Soil Geochemical Characteristics and Ore Prospecting Prediction in Gaojianzi Area, Northern Hebei Province

doi:10.19657/j.geoscience.1000-8527.2023.051

Abstract

Abstract:

The Gaojianzi area is located in the Inner Mongolia-Great Khingan fold system within the Qipanshan middle depressional tectonic units, and is an important metallogenic area in northern Hebei Province.Quaternary sediments in the area are relatively thick, and previous exploration work is rare.To extract mineralization information and apply it to the optimization and delineation of prospecting targets, we conducted a 1:10,000 soil geochemical survey in the area, and statistical analysis on the composition of nine representative ore-related elements, i.e., Au, Ag, Bi, Cu, Pb, Zn, Sb, Mo, and Mn.Our results show that Au, Ag, and Mo are favorable for local mineralization.The R-type cluster analysis was applied to classify the nine elements, and four element assemblages, i.e., Cu-Zn-Mn, Au-Pb-Bi, Sb-Mo and Ag, were classified.The cumulative frequency method is used to calculate the lower limit of single element anomaly and map the single element anomaly.The normalized areal productivity is used to evaluate the characteristics of single element anomaly parameters, and four anomaly targets and two key anomaly verification areas are delineated.In the anomaly target, the soil geochemical profile is used to verify the anomaly and delineate two favorable mineralization locations.Four gold and silver orebodies were found through the verification of trenching engineering.We suggest that useful prospecting information can be extracted from the study area with soil geochemical survey.

Key words: soil geochemical survey, geochemical anomaly, normalized areal productivity (NAP), ore prospecting prediction, gold and silver orebody, Gaojianzi area

CLC Number:

LIANG Ming, GAO Wen, LUO Xianrong, WANG Xiaodong, LIU Xiujuan, CHEN Hao, LIU Panfeng, ZHU Feng, LI Wei. Soil Geochemical Characteristics and Ore Prospecting Prediction in Gaojianzi Area, Northern Hebei Province[J]. Geoscience, 2023, 37(06): 1567-1579.

Figures/Tables 14

References 29

[1]	刘特. 河北省围场地区成矿地质条件及找矿方向[D]. 石家庄: 河北地质大学, 2017.
[2]	赵向奎, 刘思远, 宋东兴, 等. 冀北小扣花营银矿床地质特征及成矿远景[J]. 化工矿产地质, 2018, 40(2):71-76.
[3]	梁鸣, 罗先熔, 刘永胜, 等. 冀北小梨树沟地区土壤地球化学异常特征及其找矿预测[J]. 地质与勘探, 2022, 58(2):312-325.
[4]	罗先熔, 文美兰, 欧阳菲, 等. 勘查地球化学[M]. 北京: 冶金工业出版社, 2007:36-44.
[5]	张善明, 兰生科, 贺中银, 等. 内蒙古北山额勒根乌兰乌拉一带土壤测量地球化学特征及找矿方向[J]. 现代地质, 2018, 32(4):655-666.
[6]	左仁广. 勘查地球化学数据挖掘与弱异常识别[J]. 地学前缘, 2019, 26(4):67-75. DOI
[7]	陈炳锦, 郑崔勇, 赵亮亮, 等. 土壤地球化学测量在陕西勉县瓦子坪铅锌多金属矿勘查中的应用[J]. 现代地质, 2021, 35(2):455-465.
[8]	潘桂棠, 肖庆辉. 中国大地构造图说明书(1:2500000)[M]. 北京: 地质出版社, 2015:44-78.
[9]	河北省地质调查院. 中国区域地质志(河北志)[M]. 北京: 地质出版社, 2017:383-393.
[10]	胡二红, 张善明, 贺中银, 等. 内蒙古额济纳旗微波山地区土壤地球化学特征及找矿潜力[J]. 现代地质, 2020, 34(6):1303-1317.
[11]	田瑞聪, 李大鹏, 张文, 等. 胶北隆起中生代壳幔岩浆的混合反应是巨量金质来源的关键[J]. 岩石学报, 2022, 38(1):23-40.
[12]	ZHAO Z H, QIAO K, LIU Y W, et al. Geochemical data mining by integrated multivariate component data analysis: The Heilongjiang Duobaoshan area (China) case study[J]. Minerals, 2022, 12(8):1-16. DOI URL
[13]	左仁广, 王健, 熊义辉, 等. 2011—2020年勘查地球化学数据处理研究进展[J]. 矿物岩石地球化学通报, 2021, 40(1):81-93.
[14]	高艳芳, 李俊英, 陈军威, 等. 地球化学勘查数据迭代处理的可视化及结果分析[J]. 物探与化探, 2016, 40(5):1021-1025.
[15]	臧金生, 王东晓, 赵瑞强. 化探异常定量评价[J]. 物探与化探, 2014, 38(6):1114-1118.
[16]	杨青松, 高文, 罗先熔, 等. 老挝东南部某多金属矿区土壤地球化学特征及找矿预测[J]. 地质与勘探, 2022, 58(5):1128-1138.
[17]	鄢明才, 顾铁新, 迟清华, 等. 中国土壤化学元素丰度与表生地球化学特征[J]. 物探与化探, 1997, 21(3):161-167.
[18]	王乔林, 孔牧, 韩伟, 等. 土壤地球化学测量在甘肃北山白头山铷矿找矿中的应用[J]. 地质与勘探, 2021, 57(1):110-121.
[19]	王东, 罗先熔, 韦彦婷, 等. 陕南何家垭地区土壤地球化学特征及找矿预测[J]. 金属矿山, 2020(11):172-182.
[20]	MUAVHI N, TESSEMA A. Application of ground magnetic and soil geochemical surveys for mapping potential kimberlite bodies in the southern margin of the Archaean Kaapvaal Craton, South Africa[J]. Journal of Geochemical Exploration, 2021, 231: 106877. DOI URL
[21]	尹志刚, 周小刚, 张志浩, 等. 黑龙江通河县曙光石场地区土壤地球化学特征与成矿预测[J]. 地质与勘探, 2021, 57(5):1053-1064.
[22]	KONSTANTINOVA E, MINKINA T, SUSHKOVA S, et al. Urban soil geochemistry of an intensively developing Siberian city: A case study of Tyumen, Russia[J]. Journal of Environmental Management, 2019, 239:366-375. DOI PMID
[23]	连颖, 刘战庆, 张鸣远, 等. 赣南崇义石咀脑钨矿区土壤地球化学特征分析及找矿效果[J]. 地质与勘探, 2022, 58(1):86-95.
[24]	李倩. 土壤化探异常信息提取方法研究: 以夏河县加木龙沟金矿为例[D]. 兰州: 兰州大学, 2019.
[25]	董一博, 焦建刚, 刘凯, 等. 土壤地球化学测量在南秦岭夏家店金矿刘家峡测区的应用[J]. 地质与勘探, 2019, 55(5):1202-1213.
[26]	张茂忠, 杨乐超, 陈琦伟, 等. 化探异常编号与异常评价自动化方法[J]. 物探与化探, 2014, 38(2):396-401.
[27]	高艳芳, 柳青青, 王学求, 等. 地球化学勘查数据一体化处理系统(Geochem Studio 3.6)用户指南[M]. 北京: 地质出版社, 2019:67-69.
[28]	龚鹏, 马振东. 矿产预测中区域化探异常的识别和评价[J]. 地球科学——中国地质大学学报, 2013, 38(增):113-125.
[29]	牟云. 赤峰解放营子地区水系沉积物地球化学特征及异常评价[D]. 长春: 吉林大学, 2012.

数据类别	参数	Au	Ag		Cu		Pb		Zn		Sb		Bi		Mo		Mn
原始数据	样品数N₁	1419	1419		1419		1419		1419		1419		1419		1419		1419
	最大值	30.60	59.80		163.00		125.00		742.00		6.35		6.46		428.00		2942.00
	最小值	0.31	0.01		0.72		2.60		12.90		0.08		0.01		0.30		91.00
	算术平均值C_f₁	1.32	0.15		17.16		16.66		73.15		0.45		0.08		3.05		649.11
	标准离差	1.16	1.61		19.75		8.45		42.22		0.29		0.18		11.99		443.48
	偏度	12.77	36.08		1.63		4.67		3.41		8.17		29.84		32.09		1.19
	峰度	289.24	1337.08		2.44		46.25		43.62		137.99		1021.38		1120.35		1.05
	变异系数	0.88	10.44		1.15		0.51		0.58		0.64		2.27		3.93		0.68
剔除特异值数据	样品数N₂	1251	1196		1416		1375		1415		1358		1366		1268		1408
	算术平均值	1.05	0.05		16.96		15.70		72.30		0.41		0.07		1.97		636.12
	标准离差	0.32	0.03		19.21		5.30		37.70		0.15		0.04		1.14		419.07
	变异系数	0.31	0.49		1.13		0.34		0.52		0.36		0.62		0.58		0.66
中国土壤丰度C_f2		1.40		0.08		24.00		23.00		68.00		0.80		0.30		0.80		600.00
剔除比率(%)		11.84		15.72		0.21		3.10		0.28		4.30		3.74		10.64		0.78
富集系数(C_f₁/C_f₂)		0.93		1.93		0.72		0.73		1.08		0.56		0.27		3.81		1.08
CV₁/CV₂		2.93		21.28		1.02		1.51		1.11		1.75		3.97		6.79		1.03

数据类别	参数	Au	Ag		Cu		Pb		Zn		Sb		Bi		Mo		Mn
原始数据	样品数N₁	1419	1419		1419		1419		1419		1419		1419		1419		1419
	最大值	30.60	59.80		163.00		125.00		742.00		6.35		6.46		428.00		2942.00
	最小值	0.31	0.01		0.72		2.60		12.90		0.08		0.01		0.30		91.00
	算术平均值C_f₁	1.32	0.15		17.16		16.66		73.15		0.45		0.08		3.05		649.11
	标准离差	1.16	1.61		19.75		8.45		42.22		0.29		0.18		11.99		443.48
	偏度	12.77	36.08		1.63		4.67		3.41		8.17		29.84		32.09		1.19
	峰度	289.24	1337.08		2.44		46.25		43.62		137.99		1021.38		1120.35		1.05
	变异系数	0.88	10.44		1.15		0.51		0.58		0.64		2.27		3.93		0.68
剔除特异值数据	样品数N₂	1251	1196		1416		1375		1415		1358		1366		1268		1408
	算术平均值	1.05	0.05		16.96		15.70		72.30		0.41		0.07		1.97		636.12
	标准离差	0.32	0.03		19.21		5.30		37.70		0.15		0.04		1.14		419.07
	变异系数	0.31	0.49		1.13		0.34		0.52		0.36		0.62		0.58		0.66
中国土壤丰度C_f2		1.40		0.08		24.00		23.00		68.00		0.80		0.30		0.80		600.00
剔除比率(%)		11.84		15.72		0.21		3.10		0.28		4.30		3.74		10.64		0.78
富集系数(C_f₁/C_f₂)		0.93		1.93		0.72		0.73		1.08		0.56		0.27		3.81		1.08
CV₁/CV₂		2.93		21.28		1.02		1.51		1.11		1.75		3.97		6.79		1.03

元素	Au	Ag	Cu	Pb	Zn	Sb	Bi	Mo	Mn
Au	1.00
Ag	0.04	1
Cu	0.03	-0.01	1
Pb	0.27^**	0.07^*	-0.30^**	1
Zn	0.20^**	-0.03	0.84^**	-0.03	1
Sb	0.14^**	0.11^**	-0.24^**	0.33^**	-0.17^**	1
Bi	0.67^**	0.07^*	0.03	0.41^**	0.27^**	0.08^**	1
Mo	0.16^**	0.12^**	0.07^**	0.11^**	-0.05	0.64^**	0.04	1
Mn	-0.09^**	-0.04	0.83^**	-0.18^**	0.78^**	-0.23^**	-0.14^**	-0.07^*	1

元素	Au	Ag	Cu	Pb	Zn	Sb	Bi	Mo	Mn
Au	1.00
Ag	0.04	1
Cu	0.03	-0.01	1
Pb	0.27^**	0.07^*	-0.30^**	1
Zn	0.20^**	-0.03	0.84^**	-0.03	1
Sb	0.14^**	0.11^**	-0.24^**	0.33^**	-0.17^**	1
Bi	0.67^**	0.07^*	0.03	0.41^**	0.27^**	0.08^**	1
Mo	0.16^**	0.12^**	0.07^**	0.11^**	-0.05	0.64^**	0.04	1
Mn	-0.09^**	-0.04	0.83^**	-0.18^**	0.78^**	-0.23^**	-0.14^**	-0.07^*	1

异常分带	累频数(%)	Au	Ag	Cu	Pb	Zn	Sb	Bi	Mo	Mn
外带下限	85	1.97	0.17	44.02	20.50	116.00	0.58	0.12	4.28	1157
中带下限	92	2.56	0.28	53.50	22.90	129.50	0.66	0.14	5.50	1305
内带下限	98	3.66	0.69	60.49	30.80	157.50	0.95	0.21	10.10	1569