Trace element partitioning between minerals and melt: parameterization of experimental data for olivine, pyroxenes, and feldspars

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Experimental data were analyzed on the partitioning of trace elements between minerals (olivine, orthopyroxene, clinopyroxene, and feldspars) and silicate melts. The data span over a wide range of conditions (from 1 atm to 10 GPa and ~1000–2000 °C) and compositions of melt (from ultrabasic to ultrasilicic) and minerals. The dependence of logarithms of partition coefficients (lnDi ) on conditions and compositions was approximated by linear functions of 1/T, P/T (P is pressure, and T is absolute temperature) and compositional parameters of mineral and melt. It was found that Di /Dj values for a number of element pairs are independent of experimental parameters and vary within narrow ranges. The coefficients of Di dependencies on conditions and compositions were estimated by minimization of quadratic deviations of model Di and Di /Dj values from experimental values. The obtained equations can be used to calculate Di values for a number of elements with an accuracy of approximately a factor of 1.2–2.0. The obtained values were applied as an example for a model of formation of mafic melts of mid-ocean ridges through melting of a peridotite source and crystallization of primary magmas under crustal conditions.

Full Text

Restricted Access

About the authors

A. V. Girnis

Institute of Geology of Ore Deposits, Petrography, Mineralogy, and Geochemistry, Russian Academy of Sciences

Author for correspondence.
Email: girnis@igem.ru
Russian Federation, Staromonetny, 35, Moscow, 119017

References

  1. Гирнис А. В. (2003) Равновесие оливин-ортопироксен-расплав как термобарометр для мантийных магм. Петрология. 11(2), 115–127.
  2. Гирнис А. В. (2023) Распределение редких элементов между оливином и расплавом: обобщение экспериментальных данных. Геохимия. 61(4), 327–340.
  3. Girnis A. V. (2023) Trace element partitioning between olivine and melt: Analysis of experimental data. Geochem. Int. 61(4), 311–323.
  4. Наумов В. Б., Дорофеева В. А., Гирнис А. В., Коваленкер В. А. (2022) Летучие, редкие и рудные элементы в магматических расплавах и природных флюидах по данным изучения включений в минералах. I. Средние концентрации 45 элементов в главных геодинамических обстановках. Земли. Геохимия. 67(4), 318–338.
  5. Naumov V. B., Dorofeeva V. A., Girnis A. V., and Kovalenker V. A. (2022) Volatile, trace, and ore elements in magmatic melts and natural fluids: evidence from mineral-hosted inclusions. I. Mean concentrations of 45 elements in the main geodynamic settings of the Earth. Geochem. Int. 60(4), 325–344.
  6. Allan N. L., Du Z., Lavrentiev M. Y., Blundy J. D., Purton J. A., van Westrenen W. (2003) Atomistic simulation of mineral–melt trace-element partitioning. Phys. Earth Planet. Int. 139, 93–111.
  7. Bedard J. H. (2005) Partitioning coefficients between olivine and silicate melts. Lithos. 83, 394–419.
  8. Bedard J. H. (2006) Trace element partitioning in plagioclase feldspar. Geochim. Cosmochim. Acta. 70, 3717–3742.
  9. Bedard J. H. (2023) Trace element partitioning coefficients between terrestrial silicate melts and plagioclase feldspar: Improved and simplified parameters. Geochim. Cosmochim. Acta. 350, 69–86.
  10. Bevington P. R., Robinson D. K. (2003) Data Reduction and Error Analysis for the Physical Sciences. 3rd ed., Boston et al., McGraw-Hill.
  11. Blundy J., Wood B., (1994) Prediction of crystal–melt partition coefficients from elastic moduli. Nature. 372, 452–454.
  12. Brey G. P., Koehler T., Nickel K. G. (1990) Geothermobarometry in four-phase lherzolites I. Experimental results from 10 to 60 kbar. J. Petrol. 31, 1313–1352.
  13. Colson R. O., Mckay G. A., Taylor L. A. (1988) Temperature and composition dependencies of trace element partitioning: Olivine/melt and low-Ca pyroxene/melt. Geochim. Cosmochim. Acta. 52, 539–553.
  14. Cung E. W., Ustunisik G. K., Wolf A. S., Nielsen R. L. (2023). The influence of database characteristics on the internal consistency of predictive models of trace element partitioning for clinopyroxene, garnet, and amphibole. Geochemistry, Geophysics, Geosystems. 24, e2023GC010876. https://doi.org/10.1029/2023GC010876
  15. Drake M. J. (1975) The oxidation state of europium as an indicator of oxygen fugacity. Geochim. Cosmochim. Acta. 39, 55–64.
  16. Gale A., Dalton C. A., Langmuir C. H., Su Y., Schilling J.-G. (2013) The mean composition of ocean ridge basalts. Geochem., Geophys., Geosyst. 14, 489–518.
  17. Green T. H. (1994) Experimental studies of trace-element partitioning applicable to igneous petrogenesis – Sedona 16 years later. Chem. Geol. 117, 1–36.
  18. Honour V. C., Holness M. B., Partridge J. L., Charlier B. (2019) Microstructural evolution of silicate immiscible liquids in ferrobasalts. Contrib. Mineral. Petrol. 174, 77.
  19. Irving A. J. (1978) A review of experimental studies of crystal/liquid trace element partitioning. Geochim. Cosmochim. Acta. 42, 743–770.
  20. Jones J. H. (2016) Thoughts and reminiscences on experimental trace element partitioning. Geochemical Perspectives. 5(2), 1–251.
  21. Kessel R., Schmidt M. W., Ulmer P., Pettke T. (2005) Trace element signature of subduction-zone fluids, melts and supercritical liquids at 120–180 km depth. Nature. 437, 724–727.
  22. Le Bas M. J., Le Maitre R. N., Streckeisen A., Zanettin B. (1986) A Chemical classification of volcanic rocks based on the total alkali-silica diagram. J. Petrol. 27, 745–750.
  23. Michael P. J., Graham D. W. (2015) The behavior and concentration of CO2 in the suboceanic mantle: Inferences from undegassed ocean ridge and ocean island basalts. Lithos. 236–237, 338–351. https://doi.org/10.1016/j.lithos.2015.08.020.
  24. Miller S. A., Asimow P. D., Burnett D. S. (2006) Determination of melt influence on divalent element partitioning between anorthite and CMAS melts. Geochim. Cosmochim. Acta. 70, 4258–4274.
  25. Nagasawa H. (1966) Trace element partition coefficient in ionic crystals. Science. 152, 767–769.
  26. Navrotsky A. (1978) Thermodynamics of element partitioning:(1) Systematics of transition metals in crystalline and molten silicates and (2) defect chemistry and “the Henry's law problem”. Geochim. Cosmochim. Acta. 42, 887–902.
  27. Nielsen, R.L. (1988) A model for the simulation of combined major and trace element liquid lines of decent. Geochim. Cosmochim. Acta. 52, 27–38.
  28. Nielsen R. L., Ustunisik, G.K. (2022a) Amphibole/melt partition coefficient experiments v. 2, Version 1.0. Interdisciplinary Earth Data Alliance (IEDA). https://doi.org/10.26022/IEDA/112324.
  29. Nielsen R. L., Ustunisik G. K. (2022b) Clinopyroxene/melt partition coefficient experiments v. 2, Version 1.0. Interdisciplinary Earth Data Alliance (IEDA). https://doi.org/10.26022/IEDA/112325.
  30. Nielsen R. L., Ustunisik G. K. (2022c) Garnet/melt partition coefficient experiments v. 2, Version 1.0. Interdisciplinary Earth Data Alliance (IEDA). https://doi.org/10.26022/IEDA/112323.
  31. Onuma N., Higuchi H., Wakita H., Nagasawa H. (1968) Trace element partition between two pyroxenes and the host lava. Earth Planet. Sci. Lett. 5, 47–51.
  32. Palme H., O’Neill H. St.C. (2014) Cosmochemical estimates of mantle composition. Treatise on Geochemistry. 2nd ed. 3, 1–39.
  33. Presnall D. C., Hoover J. D. (1987). High pressure phase equilibrium constraints on the origin of mid-ocean ridge basalts. In: Mysen, B. O. (ed.) Magmatic Processes: Physicochemical Principles. Geochemical Society, Spec. Publ. 1, 75–89.
  34. Philpotts J. A. (1978) The law of constant rejection. Geochim. Cosmochim. Acta 42, 909–920.
  35. Rustioni G., Audetat A., Keppler H. (2019) Experimental evidence for fluid-induced melting in subduction zones. Geochem. Persp. Lett. 11, 49–54.
  36. Salters V. J.M., Stracke A. (2004) Composition of the depleted mantle. Geochemistry Geophysic. Geosystem. 5(5), 1–27.
  37. Schoneveld L., O’Neill H. St.C. (2019) The influence of melt composition on the partitioning of trace elements between anorthite and silicate melt. Contrib. Mineral. Petrol. 173, 13. https://doi.org/10.1007/s00410–019–1548–8
  38. Schmidt M. V., Connolly J. A.D., Gunther D., Bogaerts M. (2006) Element partitioning: The role of melt structure and composition. Science. 312, 1646–1650.
  39. Stracke A., Genske F., Berndt J., Koornneef J. M. (2019) Ubiquitous ultra-depleted domains in Earth’s mantle. Nat. Geosci. 12, 851–855.
  40. Veksler I. V., Dorfman A. M., Danyushevsky L. V., Jakobsen J. K., Dingwell D. B. (2006) Immiscible silicate liquid partition coefficients: implications for crystal–melt element partitioning and basalt petrogenesis. Contrib. Mineral. Petrol. 152, 685–702.
  41. Warren J. M., Shimizu N., Sakaguchi C., Dick H. J.B., Nakamura E. (2009) An assessment of upper mantle heterogeneity based on abyssal peridotite isotopic compositions. J. Geophys. Res. 114, B12203.
  42. Watson E. B. (1976) Two-liquid partition coefficients: experimental data and geochemical implications. Contrib. Mineral. Petrol. 56, 119–134.
  43. Wood B. J., Blundy J. D. (2014) Trace element partitioning: The influences of ionic radius, cation charge, pressure, and temperature. Treatise on Geochemistry. 2nd. ed. 3, 421–448.
  44. Yang L., van Hinsberg V. J. (2019) Liquid immiscibility in the CaF2-granite system and trace element partitioning between the immiscible liquids. Chem. Geol. 511, 28–41.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Correlation of the distribution coefficients of elements with different valences using the example of the distribution of Ho and Hf between orthopyroxene and melt. The diagrams show the experimental data for different temperatures, pressures, and phase compositions (Table A1, electronic appendix). (a) Correlation of Opx-LDHf and Opx-LDHo with the Al content in pyroxene. (b) Direct correlation of Opx-LDHf and Opx-LDHo values ​​with a slope of ~1.55. Two experiments marked with crosses fall outside the general dependence, although for both elements they do not go beyond the ranges of values ​​obtained in other experiments. Such points were discarded during processing of the data arrays if, with respect to the remaining parameters, they did not go beyond the experimentally studied region.

Download (139KB)
Indexing metadata
3. Fig. 2. Compositions of experimental melts on the Na2O+K2O–SiO2 classification diagram and P–T parameters of experiments (in the insets) used in the analysis of the element distribution coefficients between minerals and the melt. The lines show the boundaries of the igneous rock fields (Le Bas et al., 1986): P – picrites, PB – picrobasalts, B – basalts, BA – basaltic andesites, A – andesites, D – dacites, R – rhyolites, AB – alkali basalts, TB – trachybasalts, BTA – basaltic trachyandesites, TA – trachyandesites, T – trachytes, F – foidites, PhT – phonotephrites, TPh – tephrophonolites, Ph – phonolites.

Download (665KB)
Indexing metadata
4. Fig. 3. Calculated element distribution coefficients for basalt at 1 atm and 1200 °C. The vertical bars represent one standard deviation of lnDi values. The elements are sorted in ascending order of Cpx-LDi values.

Download (291KB)
Indexing metadata
5. Fig. 4. Correlation of experimental and model values ​​of lnDi using the example of (a) Cpx-LDCe and (b) Opx-LDGd. The deviation of the dependencies from the ideal slope of 1:1 is due to the fact that the models minimize the deviations of not only lnDi, but also ln(Di/Dj). As a result, the deviation for an individual element can be greater than when calculating the dependence for each element separately, but this achieves better consistency of the results for different elements.

Download (155KB)
Indexing metadata
6. Fig. 5. One possible way to check the correctness of the obtained dependences of Di on the melt composition is consistency with experimental data on the distribution of elements between two immiscible silicate melts. The diagram shows an example of such a comparison for the distribution of Zr and Hf (data from Honour et al., 2019; Schmidt et al., 2006; Yang, van Hinsberg, 2019). In general, there is a significant correlation between the experimental values ​​and the calculated ones obtained using the obtained expressions for Ol-LDZr and Ol-LDHf, but for some experiments the measured and calculated values ​​differ fundamentally.

Download (50KB)
Indexing metadata
7. Fig. 6. Variations in trace element abundances in model MORB melts normalized to source abundances. Shown are melt compositions (upper panel) calculated for wide ranges of mantle melting and crustal melt crystallization conditions with variable amounts of olivine, orthopyroxene, clinopyroxene, and plagioclase (see text) using the element partition coefficients from Table A2. The lower panel shows concentrations normalized to the abundance of the perfectly incompatible element Z, for which the partition coefficients for all minerals approach 0.

Download (164KB)
Indexing metadata
8. Fig. 7. Source compositions of mid-ocean ridge basalts calculated for the variations in normalized compositions shown in Fig. 5. The upper and lower gray fields correspond to the most and least enriched compositions of melt inclusions and rock glasses (Naumov et al., 2022), respectively. The thick line in the central part is the composition of the depleted mantle according to (Salters, Stracke, 2004). All compositions are normalized to the contents in the primitive mantle (Palme, O’Neill, 2014).

Download (223KB)
Indexing metadata

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».