메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술대회자료
저자정보
강일모 (연세대학교 지구시스템과학과) 문희수 (연세대학교 지구시스템과학과)
저널정보
한국광물학회 한국광물학회.한국암석학회 공동학술발표회 논문집 한국광물학회.한국암석학회 2003년도 공동학술발표회 논문집
발행연도
2003.1
수록면
10 - 10 (1page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (9)

초록· 키워드

오류제보하기
일라이트-스멕타이트 혼합층광물(I-S)은 열역학적으로 상호 대립적인 두 가지 모델로 이해되고 있다. 첫째, MacEwan 결정자 모델은 I-S를 5-20개의 스멕타이트와 일라이트 층으로 구성된 결정자로 해석한다. 이러한 모델은 분산과 재응집 과정을 기초로 하는 X-선 회절분석(XRD)에서 기인한 것으로 Reynolds의 XRD 모델과 동일하다. 둘째, 기본입자 모델은 I-S를 물리적으로 분리될 수 있는 최소 입자인 기본입자가 $c^{*-}$축 방향으로 응집된 응집체로 해석한다. 이러한 모델은 분산 과정을 기초로 하는 주사전자현미경(TEM) 관찰에서 기인한 모델이다. 강일모 등(2002)은 이 두 가지 모델을 비교함으로써 1< $N_{F}$<100/% $S_{XRD}$ ( $N_{F}$=평균 기본입자 층개수, %$S_{XRD}$=XRD 분석을 통하여 측정된 팽창성)을 도출하였다. 이 식은 기본입자모델과 Eberl & Srodon(1988)이 제시한 최대 팽창성(%$S_{MAX}$)을 동시에 해석할 수 있게 해준다. %$S_{MAX}$는 XRD 모델에서는 고려하지 않는 I-S 결정자 상$\cdot$하부에 존재하는 두 개의 0.5nm 규산염층을 하나의 스멕타이트 층으로 간주하여 얻어진 팽창성이다. Srodon et al.(1992)은 %$S_{MAX}$=100/ $N_{F}$을 제시하였으며, 강일모 등(2002)은 %$S_{MAX}$는 기하학적으로 기본입자가 무한적층을 하였을 때 관찰되는 %$S_{XRD}$와 동일함을 밝힌 바 있다. 만약, XRD 분석을 위한 시료 준비과정에서 I-S 결정자가 분산되었다가 재응집을 한다면, XRD에서 관찰되는 결과는 일차적으로 기본입자의 적층성에 영향을 받게 된다. 따라서, 기본 입자의 적층성은 XRD 분석을 이용하여 I-S 구조를 해석하는데 매우 중요한 요인이다. 본 연구는 기본입자의 적층성을 정량화하기 위해 %$S_{XRD}$=A/ $N_{F}$ (0<A<100)을 도출하였다. A는 실측된 값이 기본입자가 무한적층을 하였을 때 관찰되는 %$S_{MAX}$=100/ $N_{F}$로부터 얼마나 벗어나 있는가는 지시해 준다 금성산화산암복합체에서 산출되는 11개 I-S 시료와 14개의 Drits et al.(1998) 자료로부터 1nA=-0.14 $N_{F}$+4.7의 실험식을 도출할 수 있었으며, 기본입자의 적층성은 일차적으로 기본입자의 두께에 의해 영향을 받는 것으로 관찰되었다. Nadeau(1985)는 기본입자두께분포로부터 I-S 결정자의 팽창성을 측정하기 위하여 Ps=$\Sigma$p(N)/N을 제시하였다(Ps=스멕타이트 층 비율, N=기본 입자 층개수, p(N)=N의 확율). 그러나 위식은 실질적으로 %$S_{MAX}$를 제공해주기 때문에 %$S_{XRD}$를 유추하는데는 부적합하다. 본 연구는 이를 변형하여 Ps=$\Sigma$p(N)A(N)/N을 제시하였다(A(N)=N에 대한 A값). 위의 실험식을 사용하여 헝가리산 Zempleni 시료(15%$S_{XRD}$)의 기본입자분포로부터 %$S_{XRD}$를 계산한 결과, 16%$S_{XRD}$의 결과값을 얻을 수 있었다. 따라서, 본 연구에서 도출한 관계식들이 유효함을 확인할 수 있었다.계식들이 유효함을 확인할 수 있었다.

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0