我国的滨浅海作为本次新一轮找矿突破战略行动的新重点区域，蕴藏着种类繁多的宝贵砂矿资源，包括但不限于锆石、黄金、钛铁矿、金红石、独居石、锡石、磷钇矿及铌钽矿等，是Zr、Hf、Au、Ti、La、Sn、Nb和Ta等多种当前市场紧俏金属的重要蕴藏地，其开发潜力巨大，引人瞩目。

我国滨浅海金属砂矿资源勘查历史较早，虽然查明资源量多，但能够转换为储量供开发利用的较少^[1-2]，由于国内市场需求旺盛，造成如Zr、Ti等关键金属长期对外依存度高的局面^[3]。其中，经济考量与环境保护的复杂性固然不容忽视，然而更重要的是，现有金属砂矿类矿产地质勘查规范不能为商业化的砂矿开发提供一套科学、系统、经济、绿色、高效的资源评价技术体系^[4]，而且可能导致国家资源浪费，使当前的资源僵局无法被打破。因此，针对新一轮找矿突破战略行动的要求，有必要对一些重要问题重新讨论并求得广泛共识。

在矿产勘查中，地质品位的计算以及对应样品的基本分析基础且重要，是工业指标的制定、矿体圈定、资源量估算、探采对比的基础。由于金属类砂矿矿石解离度高，我国在长期的勘查实践中形成了两套确定品位的方法——重砂鉴定法和化学分析法换算矿物品位，以及自然重砂鉴定和化学分析为主的两套基本分析方案，其中重砂鉴定法分为淘洗—分选为基础的重砂鉴定法与筛分—重液分离为基础的碎屑矿物鉴定法，其定量基础均为镜下鉴定观察，常用定量方法分为颗粒百分含量法^[5-6]和称重法^[7-8]，有学者总结出几套化学分析换算矿物品位的公式^[9-11]。然而有学者发现这些方法在同样情况下得出的砂矿品位差异较大^{[9, 11-12]}，勘查规范、文献和研究项目对于方法的应用存在界定模糊、错误或不当简化^{[6, 11, 13]}，导致同一个砂矿会因地质品位不同而估算出不同的资源量，给管理者和开发者带来困惑^[14-15]。

本研究基于辽东湾近海海砂及相关资源潜力调查项目，研究范围基本覆盖整个辽东湾海域。该海域海底的地质概况、沉积特点和碎屑矿物特征前人已经做了较为详细的研究^[16-23]。本文利用调查区内采集的表层和柱状样品，进行重矿物鉴定、化学分析和粒度分析，使用两种不同砂矿品位计算方法换算锆石品位，并开展对比研究，探讨不同方法在锆石异常区圈定中的适用性差异。

1.   地质概况

辽东湾地处渤海东北部，是一个三面环陆、仅南面与渤海相连的半封闭海湾。根据项目调查成果，该区域由五个次级构造单元构成，自西向东依次为辽西凹陷、辽西低凸起、辽中凹陷、辽东凸起和辽东凹陷，形成了独特的高低起伏构造格局。其中，东部辽东半岛广泛出露太古界深变质岩系；西北部则以古生界和中生界地层为主，并伴有大量中生代燕山期花岗岩侵入体，海湾东西两岸均以基岩海岸为特征，为海砂成矿提供了近源且充足的物质来源。入海河流主要为短源河流，包括滦河、六股河、小凌河、大凌河、辽河、大辽河和复州河等。这些河流持续不断地将陆源物质输送入海，为海砂资源的形成提供了重要物质基础。得益于优越的地质条件和丰富的陆源物质补给，该区域海砂资源储量丰富，目前已探明并完成勘探的海砂矿床数量可观。

研究区海底地形整体呈现自湾顶及东西两侧向中央倾斜的特征，其中湾东侧水深显著大于西侧，最深处可达约32 m，位于湾口中央区域。辽东湾海底坡度总体较为平缓，且NE-SW方向的坡降较NW-SE方向更为和缓。海底等深线的突变主要受岛屿、海底沙脊及沙波发育区的影响。具体而言，海底沙脊发育区主要分布在3个区域：调查区西部的六股河口、东南部的辽东浅滩以及东部的太平湾以北海域。

在地貌分类方面，研究区二级地貌可划分为滨海地貌和浅海地貌，而三级地貌类型则更为多样，包括泥质潮滩、砂质海滩、基岩海岸、水下冲积扇、水下沉积坡、水下侵蚀沉积坡、浅海侵蚀盆地、浅海沉积平原、现代潮流沙丘带、现代潮流沙毯带以及古湖盆洼地等。

研究区海底沉积物按folk分类法^[24]可划分为从砾到泥的11个类别。其中，不含砾石的沉积物类型占比高达90%，以砂质粉砂、砂质泥和泥质砂为主，广泛分布于研究区各处；而含砾沉积物则呈零散带状分布，主要集中在六股河口及东部近岸浅水区域，分布范围相对有限。这种沉积物分布格局反映了研究区海底沉积环境的区域差异性和物质来源的多样性。

2.   研究方法

本研究系统采集了40个表层沉积物样本及88个柱状样顶端首段样品（采样点位见图1），进行了重矿物鉴定、化学元素分析及粒度组成测定等综合测试，构建了基于颗粒百分含量统计法和化学分析法的多元锆石矿物品位计算模型。然后将重矿物鉴定（颗粒法）所得的锆石品位值与两种化学分析法折算的锆石品位值进行对比研究，并结合粒度分布特征进行其空间相关性分析，重点探讨不同方法在锆石品位计算中的适用性差异。

图  1  辽东湾海底表层沉积物取样站位及研究区范围

Figure  1.  Locations of surface sediments sampling and the scope of the study area

下载: 全尺寸图片 幻灯片

2.1   重矿物鉴定

重矿物鉴定由鲁东大学沉积物分析实验室完成。样品采集烘干后，对0.125～0.063 mm的样品大于10 g的缩分，用三溴甲烷进行轻重矿物分离（密度2.89 g/ cm³，液温20 ℃），通过实体和偏光显微镜观测，结合微颗粒化学测试，对300～500颗随机选出的重矿物进行鉴定命名。

2.2   化学分析

化学组成分析由自然资源部海洋地质实验检测中心和中国地质调查局国家地质实验测试中心完成，进行了全岩分析、微量元素、稀土元素、Cl⁻、SO₄²⁻、有机质等项目的分析。

2.3   体重测试

体重测试由青岛海洋地质工程勘察院土工实验室完成，测试流程主要包括样品制备、装样、称量、计算等步骤，装样方法采用漏斗法，测试松散堆积干密度。每个样品进行两次平行测定，结果取算术平均值，若两次结果偏差＞0.01 g/cm³，则重新测试。

2.4   粒度分析

粒度样品测试由中国地质调查局海洋地质实验测试中心和南京大学海岸与海岛开发教育部重点实验室共同完成，细粒沉积物采用Malvern Matersizer 2000型激光粒度仪测试，粗粒沉积物采用筛分法测试。对测试结果采用矩法计算各粒度参数，包括平均粒径、中值粒径、分选系数、偏态、峰态及各粒级的百分含量，本文主要采用平均粒径数据。

2.5   颗粒百分含量法计算锆石品位

该品位计算方法为目前较为通用的颗粒百分含量换算品位的方法。用重矿物鉴定后得出的不同重矿物颗粒数，等效估计每种矿物的体积百分含量，并且将鉴定粒级（本文是0.125～0.063 mm）锆石作为全岩样锆石总量，其他粒级认为没有锆石。然后采用多种重矿物比重参数，结合下列公式得出锆石矿物品位：

其中，G为品位（kg/m³）；V 为体积（cm³）；m为质量（g）；ρ为比重/密度/体积质量（g/cm³）；$ {a}_{\mathrm{锆}\mathrm{石}} $=锆石的颗粒百分含量（%）；$ b=\frac{{m}_{\mathrm{重}\mathrm{矿}\mathrm{物}}}{{m}_{\mathrm{测}\mathrm{试}\mathrm{粒}\mathrm{级}}} $ $ \times {10}^{-2} $ 为测试粒级重矿物质量百分比（%）；$ c=\frac{{V}_{\mathrm{测}\mathrm{试}\mathrm{粒}\mathrm{级}}}{{V}_{\mathrm{全}\mathrm{粒}\mathrm{级}\mathrm{样}\mathrm{品}}}\times {10}^{-2}= \frac{{m}_{\mathrm{测}\mathrm{试}\mathrm{粒}\mathrm{级}}}{{m}_{\mathrm{全}\mathrm{粒}\mathrm{级}\mathrm{样}\mathrm{品}}} $ $ \times {10}^{-2} $ 为测试粒级体积/质量百分比（%）；$ {\rho }_{\mathrm{重}\mathrm{矿}\mathrm{物}}=\sum _{i=1}^{n}{\rho }_{i}\times {a}_{i}\times {10}^{-2} $ 为重矿物平均密度（g/cm³）。

2.6   化学分析法换算锆石品位

方法一：采用化学分析所得的ZrO₂（%），运用以下公式进行换算^[4]（以下简称方法一）：

其中，$ {\rho }_{\mathrm{样}\mathrm{品}} $ 为样品体重（kg/m³）；$ {\omega }_{\mathrm{Z}\mathrm{r}{\mathrm{O}}_{2}} $ 为样品ZrO₂质量分数（%）；$ {\omega }_{\mathrm{精}\mathrm{矿}\mathrm{Z}\mathrm{r}{\mathrm{O}}_{2}} $ 为精矿ZrO₂质量分数（%），取值54%。

方法二：采用化学分析所得的ZrO₂（%），运用文献提供的改进公式（3）进行换算^[10]（以下简称方法二）：

其中，$ {\rho }_{\mathrm{样}\mathrm{品}} $ 为样品体重（kg/m³）；$ {\omega }_{\mathrm{Z}\mathrm{r}{\mathrm{O}}_{2}} $ 为样品ZrO₂质量分数（%）；$ a=\dfrac{{\omega }_{\mathrm{锆}\mathrm{石}\mathrm{形}\mathrm{态}\mathrm{Z}\mathrm{r}{\mathrm{O}}_{2}}}{{\omega }_{\mathrm{Z}\mathrm{r}{\mathrm{O}}_{2}}} $ 为以锆石形态存在的ZrO₂的比例，暂取0.85；$ {\omega }_{\mathrm{锆}\mathrm{石}\mathrm{Z}\mathrm{r}{\mathrm{O}}_{2}} $ 为实测锆石ZrO₂质量分数（%），暂取64%。

3.   品位计算结果与分布特征

3.1   体重测试结果

14个样品的干密度测试结果显示最大值为1570 kg/m³，最小值为1270 kg/m³，平均值为1420 kg/m³，测试结果变化较为稳定，因此本文取平均值1420 kg/m³或1.42 g/cm³作为表层沉积物比重值。

3.2   鉴定测试结果

粒度分析结果显示辽东湾表层沉积物样品组分以粉砂和黏土为主。各粒级百分含量：砾含量0.05%～21.71%，仅在14个站位出现；砂含量2.47%～99.95%，均值为43.96%；粉砂含量0～69.23%，均值为37.87%；黏土含量0～36.54%，均值为17.57%。沉积物的类型主要以砂质粉砂、砂质泥和泥质砂为主。东部沉积物的粒度略粗于西部。

沉积物矿物组成方面，轻矿物主要包括石英、斜长石、钾长石、白云母、风化云母、方解石、未分类的碳酸盐矿物以及绿泥石等8种，同时含有生物碎屑、有机质碎屑、岩屑和风化碎屑等成分。其中，石英的含量占据主导地位，斜长石和钾长石次之。重矿物共识别出48种，以普通角闪石和绿帘石为主要成分，磁铁矿、石榴子石、钛铁矿、榍石、阳起石、褐铁矿、赤铁矿、磷灰石、普通辉石及自生黄铁矿的含量次之，鉴定样品中这些矿物的平均含量为1%～10%。其余矿物的含量较低，平均含量均不足1%。

元素含量方面，沉积物中常量元素以SiO₂和Al₂O₃为主；Fe₂O₃、CaO、K₂O、Na₂O、CaCO₃含量次之，微量元素Cr、Sr、Ba和Zr含量较高。

3.3   锆石品位换算结果与统计特征

利用不同方法计算辽东湾海域沉积物中锆石品位，结果见表1。分别统计了样品平均粒径、颗粒法换算锆石品位、化学分析法换算锆石品位方法一和方法二的统计数、最小值、最大值、平均值和变异系数。其中变异系数CV为标准差与平均值之比，地质上常用于衡量品位、厚度等参数稳定程度，值越小表示越稳定，根据相关规范^[4]，如果砂矿体品位变异系数CV＞150% 则代表目标矿物品位分布很不均匀，如果CV＞100%则代表较均匀。

表  1  利用不同计算方法得出的辽东湾海域沉积物中锆石品位

Table  1.  Results of zircon grade in sediments of Liaodong Bay by different calculation methods

	平均粒径/Φ	颗粒法换算锆石品位/(kg/m3)	化学分析法换算锆石品位 方法一/(kg/m3)	化学分析法换算锆石品位方法二/(kg/m3)
统计数	134	128	128	128
最小值	0.01	0	0.22	0.16
最大值	7.39	0.50	2.11	1.51
平均值	4.92	0.05	1.00	0.72
变异系数	27 %	142%	25%	25%

下载: 导出CSV 

| 显示表格

可以看出，颗粒法换算锆石品位比化学分析法换算锆石品位值域范围小、平均值低但变异系数大很多；同为化学分析法的两种方法换算锆石品位，尽管两者换算公式显示锆石品位均与ZrO₂含量呈一元线性相关关系，但由于参与计算采用的参数不同，换算结果差异较大，方法一相较方法二的最大值、最小值和平均值高，变异系数相同且较小，与平均粒径的变异系数相近。

3.4   锆石换算品位空间分布特征

颗粒百分含量法和化学分析法计算的表层沉积物锆石品位等值线图如图2所示，由于化学分析法换算的两种方法得出结果为一元线性相关，空间分布趋势相同，仅绝对值大小有差异，此处仅展示方法二换算品位的空间分布。

图  2  颗粒百分含量法（a）和化学分析法方法二（b）换算的表层沉积物锆石品位分布图

Figure  2.  Contour map of zircon grade in surface sediment calculated by particle percentage method (a) and chemical analysis method (b)

下载: 全尺寸图片 幻灯片

从图中能够看出，就颗粒百分含量法换算得出的锆石品位而言，其空间分布特征与表1数值统计所呈现的特征相近，具体表现为品位数值较小，不过变异程度较大。在整个调查区域内，绝大多数站位的锆石含量都处于很低的水平，仅在六股河—王宝河、狗河河口区域存在异常高值点，并且在复州湾北骆驼山外海区域、长兴岛外海区域也有较为明显的异常情况，但是这几个相对富集区面积都不大。

而通过化学分析法换算得到的锆石品位数值相对较大，其空间分布呈现出较多的等值区间层次，变化较为平缓。同样在复州湾北骆驼山外海区域呈现出较高的异常值，但是在六股河、狗河河口区域以及长兴岛外海区域，相较于颗粒百分含量法所呈现出的显著异常情况，在这里并没有表现出异常。

3.5   表层沉积物的粒径空间分布特征

平均粒径用来反映沉积介质的平均动能。一般来说，粗粒沉积见于高能环境，细粒沉积见于低能环境，此外，粒度大小还取决于物源沉积物的颗粒大小。研究区域表层沉积物的平均粒度特征如图3a所示。平均粒径等值线的空间分布与沉积物类型具有较高的吻合度。在辽东湾西南部和北部海域，平均粒径Φ值呈现高值区，这些区域与粉砂和黏土含量较高的区域一致，主要沉积了细粒物质，如粉砂和泥质沉积物。从整体趋势来看，沉积物的平均粒径由滨浅海到中部逐渐减小。在六股河口附近的海域，平均粒径Φ值达到了研究区内的最低水平，这一区域恰与砂质沉积物含量最高的区域相重合，主要沉积了研究区最为粗大的沉积物类型——砾质砂。而在辽东湾东部，平均粒径Φ值呈现出自近岸向远海逐步增大的态势；相较而言，西部区域的粒度分布规律性不够明显，不过在小凌河河口区以及狗河南部海域，Φ值呈现出朝中部海域递减的趋势。另外，结合图2也可以发现，两种方法得出的等值线图高低品位点几乎完全不重合，颗粒百分法换算品位的等值线图特高值范围与沉积物粒径大的区域重合（1～3 Φ）；而化学分析法的等值线图高值范围与沉积物粒径4～6 Φ 范围重合。

图  3  辽东湾海域表层沉积物样品平均粒径（a）、3～4 Φ粒级占比（b）、4～5 Φ粒级占比（b）和＞4.5 Φ粒级占比（d）的空间分布等值线图

Figure  3.  Contour maps of the average grain size (a) of surface sediments in Liaodong Bay, the proportion of sediments in the test grain size of 3～4 Φ (b), 3～4 Φ (c) and above 4.5 Φ (d)

下载: 全尺寸图片 幻灯片

颗粒法常用鉴定粒级范围是3～4 Φ，掌握该粒级的分布有助于分析其对矿物品位鉴定结果的影响，图3b展示了重矿物鉴定粒级3～4 Φ沉积物占比，显示该粒级占比高的部位大致位于研究区东岸以外海域SW到NE方向一个条带状区域内，呈串珠状分布。锆石也比较易于赋存在4～5 Φ粒级沉积物中^[25]，图3c展示了粒级4～5 Φ沉积物占比，该粒级沉积物集中的区域较为分散，主要为研究区北部区域。另外，以当前的选矿水平，目前锆石能够以较为可观的回收率分选的原矿最低粒度大约是0.04 mm≈4.6 Φ^[26]，在此粒径以下的锆石暂认为不可用，因此也有必要对于此粒径以下的沉积物集中分布区域有所掌握，图3d展示了＞4.5 Φ沉积物的分布趋势，可见该分布与图3a平均粒径Φ的分布类似，其集中的区域与平均粒径Φ值高的范围几乎一致，说明此粒级对于沉积物整体粒级分布影响巨大，在评价相关砂矿资源时应作为重要考量因素。

4.   讨论

4.1   不同砂矿品位计算方法的特点、误差来源及适用性

根据品位计算结果与分布特征的详细分析发现，不同计算方法所得到的锆石品位值可能存在显著差异，这种差异直接影响了对锆石富集区的判断，从而导致不同的圈定结果。同样是以化学分析为基础的两种方法差异性体现在参数选取与变量控制上，两组计算结果则是线性相关关系，不影响相对富集区的判断；而化学分析法与重砂鉴定法的差异则表现为两组数据相关性很小或完全不相关，如图2中表现出完全不同的富集区，图4a散点图中两组数据无相关性等，这涉及各自方法在换算锆石品位时的样品选取、假设前提和应用条件差异。

图  4  颗粒法鉴定锆石几种变量关系的散点图与趋势线

Figure  4.  Scatter plot and trend line of relationships between several variables in zircon grade identification using particle method

下载: 全尺寸图片 幻灯片

4.1.1   重砂鉴定法

经综合分析，本文认为重砂鉴定法的优点在于：① 从观察统计规律得出的锆石颗粒百分数直观得出所鉴定样品锆石的品位，无须考虑微观层面如类质同象、元素平衡等，简单直观；② 可以直接计算出鉴定粒级所有重矿物品位，有利于综合评价与综合利用；③ 分类挑选不同矿物的单矿物，对矿石的矿物组成、矿物特征分析甚至成矿物质来源、矿床成因分析研究都十分有利；④ 鉴定过程所能分离出的有用重砂矿物也必定能用机器大规模分选，完全能够利用，其鉴定结果对于后期选矿、开发具有重要参考意义；⑤ 以假定鉴定粒级范围以外粒级无可用锆石资源为前提计算的锆石品位并判断锆石富集区，其资源评价风险小。

但该方法的应用存在几个因重要前提和假设而导致的适用性问题：

（1）因鉴定粒度范围受限导致的粒度代表性问题

重砂鉴定由于目标矿物颗粒过细或黏土含量过大的时候难以分选鉴定^{[4, 12]}，会选取固定粒级（如本文0.063～0.125 mm）筛选后进行，从而可能使得某细粒或粗粒矿物颗粒被忽视^[27]。

不同的自然重砂矿物各自原生粒径不同，特性不同，成矿过程有差异，导致最终沉积至砂矿中的矿物粒径不同，而且不同砂矿情况也各异。表现在宏观上，就是粒度分析结果中，同一矿床的不同粒级矿物分布不同，不同矿床的同一粒级矿物分布也不同。比如锆石矿物粒径普遍小于钛铁矿和金红石^{[26, 28-29]}，因此，针对某个粒级的重矿物鉴定结果不能代表全粒级的真实矿物比例，扩大鉴定粒级范围也只能做到尽量接近这一真实值。

另外，据现今锆钛砂矿选矿工艺，主要赋存于0.04 mm以上粒级的砂矿均可以较为理想的回收率与回收品位进行利用^[26]；行业标准《锆精矿》（YS/T 858-2013）中也有对锆精矿细粉（≤ 0.045 mm）的品质要求。从矿产资源高效利用的角度，无论考虑现有技术水平能利用的矿产，还是考虑未来技术升级而储备的潜在矿产，以现有重砂鉴定粒级评价可能会产生细粒矿物富集区遗漏及矿种评价不全等资源调查和开发利用风险。

（2）现有计算公式基本假设带来的误差问题

参考公式（1），尽管可能含量较小，但鉴定粒级以外粒级也应当有锆石，因无法确定具体含量，需在公式中假定鉴定粒级以外无可用锆石资源，因此公式中用测试粒级锆石质量代替样品锆石质量，并进行品位估算；而且需要假定样品各个粒级比重近似，因此公式中用测试粒级质量百分比代替体积百分比，此时方可用样品体重代替鉴定粒级样品体重参与公式计算；同时，颗粒百分含量法核心是用不同重矿物颗粒数量比代替体积比，因此需假定鉴定粒级内重矿物颗粒体积相同，因此才有颗粒百分含量$ （{a}_{n}） $≈体积百分含量（$ \frac{{V}_{n}\times {10}^{-2}}{{V}_{\mathrm{重}\mathrm{矿}\mathrm{物}}} $），从而进行后续计算；最后，在计算重矿物平均密度时，已知矿物的密度可以参与计算，但仍需以经验值假定岩屑、风化矿物、未解离矿物和未知矿物比重。

以上四点均为使计算公式成立的基本假设，这些假设均与实际情况有所出入，也构成了换算品位结果的误差基本来源。

（3）总重矿物比重与重矿物颗粒百分含量两者交互效应引发的品位结果变异增大问题

对于公式（1），经验表明，重矿物平均密度、样品体重两个参数均变化不大，因此锆石品位计算结果很大程度取决于三个变量，即鉴定粒级（3～4 Φ）占样品的比重、鉴定得到的锆石颗粒百分含量和鉴定粒级（3～4 Φ）的总重矿物比重（THM%）。然而通过图3b、图4和图5可以看出，三个变量与品位结果的相关性与空间密切程度有较大区别，其中鉴定粒级（3～4 Φ）占样品的比重与品位结果关系最小，空间上高值点分布不重合（图3b），散点图上甚至不是正相关关系（图4a）；而另两者则显示出与品位结果高度密切的相关性与空间吻合性（图4b-c，图5），此时结合该结果高的变异系数（142%，表1）可以推知这两个变量之间可能具有相关关系。事实上，对于砂矿而言，沉积分异作用对重矿物密度具有很强的选择性，导致锆石富集的成矿因素也很容易使与其相似密度的重矿物（如磁铁矿）富集，从而使整体重矿物比重变大，从图4d也可看出二者具有较强的相关性。数学上将两个自变量的相关性导致它们共同对因变量产生非线性或增强的影响的现象称为交互效应。这种交互效应使得品位换算结果以忽略低缓异常、增强高异常的方式展现，也会在一定程度上影响异常的评定与圈定，应考虑使用主成分分析（PCA）或 因子分析来降低变量之间的相关性。

图  5  辽东湾海域表层沉积物鉴定锆石颗粒含量（a）、3～4 Φ粒级重矿物含量（b）等值线图

Figure  5.  Contour maps of the percentage of zircon grains (a) and the percentage of heavy minerals in the 3～4 Φ grain size fraction (b) in surface sediments of the Liaodong Bay area

下载: 全尺寸图片 幻灯片

4.1.2   化学分析法

相较于重砂鉴定法，化学分析折算锆石品位的方法也具有其独特的优势：①采用全粒级鉴定，有效弥补了人工鉴定在细小颗粒识别上的局限性。该方法不仅涵盖了部分细粒级锆石的利用价值，还对铌钽矿、细粒金等颗粒细小、难以鉴定且易被遗漏的稀有稀贵矿物进行了准确表征，从而为矿产资源的系统性、全面性及远景战略性评价提供了有力支持；②矿物品位换算结果与沉积物粒度之间呈现出显著的相关性，揭示了特定矿物因其颗粒大小固定而易于在特定粒级区间富集的自然规律。从图3a和图6a可见，锆石在平均粒径为4 Φ粒级区间附近的沉积物中富集程度最高；图3b-d、图6b-d则进一步表明，锆石含量与样品中3～4 Φ粒级占比呈正相关且空间分布密切，而与更细粒级占比呈负相关，这充分说明锆石更倾向分布于3～4 Φ粒级区间。这一规律能够通过化学分析结果得以清晰体现，相比之下，虽然颗粒鉴定法主要选取3～4 Φ粒级，涵盖了锆石的主要分布粒径范围，但不同矿物、不同矿床的粒级分布规律则需分粒级分别鉴定实现；③无论方法一还是方法二，其余参数均变化不大，决定品位换算结果最关键参数只有ZrO₂含量一项，避免了多参数相乘可能引发的结果不确定性增大，除本研究变异系数较低以外（25%，表1），有学者在其研究区也用化学分析法获得了钻探样中锆石和钛铁矿品位变化系数分别为78.18%和74.42%^[28]，证明化学分析法保证了品位结果相对客观真实的变异程度。

图  6  化学分析换算锆石品位值与沉积物粒度的关系散点图

Figure  6.  Scatter plot and trend line of the relationship between zircon grade values obtained from chemical analysis and the sediment particle size

下载: 全尺寸图片 幻灯片

但是，化学分析法也有其缺点导致其适用性存疑：

（1）细粒级、灰砂中锆石目前无法利用与全粒级分析的矛盾

图3d和图6d展示了品位换算结果与沉积物＞4.5 Φ粒级比例分布的空间关系与数值变化趋势，前文提到这一粒级大约是目前无法有效实现工业矿物分选的粒级范围。尽管数据规律表明锆石不倾向于分布在这一粒级，但这部分锆石也占有一定比例。尤其在沉积物粒度较小、ZrO₂含量较高的情况下，圈定的锆石高值异常就很可能代表“目前不可利用”锆石异常，从而对当前的砂矿评价开发与投资决策，尤其是快速找矿突破产生干扰。

（2）“方法一”参数运用错误与缺少必要参数问题

“方法一”换算公式（公式2）中的参数“精矿ZrO₂质量分数（54%）”选取不正确，锆石精矿富集程度受原矿和选矿工艺影响可以提高，ZrO₂ 的质量分数非固定客观数据，不应作为计算品位的参照；并且理论上讲，按此参数换算得出的是“样品中锆石精矿的品位”而非“锆石品位”，逻辑上存在偏差，无法准确反映实际锆石含量。另外该换算公式2没有考虑到Zr元素可能具有的多种矿物赋存形式，以及由于类质同象替代而导致锆石中该Zr元素低于理论值等，为提升计算精度，应引入Zr在各主要矿物中的分配比率及锆石中Zr元素的实际含量等关键参数。这些参数可以通过物相分析、矿物平衡计算、单矿物能谱分析等手段获取。并且，总体上，同一砂矿床中各个主要矿物含量相互比例大致稳定^{[6-7, 30]}，一些矿区主要矿物的能谱分析结果也显示矿物中某金属元素的实测质量分数与理论质量分数差距也不大^{[11, 27, 31]}，因此采用“公式3”对“公式2”进行修正，并辅以适当的物相分析方法可以一定程度上减小参数不全带来的计算误差。

（3）轻矿物中赋存的Zr元素引起的误差问题

值得注意的是，一般认为，Zr在浅色矿物（如长石、石英和霞石等）中的含量不高（＜60×10⁻⁶）^[32]，比如有学者测得斜长石中Zr含量平均为31×10^−6[33]，但由于这两者是主要造岩矿物，原砂矿中矿物占比很高，并且部分造岩矿物中的地球化学行为会影响Zr的含量，比如有研究在碱性长石中测得Zr平均含量为161×10^{−6 [33]}，导致Zr可能会有相当部分（约10%或更多）分布在其中。因此，又需要综合考虑理论上含Zr矿物以及矿物占比很高的造岩矿物中的Zr含量，去考虑Zr化学分析值折算成锆石的分配比例，这样使得换算公式中参与的参数过多，测试项目增加，或假定的条件太多导致品位计算结果出现较大随机误差。

（4）采样方式代表性问题

这个问题是两种方法的共性问题，在此一并讨论。本文研究的颗粒法和化学法均以表层样品（几厘米至几十厘米）为分析对象，从地质普查化探的角度来看，这些数据基本可以作为矿化异常的判定依据。然而，重砂矿产的形成主要受重力分异作用控制，重矿物更容易在下部或特殊构造部位富集沉淀，这与热液矿床“化学晕”的形成机制和找矿理论基础存在本质差异。因此，表层样品对下部沉积物中重砂品位的代表性仍需进一步验证。此外，若以找矿勘查为目的，采样厚度应严格遵循砂矿评价规范要求。若仅采用表层样品替代规范取样，可能导致测试结果出现异常富集或贫化的偏差。

4.2   建议与展望

在锆石砂矿品位的确定中，尽管重砂鉴定法和化学分析折算方法各有优势，但均存在一定的局限性。基于当前研究进展，本文提出以下几点原则性建议，以期为后续研究提供参考：

（1）全面测试，综合分析

目前来看，单一方法无法满足准确圈定可利用锆石富集区的要求，只能通过多种分析手段结合，多结果相互验证来综合分析，全面考量。比如，关于锆石品位，综合本文提到两种方法以外，还可以通过小型选矿试验方式得到真正能够选出的锆石量，通过扫描电镜、能谱分析等矿物自动分析方法获得锆石品位等。另外，重砂矿物品位与粒度关系十分紧密，进行品位计算的同时，也一定要细致进行同一样品对应的粒度分析，这样才有利于全面考量，不遗漏关键找矿信息。

（2）明确目标，有的放矢

根据要实现的找矿目标，合理掌握勘查效率与精度关系，正确处理误差，随时调整主要方法十分重要。比如本文的实例中，由于不涉及资源量估算，目的仅仅是评判哪些区域可能富集锆石，对数据绝对值要求不高。而重砂鉴定计算得到的锆石品位与鉴定粒级重矿物占比的相关性很大，完全可以扩大鉴定粒级，并仅仅利用重液分离测定各个粒级重矿物占比即可，其重矿物占比之和则更具参考意义；化学分析法则根本不必采用公式换算锆石品位，仅比较Zr元素含量即可。另外，调查目标如果是基础性、战略性矿产调查，则必须以化学分析为主，全面测试全粒级全元素含量；目标如果是快速找矿突破或商业勘查，化学分析则建议作为参考用以校验重砂鉴定的结果。

（3）完善模型，改进方法

现有的测试流程与换算公式仍有较大的优化空间，其改进方向主要包括更先进的模型构建、更全面的参数考量以及更高效精确的方法优化。以重砂分析为例，通过引入电子化矿物识别技术，可以突破人工鉴定的局限性，实现更大样本量、更广粒级范围的轻重矿物同步鉴定。这种方法可直接以锆石重量占样品百分比作为鉴定结果，从而规避“颗粒数代替体积”“重矿物百分比”“鉴定粒级占比”等传统方法中引入的误差因素。此外，“方法二”的改进可进一步纳入轻矿物中Zr元素的本底值，使换算参数更加全面，计算结果更加精确。然而，这一改进需要依托更精准的矿物物相分析技术，如单矿物能谱分析或质谱分析等手段的支持。这些技术手段的引入将显著提升测试流程的准确性与可靠性，为矿产资源评价提供更科学的数据支撑。

5.   结论

（1）在滨浅海金属砂矿品位计算过程中，重砂鉴定法与化学分析法在确定砂矿品位方面各具所长：前者简单直观，资源评价风险小，分选单矿物有利于成矿物质来源研究；后者全面系统，覆盖了全粒级矿物资源，品位与粒级的紧密关系有利于矿床特征刻画。

（2）由于两种方法在样品选取、假设前提及应用条件上的差异，其换算结果往往存在显著偏差，也反映了二者各自的缺点：前者鉴定粒度范围受限、计算公式基本假设存在误差、品位结果变异增大，后者存在细粒级矿物目前无法利用的矛盾，轻矿物中目标元素的赋存引起的误差，以及换算公式参数复杂等问题。

（3）针对重砂品位换算的工作，建议采用多种分析手段相结合的方式，通过多结果相互验证进行综合研判。在明确工作目标的基础上，应选取更具针对性的测试与计算方法，同时积极引入新技术与更完善的模型，以全面提升数据处理的准确性与结果的可靠性。

致谢：衷心感谢鲁东大学金秉福教授对本研究的悉心指导。