Geosci. Front. | 铁制约花岗岩有关钨、锡成矿的机制：来自机器学习与数值模拟的认识

研究亮点

揭示铁对全球与高分异花岗岩有关的钨、锡矿床解耦的控制作用。
综合运用大数据分析与热力学模拟，揭示矿床形成机制。
利用t-SNE无监督机器学习识别花岗岩地球化学组分的分布规律。
揭示热力学性质对黑钨矿与锡石差异性沉淀与溶解的控制。
为复杂花岗岩型热液成矿系统的勘查提供预测依据。

关键词

钨、锡解耦

高分异花岗岩

平衡热力学

机器学习

数值模拟

研究背景

钨（W）和锡（Sn）是高端装备制造、国防军工、航天航空、新能源以及半导体等高新技术领域不可或缺的关键金属。大多数W和Sn矿床的形成与高度演化的花岗岩密切相关。已有研究普遍表明，与花岗岩有关的W、Sn矿床在区域尺度和矿床尺度上均存在解耦现象。研究者们已从花岗岩成因类型、成矿物质来源、岩浆演化程度以及W和Sn的地球化学行为等方面对此进行了解释，并强调铁（Fe）可能通过影响岩浆结晶分异以及氧化还原程度，进而控制了W和Sn的解耦。然而，对于热液型黑钨矿和锡石矿床，W和Sn本身的热力学性质，以及Fe直接参与黑钨矿和锡石的沉淀-溶解过程是否会造成W和Sn的解耦，这一机制尚不清楚。

因此，如何通过Fe准确区分不含矿、W成矿以及Sn成矿花岗岩，并且定量评估花岗岩中Fe对热液型黑钨矿-锡石体系热力学演化的影响，对理解区域尺度W、Sn矿床的解耦机制以及勘查评价至关重要。

图1. 全球主要花岗岩有关W、Sn矿床分布

研究方法及结果

针对这一科学问题，中山大学成秋明院士团队肖凡教授、花旗博士及其合作者，汇编了全球主要 W、Sn成矿带的含矿和不含矿花岗岩全岩地球化学数据，并且在200~400 ℃、800~1200bar 条件下，开展了W、Sn和Fe组分在热液（FeWO₄–SnO₂–NaCl–HCl–H₂O–CO₂）体系中的热力学模拟，取得如下主要结果：

(1) 全铁 (TFe) 含量可以准确区分不含矿、W成矿和Sn成矿花岗岩，对花岗岩结晶分异程度具有指示作用。t-SNE无监督机器学习表明，从无矿花岗岩到Sn成矿花岗岩，再到W成矿花岗岩，TFe含量呈逐渐下降的特征。无矿花岗岩TFe含量最高，原因在于其岩浆结晶分异程度最低，Fe优先进入角闪石与黑云母矿物中，难以提供充足的Fe参与热液流体出溶过程。此外，高度分异的W成矿花岗岩与Sn成矿花岗岩的TFe含量也存在显著差异，说明W、Sn解耦过程受岩浆结晶分异程度控制。

(2) 热液中的Fe可直接来源于花岗岩，表明花岗岩中的Fe与热液型黑钨矿和锡石有明确的成因联系。瑞利分馏模型表明，当Fe在流体和熔体之间的分配系数大于1时，热液中的Fe可显著富集，达到实验室条件下的FeCl₂含量（0.08~0.42 mol/kg）。

(3) W、Sn和Fe的热力学性质控制了热液成矿过程中黑钨矿与锡石的解耦。黑钨矿和锡石随温度变化的沉淀趋势相反，在200~300 ℃条件下，黑钨矿的沉淀更为有利，而在340~400 ℃条件下，锡石则占据优势。低Fe条件（0.080~0.214 mol/kg）促进黑钨矿作为主要矿物相形成，但不足以形成具有经济意义的锡石矿化。相比之下，较高Fe含量（0.226~0.420 mol/kg）显著增强了锡石的沉淀，从而促进W和Sn共同富集。形成具有经济意义的以锡石为主的矿床，需要同时具备较高的Fe含量(0.226~0.420 mol/kg)以及较高的初始Sn浓度 (W=0.013 mol/kg, Sn=0.020 mol/kg)。压力对W和Sn溶解度产生相反影响：W的溶解度随压力升高而增加，而在300 ℃以下，Sn的溶解度则随压力升高而降低，进一步增强二者差异性沉淀过程。CO₂通过调节热液pH影响矿物溶解度；随着CO₂含量增加，黑钨矿和锡石的溶解度均升高，但该影响程度取决于热液流体的初始pH条件。氧逸度（fO₂）通过控制Fe³⁺/Fe²⁺比值影响矿物溶解度：随着fO₂升高，锡石溶解度降低，而黑钨矿对fO₂变化相对不敏感。在所有模拟条件下，Fe含量变化对黑钨矿溶解度的影响均大于对锡石溶解度的影响。

(4) 黑钨矿和锡石流体包裹体中W和Sn含量、均一温度以及南岭成矿带与W、Sn 有关花岗岩的侵位年龄与Fe含量演化趋势支持了本文的模拟结果。数值模拟的黑钨矿和锡石溶解度涵盖了全球典型的W、Sn矿床流体包裹体中W和Sn的平均含量；赣南地区石英脉型W矿床的流体包裹体均一温度校正为成矿温度后，与模拟揭示的黑钨矿主要沉淀温度区间一致；南岭成矿带花岗岩的Fe含量与侵位年龄呈正相关，即较年轻的花岗岩具有相对较低的Fe含量。

图2. 不同研究中SnCl⁺平衡常数（k）对比

Barsukov et al. (1990), Liu et al.（2023a）以及 Müller和Seward（2001）基于反应Sn²⁺+Cl^-=SnCl⁺；而本研究与 HKF（Helgeson–Kirkham–Flowers）模型采用的反应方程式为SnCl⁺+Cl^-+2H₂O=SnO₂+2HCl+H₂

研究结论

黑钨矿和锡石沉淀过程受其固有热力学性质、Fe供给程度及成矿环境的共同制约。在热液系统中，温度、压力、CO₂溶解度、fO₂与FeCl₂含量共同造成黑钨矿和锡石溶解度的显著差异，进而控制全球热液型W、Sn矿床的时空解耦。上述研究成果凸显了Fe在调控花岗岩相关热液系统W、Sn成矿作用中的核心地位。

本文的模拟结果证实，W、Sn成矿花岗岩经历了充分的岩浆演化过程，而花岗岩成因类型对两者成矿的影响不明显。演化程度较高的花岗岩多为Sn（W）成矿花岗岩，而演化程度最高的花岗岩属于W（Sn）成矿花岗岩。本研究对花岗岩TFe含量分布规律开展量化分析，进一步阐明高分异花岗岩如何驱动黑钨矿和锡石发生解耦：不同程度的结晶分异作用造成热液流体中FeCl₂富集程度的差异，进而影响黑钨矿与锡石沉淀过程中可利用Fe的供给量，最终导致全球范围内热液体系中黑钨矿与锡石的解耦。

图3. 瑞利分馏模型计算的流体中FeCl₂浓度

展示在不同Fe分配系数(流体/花岗岩熔体) 条件下，流体中FeCl₂浓度的变化特征

图4. W、Sn矿床流体包裹体中W、Sn原位含量（ppm）

数据据Liu et al. (2023a），坐标轴采用以10为底的对数刻度。箱体代表四分位距（IQR），箱内水平线为中位数，空心方块代表平均值；须线延伸至1.5倍四分位距范围内的极值，须线以外的数据点为异常值。

图5. W、Sn成矿花岗岩Fe₂O₃/FeO比值与SiO₂含量二元图解

红色虚线划分磁铁矿系列花岗岩（浅红色区域）与钛铁矿系列花岗岩（浅蓝色区域），划分依据参考Ishihara et al. (2000)。

图6. 三类花岗岩全铁（TFe）含量频数分布

图7. 基于t-SNE方法的三类花岗岩分类图

Q1、Q2分别代表二维t-SNE降维嵌入的第一、第二维度; (a) 聚类散点图; (b) 各类花岗岩核密度估计图; (c) 叠加TFe含量的t-SNE图，展现三类岩体的铁元素变化特征

图8. 含矿热液中黑钨矿（Wf）与锡石（Ct）共生沉淀关系

阴影区域代表特定温度区间内稳定存在的矿物组合，括号内矿物为次要矿石矿物。(a, b)表示初始W、Sn浓度均为0.02 mol/kg的热液体系，分别在FeCl₂浓度为0.080~0.214 mol/kg、0.226~0.420 mol/kg条件下的平衡矿物组合；(c, d)分别对应初始W浓度0.013 mol/kg、S n浓度0.02 mol/kg的热液体系，在低FeCl₂浓度（0.080~0.158 mol/kg）与高FeCl₂浓度 (0.226~0.420 mol/kg) 下的平衡矿物组合

图9. 特定温压与FeCl₂条件下H₂WO₄、SnCl⁺浓度与Heinrich（1990）研究结果的对比验证

图10. 中国南岭地区石英脉型黑钨矿石英流体包裹体均一温度（校正至成矿温度）频数分布，与本研究模拟得到的黑钨矿沉淀量对比

横坐标温度区间组距为20 ℃，标注数值为各组中点温度；蓝色实线代表不同成矿温度下黑钨矿沉淀量。本次模拟采用1500 ppm 作为黑钨矿沉淀阈值。浓度（ppm）计算方式：将FeWO₄物质的量（mol）乘以FeWO₄摩尔质量（g/mol）得到矿物质量，再除以1kg的H₂O。

图11. 特定盐度、pH 条件下含矿热液中黑钨矿与锡石溶解度（ppm）等值线图

溶解度数据经以10为底的对数转换。(a, b)分别代表FeCl₂浓度为0.420 mol/kg 条件下H₂ WO₄与SnCl⁺的浓度; (c, d) 分别代表FeCl₂浓度为0.301 mol/kg 条件下H₂WO₄与SnCl⁺的浓度。虚线代表流体包裹体实测W、Sn平均含量。

图12. 不同初始酸度条件下热液pH值随CO₂溶解度的变化关系

(a, b) 分别展示初始 H⁺ 浓度为0.003 mol/kg和0.0003 mol/kg时，CO₂溶解度对热液体系pH的影响。

图13. 特定ΣFe浓度与初始酸度条件下，黑钨矿、锡石溶解度（mol/kg）随CO₂含量与氧逸度fO₂变化的等值线图

溶解度数据采用以10为底的对数坐标展示。(a, b)为ΣFe=0.1mol/kg，初始H⁺浓度分别为0.0003 mol/kg、0.003 mol/kg条件下黑钨矿与锡石的溶解度；(c, d) 为ΣFe=0.4 mol/kg，初始H⁺浓度分别为0.0003 mol/kg、0.003 mol/kg条件下黑钨矿与锡石的溶解度。

图14 FeCl₂含量（mol/kg）(a) 与FeCl²⁺/FeCl₂比值 (b) 随氧逸度fO₂和温度变化的等值线图。数据采用以10为底的对数坐标展示。

图15. 特定ΣFe 浓度条件下，黑钨矿、锡石溶解度（mol/kg）随氧逸度fO₂与温度变化的等值线图

溶解度数据采用以10为底的对数坐标展示。(a, b)分别代表ΣFe=0.1 mol/kg、0.4 mol/kg条件下黑钨矿与锡石的溶解度。

图16. 南岭成矿带W、Sn相关花岗岩TFe含量与侵位年龄对应关系图。依据TFe含量对花岗岩进行排序，并展示各类岩体对应的侵位年龄。

(a)华南地区构造简图，标示研究区位置；底图引自中华人民共和国自然资源部标准地图服务平台（http://bzdt.ch.mnr.gov.cn）。(b) 南岭成矿带花岗岩与W、Sn矿床分布图。(c) 三类花岗岩的TFe含量箱线图及对应的侵位年龄；横坐标为花岗岩样品编号，其中5、10、11号以及20-26号岩体为目前研究认为无矿的花岗岩。箱体代表四分位距(IQR)，箱内水平线为中位数，须线延伸至1.5倍四分位距范围内的极值，圆点代表单个数据点。

原文信息

Deep insights into iron controlling granite-related tungsten and tin mineralization: a machine learning and numerical simulation approach

Qi Hua, Fan Xiao, Suofei Xiong, Shu Jiang, Qiuming Cheng

花旗，中山大学地球科学与工程学院

肖凡，中山大学地球科学与工程学院，中国地质大学（北京）地质过程与矿产资源国家重点实验室，广东省地质过程与矿产资源探查重点实验室，南方海洋科学与工程实验室（通讯作者）

熊索菲，中国地质大学（武汉）资源学院，地质过程与矿产资源国家重点实验室，战略性矿产资源勘查协同创新中心

蒋恕，中国地质大学（武汉）新能源学院

成秋明，中山大学地球科学与工程学院，中国地质大学（北京）地质过程与矿产资源国家重点实验室，南方海洋科学与工程实验室

https://doi.org/10.1016/j.gsf.2026.102421

Tungsten (W) and tin (Sn) deposits associated with highly fractionated granites are commonly separated in both space and time. Although magmatic differentiation and hydrothermal fluid evolution have long been invoked to explain this decoupling, the coupled chemical behavior of W and Sn in magmatic-hydrothermal systems, and its role in governing the segregation of wolframite and cassiterite, remains poorly constrained. Here, we synthesize whole-rock geochemical data for W-Sn-related granites from major global metallogenic belts and apply t-distributed stochastic neighbor embedding (t-SNE)-based unsupervised machine learning to identify a robust association between iron (Fe) content and barren, Sn-related, and W-related granites. This data-driven pattern suggests that granite-related W-Sn mineralization is fundamentally governed by Fe abundance. We further use total Fe content as an input to a Rayleigh distillation model simulating Fe behavior in the multiphase equilibrium system FeWO₄–SnO₂–NaCl–HCl–H₂O–CO₂. Our results show that, in addition to Fe availability, the thermodynamic properties of W and Sn exert a first-order control on the decoupling of wolframite and cassiterite during hydrothermal mineralization. At 200–300 °C, wolframite precipitation is favored, whereas cassiterite predominates at 340–400 °C. Low-Fe conditions (0.080–0.214 mol/kg) promote wolframite as the dominant phase but are insufficient for economically significant cassiterite formation. In contrast, higher Fe contents (0.226–0.420 mol/kg) substantially enhance cassiterite precipitation relative to wolframite, facilitating W-Sn co-enrichment. Economically significant cassiterite-dominated deposits require both elevated Fe contents (0.226–0.420 mol/kg) and higher initial Sn concentrations (W = 0.013 mol/kg, Sn = 0.020 mol/kg). Pressure exerts contrasting effects on W and Sn solubility: W solubility increases with pressure, whereas Sn solubility decreases with pressure below 300 °C, producing asynchronous responses that amplify their differential precipitation. CO ₂ modifies mineral solubility by regulating fluid pH; increased CO₂ enhances the solubility of both wolframite and cassiterite, with the magnitude of this effect depending on the initial pH of the hydrothermal fluid. Oxygen fugacity (fO₂) controls mineral solubility through its influence on the Fe³⁺/Fe²⁺ ratio: increasing fO₂ lowers cassiterite solubility, whereas wolframite remains comparatively insensitive. Across all modeled conditions, Fe variations have a greater effect on wolframite solubility than on cassiterite. Collectively, these results clarify the geochemical controls on W-Sn mineralization and establish Fe as a key parameter governing the formation and decoupling of wolframite- and cassiterite-bearing systems in highly evolved granitic environments.

引用本文： Hua, Q., Xiao, F., Xiong, S.F., Jiang, S., Cheng, Q.M., 2026. Deep insights into iron controlling granite-related tungsten and tin mineralization: a machine learning and numerical simulation approach. Geosci. Front. 18(1), 102421. doi: 10.1016/j.gsf.2026.102421

主办/《地学前缘（英文）》编辑部

文字/肖凡

版式编排/张培

校审/王丽丽

END

往期回顾

2025年第2期目录

诚邀Geoscience Frontiers广大作者

和读者向期刊公众号供稿！

请联系邮箱geofrontier@cugb.edu.cn。

About Geoscience Frontiers

地学前缘（英文）（Geoscience Frontiers，简称GSF）是由中国地质大学（北京）与北京大学共同主办的高水平英文学术期刊，与Elsevier出版集团合作出版，采用钻石开放获取模式。期刊主要刊载地球与行星科学领域的高质量综述和原创研究成果，包括矿物学、岩石学、矿床学、地球化学、构造地质学、地球物理学、地层与古生物学、环境与工程地质、天体地质等。科睿唯安JCR2025影响因子：12.7，位于地球科学及交叉学科领域一区（第6/259）。2025年中科院期刊分区：位于地球科学大类一区（Top期刊），地球科学综合 GEOSCIENCES, MULTIDISCIPLINARY 小类一区。入选“中国科技期刊卓越行动计划二期”英文领军期刊项目（2024-2028）。入选中国科技期刊卓越行动计划重点类期刊（2019-2023）。

点击下方“阅读原文”查看文章原文

点击“在看”，助力传播