魏晓椿，杨蓉
一、引言
重矿物通常是指沉积物中密度大于某一阈值（通常是2.89或2.90 g/cm3）的矿物（图1）。它们在碎屑沉积物中通常只占约1%，但其种类丰富，与源岩类型密切。常见的重矿物有锆石、角闪石、辉石、磷灰石、赤铁矿和磁铁矿等几十余种。重矿物被用于物源分析已经有100多年的历史。基于重矿物的物源分析方法可分为多矿物法和单矿物法，其中传统的重矿物分析属于前者。该法需分离出重矿物并使用显微镜进行矿物的鉴定和数量统计，确定各种矿物的种属及其相对和绝对含量，用以反演源区、母岩类型、沉积物从源到汇的搬运路径和过程。
图1 碎屑沉积物反射光下的显微照片
（a）中主要矿物为石英，含少量长石和极少量重矿物；（b）中为沉积物中分离出的重矿物，包括透明和不透明组分；（c）中则是重矿物中分离出的锆石单矿物
最近二三十年，以锆石（图1c）U-Pb年代学为代表的单矿物物源示踪技术发展迅速。单矿物法是指挑选出单一种类的矿物，分析其地球化学或年代学等特征进行物源分析。这类方法上手快，数据具有多维度、高精度和定量化等特点，因而广受欢迎，而传统的重矿物分析则在一定程度被弱化（图2）。但是，一种单矿物只是重矿物的一小部分，可能不具有广泛代表性，例如灰岩和基性岩基本不产出锆石。传统的重矿物分析不仅可以提供更为丰富的物源信息，也能为正确解释单矿物物源示踪数据提供全景信息，因而仍应作为物源分析的基本手段。然而，沉积物中的重矿物组成受多个自然过程的影响，重矿物的鉴定和定量需经长期训练，费时费力，并受主观因素影响较大，这些都在一定程度制约了该方法的应用。最近一项众多研究人员参与的对比研究发现，用同样的样品按各自实验室的操作惯例开展重矿物分析的结果存在明显差异（Dunkel et al., 2020）。这就要求人们建立对该方法的统一认识，同时需要在继承中发展该法，增强其可靠性和可执行性。
图2 从1990至2020年，基于传统的重矿物分析和典型单矿物物源示踪的文献数量
图中数据分别为以heavy mineral provenance 和detrital zircon provenance OR detrital apatite provenance OR detrital mica provenance 为主题在Web of Science 的SCI-Extended 数据库“地球科学多学科”类别搜索的文献数
本文基于重矿物分析的研究进展，简要介绍了影响沉积物中重矿物含量的主要自然过程，重矿物分析的数据获取、分析、处理、解释的方法和应注意的问题，以及该方法的发展趋势。更详细的介绍请进一步参考许苗苗等（2021）。
图3 影响沉积物中重矿物组合的自然过程，修改自Morton and Hallsworth（1999）
二、沉积物中重矿物含量受多种自然过程影响
沉积物碎屑从源到汇的过程中会受一系列的物理和化学作用的影响，包括水力分选、化学风化和机械磨蚀等。沉积后矿物还可能经历成岩溶解、重结晶和暴露风化等过程（图3）。上述过程对重矿物成分的影响极为复杂，有时可能影响重矿物的含量。以水力分选为例，该过程受到颗粒大小、密度、形状、搬运介质和搬运方式等的影响。如果把矿物当做理想化的球形颗粒，在水中的沉降只考虑重力和拖曳阻力的作用（图4a），它们以跃移和悬浮方式搬运时受“水力等效（Hydraulic equivalence）”原理影响，使同时沉积的重矿物的粒径整体上比轻矿物更细（图4b）。而在风暴、海浪和洪水等高能水流环境下，沉积物颗粒受“挟带等效（Entrainment equivalence）”原理影响更大（图4c），这往往使重矿物发生富集，形成冲积矿（图4d）。而有些板状和片状的重矿物因形状的影响，粒径明显大于同时沉积的轻矿物。因此，同样的沉积物经水力分选后，可能出现不同的重矿物组成。
图4 水力分选示意图，据Ganzanti and Andò（2019）修改
（a）沉积物球形颗粒沉降力学模型；（b）水力等效原理控制下的不同矿物粒度关系；（c）颗粒选择性挟带示意图；（d）中性砂经水力分选，分出冲积矿和反冲积矿，彩色的为重矿物；Fv: 黏性阻力；Ft: 紊流阻力；FL: 上升浮力；FD: 拖曳力；α: 转动角；Fg: 水下颗粒重力；D和K: 颗粒直径
三、重矿物分析的数据获取
针对上述自然过程的影响，可以采取一系列措施以尽量确保获得沉积物的原始重矿物组成信息。首先，采样应该选择新鲜、植被少，不受或少受风化作用影响的砂级沉积物。采集的样品要具有代表性和一致性，尽量选择沉积动力条件接近的样品。重矿物分析的前处理过程也需注意。例如，分散时要避免研磨，也要防止矿物溶解；筛分时应该选择多个粒径范围（窗口），或使用宽粒径范围（如32~500 μm）（Garzanti and Andò, 2019），以获得更全面、准确的重矿物组成信息。对重矿物的分离则推荐使用重液分离法。
传统上，对重矿物的鉴定和定量通常使用计数法（数粒法）在光学显微镜下人工统计各种组分的颗粒或点数，以获得重矿物的组成比例。计数法分为全计法、带计法、线计法和点计法（图5）。由于重矿物大小不一，全计法、带计法、线计法获得的计数比值并不等于矿物的体积比，因此Garzanti和Andò（2019）主张使用点计法，这样薄片中颗粒与网格交点相交的概率等于其面积比，所以不同颗粒的点数比值等于其面积或体积比（图5d）。
由于人工鉴定容易受主观性的影响，有条件时应借助扫描电镜（SEM）、能谱仪（EDS）、电子探针（EMPA）和拉曼光谱仪（Ramon）等仪器进行重矿物鉴定，以获得更客观准确的结果。
图5 重矿物分析颗粒计数方法示意图
（a）全计法；（b）带计法；（c）线计法；（d）点计法（图中网格交点处的红色点为计数点）
四、重矿物数据分析、处理及应用
如前所述，沉积物中重矿物组成受一系列因素影响，因此根据受影响程度和研究目的差异，重矿物数据有多种不同的数据分析、处理方法和应用范围。最简单的做法是采用直接对比，即对已经获得的重矿物分析数据可以与已知源岩的沉积物重矿物特征（表1）直接对比进行物源识别。有的重矿物数据难以通过直观对比发现差异，可借助统计方法，比如因子分析、聚类分析或主成分分析，找出各个样品之间的共性和差异。
表1 不同构造背景源岩的沉积物重矿物组合特征，据Garzanti and Andò （2007, 2019）编制
除了直接对比和统计分析，重矿物指标的应用可以更好地展示、挖掘重矿物组成数据中所蕴含的潜在信息。表2汇总了较为常见的部分指标。其中最常用的属基于重矿物对的物源敏感指标，如ATi、GZi、RuZi、CZi和MZi等（Morton and Hallsworth, 1994）。它们是指水力学性质接近（形状、粒径和密度）、化学性质稳定的重矿物对中一种矿物的相对含量。这些指标对自然过程的影响较不敏感，可更敏感地反映物源的信息。有些指标，如POS、LgM、HgM和ZTR等，包含了某种岩石类型中最主要的重矿物组合，能较好地反映沉积物中源岩的类型。Garzanti and Andò（2007）提出并推荐了一系列指标不仅可以判断沉积物的物源，还可以判断水力分选或者成岩溶解对重矿物组成的影响程度。这些指标包括%Op、% ultradense、%ZR、重矿物浓度指标（HMC）、透明重矿物浓度指标（tHMC）和源岩密度指标（SRD）等。除了上述指标，还有很多其他指标也可以用于物源分析。例如与单一种属的重矿物或一个大类的重矿物有关的指标，表示这些矿物在透明重矿物中的占比，如Ap（磷灰石）、Hb（普通角闪石）、Px（辉石大类）等（Garzanti et al., 2004, 2006）。又如角闪石颜色指标（HCI）和变沉积岩矿物指标（MMI）可以较好地指示源岩的变质强度和岩石类型。
此外，重矿物分析数据结合岩相学数据还可以用于沉积物贡献量的计算。
表2 常用的重矿物指标，据Hubert (1962)，Morton和Hallsworth (1994)，Garzanti 等(2004, 2006, 2007)，Morton等(2012)编制
五、重矿物分析方法的发展趋势
如引言中所述，传统的重矿物分析方法存在低效、受主观因素影响等不足。目前，使用自动化、图像识别和机器学习等新技术开展重矿物自动识别的技术已趋于成熟，可以有效克服传统重矿物分析方法的一些不足。自动矿物识别系统中最成熟的解决方案是基于SEM- EDS的识别系统。该系统使用SEM 获取被测对象的电子背散射（BSE）图像，使用EDS确定矿物成分，可自动计算矿物含量等各项参数（图6）。与人工计数方式相比，基于SEM-EDS的自动识别方式计数具有自动化、高分辨率、多颗粒和高精度等优点，它在重矿物物源示踪研究中的应用将愈加广泛。
由于重矿物组合分析和单矿物法均具有一定的优势和缺点，将两者相结合，取长补短，可以更加全面准确地解读物源信息，防止因单一矿物的数据导致误导性的解释。因此，以重矿物分组合分析为基础，然后根据特定的科学目标，有针对性地选择一种或多种单矿物开展研究，也将是物源示踪的发展趋势。
图6 TIMA自动矿物识别系统对重矿物自动扫描获得种类识别结果、不同成分面积统计和单一矿物提取及粒径统计实例
六、结语
传统的重矿物组合分析是理解各矿物在整个沉积物中的行为、分布和含量，合理解释包括单矿物示踪数据在内的各项物源信息的前提。因此，该方法仍然应作为基本的物源示踪手段。在进行重矿物组合数据获取的过程中，应高度关注一系列影响沉积物重矿物组成的自然过程和人为因素，并建立对重矿物分析具体方法的统一认识以减少偏差。目前对重矿物组合数据已有一系列方法开展对比、统计、计算和解释，以获得源区特征和物源变化等信息。而使用自动矿物识别技术开展重矿物组合分析并和单矿物示踪技术相结合可能是未来的发展趋势。
本文第一作者系浙江大学博士后，第二作者为浙江大学副教授。本文属作者认识，相关问题交流可通过邮箱xcwnju@gmail.com与本人联系。欲知更多详情，请进一步阅读下列参考文献。
主要参考文献
[1] Dunkl I，Von Eynatten H，Andò S, et al. 2020. Comparability of heavy mineral data-the first interlaboratory round robin test. EarthScience Reviews, 211: 103210.
[2] Hubert J. 1962. A Zircon-Tourmaline-Rutile maturity index and the interdependence of the composition of heavy mineral assemblages with the gross composition and texture of sandstones. Journal of Sedimentary Research, 32 (3): 440-450.
[3] Garzanti E，Doglioni C, Vezzoli G, et al. 2007. Orogenic belts and orogenic sediment provenance. The Journal of Geology, 115 (3): 315-334.
[4] Garzanti E，Andò S，Vezzoli G. 2006. The continental crust as a source of sand (Southern Alps Cross Section, Northern Italy). The Journal of Geology, 114 (5): 533-554.
[5] Garzanti E, Andò S. 2007. Chapter 20, Heavy mineral concentration in modern sands: Implications for provenance interpretation, in: Mange, M.A., Wright, D.T. (Eds.), Heavy minerals in use. Radarweg, Elsevier: 517-545.
[6] Garzanti E, Andò S. 2019. Heavy minerals for junior woodchucks. Minerals, 9 (3): 148.
[7] Garzanti E, Vezzoli G, Lombardo B, et al. 2004. Collision-Orogen Provenance (Western Alps): Detrital signatures and unroofing trends. The Journal of Geology，112 (2): 145-164.
[8] Morton A, Hallsworth C. 1994. Identifying provenancespecific features of detrital heavy mineral assemblages in sandstones. Sedimentary Geology, 90 (3): 241-256.
[9] Morton A, Mundy D, Bingham G. 2012. High-frequency fluctuations in heavy mineral assemblages from Upper Jurassic sandstones of the Piper Formation，UK North Sea: Relationships with sealevel change and floodplain residence. Journal of African Economies, 23 (1): 175-190.
[10] 许苗苗, 魏晓椿, 杨蓉, 等. 2021. 重矿物分析物源示踪方法研究进展. 地球科学进展, 36 (2): 154-171.
