《Mining》:Geoenvironmental Modeling of Mining Impacts in Southern Peru Using Sediment Fingerprinting
编辑推荐:
识别受采矿影响的流域中的沉积物来源,对于理解沉积物动力学及支撑环境管理至关重要。本研究应用一种基于地球化学沉积物指纹分析(Sediment Fingerprinting)的地质环境建模方法,量化秘鲁南部科尔卡河(Colca River)微流域内三类沉积物来源的
识别受采矿影响的流域中的沉积物来源,对于理解沉积物动力学及支撑环境管理至关重要。本研究应用一种基于地球化学沉积物指纹分析(Sediment Fingerprinting)的地质环境建模方法,量化秘鲁南部科尔卡河(Colca River)微流域内三类沉积物来源的相对贡献:农业区(ZAGR)、非采矿区(QSAM)和采矿影响区(ZAM)。旱季和雨季采集水样与沉积物样,采用电感耦合等离子体质谱仪(ICP-MS)分析31种元素,辅以其他分析技术。使用R 4.5.0中的FingerPro模型进行源解析,应用保守性指数(Conservation Index, CI)、一致性排序(Consensus Ranking, CR)及一致性示踪剂选取(Consistent Tracer Selection, CTS)方法。结果表明非采矿区主导沉积物来源,贡献约58–60%,而采矿影响区在下游贡献可达31.5%。尽管ZAM贡献较低,但其伴生Zn、Pb、Cd和As的升高浓度。所选示踪剂Ca、Mg、P和Y显示出高判别力。研究证明沉积物指纹分析可为采矿影响流域的沉积物源贡献评估提供稳健框架。
研究背景与目的
在安第斯山脉诸多地区,采矿活动虽促进经济发展,却导致严重的地球化学扰动,成矿地质条件使砷(As)、铅(Pb)、镉(Cd)、锌(Zn)等潜在有害元素广泛存在,并通过物理化学风化及水与沉积物的输移进入河流系统。在长期采矿历史的流域中,自然地球化学背景信号常与历史或现役采矿的人为输入叠加,使沉积物源识别极为复杂。传统矿山环境影响评估多聚焦于水体或沉积物中金属浓度与法规限值对比,虽可检出污染,却难以揭示沉积物来源及各源区的相对贡献,限制了针对污染源的靶向管理策略制定。沉积物指纹分析(Sediment Fingerprinting)通过结合地球化学示踪剂、统计分析与混合模型,建立混合沉积物与其潜在源区地球化学特征间的关系,可定量解析各源区相对贡献,弥补传统方法的不足。然而在秘鲁南部矿区,此类定量应用仍较有限。基于此,研究人员以秘鲁阿雷基帕大区凯利亚省科尔卡河(Colca River)微流域为研究对象,运用基于FingerPro模型的沉积物指纹分析,量化农业区(ZAGR, Zonas Agrícolas)、非采矿区(QSAM, Zonas sin Actividad Minera)及采矿影响区(ZAM, Zonas con Influencia de Actividad Minera——含历史尾矿及废弃矿硐)三类源区对主河道下游混合沉积物的相对贡献,并评估其对下游沉积物地球化学成分的影响。该论文发表于《Mining》期刊。
主要关键技术方法
研究人员于科尔卡河微流域(海拔3200–4000 m,半干旱气候,火山岩为主,含Madrigal矿山历史尾矿)开展旱季与雨季两期野外采样,布设上游采矿影响区(ZAM)、农业区(ZAGR)及非采矿自然区(QSAM)为源样品采样点,主河道下游汇流点为混合样品(Mixture)采样点;共采集28份地表水样与13份活跃河道沉积物样(风干过<63 μm筛取粉砂—粘土组分),沉积物经王水(HCl:HNO3=3:1 v/v) pseudo?total消解,水样按标准分取未过滤总金属与0.45 μm滤膜过滤溶解金属组分,全部样品用ICP?MS测定31种主微量元素。示踪剂选取采用保守性指数(Conservation Index, CI)、一致性排序(Consensus Ranking, CR)及一致性示踪剂选取(Consistent Tracer Selection, CTS)三重标准筛选具保守行为与源间判别力的元素;数据经对数转换与z?score标准化后,用主成分分析(PCA)与线性判别分析(LDA)检验源区分度,通过R语言FingerPro包基于质量守恒的混合模型(unmix函数结合拉丁超立方抽样Latin Hypercube Sampling及蒙特卡洛Monte Carlo模拟)估算各源区相对贡献并做不确定性分析(GOF拟合优度、95%置信区间)与敏感性分析。
研究结果
3.1. Water Characterization(水质表征)
研究人员测得流域内水体pH变化极大(最低2.85为Chimpa溪采矿影响酸性矿山排水Acid Mine Drainage, AMD,最高9.79为上段未受扰段),电导率(EC)最高达2042 μS/cm(Punco溪),总溶解固体(TDS)近尾矿与矿硐处>1000 mg/L,表明受矿物风化及采矿残余与农业活动的双重离子输入影响,酸性条件可促进微量金属溶出与迁移。
3.2. Sediment Characterization(沉积物表征)
沉积物pH 4.28–8.94,EC最高1024 μS/cm;受旱季低流量限制,湿季沉积样缺失,结果代表基准(旱季)条件。采矿影响溪流沉积物呈酸性且富集金属颗粒,细粒沉积物作为微量金属储库可在环境因子变化时再释放。
3.3. Heavy Metal Concentrations(重金属浓度)
地表水中旱季与雨季均检出高于秘鲁环境质量标准(ECA / EQS)参考值的Al、Fe、Mn、Pb、As,湿季Zn、Cu在Chimpa溪现峰值,指示尾矿与矿硐侵蚀淋滤。Madrigal矿区附近活性沉积物中Pb、Zn、Cd、Cu、As浓度显著高于背景值与文献参比值,主要集中于Chimpa、Keto及Cahuira溪(历史矿业遗留物关联区),暗示共同污染来源为暴露尾矿。
3.4. Mixing Model Results(混合模型结果)
LDA显示三类源区(ZAGR红、QSAM蓝、ZAM绿)在二维判别空间可有效分离。混合样1(矿山汇入前):QSAM 58.1%、ZAGR 41.3%、ZAM 0.6%,采矿源几无影响;混合样2(矿山汇入后下游):QSAM 60%、ZAM 31.5%、ZAGR 8.25%,采矿影响区贡献显著上升。蒙特卡洛模拟给出低变异性,模型拟合优度(GOF.mean)达0.996(±0.019)。Mixture 1优选示踪剂为Ca、Mg(CR>96%,CI≈0);Mixture 2优选Ca、P、Y(CR>90%)。虽ZAM体积占比不高,但其所供沉积物显著富集Zn、Pb、Cd、As,具不成比例的地表地球化学影响。
3.5. Tracer Selection(示踪剂选取)
初筛CI与CR识别出Ca、Mg、Fe、Y、Sc等高共识值元素,经三元图目视判别与CTS最终锁定Mixture 1适用Ca+Mg,Mixture 2适用Ca+P+Y。As虽具高判别力但因受氧化还原、吸附—解吸及热液+采矿叠加的非保守行为被排除;Zn、Cd等因二次地球化学过程破坏质量守恒假设未被纳入最终示踪剂组合。所选示踪剂组间差异大于组内变异,满足指纹分析基本假定。
讨论与结论翻译
讨论指出Ca主要赋存于斜长石(中—拉长石,安山岩—英安岩单元),Mg赋存于辉石、角闪石及黑云母等铁镁质矿物,反映源区岩石学与风化差异,具保守性可作为成因地层示踪剂;Zn、Pb、Cd、As受吸附—解吸、氧化还原控制表现非保守,不适合作指纹示踪剂但可作污染指标。模型给出的是相对源贡献比例而非绝对泥沙通量或污染物负荷,受源代表性、示踪剂保守性假设及旱季采样局限影响存在不确定度,建议未来加雨季采样、矿物学(XRD)与同位素(206-208Pb/87Sr)分析及连续提取实验完善解析。与前人Andean流域FingerPro应用研究对比,本文更严格执行示踪剂保守性筛选,印证非采矿区主导泥沙供给但采矿影响区贡献不可忽略(下游可达约31.5%),环境管理应优先稳定裸露尾矿并控制农区土壤侵蚀。
结论(Conclusions)翻译:
本研究证明了基于沉积物指纹分析与FingerPro模型的地质环境方法可应用于受采矿影响的安第斯流域以识别并量化沉积物源贡献。非采矿区(QSAM)为优势泥沙来源(58%–60%),采矿影响区(ZAM)在下游贡献可达31.5%。尽管ZAM相对贡献较小,其沉积物伴生Zn、Pb、Cd、As富集,凸显在采矿影响流域评估中须同时考量泥沙"量"与地球化学"质"。所选示踪剂Ca、Mg、P、Y具高判别力与统计稳健性,CI、CR、CTS方法降低了模型不确定度。结果代表旱季基准条件,湿季变率待进一步研究。管理上建议优先修复裸露尾矿等矿业遗留物,并控制农业区侵蚀以减少输沙。研究表明地球化学示踪剂结合统计混合模型是支持安第斯采矿影响流域沉积物源评估与环境管理的有力工具。