矿业开发与环境保护关系综述

笔者介绍了我国矿业发展经历的3个阶段，归纳出我国矿业开发带来的矿山环境问题主要有：地面塌陷、占压破坏土地、改变地质构造、破坏水资源、污染水、污染土壤、污染大气、瓦斯爆炸及河床抬高等。分析了环境恶化的原因主要与区域地质环境条件、历史、经济技术、矿山企业和地方保护主义等因素有关。最后提出了防治矿山环境恶化的对策，对难以治理的地区以预防、避让为主，历史问题由政府和企业共同解决，落实“谁开发、谁保护；谁受益、谁治理；谁破坏、谁恢复”的生态环境保护新机制，加强监管，加强防治对策研究，走综合勘探、综合评价、综合开发、综合利用的发展道路。     

内蒙乌拉山金矿床钾长石的矿物化学及有序度的分析

采用电子探针显微分析(EMPA)和粉末X射线衍射(XRD)分析了采自乌拉山金矿床含金钾长石石英脉、石英脉以及其他类型岩石中的10 0多个钾长石样品的化学成分和结果状态,并采用R和Q模式聚类分析、Spearman等级相关分析方法对实验数据进行了统计分析。结果表明,含金矿脉、岩浆热液脉和蚀变花岗岩中的钾长石为中等到最大微斜长石,其特征为K2 O含量高,但相对而言,Na2 O、CaO和BaO的含量低。其他岩石类型中的钾长石的化学成分和结果状态变化很大,可以从透长石、正长石到微斜长石,其特征为K2 O的含量相对较低,但Na2 O、CaO和BaO的含量相对较高。含金样品中的钾长石通常更富K2 O ,表明金的成矿作用与富钾的热液流体和碱质交代作用有关。乌拉山金矿床的成矿作用分为两个阶段,主要的含金钾长石石英脉中的钾长石富K2 O ,形成温度为30 7～379℃,平均为35 3℃;第二阶段含金石英脉中的钾长石含K2 O较低,形成温度为2 6 0～318℃,平均为2 81℃。这些结果表明成矿流体与岩浆热液作用有关,流体朝温度降低、K2 O含量降低的方向演化,K2 O含量高的热液流体和2 6 0～380℃的形成温度有利于金的成矿作用。     

环境矿物材料治理镉（Cd^2＋）污染研究进展

近年来,环境矿物材料以其经济、有效、无二次污染等特点,在重金属废水处理和土壤修复方面显示出了众多优势,可替代传统的镉污染处理方法。本文综述了国内外环境矿物材料在处理镉污染方面的研究进展,并对今后应用环境矿物材料治理镉污染提出了一些建议。     

资源勘查图件计算机辅助编绘系统的结构分析与开发策略研究

如何站在信息系统的高度来进行资源图件计算机辅助编绘系统的快速开发，是资源信息系统领域计算机应用的一个重要研究课题。在结构分析的基础上，将资源图件计算机辅助编绘系统划分为图形数据库，应用图形系统和基础图形系统3个基本部分。对于复杂资源图件的计算机辅助编绘，需要地矿点源信息系统的支持。在基础图形系统上进行专业编绘程序的二次开发是高效建立图件编绘系统的最佳途径，并需注意GIS集成应用，三维可视化，人工智能和参数化设计等方法的运用，而系统平台开发是复杂应用的高级阶段。该思想可应用于煤及油气勘探，工程开发，矿区管理及区域地质等诸多领域的软件开发中。     

全谱直读等离子发射光谱法直接测定天然矿泉水中的SO2-4

采用全谱直读等离子发射光谱(ICP-AES)直接测定天然矿泉水中SO2-4的方法在优化工作条件下SO42-的测定下限为0.09mgL-1,方法简便,快速,适用于批量生产.     

固溶体矿物的性质对计算河南西峡红柱石矿形成条件的影响

自然界的大多数造岩矿的是由两种或多种组分混合而成的固溶体。因此，在矿物，岩石和矿床等地质体的平衡热力学研究中不可避免地要涉及固溶体矿物热力学地为的问题。河南省西峡县杨乃沟红柱石矿泥质片岩中仅出现红柱石而没有蓝晶石和夕线石，红柱石矿物包裹体测温结果为420－600℃。通过矿物共生平衡p-t曲线所计算出的片岩形成温度和压力条件也应位于上述岩石学和岩相学等特征所限定的范围内。以此为基础，通过构筑矿物共生p-t平衡曲线的方法，对片岩中若干固溶体矿物理想性／非理想性问题进行了研究。其中斜长石必须以非理想固溶体处理，而石榴子石，黑云母和白云母视作理想固溶体的计算结果同片岩的岩石学和岩相学等特征相一致。     

得尔布干成矿带中段八大关——新峰山成矿地质条件分析

得尔布干成矿带中段八大关—新峰山地区断裂构造发育 ,北东向得尔布干深大断裂是重要的控岩控矿构造。与成矿有关岩浆岩主要为燕山期的中性—中酸性侵入岩及次火山岩。赋矿层位主要有上库力组、塔木兰沟组及谢尔塔拉组。在分析典型矿床的成矿地质特征基础上 ,进一步指出找矿方向     

华北板内深部构造

华北板块的形成经历了早前寒武纪、燕山期及喜马拉雅期3个主要构造发展期，由于华北板块自身运动及所受应力场的作用，加之上地幔岩石圈的不均一性等因素，在中、新生代形成许多特殊的板内构造块。综合应用地质、地球物理和地球化学的成果，对华北板内深部结构进行了研究。从深部构造角度划分出6个金及金金属成矿带、4个金刚石成矿带，并对华北地区的地震及地热资源与新生事大陆裂谷的关系进行了探讨。     

模拟酸雨对福建四种山地土壤的淋溶与风化作用

在不同pH值 (2 .0、3.5、5 .0、6 .0及蒸馏水 )的模拟酸雨作用下 ,对福建四种类型山地土壤进行了为期 12 0d的淋溶试验。结果表明 ,盐基离子的淋溶量随模拟酸雨pH值的降低而增加 ,尤其当pH≤ 3.5时 ,增加最明显。 4种类型土壤中各离子淋失量大小均为 :Ca2 >Mg2 >K >Na ,这与原土壤中交换性盐基含量一致。在pH≥ 3.5的酸雨作用下 ,土壤中铝的淋失较少 ,而当酸雨pH =2 .0时 ,铝的淋失骤然升高。pH2 .0的模拟酸雨不仅增加了土壤铝离子的释放 ,而且加速了矿物的风化。在pH2 .0的模拟酸雨淋溶下 ,红壤、黄壤、山地草甸土和紫色土中由矿物风化输入的 5种阳离子总量分别为 2 .94、4 .33、4 .35和 6 .0 4 (cmol kg)土 ,显著大于其它酸雨处理。土壤对酸沉降的缓冲作用由阳离子交换、氢氧化铝水解以及原生矿物风化缓冲作用三部分组成 ,其相对重要性不仅决定于土壤酸度、盐基饱和度和矿物组成 ,而且与酸雨的pH值密切相关     

Use of Noise to Augment Training Data: A Neural Network Method of Mineral–Potential Mapping in Regions of Limited Known Deposit Examples

One of the main factors that affects the performance of MLP neural networks trained using the backpropagation algorithm in mineral-potential mapping isthe paucity of deposit relative to barren training patterns. To overcome this problem, random noise is added to the original training patterns in order to create additional synthetic deposit training data. Experiments on the effect of the number of deposits available for training in the Kalgoorlie Terrane orogenic gold province show that both the classification performance of a trained network and the quality of the resultant prospectivity map increasesignificantly with increased numbers of deposit patterns. Experiments are conducted to determine the optimum amount of noise using both uniform and normally distributed random noise. Through the addition of noise to the original deposit training data, the number of deposit training patterns is increased from approximately 50 to 1000. The percentage of correct classifications significantly improves for the independent test set as well as for deposit patterns in the test set. For example, using ±40% uniform random noise, the test-set classification performance increases from 67.9% and 68.0% to 72.8% and 77.1% (for test-set overall and test-set deposit patterns, respectively). Indices for the quality of the resultant prospectivity map, (i.e. D/A, D × (D/A), where D is the percentage of deposits and A is the percentage of the total area for the highest prospectivity map-class, and area under an ROC curve) also increase from 8.2, 105, 0.79 to 17.9, 226, 0.87, respectively. Increasing the size of the training-stop data set results in a further increase in classification performance to 73.5%, 77.4%, 14.7, 296, 0.87 for test-set overall and test-set deposit patterns, D/A, D × (D/A), and area under the ROC curve, respectively.