“-”表示未定值或未统计计算。 4. 结论
实验证明采用本文提出的校正模式进行校正，分析铝土矿、碳酸盐矿物和硫化物多金属矿中多元素的平均准确度提高了2.6~4.5倍，半定量分析结果准确度大幅提高。其中，铝土矿中的Al2O3，碳酸盐矿物中的CaO、MgO，硫化物矿物中Fe、Zn、Cu、Pb等主量元素的相对误差均在5%以内，与化学法分析结果较为相近。本方法可快速、较为准确地测定铝土矿、碳酸盐矿物和硫化物矿物中多元素的含量。
这种化学法与半定量分析软件相结合的半定量校正模式，不仅可用于铝土矿、碳酸盐矿物和硫化物矿物，还适用于烧失量较高的锰矿、磷矿等矿物的压片半定量分析[29-30]。对于硫化物矿物等多金属矿的定量全分析，因为这类矿物容易腐蚀铂坩埚而很少采用熔片制样XRF分析[31]，通常采用化学分析法，但流程繁琐，本文研究方法可作为一种有效的矿石全分析的补充手段。
-
![]()
图 1 松辽盆地西南部钱家店铀矿床位置
Figure 1. Geographical location of Qianjiadian uranium deposit in the Southwest Songliao Basin
![]()
图 3 含钛铀矿物电子探针背散射图像
Figure 3. Electron probe backscatter images of titanium-containing uranium minerals
表 1 钱家店铀矿床采集样品信息
Table 1 Information of samples collected from Qianjiadian uranium deposit
序号 样品编号 岩性 采样井号 铀含量
(µg/g)采样深度
(m)1 Q2019-26 灰白色中砂岩 Q4-04-07 240 402.0 2 Q2019-28 灰色炭质条带中砂岩 Q4-04-07 70 433.0 3 Q2019-37 红色泥质砂岩，致密 Q4-45-01 160 316.8 4 Q2019-48 杂色泥质砂岩，致密 Q2-WT-4 140 361.2 5 Q2019-49 含炭屑，杂色砾岩 Q2-WT-4 120 361.9 6 Q2019-50 灰白色疏松砂岩 Q2-WT-4 90 362.1 7 Q2019-51 灰色泥岩 Q3-27-04 145 387.0 8 Q2019-52 灰色中砂岩 Q3-27-04 110 387.2 9 Q2021-115 白色细砂岩，疏松 Q3-39-08 200 339.8 10 Q2021-143 杂色细砂岩，含碳屑 QC105 225 231.8 11 Q2021-151 浅红灰色中砂岩 QC43 100 527.9 12 Q2021-167 灰绿色细砂岩，含泥砾 QC100 150 344.3 13 Q2021-170 灰绿色泥质粉砂岩 QC100 90 347.5 
下载: 导出CSV
表 2 砂岩型铀矿逐级化学提取实验步骤
Table 2 Experimental steps for stepwise chemical extraction of sandstone-type uranium deposit
提取步骤 铀赋存状态 样品处理试剂 萃取条件 振荡时间(h) 温度(℃) 1 水溶态 20mL去离子水 24 20 2 碳酸盐吸附态 1mol/L乙酸钠+1mol/L乙酸(pH=4.75) 24 20 3 铁锰氧化物吸附态 0.04mol/L盐酸氢胺+25%乙酸(pH=2) 3 90 4 硫化物及有机质结合态 30%双氧水+0.2mol/L硝酸(pH=2) 3 90 30%双氧水+3.2mol/L乙酸铵(pH=2) 3 90 5 残渣态 残渣600℃灰化后双氧水溶解 — —
下载: 导出CSV
表 3 钱家店铀矿石逐级化学提取占比
Table 3 Gradual chemical extraction fraction ratio of Qianjiadian uranium ores
样品编号 矿石岩性 水溶态占比
(%)碳酸盐吸附态占比
(%)铁锰氧化物吸附态占比
(%)硫化物及有机质结合态占比
(%)残渣态占比
(%)Q2019-26 灰白色中砂岩 12.10 56.95 1.58 4.97 24.39 Q2019-37 红色泥质砂岩 2.81 54.77 3.35 12.80 26.28 Q2019-48 杂色泥质砂岩 3.60 75.49 0.95 8.24 11.72 Q2019-49 含炭屑杂色砾岩 39.66 40.48 2.28 3.38 14.20 Q2021-115 含炭屑杂色砂岩 33.46 35.51 28.13 0.76 2.14 Q2021-151 浅红灰色中砂岩 24.92 23.96 40.49 3.84 6.79 平均占比 19.43 47.86 12.80 5.66 14.25
下载: 导出CSV
表 4 钱家店铀矿物电子探针成分分析结果
Table 4 Composition of uranium minerals measured by electron probe microanalyzer in Qianjiadian
样品编号 Na2O
(%)SiO2
(%)Al2O3
(%)TiO2
(%)FeO
(%)CaO
(%)K2O
(%)UO2
(%)PbO
(%)P2O5
(%)总量
(%)矿物类型 Q2019-26 0.420 1.141 0.044 2.911 0.062 2.612 0 64.555 0.000 2.225 74.410 沥青铀矿 1.318 1.154 0.245 43.995 0.893 1.704 0.347 32.412 0.052 1.773 84.443 含钛铀矿 Q2019-28 0.178 1.185 0.163 31.252 0.960 1.228 0.000 53.206 0.000 1.645 89.996 含钛铀矿 3.068 3.544 0.714 9.108 2.736 1.382 0.963 54.024 0.006 1.729 77.724 含钛铀矿 0.118 4.991 0.164 0.000 0.200 2.993 0.000 43.305 0.000 2.506 54.782 沥青铀矿 Q2019-51 0.050 3.897 2.142 6.926 1.187 4.051 0.000 55.205 0.000 4.781 78.303 含钛铀矿 0.068 10.685 0.453 0.182 1.993 2.502 0.000 63.436 0.000 3.689 83.032 沥青铀矿 0.338 8.368 1.022 0.249 2.845 4.154 0.000 64.080 0.068 5.543 87.025 沥青铀矿 0.249 12.345 1.569 0.017 1.805 4.307 0.000 63.169 0.069 5.096 89.133 沥青铀矿 0.079 15.705 6.26 0.051 2.889 3.32 0.382 48.621 0.007 4.204 83.311 铀石 Q2021-167 0.79 0.682 0.009 0.3 1.51 4.035 0 78.578 0.021 1.394 88.883 沥青铀矿 Q2021-143 0.252 0.674 0.068 0 1.148 4.412 0 68.405 0 2.084 78.333 沥青铀矿 0.7 1.137 0.138 0 0.847 5.186 0 70.828 0.031 2.762 83.298 沥青铀矿 Q2021-170 0.133 9.615 0.171 0.15 7.379 2.315 0 39.428 0.042 5.759 74.047 沥青铀矿 0.528 9.696 0.243 0 5.628 2.347 0 39.506 0.06 6.544 76.032 沥青铀矿 0.525 16.209 2.902 0 9.301 2.599 0 37.89 0.119 6.373 87.170 铀石
下载: 导出CSV
表 5 钱家店铀矿石中各矿物UO2配分统计
Table 5 UO2 distribution statistics of various minerals in Qianjiadian uranium ores
赋存状态分类 矿物种类 逐级化学提取铀
(%)矿物含量
(%)铀含量
(%)测试方法 铀的配分
(%)水溶态 岩屑 19.43 6.5 0.012 电子探针 0.07 石英 21.6 0.04 0.79 黑云母 0.96 0.043 LA-ICP-MS 0.04 黏土 14.28 1.37 17.94 钾长石 14.67 0.044 0.59 碳酸盐吸附态 方解石等
碳酸盐47.86 10.3 1.43 电子探针 47.86 铁锰氧化物吸附态 磁铁矿 12.80 0.85 0.036 LA-ICP-MS 0.36 闪锌矿 0.91 0.022 0.23 其他铁锰氧化物 2.49 0.42 逐级化学提取测算 12.21 有机质黄铁矿结合态 黄铁矿 5.66 11.6 0.048 LA-ICP-MS 0.43 有机质 5.64 1.20 逐级化学提取测算 5.23 残渣态 含钛铀矿 14.25 1.83 26.88 电子探针 2.78 沥青铀矿 2.7 59.35 9.07 铀石 0.94 43.25 2.30 独居石 1.42 0.77 扫描电镜 0.06 块磷铝石 0.8 0.13 0.01 磷灰石 0.97 0.18 0.01 锆石 1.54 0.19 LA-ICP-MS 0.02
下载: 导出CSV
-
[1] 雷安贵, 付永, 杨松林, 等. 开鲁坳陷钱家店凹陷构造演化与铀成矿[J]. 中国矿业, 2018, 27(1): 125−129. doi: 10.12075/j.issn.1004-4051.2018.S1.038 Lei A G, Fu Y, Yang S L, et al. Structural evolution and uranium mineralization in Qianjiadian area Kailu depression[J]. China Mining Magazine, 2018, 27(1): 125−129. doi: 10.12075/j.issn.1004-4051.2018.S1.038
[2] 金若时, 称银行, 王少轶, 等. 中国北方中新生代含铀盆地类型划分[J]. 地质学报, 2019, 93(7): 1571−1587. doi: 10.19762/j.cnki.dizhixuebao.2019187 Jin R S, Cheng Y H, Wang S Y. Type classification of Mesozoic—Cenozoic uraniferous basins in Northern China[J]. Acta Geologica Sinica, 2019, 93(7): 1571−1587. doi: 10.19762/j.cnki.dizhixuebao.2019187
[3] 夏飞勇. 松辽盆地南部钱家店地区姚家组砂岩物源分析及其构造背景综合研究[D]. 武汉: 中国地质大学(武汉), 2019: 14-39. Xia F Y. Comprehensive provenance study and tectonic setting of sandstones from the upper Cretaceous Yaojia Formation, Qianjiadian area, Southern Songliao Basin[D]. Wuhan: China University of Geosciences (Wuhan), 2019: 14-39.
[4] 王世亮, 昝国军, 陈泽亚, 等. 钱家店铀矿床沉积特征及其与铀成矿的关系[J]. 特种油气藏, 2014, 21(4): 73−75. doi: 10.3969/j.issn.1006-6535.2014.04.017 Wang S L, Zan G J, Chen Z Y, et al. Sedimentary features of uranium deposit in Qianjiadian and its relationship with uranium mineralization[J]. Special Oil & Gas Reservoirs, 2014, 21(4): 73−75. doi: 10.3969/j.issn.1006-6535.2014.04.017
[5] 宫文杰, 张振强, 于文斌, 等. 松辽盆地地浸砂岩型铀成矿铀源分析[J]. 世界核地质科学, 2010, 27(1): 25−30. doi: 10.3969/j.issn.1672-0636.2010.01.005 Gong W J, Zhang Z Q, Yu W B, et al. Analysis of uranium sources in-situ leachable sandstone-type uranium deposit in Songliao Basin[J]. World Nuclear Geoscience, 2010, 27(1): 25−30. doi: 10.3969/j.issn.1672-0636.2010.01.005
[6] 称银行, 张天福, 曾威, 等. 中国北方中新生代盆地砂岩型铀超常富集的驱动力[J]. 大地构造与成矿学, 2020, 44(4): 590−606. doi: 10.16539/j.ddgzyckx2020.04.004 Cheng Y H, Zhang T F, Zeng W, et al. Driving forces for sandstone-type uranium super-enrichment in Meso—Cenozoic Basins, North China[J]. Geotectonica et Metallogenia, 2020, 44(4): 590−606. doi: 10.16539/j.ddgzyckx2020.04.004
[7] 吴仁贵, 徐喆, 宫文杰, 等. 松辽盆地白兴吐铀矿床成因讨论[J]. 铀矿地质, 2012, 28(3): 142−147. doi: 10.3969/j.issn.1000-0658.2012.03.003 Wu R G, Xu Z, Gong W J, et al. Discussion on the genesis of Baixintu uranium deposit in Sonliao Basin[J]. Uranium Geology, 2012, 28(3): 142−147. doi: 10.3969/j.issn.1000-0658.2012.03.003
[8] 贾俊民, 荣辉, 焦养泉, 等. 松辽盆地钱家店铀矿床中碳酸盐胶结物赋存状态及其与铀成矿关系[J]. 地球科学, 2018, 43(S2): 149−161. doi: 10.3799/dqkx.2018.115 Jia J M, Rong H, Jiao Y Q, et al. Occurrence of carbonate cements and relationship between carbonate cementation and uranium mineralization of Qianjiadian uranium deposit, Songliao Basin[J]. Earth Science, 2018, 43(S2): 149−161. doi: 10.3799/dqkx.2018.115
[9] 吴仁贵,蔡建芳,于振清,等. 松辽盆地白兴吐铀矿床热液蚀变及物质组成研究[J]. 铀矿地质, 2011, 27(2): 74−80. doi: 10.3969/j.issn.1000-0658.2011.02.003 Wu R G, Cai J F, Yu Z Q, et al. The hydrothermal alteration and mineral composition of Baixintu uranium deposit in Sonliao Basin[J]. Uranium Geology, 2011, 27(2): 74−80. doi: 10.3969/j.issn.1000-0658.2011.02.003
[10] 王苗. 松辽盆地钱家店铀矿成矿热流体作用研究[D]. 西安: 西北大学, 2022: 35-55. Wang M. Study on metallogenic hydrothermal process of Qianjiadian uranium deposit in the Songliao Basin[D]. Xi’an: Northwest University, 2022: 35-55.
[11] Cheng Y H, Wang S Y, Zhang T F, et al. Regional sandstone-type uranium mineralization rooted in Oligo—Miocene tectonic inversion in the Songliao Basin, NE China[J]. Gondwana Research: International Geoscience Journal, 2020, 88(1): 88−105.
[12] Cheng Y H, Wang S Y, Jin R S, et al. Global Miocene tectonics and regional sandstone-style uranium mineralization[J]. Ore Geology Reviews, 2019, 106: 238−250. doi: 10.1016/j.oregeorev.2019.02.003
[13] 寸小妮, 吴柏林, 张洪深, 等. 鄂尔多斯盆地大营铀矿铀的赋存状态研究[J]. 西北地质, 2016, 49(2): 198−212. doi: 10.3969/j.issn.1009-6248.2016.02.019 Cun X N, Wu B L, Zhang H S, et al. Study on uranium occurrence state of daying sandstone-type uranium deposits in Ordos Basin[J]. Northwestern Geology, 2016, 49(2): 198−212. doi: 10.3969/j.issn.1009-6248.2016.02.019
[14] 蔡宁宁. 松辽盆地XX地区砂岩型铀矿铀赋存状态及其成矿意义[D]. 贵阳: 贵州大学, 2022: 29-42. Cai N N. Uranium occurrence and metallogenic significance of sandstone type uranium deposit in XX area, Songliao Basin[D]. Guiyang: Guizhou University, 2022: 29-42.
[15] 张明瑜, 郑纪伟, 田时丰, 等. 开鲁坳陷钱家店铀矿床铀的赋存状态及铀矿形成时代研究[J]. 铀矿地质, 2005, 21(4): 213−218. doi: 10.3969/j.issn.1000-0658.2005.04.005 Zhang M Y, Zheng J W, Tian S F, et al. Research on existing state of uranium and uranium ore-formation age at Qianjiadian uranium deposit in Kailu depression[J]. Uranium Geology, 2005, 21(4): 213−218. doi: 10.3969/j.issn.1000-0658.2005.04.005
[16] 吴柏林, 张婉莹, 宋子升, 等. 鄂尔多斯盆地北部砂岩型铀矿铀矿物地质地球化学特征及其成因意义[J]. 地质学报, 2016, 90(12): 3393−3407. doi: 10.3969/j.issn.0001-5717.2016.12.009 Wu B L, Zhang W Y, Song Z S, et al. Geological and geochemical characteristics of uranium minerals in the sandstone-type uranium deposits in the north of Ordos Basin and their genetic significance[J]. Acta Geologica Sinica, 2016, 90(12): 3393−3407. doi: 10.3969/j.issn.0001-5717.2016.12.009
[17] Qi L, Wu B L, Luo J G, et al. Characters and metallogenetic significance of organic matter in coal from the daying sandstone-hosted uranium deposit in the Northern Ordos Basin, China[J]. Minerals, 2023, 13(8): 1002. doi: 10.3390/min13081002
[18] 黄少华, 秦明宽, 刘章月, 等. 松辽盆地西南部钱家店凹陷DL铀矿带铀的赋存形式及成矿时代[J]. 地质论评, 2022, 68(3): 817−830. doi: 10.16509/j.georeview.2022.03.055 Huang S H, Qin M K, Liu Z Y, et al. Uranium occurrence and metallogenic age for the DL uranium mineralized belt in Qianjiadian sag, Southwestern Songliao Basin[J]. Geological Review, 2022, 68(3): 817−830. doi: 10.16509/j.georeview.2022.03.055
[19] 张博, 李建国, 苗培森, 等. 开鲁盆地钱家店铀矿床铀的赋存状态及成因探讨[J]. 华北地质, 2021, 44(2): 40−48. doi: 10.19948/j.12-1471/P.2021.02.06 Zhang B, Li J G, Miao P S. The occurrence state and origin of uranium in Qianjiadian uranium deposit, Kailu Basin[J]. North China Geology, 2021, 44(2): 40−48. doi: 10.19948/j.12-1471/P.2021.02.06
[20] 郝欣. 松辽盆地钱家店砂岩型铀矿成矿特点及其成因分析[D]. 西安: 西北大学, 2020: 25-35. Hao X. Metallogenic characteristics and genesis of Qianjiadian sandstone-type uranium deposit in the Songliao Basin[D]. Xi’an: Northwest University, 2020: 25-35.
[21] 邓刘敏, 葛祥坤, 刘章月, 等. 松辽盆地西南部DL铀矿带铀赋存状态及矿物组成特征[J]. 铀矿地质, 2021, 37(2): 192−204. doi: 10.3969/j.issn.1000-0658.2021.37.021 Deng L M, Ge X K, Liu Z Y. The Occurrence and mineral composition of uranium ore of DL mineralized zone in Southwestern Songliao Basin[J]. Uranium Geology, 2021, 37(2): 192−204. doi: 10.3969/j.issn.1000-0658.2021.37.021
[22] 汤超, 魏佳林, 肖鹏, 等. 松辽盆地北部砂岩型铀矿铀的赋存状态研究[J]. 矿产与地质, 2017, 31(6): 1009−1016. doi: 10.3969/j.issn.1001-5663.2017.06.001 Tang C, Wei J L, Xiao P, et al. Research on uranium occurrence state of sandstone-type uranium deposit in the Northern Songliao Basin[J]. Mineral Resources and Geology, 2017, 31(6): 1009−1016. doi: 10.3969/j.issn.1001-5663.2017.06.001
[23] 魏佳林, 汤超, 徐增连, 等. 松辽盆地北部龙虎泡地区含铀岩系铀矿物赋存特征[J]. 矿物学报, 2019, 39(6): 709−725. doi: 10.16461/j.cnki.1000-4734.2019.39.076 Wei J L, Tang C, Xu Z L. Characteristics of the occurrence of uranium minerals in U-bearing rocks of the Longhupao region in the Northern Songliao Basin[J]. Acta Mineralogica Sinica, 2019, 39(6): 709−725. doi: 10.16461/j.cnki.1000-4734.2019.39.076
[24] 马晔. 鄂尔多斯盆地杭锦旗砂岩型铀矿铀的赋存状态及铀源探讨[D]. 西安: 西北大学, 2013: 23-40. Ma Y. The occurrence and provenance of uranium mineral in Hangjinqi area, Ordos Basin[D]. Xi’an: Northwestern University, 2013: 23-40.
[25] 谢惠丽, 焦养泉, 刘章月, 等. 鄂尔多斯盆地北部铀矿床铀矿物赋存状态及富集机理[J]. 地球科学, 2020, 45(5): 1531−1543. doi: 10.3799/dqkx.2019.164 Xie H L, Jiao Y Q, Liu Z Y, et al. Occurrence and enrichment mechanism of uranium ore minerals from sandstone-type uranium deposit, Northern Ordos Basin[J]. Earth Science, 2020, 45(5): 1531−1543. doi: 10.3799/dqkx.2019.164
[26] 王贵, 王强, 苗爱生, 等. 鄂尔多斯盆地纳岭沟铀矿床铀矿物特征与形成机理[J]. 矿物学报, 2017, 37(4): 461−468. doi: 10.16461/j.cnki.1000-4734.2017.04.013 Wang G, Wang Q, Miao A S, et al. Characteristics of uranium minerals in Nalinggou uranium deposit of Ordos Basin and their formation mechanism[J]. Acta Mineralogica Sinica, 2017, 37(4): 461−468. doi: 10.16461/j.cnki.1000-4734.2017.04.013
[27] 丁波, 刘红旭, 许德如, 等. 鄂尔多斯盆地北缘砂岩型铀矿热液改造的铀成矿效应:来自黑云母绿泥石化过程的制约[J]. 地球科学, 2024, 49(2): 625−638. doi: 10.3799/dqkx.2022.336 Ding B, Liu H X, Xu D R, et al. Uranium metallogenic effect of hydrothermal fluid transformation in sandstone type uranium deposits in Northern Ordos Basin: Constraints from the study of biotite chloritization process[J]. Earth Science, 2024, 49(2): 625−638. doi: 10.3799/dqkx.2022.336
[28] 郭亮亮. 钱家店铀矿床中铀矿物的赋存状态、地球化学特征及其对成矿的约束[D]. 北京: 中国地质大学(北京), 2023. Guo L L. Occurrence and geochemical characteristics of uranium minerals in the Qianjiadian uranium deposit and their constraints on mineralization[D]. Beijing: China University of Geosciences (Beijing), 2023.
[29] 陈振岩, 李清春, 邵建欣, 等. 地浸砂岩型铀矿伴生铼资源开采可行性研究[J]. 自然资源情报, 2023(2): 1−9. doi: 10.3969/j.issn.1674-3709.2023.02.001 Chen Z Y, Li Q C, Shao J X, et al. Feasibility study on the exploitation of rhenium associated with in-situ leaching sandstone type uranium deposit[J]. Natural Resources Information, 2023(2): 1−9. doi: 10.3969/j.issn.1674-3709.2023.02.001
[30] 荣辉, 焦养泉, 吴立群, 等. 松辽盆地南部钱家店铀矿床后生蚀变作用及其对铀成矿的约束[J]. 地球科学, 2016, 41(1): 153−166. doi: 10.3799/dqkx.2016.012 Rong H, Jiao Y Q, Wu L Q, et al. Epigenetic alteration and its constraints on uranium mineralization from the Qianjiadian uranium deposit, Southern Songliao Basin[J]. Earth Science, 2016, 41(1): 153−166. doi: 10.3799/dqkx.2016.012
[31] 夏飞勇, 焦养泉, 荣辉, 等. 松辽盆地南部钱家店铀矿床姚家组砂岩地球化学特征及地质意义[J]. 地球科学, 2019, 44(12): 4235−4251. doi: 10.3799/dqkx.2019.045 Xia F Y, Jiao Y Q, Rong H, et al. Geochemical characteristics and geological implications of sandstones from the Yaojia Formation in Qianjiadian uranium deposit, Southern Songliao Basin[J]. Earth Science, 2019, 44(12): 4235−4251. doi: 10.3799/dqkx.2019.045
[32] 单芝波, 雷安贵, 杨光达, 等. 钱家店铀矿床含矿建造后生改造作用探讨: 来自蚀变特征及地球化学的证据[J]. 地球化学, 2021, 50(4): 398−414. doi: 10.19700/j.0379-1726.2021.04.006 Shan Z B, Lei A G, Yang G D, et al. Discussion on the alteration of the ore-bearing structure and subsequent transformation of the Qianjiadian uranium deposit: Evidence from alteration characteristics and geochemistry[J]. Geochimica, 2021, 50(4): 398−414. doi: 10.19700/j.0379-1726.2021.04.006
[33] Tessier A, Campbell P, Bisson M. Sequential extraction procedure for the speciation of particulate trace mentals[J]. Analytical Chemistry, 1979, 51(7): 844−851. doi: 10.1021/ac50043a017
[34] 尹明, 李家熙. 岩石矿物分析(第四版 第三分册)[M]. 北京: 地质出版社, 2011: 724-728. Yin M, Li J X. Rock and Mineral Analysis (The fourth edition, Volume Ⅲ)[M]. Beijing: Geological Publishing House, 2011: 724-728.
[35] 张效瑞, 吴柏林, 雷安贵, 等. 砂岩型铀矿成矿期与非成矿期黄铁矿的微区原位Pb同位素识别特征[J]. 岩矿测试, 2022, 41(5): 717−732. doi: 10.15898/j.cnki.11-2131/td.202111300192 Zhang X R, Wu B L, Lei A G, et al. In-situ micro-scale Pb isotope identification characteristics of metallogenic and non-metallogenic pyrites in sandstone-type uranium deposits[J]. Rock and Mineral Analysis, 2022, 41(5): 717−732. doi: 10.15898/j.cnki.11-2131/td.202111300192
-
期刊类型引用(5)
1. 刘畅，胡骏翔，苑芷茜. 应用PXRF与ICP-OES法测定土壤中锰的比对研究. 环境科学与管理. 2023(07): 115-119 . 
百度学术
2. 田戈，刘卫，郭颖超，马春红，张文宇，谷周雷. 恒温振荡浸提-电感耦合等离子体发射光谱法测定土壤中的交换性锰. 中国土壤与肥料. 2023(08): 243-248 . 百度学术
3. 杨晓红，陈丽琼，刘婉秋. X射线荧光光谱法在环境监测中的发展与应用. 理化检验-化学分册. 2022(07): 861-868 . 百度学术
4. 徐冬梅，陈晋，张敏. WDXRF法测定污染土壤和沉积物中金属元素. 环境监测管理与技术. 2022(06): 52-55+68 . 百度学术
5. 刘宏，付淑惠，李海霞，靳晧琛，余恒. X射线荧光光谱仪滤光片故障解决思路探讨. 四川环境. 2022(06): 254-259 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 146
- HTML全文浏览量: 23
- PDF下载量: 32
- 被引次数: 7
京公网安备 11010202008159号