在矿产勘探中，钻探的首要目标是“发现”——识别矿化体、确定规模和空间分布、降低不确定性，并找出可能延伸至更多矿石的趋势。

然而，这只是第一步。另一个同样重要的问题是：这些矿石在冶金加工环节会如何表现？它们是否真的能成为可采、可利用的矿石？

这正是 地质—冶金学（Geometallurgy） 的切入点。地质学家和冶金学家往往研究同一批钻探岩心（drill core），但看问题的角度完全不同：

事实上，地质学家在矿体认知（ore-body knowledge）上的投入通常是冶金学家的 40 倍。如果在勘探早期就引入冶金视角，就能让这些投入得到最大化利用，避免出现“地质上是矿石，但工程上不可加工”的尴尬。

在矿产勘探中，人们常常依赖 地球化学（geochemistry） 来寻找答案——毕竟，“品位为王”。然而，在实际操作中，矿石纹理（mineral textures） 往往比单纯的化学数据更能预测回收率（metallurgical recovery）。

遗憾的是，这些重要的纹理信息，在很多地质记录中常常缺失。如果只依赖化学数据，极易高估或低估项目的经济潜力。纹理分析与地球化学结合，才是科学评估矿石价值的关键。

并非所有蚀变（alteration）在冶金学上意义相同。

绿泥石化（chloritic alteration） 地质上有价值，但对浮选几乎没有影响；

黏土化（argillic alteration） 则可能显著降低回收率。

然而，许多地质记录系统只记录“主要蚀变百分比”，而不是逐一记录强度，这对地质—冶金学解读并不友好，甚至可能误导判断。

同样，岩石颜色（rock color） 也往往被忽视。但在贵金属矿床中，从红色岩石到灰色岩石的变化，可能让黄金回收率从 85%骤降到15%。这提醒我们，颜色并不是表面现象，而可能是最直观、最强有力的冶金学指标之一。

因此，在勘探记录和数据管理中，除了化学品位，岩性、蚀变特征、颜色等直观属性也必须系统化记录。这些信息不仅帮助地质学家理解成矿过程，更为冶金学家提供了预测加工行为的关键依据。

从红岩到黑岩的转变，实质上是矿石从 氧化物（oxide） 向 硫化物（sulfide） 的过渡。这个界限，可以说是地质—冶金学中最关键的边界。

在基本金属中，它决定矿石该进入堆浸（heap leach）还是浮选（flotation）；

在贵金属中，它常常对应着回收率的巨大变化。

地质学家通常依据表面氧化染色情况来划界，这对制图有用，但在冶金上并不准确。冶金学需要的是 定量化、与工艺相关的数据，才能真正预测矿石在加工中的行为。

要让勘探数据真正贯穿矿业全生命周期，必须把地质观察与冶金测试结合，实现从“可见现象”到“可加工性能”的转化。

在勘探中，多元素 ICP 化验是常用手段，但若缺少冶金学解读，往往会遗漏关键信息。

砷（arsenic）和硫（sulfur）常被忽视，但它们却是影响冶金性能的关键元素；

铜的分步化验（sequential copper assays）能区分氧化铜、次生富集铜和初生铜，但必须在新鲜钻芯上完成，否则数据失效。

有时人们尝试用 主成分分析（PCA） 划分冶金学域（geometallurgical domains），但实际经验显示，这种方法只能确认主要岩性单元，而冶金学域往往与资源地质学域并不重合。

因此，仅靠单一学科的数据是远远不够的。化学数据需要冶金学解释，岩石学信息需要结合工艺试验，跨学科协作才是划分冶金学域的正确途径。

在矿石破碎与粉磨（comminution）中，影响能耗和吞吐量的，往往并不是矿石的化学成分，而是 裂隙、气孔、空隙 等结构弱点。它们能显著降低能耗，但无法通过常规化学分析反映出来。

目前，密度测定（density determination） 是最实用的替代指标，也是粉碎建模的核心参数。但仅靠密度远远不够，它只能提供平均信息，难以全面反映岩石完整性。行业需要更先进的记录方法，将 岩石结构与完整性 系统化地纳入模型，以提升预测精度。

在地质—冶金学中，样品保存（sample preservation） 是最容易被忽视的问题之一。粗粒化验余样和保存完好的钻探岩芯，在后续的冶金试验和模型优化中价值巨大。

一旦样品损毁或丢失，改进模型的机会可能 永久消失，数据链条中断将导致整个项目承受更高的不确定性。

因此，样品保存不应被视为“小事”，而应作为 项目长期成功的基本保障。