《Journal of Asian Earth Sciences》：Hydrothermal Fe deposits and associated critical metals
编辑推荐：
热液铁矿床富含钴、镓、锗、铪及稀土元素，其成因与临界金属富集机制研究不足，机器学习技术用于矿床分类和勘探。
黄晓文|赵新福|李晓春
中国科学院地球化学研究所关键矿产研究与勘探国家重点实验室，中国贵阳550081
摘要
热液铁矿床，包括矽卡岩型铁矿、铁氧化物-磷灰石（IOA）和铁氧化物-铜-金（IOCG）矿床，是全球主要的铁矿来源。除了其作为铁资源的经济价值外，这些矿床还日益被视为钴（Co）、镓（Ga）、锗（Ge）、钪（Sc）以及稀土元素（REE）等关键金属的重要储库。随着高科技产业和绿色能源领域对这些金属需求的增长，全面了解热液铁系统中这些金属的形成和富集过程变得至关重要。尽管以往的研究主要集中在铁矿化的成因上，但专门研究相关关键金属分布和富集机制的文献仍然较少。
章节摘录
第1部分：热液铁矿床的成因与演化
本专辑的一个重要内容是阐明各种热液铁矿床的形成条件和时间框架。在中国西北部（如慈海）、东南部（如中家、阳山）以及土耳其东北部（如科普兹）进行了多项关于矽卡岩型铁矿床的研究。这些研究利用详细的矿物学分析、石榴石/磁铁矿地球化学数据以及原位U-Pb地质年代学方法，来确定成矿流体的物理化学性质（如氧逸度、pH值），并精确确定矿床的形成时间。第2部分：关键金属的赋存方式与富集机制
本专辑中的许多论文探讨了关键金属（如钴、镓、锗、钪和稀土元素）在热液系统中的赋存方式与富集机制。梁等人（2024年）研究了白涧矿床中钴的富集过程，发现钴主要存在于钴矿、黄铁矿以及磁铁矿中，而磁铁矿中的钴资源占比最大。研究结果表明，钴含量与磁铁矿中温度敏感元素（Ti + V）之间存在相关性，这表明温度对钴的富集过程具有重要影响。第3部分：机器学习在矿床类型分类与矿产勘探中的应用
本专辑还展示了在矿床地质学领域的最新研究成果，包括创新的数据分析与勘探技术。高等人（2025年）系统评估了机器学习算法在闪锌矿微量元素数据分类中的应用，通过优化数据预处理流程提高了模型区分不同矿床类型的准确性。他们利用大规模的闪锌矿微量元素化学数据集进行了系统的研究。CRediT作者贡献声明
黄晓文：概念构思、资金争取、初稿撰写。赵新福：撰写、审稿与编辑。李晓春：撰写、审稿与编辑。利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。致谢
特邀编辑衷心感谢《中国地质科学进展》（JAES）的主编周美富教授和高建峰教授在推动本特刊出版过程中所提供的宝贵指导与支持。我们同时也非常感谢全球众多匿名审稿人的严谨评审和建设性意见，这些意见显著提升了论文的质量。本项工作得到了中国科学院“****”对黄晓文的资助。
