浅论造山型金矿中碳质黑色页岩的来源及其在金成矿过程中的作用

碳质黑色页岩形成于各个不同地质历史时期的海洋缺氧水体中,通常可视作潜在的成矿物质来源,目前对于碳质黑色页岩的研究主要集中在传统能源矿产领域,其与金矿床相关成矿机制的关联尚缺乏系统性的深入研究.在总结近10年造山型金矿中碳质黑色页岩研究成果的基础上,归纳前人对碳质黑色页岩的来源、形成环境和过程、地球化学特征以及其与造山型金矿化的成矿物质来源、元素迁移—活化—沉淀机制关系的认识:①碳质黑色页岩主要形成于海洋静闭极度缺氧环境;②碳质黑色页岩比普通黑色页岩更富集金、银、钼、钒、镍和铬等稀有金属;③碳质黑色页岩能够通过地层的区域变质运动释放金元素进入深部变质成矿流体;④碳质黑色页岩通常相对其他岩层在构造活动中更易形成容矿构造并作为强力还原剂导致金的沉淀;⑤碳质黑色页岩能够作为显著的找矿标志指导找矿.然而,这些认识不仅与造山型金矿床的传统成因模式存在一定的差异,而且也将引起传统找矿勘查评价准则的改变.目前,我国对于造山型金矿床中碳质物的研究仍较为薄弱,亟待开展该领域的研究,为找矿勘察工作提供科学依据.     

中国夏季风影响过渡区与其他地区蒸发皿蒸发量趋势相反的原因

夏季风影响过渡区是天气和气候的敏感区,随着全球和区域的变暖,该区域特殊的气候环境响应引起人们重点关注。以南昌、定西、乌鲁木齐作为夏季风影响区、夏季风影响过渡区以及非夏季风影响区的代表站,通过对比中国夏季风影响过渡区和其他地区50年来温度、日照时数、相对湿度、降水量、低云量、风速的变化趋势,以及分析各气象因子单独变化对蒸发皿蒸发量的影响,发现在夏季风影响过渡区各个气象因子的变化均使蒸发皿蒸发量增加,而在其他地区,只有温度变化会使蒸发皿蒸发量增加,其他各因子的变化均会造成蒸发皿蒸发量的下降。贡献度更直观的反映各气象因子对不同地区蒸发皿蒸发的作用。结果表明温度变化对夏季风影响过渡区蒸发皿蒸发变率的贡献最大,贡献度为48.93%。风速变化对夏季风影响区蒸发皿蒸发变率的贡献最大,贡献度为51.54%。降水变化对非夏季风影响区蒸发皿蒸发变率的贡献最大,贡献度为58.57%。此外,低云量的变化对夏季风影响过渡区、夏季风影响区和非夏季风影响区的贡献均达到20%以上。因此,不同地区影响蒸发皿蒸发的最主要的因子是不同的,但低云量对任何地区蒸发皿蒸发的影响都非常重要。     

桂东南水汶盆地白垩系大坡组碎屑锆石U-Pb年龄及其地质意义

为讨论桂东南地区水汶盆地大坡组的物质来源和盆地属性,对大坡组红色砂岩开展LA-ICP-MS锆石U-Pb年代学研究。大坡组红色砂岩(样品NPM30)的碎屑颗粒呈棱角状、次棱角状,磨圆度较差,分选性中等,显示近源沉积的特征。碎屑锆石亦呈现自形程度较好的CL图像,其U-Pb年龄介于2781～105 Ma之间。碎屑锆石U-Pb年龄集中分布于180～145 Ma、270～200 Ma、480～390 Ma,少数介于570～540 Ma、780～720 Ma、1000～820 Ma、1300～1000 Ma、2000～1400 Ma和2800～2300 Ma。物源分析表明大坡组碎屑物质主体来自于云开地区燕山早期、华力西—印支期和加里东期岩浆岩,少量来自于扬子东南缘新元古代岩浆事件和华夏陆块格林威尔期和新太古代物质。大坡组碎屑锆石主体来自于沉积成岩之前的岩浆活动,与地层沉积时代一致的碎屑锆石含量极少;结合区域构造演化历史,判定水汶盆地为白垩纪伸展构造背景下的断陷拉分盆地。     

福建尤溪梅仙矿田铅锌银矿床特征及找矿方向

梅仙矿田铅锌银矿是福建省目前已发现规模最大的铅锌矿产地。自上世纪90年代以来,矿田内陆续发现和评价了丁家山、峰岩2处大型规模的铅锌矿床。矿床产于闽中裂谷带中新元古代东岩组绿片岩中,属块状硫化物型矿床。     

黄河入海口壬基酚污染分布特征

黄河口表、底层水体和沉积物中壬基酚的浓度分布特征研究结果表明,表层水体中壬基酚浓度为15.7~148.6 ng/L,平均值为47.5 ng/L;底层水体中壬基酚浓度为15.8~52.7ng/L,平均值为31.0 ng/L;表层沉积物中壬基酚浓度为2.31~5.47 ng/g,平均浓度为3.87ng/g。黄河口水体中壬基酚浓度呈现由河道向出海口外逐渐降低的趋势;河道中表层沉积物壬基酚含量高于出海口外。黄河口水体中壬基酚浓度低于文献中报道的海河口水体中的浓度,表层沉积物中壬基酚含量低于珠江口文献报道值。水体中壬基酚浓度超过抑制藤壶附着浓度(10 ng/L),河道最上游的站点水体中的浓度超过影响太平洋牡蛎幼苗的发育并增加幼苗死亡率的浓度(100 ng/L)。     

海洋动床物理模型试验地形制作技术

试验模型地形制作是物模试验的一个基本工作,模型制作的好坏直接关系到实验的精度.模型试验之前,需要根据相似理论,选取合适的材料,按照一定的几何比尺进行模型的制作.通过2个具体工程作为实例说明了模型制作的过程、制作的技术性问题和制作经验.     

2012年8月6日谷城倒塔事故与暴雨洪涝影响调查分析

利用现场调查方法,对2012年8月6日谷城500 KV十樊一回#170倒塔事故的现场损害状况、洪水淹没范围等进行调查梳理;使用资料调查方法,对灾害发生时段的水文、气象以及发生区域内的水库、河道工况、自然地理等进行调查整理.最后,运用数理统计方法对水位、流量及降水等要素极值进行推算,并利用二维水动力模型模拟洪水路径及淹没...     

综合评价方法在水质评价应用中的比较研究

以黄河某取水口监测点19981999年的水质为评价对象,利用灰色关联分析法、模糊综合评价法和物元分析法分别进行了综合评价,结果表明,模糊综合评价和物元分析法的评价结果一致,"中心化"灰色关联法评价结果与上述两方法的评价结果一致.     

胶州湾及其邻近河流中壬基酚等有机污染物的分布特征

为分析青岛胶州湾及其邻近河流中的壬基酚（NP）及其短链氧乙烯醚母体化合物、壬基酚单氧乙烯醚（NP1EO）和壬基酚二氧乙烯醚（NP2EO）的污染状况和分布特征,在研究区域内设置了17个站位分别采集了海水和沉积物样品,样品经萃取、浓缩、净化后采用气质联用仪测定各污染物的浓度。胶州湾水体中的NP、NP1EO和NP2EO的浓度分别为20．2-268．7、11．2-200．4和4．8-32．5ng／L。胶州湾沉积物中上述3种污染物的浓度分别为3．6-299．3、3．8-25．2和4．9-103．2ng／g。胶州湾邻近河流中的污染物浓度远远高于湾内,其中墨水河的污染最严重,水体和沉积物中NP的浓度分别达到28656ng／L和31704ng／g。与世界其他海湾NP等污染物的浓度相比,胶州湾属于严重污染地区之一,已经超出了其生物效应临界浓度。研究区域内50％的站位中NP浓度已经超过导致扇贝苗死亡的临界浓度,10％的站位已经超过引起雄性鱼类雌性化的临界浓度。     

Evaluation of Inference Adequacy in Cumulative Logistic Regression Models: An Empirical Validation of ISWRidge Relationships

Internal solitary wave propagation over a submarine ridge results in energy dissipation, in which the hydrodynamic interaction between a wave and ridge affects marine environment. This study analyzes the effects of ridge height and potential energy during wave-ridge interaction with a binary and cumulative logistic regression model. In testing the Global Null Hypothesis, all values are p 〈0.001, with three statistical methods, such as Likelihood Ratio, Score, and Wald. While comparing with two kinds of models, tests values obtained by cumulative logistic regression models are better than those by binary logistic regression models. Although this study employed cumulative logistic regression model, three probability functions p^1, p^2 and p^3, are utilized for investigating the weighted influence of factors on wave reflection. Deviance and Pearson tests are applied to cheek the goodness-of-fit of the proposed model. The analytical results demonstrated that both ridge height （X1 ） and potential energy （X2 ） significantly impact （p 〈 0. 0001 ） the amplitude-based refleeted rate; the P-values for the deviance and Pearson are all 〉 0.05 （0.2839, 0.3438, respectively）. That is, the goodness-of-fit between ridge height （ X1 ） and potential energy （X2） can further predict parameters under the scenario of the best parsimonious model. Investigation of 6 predictive powers （ R2, Max-rescaled R^2, Sorners＇ D, Gamma, Tau-a, and c, respectively） indicate that these predictive estimates of the proposed model have better predictive ability than ridge height alone, and are very similar to the interaction of ridge height and potential energy. It can be concluded that the goodness-of-fit and prediction ability of the cumulative logistic regression model are better than that of the binary logistic regression model.