Element and Mineral Characteristics of Tailings in the Porphyry-Type Iron Deposit from Ningwu Basin
-
摘要:
宁芜盆地玢岩型铁矿是中国重要的铁资源来源，其尾矿成分复杂，而对复杂尾矿进行高效综合利用的前提是充分了解其工艺矿物学特征。本文以宁芜盆地和尚桥铁矿床尾矿样品为研究对象，在常规X射线荧光光谱(XRF)、电感耦合等离子体质谱(ICP-MS)、粉晶X射线衍射(XRD)分析的基础上，借助综合矿物分析仪(TIMA)，对尾矿的矿物与化学组成、元素赋存状态、矿物粒度分布、嵌布关系以及解离度和连生关系进行分析。结果表明：尾矿的主量元素为SiO2 (47.18%～50.08%)、Fe2O3 (15.40%～17.91%)和Al2O3 (12.12%～13.34%)；微量元素中Cu、Zn、V含量较高，但均未达到其工业品位；矿物组成主要为钠长石(23.26%～24.58%)、赤铁矿和磁铁矿(17.30%～21.99%)以及石英(15.31%～17.08%)，总体以脉石矿物为主，金属矿物较少。Si主要赋存于石英(平均值为33.89%)与钠长石(平均值为33.75%)中；Fe主要赋存于赤铁矿和磁铁矿(平均值为73.56%)中；有害元素S主要赋存于黄铁矿中(平均值为96.86%)。尾矿粒度较细，主要分布于50～2000μm；矿物嵌布关系较为复杂且嵌布粒度较细；矿物解离度较低，大部分低于10%，单体颗粒较少，连生关系复杂。宁芜盆地玢岩型铁矿尾矿与中国其他类型铁矿尾矿相比，具有高铝的特征，黄铁矿含量相对较高。
Abstract:The porphyrite-type iron deposit in Ningwu Basin is an important source of iron resources in China, and the premise for the efficient and comprehensive utilization of its complex tailings is a thorough understanding of their mineral processing characteristics. In order to provide a reference for the comprehensive utilization of porphyrite-type iron deposit tailings in Ningwu Basin, the process mineralogy characteristics were explored by using the combined methods of X-ray fluorescence spectrometry (XRF), inductively coupled plasma-mass spectrometry (ICP-MS), X-ray diffractometry (XRD), and TESCAN integrated mineral analyzer (TIMA). The results show that the tailings are composed of mainly Si, Fe and Al. The mineral compositions are mainly albite, hematite, magnetite and quartz. Silicon mainly occurs in quartz and albite, whereas Fe mainly occurs in hematite/magnetite. The tailings have a fine particle size and low mineral liberation degree. Compared to other types of iron deposit tailings in China, these tailings are characterized by a high content of Al and a relatively high proportion of pyrite.
-
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 和尚桥铁矿尾矿矿物嵌布关系背散射图像
Ab—钠长石；Qz—石英；Act—阳起石；Or—正长石；Hem/Mag—赤铁矿/磁铁矿；Ttn—榍石；Py—黄铁矿；Clc—斜绿泥石；Ms—白云母；Bt—黑云母；Pl—斜长石。a—钠长石嵌布关系；b—石英嵌布关系；c，d，e，f—赤铁矿/磁铁矿嵌布关系；g，h，i—黄铁矿嵌布关系。
Figure 1. Backscattering images of mineral dissemination relationship of tailings in the Heshangqiao Fe deposit showing that the mineral dissemination relationship in the tailings is more complex and the dissemination size is finer
![]()
图 2 和尚桥铁矿尾矿中的钠长石、赤铁矿/磁铁矿、石英的解离度TIMA分析结果
Figure 2. Dissociation degree of albite, hematite/magnetite and quartz in tailings of the Heshangqiao Fe deposit determined by TIMA
![]()
图 3 和尚桥铁矿尾矿中钠长石、赤铁矿/磁铁矿、石英的连生关系TIMA分析结果
a—钠长石与其他矿物的连生关系；b—赤铁矿/磁铁矿与其他矿物的连生关系；c—石英与其他矿物的连生关系。
Figure 3. Intergrowth relationship of albite, hematite/magnetite and quartz in tailings of the Heshangqiao Fe deposit determined by TIMA
表 1 和尚桥铁矿尾矿主量元素XRF分析结果
Table 1 Analytical results of major elements in tailings of the Heshangqiao Fe deposit determined by XRF
样品编号 主量元素(%) SiO2 Fe2O3 Al2O3 Na2O S MgO CaO K2O TiO2 P2O5 MnO DS-1-A 49.94 15.59 13.25 4.09 3.439 3.06 2.67 0.87 0.599 0.488 0.340 DS-1-B 50.08 15.40 13.34 4.12 3.484 3.05 2.78 0.85 0.614 0.497 0.333 DS-2-A 47.18 17.91 12.23 3.82 3.467 3.23 3.40 0.77 0.621 0.455 0.369 DS-2-B 47.28 17.71 12.12 3.90 3.888 3.23 3.43 0.75 0.666 0.458 0.358 
下载: 导出CSV
表 2 和尚桥铁矿尾矿微量元素ICP-MS分析结果
Table 2 Analytical results of trace elements in tailings of the Heshangqiao Fe deposit determined by ICP-MS
样品编号 微量元素(μg/g) Li Be Sc V Cr Co Ni Cu Zn Ga As Rb Sr Y Zr Nb DS-1-A 16 1.9 11 89 9.5 72 23 156 143 13 10 38 279 17 84 3.0 DS-1-B 15 1.9 11 90 8.3 78 25 189 143 14 11 36 299 16 87 3.2 DS-2-A 15 2.0 12 119 11 73 25 142 141 14 11 33 269 17 88 3.0 DS-2-B 14 2.1 12 129 11 74 26 137 152 14 13 32 308 19 94 3.1 样品编号 Cs Ba La Ce Pr Nd Sm Eu Gd Tb Dy Ho Er Tm Yb Lu DS-1-A 2.6 340 28 41 5.1 18 3.5 0.77 3.2 0.47 2.5 0.47 1.4 0.22 1.5 0.26 DS-1-B 2.6 302 30 43 5.1 19 3.6 0.82 3.2 0.48 2.6 0.50 1.5 0.22 1.5 0.27 DS-2-A 2.6 322 30 50 5.6 20 4.0 0.87 3.4 0.53 2.9 0.54 1.6 0.24 1.6 0.29 DS-2-B 2.6 317 30 48 6.0 21 4.0 0.85 3.6 0.52 3.0 0.55 1.6 0.27 1.8 0.31 样品编号 Hf Ta Pb Th U Ge Mo Ag Cd In Sn Sb W Tl Bi DS-1-A 2.1 1.1 19 4.7 1.8 5.0 1.4 0.28 0.27 0.15 1.9 1.1 189 0.25 3.5 DS-1-B 2.1 0.78 17 4.7 1.1 5.0 1.2 0.40 0.21 0.16 1.4 1.0 222 0.24 2.9 DS-2-A 2.2 0.62 16 5.0 1.1 5.5 1.2 0.23 0.23 0.19 2.7 1.2 185 0.23 2.3 DS-2-B 2.5 0.54 16 5.3 1.1 6.2 1.1 0.22 0.21 0.20 1.9 1.3 149 0.24 2.5
下载: 导出CSV
表 3 和尚桥铁矿尾矿矿物含量TIMA分析结果
Table 3 Mineral content of tailings of the Heshangqiao Fe deposit determined by TIMA.
矿物名称 含量(%) 平均含量
(%)矿物名称 含量(%) 平均含量
(%)DS-1 DS-2 DS-1 DS-2 钠长石 23.26 24.58 23.92 磷灰石 0.89 0.90 0.90 赤铁矿/磁铁矿 17.30 21.99 19.65 钛闪石 0.76 0.70 0.73 石英 15.31 17.08 16.19 方解石 0.37 0.71 0.54 斜长石 10.20 8.50 9.35 黝帘石 0.46 0.56 0.51 黄铁矿 8.26 4.37 6.32 黑电气石 0.47 0.48 0.48 黑云母 5.08 3.71 4.39 透辉石 0.24 0.66 0.45 斜绿泥石 4.31 2.80 3.56 针铁矿 0.43 0.34 0.39 阳起石 2.87 3.96 3.42 正长石 0.30 0.36 0.33 鲕绿泥石 3.50 2.45 2.97 磁黄铁矿 0.46 0.13 0.30 白云母 2.07 2.27 2.17 绿柱石 0.20 0.20 0.20 镁铝石榴子石 1.69 0.86 1.41 其他矿物总和 0.77 0.74 0.76 高岭石 0.78 1.62 1.20
下载: 导出CSV
表 4 和尚桥铁矿尾矿元素赋存状态TIMA分析结果
Table 4 The occurrence state of elements in tailings of the Heshangqiao Fe deposit determined by TIMA
矿物名称 Si含量占比(%) 矿物名称 Fe含量占比(%) DS-1 DS-2 DS-1 DS-2 石英 32.46 35.32 赤铁矿/磁铁矿 66.51 80.60 钠长石 33.24 34.26 黄铁矿 21.13 10.66 斜长石 14.40 11.70 斜绿泥石 2.78 1.72 阳起石 3.34 4.49 鲕绿泥石 2.25 1.50 黑云母 4.48 3.19 阳起石 1.35 1.78 斜绿泥石 2.77 1.76 黑云母 1.80 1.25 白云母 1.98 2.12 针铁矿 1.49 1.13 鲕绿泥石 2.25 1.53 磁黄铁矿 1.59 0.44 镁铝石榴子石 1.60 0.80 黑电气石 0.41 0.40 高岭石 0.77 1.56 钛铁矿 0.24 0.17 钛闪石 0.67 0.60 其他 0.46 0.34 透辉石 0.29 0.76 正长石 0.41 0.48 其他 1.34 1.42
下载: 导出CSV
表 5 和尚桥铁矿尾矿及主要矿物钠长石、赤铁矿/磁铁矿、石英的粒度分布TIMA分析结果统计
Table 5 Statistics of particle size distribution of tailings, albite, hematite/magnetite and quartz from the Heshangqiao Fe deposit determined by TIMA
矿物名称 不同粒径矿物在尾矿中的质量占比(%) ＞2000μm
砾2000～500μm
粗砂500～250μm
中砂250～50μm
细砂50～5μm
粉砂＜5μm
泥尾矿 0 40.12 35.07 20.20 4.10 0.51 钠长石 0 34.01 27.31 24.66 13.83 0.19 赤铁矿/磁铁矿 0 25.48 27.41 29.44 17.32 0.35 石英 0 27.99 25.68 29.21 16.90 0.22
下载: 导出CSV
表 6 中国不同类型单金属类铁矿尾矿工艺矿物学特性［9，32-35］
Table 6 Process mineralogy characteristics of different types of monometallic iron tailings in China
单金属类铁矿尾矿
类型元素含量特征 主要矿物组成 尾矿粒度主要分布 铁主要赋存矿物 高硅型 Si、Fe含量较高，Al含量较低 石英、阳起石、透辉石、长石 集中在50～350μm 透辉石、赤铁矿 高铝型 Si、Fe和Al含量较高 钠长石、赤铁矿/磁铁矿和石英 集中在50～2000μm 赤铁矿/磁铁矿、黄铁矿 高钙镁型 Si、Ca和Mg含量较高 方解石、钠长石和白云母 集中在3～155μm 赤铁矿 低钙镁铝硅型 Si、Ca、Mg和Al含量都较低 云母、石英、方解石、斜长石、重晶石 集中在75μm以下 赤铁矿、菱铁矿
下载: 导出CSV
-
[1] 邓文, 江登榜, 杨波, 等. 我国铁尾矿综合利用现状和存在的问题[J]. 现代矿业, 2012, 27(9): 1−3. doi: 10.3969/j.issn.1674-6082.2012.09.001 Deng W, Jiang D B, Yang B, et al. Current situation and existing problems of comprehensive utilization of iron tailings in China[J]. Modern Mining, 2012, 27(9): 1−3. doi: 10.3969/j.issn.1674-6082.2012.09.001
[2] Wan H, Yi P, Luukkanen S, et al. Recovering iron concentrate from low-grade siderite tailings based on the process mineralogy characteristics[J]. Minerals, 2022, 12(6): 676. doi: 10.3390/min12060676
[3] 刘文博, 姚华彦, 王静峰, 等. 铁尾矿资源化综合利用现状[J]. 材料导报, 2020, 34(S1): 268−270. Liu W B, Yao H Y, Wang J F, et al. Current status of comprehensive utilization of iron tailings[J]. Materials Reports, 2020, 34(S1): 268−270.
[4] 陈邢, 于峰, 曹越, 等. 铁尾矿粉-脱硫灰胶凝材料的制备及性能研究[J]. 硅酸盐通报, 2023, 42(1): 180−187. Chen X, Yu F, Cao Y, et al. Preparation and properties of iron tailings powder-desulfurization ash cementitious material[J]. Bulletin of the Chinese Silicate Society, 2023, 42(1): 180−187.
[5] Alfonso P, Ruiz M, Zambrana R N, et al. Process mineralogy of the tailings from Llallagua: Towards a sustainable activity[J]. Minerals, 2022, 12(2): 214. doi: 10.3390/min12020214
[6] 杨杰, 董静, 宋洲, 等. 鄂西铜铅锌尾矿库周边农田土壤-水稻重金属污染状况及风险评价[J]. 岩矿测试, 2022, 41(5): 867−879. Yang J, Dong J, Song Z, et al. Heavy metal pollution characteristics and risk assessment of soil and rice in farmland around the copper-lead-zinc tailing, Western Hubei Province[J]. Rock and Mineral Analysis, 2022, 41(5): 867−879.
[7] 曹惠昌, 郑竞, 高淑玲. 我国铁尾矿综合利用研究进展[J]. 现代矿业, 2011, 27(10): 68−71. Cao H C, Zheng J, Gao S L. Research progress on comprehensive utilization of iron tailings in China[J]. Modern Mining, 2011, 27(10): 68−71.
[8] 蒋京航, 叶国华, 胡艺博, 等. 铁尾矿再选技术现状及研究进展[J]. 矿冶, 2018, 27(1): 1−4. Jiang J H, Ye G H, Hu Y B, et al. Present situation and research progress of iron tailings reconcentration technology[J]. Mining & Metallurgy, 2018, 27(1): 1−4.
[9] 刘鹏, 刘磊, 田馨, 等. 我国铁尾矿工艺矿物学特性及其资源化技术研究进展[J]. 矿产保护与利用, 2022, 42(3): 169−178. Liu P, Liu L, Tian X, et al. Reviews of the process mineralogy characteristics and comprehensive utilization technology of iron ore tailings in China[J]. Conservation and Utilization of Mineral Resource, 2022, 42(3): 169−178.
[10] 任明昊, 谢贤, 李博琦, 等. 铁尾矿综合利用研究进展[J]. 矿产保护与利用, 2022, 42(3): 155−168. Ren M H, Xie X, Li B Q, et al. Research progress on comprehensive utilization of iron tailings[J]. Conservation and Utilization of Mineral Resource, 2022, 42(3): 155−168.
[11] 赵新福, 曾丽平, 廖旺, 等. 长江中下游成矿带玢岩铁矿研究新进展及对矿床成因的启示[J]. 地学前缘, 2020, 27(2): 197−217. Zhao X F, Zeng L P, Liao W, et al. An overview of recent advances in porphyrite iron (iron oxide-apatite, IOA) deposits in the middle-lower Yangtze River metallogenic belt and its implication for ore genesis[J]. Earth Science Frontiers, 2020, 27(2): 197−217.
[12] Wanhainen C, Pålsson B I, Martinsson O, et al. Rare earth mineralogy in tailings from Kiirunavaara iron ore, Northern Sweden: Implications for mineral processing[J]. Minerals & Metallurgical Processing, 2017, 34(4): 189−200.
[13] Peelman S, Kooijman D, Sietsma J, et al. Hydrometallurgical recovery of rare earth elements from mine tailings and WEEE[J]. Journal of Sustainable Metallurgy, 2018, 4(3): 367−377. doi: 10.1007/s40831-018-0178-0
[14] 梁朝杰. 姑山尾矿磁化焙烧及磁选试验[J]. 现代矿业, 2014, 30(9): 83−84, 87. Liang C J. Magnetic roasting and magnetic separation test of Gushan tailings[J]. Modern Mining, 2014, 30(9): 83−84, 87.
[15] 李广, 王化军, 孙体昌, 等. 梅山铁矿尾矿浮选铁的试验研究[J]. 湿法冶金, 2015, 34(3): 173−175. Li G, Wang H J, Sun T C, et al. Flotation of iron minerals from Meishan iron tailings[J]. Hydrometallurgy of China, 2015, 34(3): 173−175.
[16] 丁开振, 王小玉, 胡炳胜, 等. 马钢罗河尾矿强磁-反浮选工艺研究[J]. 现代矿业, 2019, 35(11): 14−19. doi: 10.3969/j.issn.1674-6082.2019.11.005 Ding K Z, Wang X Y, Hu B S, et al. Research on strong magnetic-reverse flotation process of Luohe tailings in Masteel[J]. Modern Mining, 2019, 35(11): 14−19. doi: 10.3969/j.issn.1674-6082.2019.11.005
[17] 段超, 李延河, 毛景文, 等. 宁芜和尚桥铁氧化物-磷灰石矿床(IOA)成矿过程研究: 来自磁铁矿LA-ICP-MS原位分析的证据[J]. 岩石学报, 2017, 33(11): 3471−3483. Duan C, Li Y H, Mao J W, et al. Study on the ore-forming process of the Heshangqiao IOA deposit in Ningwu ore district: Insight from magnetite LA-ICP-MS in-situ analysis data[J]. Acta Petrologica Sinica, 2017, 33(11): 3471−3483.
[18] 谢小敏, 李利, 袁秋云, 等. 应用TIMA分析技术研究Alum页岩有机质和黄铁矿粒度分布及沉积环境特征[J]. 岩矿测试, 2021, 40(1): 50−60. Xie X M, Li L, Yuan Q Y, et al. Grain size distribution of organic matter and pyrite in Alum shale by TIMA and its paleo-environmental significance[J]. Rock and Mineral Analysis, 2021, 40(1): 50−60.
[19] 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.
[20] 郑意, 刘文胜, 李杰, 等. 和尚桥铁矿隔离堤边坡治理复垦实践[J]. 现代矿业, 2022, 38(3): 223−225. Zheng Y, Liu W S, Li J, et al. Practice of reclamation and treatment of isolation dike slope in Heshangqiao iron mine[J]. Modern Mining, 2022, 38(3): 223−225.
[21] 朱末琳, 武飞. 东山铁矿剩余资源开发利用论证[J]. 矿业工程, 2014, 12(6): 1−3. Zhu M L, Wu F. Demonstration of exploration and utilization of remaining resources of Dongshan iron mine[J]. Mining Engineering, 2014, 12(6): 1−3.
[22] 徐嘉辰, 寿震宇, 曾霄祥, 等. 东山铁矿露天采场改建尾矿库边坡稳定性研究[J]. 金属矿山, 2016(7): 175−178. Jia C, Shou Z Y, Zeng X X, et al. Study on the slope stability of the tailing pond built at open-pit stope in Dongshan iron mine[J]. Metal Mine, 2016(7): 175−178.
[23] 武飞. 安徽马鞍山东山铁矿Ⅰ区剩余资源开发方案可行性论证[J]. 现代矿业, 2017, 33(11): 79−82. Wu F. Discussion on the development feasibility of the remaining resources of Ⅰ area in Dongshan iron mine in Ma’anshan City, Anhui Province[J]. Modern Mining, 2017, 33(11): 79−82.
[24] 刘义云. 和尚桥铁矿石选矿试验研究[J]. 现代矿业, 2013, 29(5): 172−173. Liu Y Y. Experimental study on beneficiation of Heshang-qiao iron ore[J]. Modern Mining, 2013, 29(5): 172−173.
[25] Qi L, Hu J, Gregoire D C. Determination of trace elements in granites by inductively coupled plasma mass spectrometry[J]. Talanta, 2000, 51: 507−513. doi: 10.1016/S0039-9140(99)00318-5
[26] 张凤英, 张文捷, 刘春丽. X射线粉晶衍射(XRD)法在粘土矿物岩矿鉴定中的应用[J]. 低碳世界, 2018(9): 279−281. doi: 10.3969/j.issn.2095-2066.2018.09.174 Zhang F Y, Zhang W J, Liu C L. Application of X-ray powder diffraction (XRD) method in the identification of clay mineral rock[J]. Low Carbon World, 2018(9): 279−281. doi: 10.3969/j.issn.2095-2066.2018.09.174
[27] 何袖辉, 唐帅帅, 程江, 等. 碳酸钠-氧化锌半熔电感耦合等离子体质谱法测定地球化学样品中的碘[J]. 岩矿测试, 2022, 41(4): 606−613. He X H, Tang S S, Cheng J, et al. Determination of iodine in geochemical samples by ICP-MS with sodium carbonate-zinc oxide semi-melting[J]. Rock and Mineral Analysis, 2022, 41(4): 606−613.
[28] 刘金, 王剑, 王桂君, 等. 利用电子探针和X射线衍射研究准噶尔盆地风城组淡钡钛石矿物学特征[J]. 岩矿测试, 2022, 41(5): 764−773. Liu J, Wang J, Wang G J, et al. Analysis of mineralogical characteristics of leucosphenite from the Fengcheng Formation in the Junggar Basin by electron probe microanalyzer and X-ray diffractometer[J]. Rock and Mineral Analysis, 2022, 41(5): 764−773.
[29] 杨召群, 揣新, 张宏光, 等. 某铁矿超细碎尾矿工艺矿物学研究[J]. 现代矿业, 2019, 35(10): 135−138. Yang Z Q, Qi X, Zhang H G, et al. Study on ultrafine tailings process mineralogy in an iron ore[J]. Modern Mining, 2019, 35(10): 135−138.
[30] 秦玉芳, 李娜, 王其伟, 等. 白云鄂博选铁尾矿稀土的工艺矿物学研究[J]. 中国稀土学报, 2021, 39(5): 796−804. Qin Y F, Li N, Wang Q W, et al. Technological mineralogy of rare earth in Bayan Obo iron tailings[J]. Journal of the China Society of Rare Earths, 2021, 39(5): 796−804.
[31] 张燕, 宋志娇, 陈翠华, 等. 重庆城口高燕锰矿床矿物解离度与工艺粒度研究[J]. 地质论评, 2016, 62(1): 285−286. Zhang Y, Song Z J, Chen C H, et al. Study on the liberation degree and processing size of mineral in Gaoyan Mn deposit, Chengkou, Chongqing[J]. Geological Review, 2016, 62(1): 285−286.
[32] 李德先, 王锦, 张长青, 等. 冀东司家营铁矿尾矿特征及综合利用建议[J]. 地质学报, 2022, 96(4): 1460−1468. doi: 10.3969/j.issn.0001-5717.2022.04.022 Li D X, Wang J, Zhang C Q, et al. Tailings characteristics and comprehensive utilization suggestions of the Sijiaying iron ore deposit in Eastern Hebei Province[J]. Acta Geologica Sinica, 2022, 96(4): 1460−1468. doi: 10.3969/j.issn.0001-5717.2022.04.022
[33] 韩波, 孙熠, 李月明, 等. 高掺量高钙型铁尾矿建筑瓷砖的制备及性能研究[J]. 中国陶瓷, 2023, 59(6): 68−73. Han B, Sun Y, Li Y M, et al. Study on preparation and properties of building tiles with high content and high calcium iron tailings[J]. China Ceramics, 2023, 59(6): 68−73.
[34] 袁晨光, 黄自力, 刘楚玉, 等. 酒钢镜铁矿尾矿中铁矿物再回收试验研究[J]. 烧结球团, 2023, 48(1): 98−105. Yuan C G, Huang Z L, Liu C Y, et al. Experimental research on recovery of iron minerals from specularite tailings in JISCO[J]. Sintering and Pelletizing, 2023, 48(1): 98−105.
[35] 刘金长, 张双爱. 酒钢尾矿再利用实验室试验研究[J]. 金属矿山, 2017(12): 185−188. Liu J C, Zhang S A. Laboratory research on recycling of ore tailing in JISCO[J]. Metal Mine, 2017(12): 185−188.
-
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: 97
- HTML全文浏览量: 14
- PDF下载量: 33
- 被引次数: 7
京公网安备 11010202008159号