金矿勘查发现趋势及其启示意义

综观中国金矿勘查发现史，以我国黄金专业找矿队伍武警黄金部队金矿勘查找矿历史为例，有几个趋势需要我们把握。

一是金矿勘查找矿由简单、易识别矿向复杂多样、难识别矿的转变。早期中国以寻找砂金矿为主，独立岩金矿多以石英脉、破碎带蚀变岩型金矿为主，之后逐渐向寻找微细浸染状、角砾岩型、斑岩型等复杂矿床类型的转变。统计资料表明，1985 ～ 1998 年期间，黄金部队发现超大型金矿1 处 ( 河南东闯-老鸦岔石英脉型) ，特大型金矿2 处 ( 黑龙江团结沟斑岩型和河北东坪钾长石石英脉 - 蚀变岩型) ; 大型金矿 15 处，其中砂金矿床7 处，其他8 处岩金矿床也多以石英脉型等简单类型为主，唯一发现的金龙山微细浸染型金矿，其真正的潜力也没有得到正确认识。1999 ～ 2008 年期间，黄金部队新发现 3 处超大型、大型细微浸染型金矿 ( 甘肃文县阳山、陕西镇安金龙山、黑龙江漠河砂宝斯) ，2 处大型、特大型火山浅成低温-斑岩型金矿 ( 黑龙江东宁金厂、新疆哈密马庄山) ，2 处大型斑岩型金-钼矿、铜-金-钼矿 ( 河南滦川狮子庙、云南弥渡宝兴厂) 等，其他 7 处韧性剪切带型、破碎带蚀变岩型等大型金矿。

二是找矿领域和突破地区逐渐向矿区深部、覆盖区拓展，尤其是中东部老矿区找矿。河南东闯金、铅矿区最早于 1964 年由河南省地质局豫 01 地质队首次发现，并开展地表和浅部地质勘查工作; 1981 年黄金部队进驻该矿区开展深部找矿，并于 1985 年实现突破，部署的第一钻孔，在孔深 370 m 处见到厚 3 m、金品位 18 ×10- 6的富矿体; 至此之后，黄金部队分别在西长安岔-东墁、q马、老鸦岔、文峪、仓珠峪等金矿区深部，实现一轮又一轮的找矿新突破，深部探明的资源量/储量是前期地表浅部的 2 倍多。金龙山金矿勘查史也表明，一个超大型金矿的诞生，也是在深部找矿突破后实现的。胶东位于招-平主断裂带上的山后-北泊大型金矿区主矿体，豫西位于马超营主断裂带上的狮子庙大型金矿田 96234 号脉中的金矿体，都为深部隐伏矿体。甘肃寨上矿区寨上河以西第三系 ( 古、新近系) 黄土覆盖区覆盖层厚度达 30 ～100 m，通过 “攻深找盲”，新增资源量接近 40 t。2004 年国家实施危机矿山接替资源找矿规划以来，新增金资源储量 400 余吨，大都是在已知矿区深部发现的，如胶东焦家深部、寺庄金矿，河南灵宝秦岭金矿，内蒙古包头哈达门沟金矿等。

三是主要大型以上规模的矿区勘查工作大都是经历不断反复，多次认识，坚持不懈的结果，尤其是新的理论和找矿方法的有效应用起到突出作用。如阳山超大型金矿区勘查工作始于 20 世纪 80 年代初期，先后有四川地质一〇八队、甘肃化探队和西北冶金地质局在矿区开展金矿勘查工作，之后放弃; 黄金部队于 1997 年在该矿区开展找矿工作，应用卡林-类卡林型金矿模型，尤其是创造性认识到斜长花岗斑岩在成矿中的理论和实际意义，历经 10 余载，终于探获目前中国最大的类卡林型金矿床。黑龙江东宁县金厂金矿区也先后有黑龙江有色金属 702 地质队和黑龙江地质局第一地质调查所开展过金矿找矿工作，之后放弃; 黄金部队随后继续开展工作，应用火山岩区浅成低温-斑岩型金矿成矿理论，目前探明资源量达到特大型规模。金龙山特大型金矿发现也不是一帆风顺的，从 1986 年发现，到 1994 年完成地表勘查工作后，由于品位低，而深部钻孔见矿又不好 ( 主要是钻探工艺不过关造成的) ，之后搁置，中断地质工作长达 10 年，直到 2005 年认识到深部含矿性，改进钻探工艺，重新开展探矿工作，一座特大型金矿才得以重见天日。

金矿勘查发现史表明，金矿勘查中寻找地表矿更加让位于寻找隐伏矿、难识别矿; 找矿区域向工作程度低、成矿条件好地区 ( 西部) 、深部和覆盖区转移; 金矿勘查应以全局、发展的视角，立足大带找大矿，立足现有有利黄金矿山、生产基地， “攻深找盲”、 “探边摸底”，改变传统找矿思路，应用新的成矿理论和找矿技术方法手段，不断地试验、验证，不断修正认识，加大人力、财力的投入，从而获得找矿突破。

黄金自古是贵金属，据报道“山东省地矿局第六地质大队在莱州市金城镇一处麦田勘探时黄金储量105吨的焦家金矿。而后又相继探获了三山岛、新城等5个特大型金矿，提交黄金储量近千吨。”，简单来说金矿一般主要分为砂金矿和岩金矿（伴生金），所以对应容易出现在富含黄金成分的河流和山地。具体如下：

1，富含黄金砂石的河流下游。

由于砂金主要是大型黄金矿脉经过长期水蚀、风蚀在下游沉积所致，所以具备这个条件的河流下游，容易出现砂金矿，比如四川西部的金沙江，早年的时候名字的由来也是由于砂中含金。唐代诗人刘禹锡，就曾经在四川时写出过描述当地人在沙里淘金的诗句《浪淘沙》，利用金的比重大，通过流水漂走轻的矿物质比如石英砂等，留在淘砂盘底部的金子。

金砂江

砂金矿由于分布非常零散，分类也很繁杂，比如按不同的划分方法可分为以下几类：

1）根据处理距离远近划分：残、坡积、洪积、河床冲击及滨岸砂金沉积

2）根据迁移能力的性质划分：风成砂金矿、冰成砂金矿、水成砂金矿床。

3）根据不同年代划分：深藏砂金矿、阶地砂金矿、河滩砂金矿床。

我们能见到的比较多的砂金矿基本上以河床冲积型为主。砂金产区第一是黑龙江，占比大约277%。其次为四川，占比大约218%，合计几乎占砂金保有储量的一半，其他地区相对比较分散。

砂金产区分布

2，富含黄金矿脉的山地

岩金的分类更为复杂、繁多，通常会根据选矿将岩金的黄金矿床分为石英-方解石脉型、破碎带蚀变岩型、细脉浸染型（花岗岩型）、构造蚀变岩型、火山—次火山热液型等等。

其中比较常见，也是占比比较大的黄金矿中主要产于破碎带蚀变岩型、石英脉型及火山—次火山热液型，三者合计大约占到金矿总储量的94%左右。

中国金矿分布图

1）破碎带蚀变岩型基本集中在山东、河南、新疆等地，比较典型的矿床有山东的焦家式破碎带蚀变岩型金矿床、河南上宫破碎带蚀变岩型金矿床、新疆哈图齐依球1号石英脉及破碎带蚀变岩型金矿床等。

2）石英脉型基本集中在山东、河北等中原地带，比较典型的矿床有山东玲珑石英脉型金矿床、河北迁西金厂峪石英脉金矿床

3）火山热液型相对比较分散，吉林、河南、贵州、四川、湖北等都有分布，比较典型的矿床有吉林桦甸夹皮沟变质热液型金矿床、河南小秦岭变质热液金矿筐、贵州兴仁紫木涵热液型金矿床等等。

总体来说岩金主要分布在山东、河南、陕西、河北四省，这四个省的保有储量约占岩金储量的46%以上，其中山东省岩金储量接近岩金总储量的1/4，名列全国第1。

综上所述，金矿容易出现在富含黄金成分的河流下游和山地，在我国主要是山东、河南、陕西、四川等地。

大数据应用须解决三大关键点
大数据应用的关键点是数据来源、产品化和价值创造;数据资源分布不均，大数据应用在数据密集领域更易获得突破;须对不当的行业管理模式进行改革,以促进大数据在已有各个行业中应用。
大数据贵在应用。当前，在国家层面，国务院出台《促进大数据发展行动纲要》;在地方层面，大数据被作为区域发展战略引擎;在企业层面，各类大数据概念公司方兴未艾、蓬勃发展。我们独关注大数据应用，关注数据从哪里来、数据怎么用、成果谁买单，也就是数据来源、产品化和价值创造三个关键点。一个好的大数据应用，从技术上可能很复杂，但从业务模式上应当简单、直白、管用。我们还关注，是否存在若干"数据密集型"行业或领域，大数据应用在这些领域可能更容易开展。在产业政策方面，我们关注作为新兴业态的大数据，过去屡试不爽的做法，如给地、给钱、给项目等，是否还会继续有效
大数据应用的三个关键点
国务院《促进大数据发展行动纲要》(简称《大数据纲要》)将大数据定位为"新一代信息技术和服务业态"，赋予大数据"推动经济转型发展""重塑国家竞争优势""提升政府治理能力"的战略功能，并将数据界定为"国家基础性战略资源"。在应用方面，《大数据纲要》在公共领域提出许多发展方向，如宏观调控科学化、政府治理精准化、商事服务便捷化、安全保障高效化、民生服务普惠化;在产业层面，主要按行业领域划分为工业大数据、新兴产业大数据、农业农村大数据、万众创新大数据，以及大数据产品体系和大数据产业链。这些方向，只是大数据应用的潜力和空间，能不能应用起来，能不能发挥作用，还得看有没有可行模式和实际效果。无论是在公共领域还是在产业层面，大数据应用都离不开数据来源、处理技术和方法、创造价值的模式，这是我们关注的重点。概括来说，需要回答下面三个看似简单、却是关键的问题。(一)数据从哪里来关于数据来源，普遍认为互联网及物联网是产生并承载大数据的基地。互联网公司是天生的大数据公司，在搜索、社交、媒体、交易等各自核心业务领域，积累并持续产生海量数据。物联网设备每时每刻都在采集数据，设备数量和数据量都与日俱增。这两类数据资源作为大数据金矿，正在不断产生各类应用。国外关于大数据的成功经验介绍，大多是这类数据资源应用的经典案例。还有一些企业，在业务中也积累了许多数据，如房地产交易、大宗商品价格、特定群体消费信息等。从严格意义上讲，这些数据资源还算不上大数据，但对商业应用而言，却是最易获得和比较容易加工处理的数据资源，也是当前在国内比较常见的应用资源。在国内还有一类是政府部门掌握的数据资源，普遍认为质量好、价值高，但开放程度低。《大数据纲要》把公共数据互联开放共享作为努力方向，认为大数据技术可以实现这个目标。实际上，长期以来政府部门间信息数据相互封闭割裂，是治理问题而不是技术问题。面向社会的公共数据开放愿望十分美好，恐怕一段时间内可望不可及。在数据资源方面，国内"小数据""中数据"应用并不充分，试图一步跨入大数据时代，借机一并解决前期信息化过程中没能解决的问题，前景并不乐观。另外，由于中国互联网公司业务主要在国内，其大数据资源也不是全球性的。数据从哪里来是我们评价大数据应用的第一个关注点。一是要看这个应用是否真有数据支撑，数据资源是否可持续，来源渠道是否可控，数据安全和隐私保护方面是否有隐患。二是要看这个应用的数据资源质量如何，是"富矿"还是"贫矿"，能否保障这个应用的实效。对于来自自身业务的数据资源，具有较好的可控性，数据质量一般也有保证，但数据覆盖范围可能有限，需要借助其他资源渠道。对于从互联网抓取的数据，技术能力是关键，既要有能力获得足够大的量，又要有能力筛选出有用的内容。对于从第三方获取的数据，需要特别关注数据交易的稳定性。数据从哪里来是分析大数据应用的起点，如果一个应用没有可靠的数据来源，再好、再高超的数据分析技术都是无本之木。(二)数据怎么用数据怎么用是我们评价大数据应用的第二个关注点。大数据只是一种手段，并不能无所不包、无所不用。我们关注大数据能做什么、不能做什么，现在看来，大数据主要有以下几种较为常用的功能。追踪。互联网和物联网无时无刻都在记录，大数据可以追踪、追溯任何一个记录，形成真实的历史轨迹。追踪是许多大数据应用的起点，包括消费者购买行为、购买偏好、支付手段、搜索和浏览历史、位置信息，等等。识别。在对各种因素全面追踪的基础上，通过定位、比对、筛选，可以实现精准识别，尤其是对语音、图像、视频进行识别，使可分析内容大大丰富，得到的结果更为精准。画像。通过对同一主体不同数据源的追踪、识别、匹配，形成更立体的刻画和更全面的认识。对消费者画像，可以精准推送广告和产品;对企业画像，可以准确判断信用及风险。提示。在历史轨迹、识别和画像基础上，对未来趋势及重复出现的可能性进行预测，当某些指标出现预期变化或超预期变化时给予提示、预警。以前也有基于统计的预测，大数据大大丰富了预测手段，对建立风险控制模型有深刻意义。匹配。在海量信息中精准追踪和识别，利用相关性、接近性等进行筛选比对，更有效率地实现产品搭售和供需匹配。大数据匹配功能是互联网约车、租房、金融等共享经济新商业模式的基础。优化。按距离最短、成本最低等给定的原则，通过各种算法对路径、资源等进行优化配置。对企业而言，提高服务水平、提升内部效率;对公共部门而言，节约公共资源、提升公共服务能力。当前许多貌似复杂的应用，大都可以细分成以上几种类型。例如，贵州推行的"大数据精准扶贫项目"，从大数据应用角度，通过识别、画像，可以对贫困户实现精准筛选和界定，找准扶贫对象;通过追踪、提示，可以对扶贫资金、扶贫行为和扶贫效果进行监控和评估;通过配对、优化，可以更好地发挥扶贫资源的作用。这些功能也并不都是大数据所特有的，只是大数据远远超出以前的技术，可以做得更强大、更精准、更快、更好。(三)成果谁买单成果谁买单是我们评价大数据应用的第三个也是最后一个关注点。道理很简单，不创造价值的应用不是好应用。我们关注大数据的应用是否实实在在地提升了能力、改善了绩效。如果大数据用于自身的产品设计、营销推广、资源配置，那就看企业竞争力是不是提升了，看企业最终是不是比以前更赚钱了。如果大数据用于为第三方提供服务，那就看是不是有人愿意付费、愿意持续付费。但如果是用于公共领域，还要看政府或公共部门的付费值不值，不仅仅是从出资方的视角看值不值，还要从老百姓的视角看值不值。当我们面对一项大数据应用时，只要简单问一问上面三个问题--数据从哪里来、数据怎么用、成果谁买单，就能揭开许多"伪装"。当然，如果经得起上述"大数据三问"，也并非一定算得上优秀，却也离优秀的大数据应用不远了。寻找数据密集型领域既然大数据被视为一种资源，那就要考虑资源分布的问题。一般而言，资源分布是极不均匀的，如水、矿产、耕地、能源等自然资源;人力资源和知识的分布更是不均。大数据是否也存在分布不均的问题发展大数据产业是否真的能弯道超车这些问题值得深入思考。与可以探测的自然资源不同，数据资源分布难以定位和刻画。不过，可以用大数据人力资源分布状况来间接反映大数据应用在地区、行业间的差异，哪些行业、哪些地区大数据人力资源密集，这些行业和地区就可以看作是数据密集的。我们对两家主流招聘网站"前程无忧"和"智联招聘"2014年下半年以来发布的招聘信息进行筛选，得到两家网站两年来共发布相关信息涉及企业227万家，职位1007万个，数据量确实足够"大"。通过分地区、分行业进行汇总分析，结果显示大数据人力资源分布极不均匀，各地区、各行业差异极大。不过，确切来说，通过招聘网站反映的是人才需求情况，并不是严格意义上的人力资源存量分布情况，但这两者是紧密相关的。从大数据相关岗位工作地来看，北京、广东、上海三地高度密集，遥遥领先于其他地区。三地相加，发布招聘信息企业数在两家网站占到5235%和4748%，职位数占到6123%和5674%。可以推测，大数据人力资源的半壁江山都集中在这三个地方，这与我们平时的直观感受是高度一致的。在这三个地方之外，我们关心是不是地方政府重视大数据产业、将大数据作为区域经济发展引擎，就可能促进人力资源集聚，就可能超越与自己相似经济发展水平的其他地区。从数据反映情况看，至少目前还看不到这样的结果，这揭示出人力资源结构是后发地区发展大数据产业最需要弥补的短板和最难克服的困难。改变一个地方人力资源构成的难度要远远大于改变地面建筑面貌，要么需要一个长期的过程，要么需要一个独特的制度。即便在同一省份内，大数据人力资源分布也极为不均。例如在广东，单深圳一市就大体占到了全省的一半。再加上广州，竟然能够达到九成。其他地方，即使经济实力不俗，但与深圳、广州相比，在大数据人力资源方面相差甚远。这再次表明，大数据人力资源分布是极不均匀的。显然，大数据人力资源密集地区发展大数据产业的基础要优于人力资源贫瘠的地区。从城市排名看，北上深广可以视作大数据人力资源需求密集的一线城市，杭州、南京、成都、武汉、西安等可以看作二线城市。大数据人力资源分布与城市经济实力、活力乃至房价水平都是大体一致的。从行业分布看，对大数据人力资源的需求分布更不均匀，主要集中在互联网、信息技术及计算机相关行业。这充分说明了大数据是互联网或IT产业的一部分，是在原有基础上的新发展。这些行业是典型的"数据密集型"行业，是大数据产业发展的摇篮。金融是另一个特别重要的"数据密集"领域。金融行业既是产生数据尤其是有价值数据的基地，又是数据分析服务的需求方和应用地。更为重要的是，金融行业具备充足的支付能力，将是大数据产业竞争的重要战场。许多大数据是通过在金融领域的应用辐射到了各个行业。除此之外，电信、专业服务(如咨询、人力资源、财会)、教育培训、影视媒体、网络游戏等，相对而言也是当前数据较为密集的行业。《大数据纲要》几乎面面俱到地对所有行业和领域都规划了大数据应用的广阔前景，但数据资源分布极为不均，在"数据密集"领域的大数据应用，取得市场成功的可能性较大。大数据需要什么样的产业政策大数据应用需要什么样的产业政策从应用的角度来看，大数据并非一个全新的产业，而是与已有产业融合，对已有模式的改造、升级和替代。制约大数据发展的往往并不是大数据本身，而是大数据所应用的行业和领域原本存在的问题，如行业管制、行政垄断、要素不能自由流动，等等。因此，促进大数据发展，用给地、贴钱、上项目的方法，并不能解决根本问题。要从大数据应用领域角度，对不当的行业管理模式进行改革，对既有利益格局进行调整，使大数据应用具备必要的条件。即使在企业内部，大数据应用也不仅仅是个技术问题，而是涉及业务流程重组和管理模式变革，是对企业管理能力的一个考验。金融、电信、教育、影视媒体等"数据密集型"行业，既是大数据应用潜力巨大的领域，也是迫切推进行业改革的重点领域。另一方面，大数据的应用也可以为行业改革提供技术支撑，能以更有效的技术路线实现行业发展目标。
大数据应用需要的产业政策其实就是市场经济下各个行业发展所应有的政策，如放开准入、公平竞争、减轻企业负担、消除企业所有制歧视、消除企业规模歧视，等等。只有在一个开放的产业环境中，大数据才能在这些产业得以有效运用。一个地方若要在金融、医疗、教育等领域大力推动大数据运用，最管用的政策就是对这些行业进行有力的改革。

---