张君伍、李林等：矿床钴富集控制因素：来自磁铁矿微量元素大数据的启示

发布时间：2025-11-21     作者：    阅读：2次

摘    要

钴作为关键战略性稀贵金属，在新能源电池领域需求巨大，主要以共伴生形式产于多类矿床中。磁铁矿是矿床中常见的矿物，在成因解释中起着至关重要的作用。目前对磁铁矿中钴的富集及其对矿床中磁铁矿与硫化物之间钴分布的影响尚不清楚。本研究编制了来自全球166个矿床的9218个磁铁矿微量元素分析数据集。利用统计分析和基于机器学习的特征重要性评价，研究了不同矿床类型磁铁矿中钴含量的控制因素。结果表明，磁铁矿对矿床内钴的经济资源具有重要影响。通过对磁铁矿中钴与其他元素的相关性分析，认为岩浆和流体中较高的钴浓度、较高的温度和较低的氧逸度是富钴磁铁矿形成的有利条件。利用LightGBM的特征重要性评价，确定了斑岩型、铁氧化物型、铁氧化物铜金型、岩浆型镍铜硫化物型、矽卡岩型和沉积变质型矿床中磁铁矿钴富集的主要影响因素。岩浆和流体的组成是磁铁矿中钴含量的主要控制因素，其次是温度和氧逸度。此外，以矽卡岩和斑岩矿床为例，矽卡岩型Fe和Cu矿床的磁铁矿钴含量通常高于矽卡岩型W、Sn、Pb和Zn矿床。斑岩型Cu、Au矿床的磁铁矿钴含量普遍高于斑岩型Pb、Zn矿床。这些观测结果也表明，岩浆-热液系统初始成分的变化对矿床中钴的富集有重要影响。此外，在形成硫化物之前，磁铁矿在较高温度下的广泛结晶往往会减少硫化物相的钴资源量。本研究强调了在评价含磁铁矿矿床的钴资源时应考虑钴资源在磁铁矿与硫化物中分布的重要性。

主要内容

搜集编汇了LA-ICP-MS分析的全球166个矿床的磁铁矿微量元素数据9218条（图1）。统计分析了主要矿床类型的磁铁矿钴含量特征。通过机器学习的特征重要性主要评价了数据量较大的斑岩型（Porphyry）、铁氧化物型（IOA）、铁氧化物铜金型（IOCG）、岩浆型镍铜硫化物型（Ni-Cu）、矽卡岩型（Skarn）和沉积变质型（BIF）矿床中影响磁铁矿钴含量的主要因素。

图1 含磁铁矿数据的矿床分布图

（数据集源自洪双等, 2021; Huang et al., 2019; Makvandi et al., 2016; Wang et al., 2024; Zhang et al., 2023，以及其中的参考文献）

磁铁矿中的钴（Co）含量因矿床类型而异。在岩浆铁钛矿床（Fe-Ti）中钴含量最高，其次是斑岩型（porphyry）、铁氧化物型（IOA）、铁氧化物铜金型（IOCG）、岩浆镍铜硫化物型（Ni-Cu）、火山块状硫化物型（VMS）和矽卡岩型（skarn），而沉积变质型（BIF）磁铁矿的钴含量最低（图2A、B）。此外，以矽卡岩和斑岩矿床为例，矽卡岩型Fe和Cu矿床的磁铁矿钴含量通常高于矽卡岩型W、Sn、Pb和Zn矿床（图2C、E）。斑岩型Cu、Au矿床的磁铁矿钴含量普遍高于斑岩型Pb、Zn矿床（图2D、F）。

图2 不同金属矿床中磁铁矿钴含量对比

（A – 磁铁矿中钴含量（log10）箱线图；黑色数字表示数据量。B – 磁铁矿钴含量排序图。C、D – 矽卡岩性和斑岩型矿床中磁铁矿钴含量箱线图，红色数字表示原始数据量，绿色数字表示通过箱线图方法移除一次异常值后的数据量。E、F – 矽卡岩型和斑岩型矿床中金属矿化组合的网络图。图E和F中圆圈内标签表示矿床的金属矿化类型和频数，连接线上的数字表示金属组合的频数）

从基性岩、中性岩到酸性岩的全岩Mg、Co、Ni、Zn含量成降低趋势，而Pb含量相反(Vinogradov, 1962)。磁铁矿Co与Mg、Ni、Zn、Pb呈现的线性相关性（图3），暗示了岩浆和热液成分对磁铁矿钴含量的影响。

图3 磁铁矿Co-Mg、Co-Ni、Co-Zn、Co-Pb散点图和点密度图

（图B、D、F、G中实线代表点密度0.2~1区域,虚线代表点密度0.6~1区域）

磁铁矿中Ti+V与Al+Mn含量降低的方向与温度降低的方向一致(Nadoll et al., 2014)，高氧逸度时，磁铁矿内Ga含量主要受温度控制(Mallmann and O’Neill, 2009)。磁铁矿中钴与Ti+V、Al+Mn、Ga的正相关趋势（图4），表明较高的温度有利于钴进入磁铁矿晶格。部分矿床内磁铁矿中指示温度与体系成分的元素具有较高相关性，如斑岩型矿床Zn-Mn 0.61, 铁氧化铜金型矿床Zn-Mn 0.79，可能指示了多因素叠加对磁铁矿钴含量的影响。

图4 磁铁矿Co-Ti+V、Co-Al+Mn、Al+Mn-Ti+V、Co-Ga散点图和点密度图

（图B、D、F、G中实线代表点密度0.2~1区域,虚线代表点密度0.6~1区域，图F中散点为钴含量>90%分位数的数据点）

从较低氧逸度的体系内结晶的磁铁矿具有较高的V、Cr含量（Toplis and Corgne, 2002; Kota？ and Stasicka, 2000; Nadoll et al., 2014）。磁铁矿内V、Cr与Co呈正相关趋势（图5），暗示低氧逸度有利于钴进入磁铁矿晶格。部分矿床内磁铁矿的温度和氧逸度敏感元素间的呈现较高相关性，如Ni-Cu矿床V-Ga相关性0.81，矽卡岩矿床V-Ti相关性0.59，BIF型矿床V-Ti相关性0.71。这种温度与氧逸度耦合特征，可能指示了磁铁矿内钴含量主要受温度影响。

图5 磁铁矿Co-V、Co-Cr散点图和点密度图

（图B、D中实线代表点密度0.2~1区域,虚线代表点密度0.6~1区域）

通过LightGBM机器学习模型区分矿床中通过箱线图划分的磁铁矿钴含量类型，获得了超过0.91的准确率和0.969的AUC值。然后通过模型的排列特征重要性评价确定了斑岩型、IOA、IOCG、岩浆型镍铜硫化物型、矽卡岩型和BIF中磁铁矿钴富集的主要影响因素：岩浆和流体的组成是磁铁矿中钴含量的主要控制因素，其次是温度和氧逸度（图6）。

图6  LightGBM钴含量分类模型的排列特征重要性散点图

(C. c. = 相关性系数；圆右侧数字为排列特征重要性；圆内数字为排序）

矽卡岩型矿床中磁铁矿的平均钴含量与铁矿石规模呈负相关趋势（图7A），斑岩型和矽卡岩型矿床中磁铁矿平均钴含量与矿床铜金属量呈正相关趋势（图7B）。这些暗示了岩浆和热液系统的初始成分对磁铁矿钴含量的影响，可能受岩浆演化程度、源区差异等因素的深层影响。含铜的矽卡岩铁矿床中具有较高的硫化物相钴资源量，如朱冲铁铜矿床与白涧铁矿床、张家洼铁矿床的对比（图8）。在形成硫化物之前，磁铁矿在较高温度下的广泛结晶往往会减少硫化物相的钴资源量。这强调了在评价含磁铁矿矿床的钴资源时应考虑钴资源在磁铁矿与硫化物中分布的重要性。

图7 矽卡岩和斑岩矿床中铁铜规模与磁铁矿钴含量关系图

（A – 矽卡岩矿床铁矿石储量与磁铁矿钴含量关系图；B – 斑岩和矽卡岩矿床铜金属量与磁铁矿钴含量关系图；s.-矽卡岩；p.-斑岩。数据源自洪双等, 2021; Huang et al., 2019; Makvandi et al., 2016; Wang et al., 2024; Zhang et al., 2023，以及其中的参考文献）

图8 典型矽卡岩型铁铜矿床中钴资源在矿物相中的分配

(数据源自倪振平等, 2016; Liang et al., 2023; Wang et al., 2024)

相关研究成果以“Controlling factors for Co enrichment in mineral deposits: Insights from magnetite trace element big data”为题发表在《Ore Geology Reviews》。论文第一作者为中国地质大学（北京）科学研究院张君伍博士，中国地质大学（北京）科学研究院李林副教授和合肥工业大学资源与环境工程学院汪方跃副研究员担任通讯作者。本研究获得的国家自然基金（U2444208、42273065）和科学创新计划（202303AA08000601）的资助。

论文链接：https://www.sciencedirect.com/science/article/pii/S0169136825002549

参考文献

洪双, 左仁广, 胡浩, 熊义辉, 王子烨. 2021. 磁铁矿元素地球化学大数据构建及其在矿床成因分类中的应用. 地学前缘, 28(03): 87-96.

Huang X, Sappin A, Boutroy E, Beaudoin G, Makvandi S. 2019. Trace element composition of igneous and hydrothermal magnetite from porphyry deposits; relationship to deposit subtypes and magmatic affinity. Economic geology, 114(5): 917-952.

Kota？ J, Stasicka Z. 2000. Chromium occurrence in the environment and methods of its speciation. Environmental Pollution, 107(3): 263-283.

Liang X, Wang F, Zhang L, Zhang J, Wei C, Fan Y, Guo X, Zhou T, Zhang J, Lü Q. 2023. Cobalt distribution and enrichment in skarn iron deposits: A case study of the Zhuchong skarn iron deposit, Eastern China. Ore Geology Reviews, 163: 105778.

Makvandi S, Ghasemzadeh-Barvarz M, Beaudoin G, Grunsky E C, Beth McClenaghan M, Duchesne C. 2016. Principal component analysis of magnetite composition from volcanogenic massive sulfide deposits: Case studies from the Izok Lake (Nunavut, Canada) and Halfmile Lake (New Brunswick, Canada) deposits. Ore Geology Reviews, 72: 60-85.

Mallmann G, O Neill H S C. 2009. The crystal/melt partitioning of V during mantle melting as a function of oxygen fugacity compared with some other elements (al, P, ca, sc, ti, cr, fe, ga, Y, zr and nb). Journal of Petrology, 50(9): 1765-1794.

Nadoll P, Angerer T, Mauk J L, French D, Walshe J. 2014. The chemistry of hydrothermal magnetite: A review. Ore Geology Reviews, 61: 1-32.

倪振平, 田京祥, 王来明, 李庆平. 山东省重要矿产区域成矿规律. 济南: 山东科学技术出版社, 2016.

Toplis M J, Corgne A. 2002. An experimental study of element partitioning between magnetite, clinopyroxene and iron-bearing silicate liquids with particular emphasis on vanadium. Contributions to Mineralogy and Petrology, 144(1): 22-37.

Vinogradov A P. 1962. Average contents of chemical elements in the principal types of igneous rocks of the Earth's crust. Geochemistry, (7): 641-664.

Wang P, Su S, Wang G, Dong Y, Yu D. 2024. Discrimination of deposit types using magnetite geochemistry based on machine learning. Ore geology reviews, 170: 106107.

Zhang P, Zhang Z, Yang J, Cheng Q. 2023. Machine Learning Prediction of Ore Deposit Genetic Type Using Magnetite Geochemistry. Natural Resources Research, 32(1): 99-116.