تلفیق دادههای مغناطیس¬سنجی هوابرد و تصاویر ماهواره¬ای برای شناسایی پهنه¬های مستعد کانی¬سازی آهن به کمک نمودارهای پیش¬بینی-مساحت در برگه 1:100000 اسفوردی
محورهای موضوعی :فردین احمدی 1 , حمید آقاجانی 2 , میثم عابدی 3
1 - دانشجوی دکترای دانشگاه صنعتی شاهرود
2 - دانشگاه صنعتی شاهرود
3 - دانشگاه تهران
کلید واژه: اسفوردی, سنتینل-2, کانی¬زایی آهن, مغناطیس¬سنجی هوایی, نمودار پیش¬بینی-مساحت. ,
چکیده مقاله :
در بررسی های اکتشافی و تعیین مناطق با پتانسیل بالای کانی سازی، استفاد همزمان از لایه های مختلف اطلاعاتی نتایج قابل اعتمادتری ارائه خواهد داد. در این تحقیق برای بررسی پتانسیل کانی زایی آهن در برگه زمین شناسی 1:100000 اسفوردی، از داده های مغناطیس سنجی هوایی و سه نوع تصویر ماهواره ای استر، لندست-8 و سنتینل-2 استفاده شد. فیلتر بازگشت به قطب، ادامه فراسو 200، 500 و 1000 متر، سیگنال تحلیلی، زاویه تیلت افقی و مشتق قائم اول بر روی داده های مغناطیسی اعمال شد. لایه های دگرسانی (آرژیلیک، فیلیک، پروپیلیتیک)، نواحی حاوی اکسیدآهن و گوسان و خطواره ها به وسیله تصاویر ماهواره ای استخراج شدند. لایه های سیگنال تحلیلی و زاویه تیلت افقی به ترتیب برای شناسایی توده مغناطیسی و ساختارهای مغناطیسی مورد استفاده قرار گرفت. سه لایه استخراج شده از تصاویر ماهواره ای به همراه دو لایه ژئوفیزیکی در تحلیل ها استفاده شدند. با استفاده از روش فرکتالی مقدار-مساحت و نمودار پیش بینی-مساحت و 22 نقطه اندیس و معدن فعال در منطقه مورد مطالعه، وزن این لایه ها محاسبه شد. لایه سیگنال تحلیلی با نرخ پیش بینی 76 درصد، دارای بیشترین وزن در بین همه لایه ها است بدین معنی که با 24 درصد از مساحت اشغال شده، 76 درصد از نهشته های آهن بدرستی پیش بینی شده است. لایه نهایی پتانسیل یابی آهن منطقه مطالعاتی با تلفیق همه لایه ها با استفاده از روش همپوشانی شاخص چندکلاسه تهیه شد. این نقشه نقطه عطفی در نرخ پیش بینی 78 درصد دارد بدین معنی که وزن آن از تک تک لایه ها بیشتر است. بر اساس این نقشه، پتانسیل های جدید کانی زایی آهن در شرق و جنوب شرق برگه اسفوردی مشاهده می شود.
The use of different geospatial layers In the exploration and determination of the mineralization zones, will lead to more reliable results. In this study, the investigation of iron mineralization zones was done using airborne magnetic data and three types of satellite images (i.e. ASTER, Landast-8 and Sentinel-2) in the Esfordi area. The reduced-to-pole filter, the upward continuation at altitudes of 200, 500 and 1000 meters, the analytic signal, the horizontal tilt angle, and the first vertical derivative were then employed on airborne magnetometry data. Argillic, phyllic and propylitic alterations, iron oxide and gossan zones and structural lineaments were extracted through satellite imagery data processing. The analytical signal and horizontal tilt angle indicators were used as the main geophysics footprints to identify the magmatic intrusions and geological lineaments, respectively. In addition, three satellite imagery indicators were used in final identification of iron-bearing zones. The weight of each layer was calculated by simultaneous analyses of the concentration-area fractal curve, the prediction-area plot, and the use of 22 Fe-bearing occurrences in the studied region. Note that the analytical signal layer with the prediction rate of 76 % has the highest weight among all layers. In other words, this layer has occupied 24% of the study area as favorable zones by which 76% of the known Fe occurrences are delineated. Iron ore potential map was prepared from integration of all geospatial indicators through the weighted multi-class index overlay method. The generated map has an intersection point with a prediction rate of 78% which has higher weight than the other individual indicators. According to this map, new iron mineralization potentials are observed in the east and southeast of the Esfordi area.
مجیدی، س ا.، لطفی، م. و امامی، م ه.، 1394. ژنز کانسارهای اکسید آهن-آپاتیت: بر پایه مطالعه آپاتیت‌های پهنه بافق-ساغند، ایران مرکزی. فصلنامه علمی-پژوهشی علوم زمین, 27(105)، 233-244.
Bonham-Carter, G.F., Agterberg, F.P and Wright, D, F., 1989. Weights of evidence modeling: A new approach to mapping mineral potential. In Statistica Application in the Earth Sciences, Geology Survey of Canada, 171-183.
Bonham-Carter, G.F. 1994. Geographic Information Systems for Geoscientists: Modelling with GIS, New York Pergamon/Elsevier, 398.
Carranza, E. J. M. and Laborte, A. G. 2016. Data-driven predictive modeling of mineral prospectivity using random forests. A case study in Catanduanes Island (Philippines). Natural Resources Research, 25, 35–50.
Clark, D. A., 2014. Magnetic Effects of Hydrothermal Alteration in Porphyry Copper and Iron-Oxide Copper–gold Systems: A Review. Tectonophysics, 624–625,1, 46–65. https://doi.org/10.1016/j.tecto.2013.12.011.
Daliran, F., Stosch, HG., and Williams PJ., 2009. A review of the Early Cambrian magmatic and metasomatic events and their bearing on the genesis of the Fe oxide-REE-apatite deposits (IOA) of the Bafq distrit, Iran. In Williams P (Ed.): Smart Science forExploration and Mining. 10th SGA Biennial, Townsville, 623–625.
Daliran, F., 1990. The magnetite-apatite deposit of Mishdovan, East Central Iran. An alkali rhyolite hosted, “Kiruna type” occurrence in the Infracambrian Bafq metallotect (mineralogic, petrographic and geochemical study of the ores and the host rocks. Ph.D. thesis, Heidelberg, Heidelberger Geowissenschaftliche Abhandlungen 37, 248 .
Elkhateeb, S. O. and Abdellatif, M. A. G., 2018. Delineation potential gold mineralization zones in a part of Central Eastern Desert, Egypt using Airborne Magnetic and Radiometric data. NRIAG Journal of Astronomy and Geophysics, 7(2), 361-376.
Elkhateeb, S. O., Eldosouky, A. M. and Aboelabas, S., 2018. Interpretation of Aeromagnetic Data to Delineate Structural Complexity Zones and Porphyry Intrusions at Samr El Qaa Area, North Eastern Desert, Egypt. International Journal of Novel Research in Civil Structural and Earth Sciences. 5, Issue 1, 1-9.
Förster, H, and Jafarzadeh, A., 1994. The Bafq mining district in Central Iran - a highly mineralized Infracambrian volcanic field. Economic Geology, 89, 1697-1721.
Gaafar, I. M., 2015. Integration of geophysical and geological data for delimitation of mineralized zones in Um Naggat area, Central Eastern Desert, Egypt. NRIAG Journal of Astronomy.
Ghorbani, M., 2013. Economic geology of Iran. 581. Berlin: Springer.
Grauch, V. J. S. and Johnston, C. S., 2002. Gradient window mehod: A simple way to isolate regional from local horizontal gradients in potential-field gridded data: 72nd Annual International Meeting, Society of Exploration Geophysicists.
Heidarian, H., Alirezaei, S., and Lentz, D. R., 2017. Chadormalu Kiruna-type magnetite-apatite deposit, Bafq district, Iran: Insights into hydrothermal alteration and petrogenesis from geochemical, fluid inclusion, and sulfur isotope data. Ore Geology Reviews, 83, 43-62.
Hsu, S. K., Sibuet, J. C, and Shyu, C. T., 1996. High-resolution detection of geologic boundaries from potential anomalies, An enhanced analytic signal technique, Geophysics, 61, 373-386.
Javed A, and Wani MH., 2009. Delineation of groundwater in Kakund watershed, Eastern Rajasthan using remote sensing and GIS techniques. Journal of Geol Soc India 73,2, 229–236.
Miller, H.G. and Singh, V., 1994. Potential field tilt – a new concept for location of potential field sources. Journal of Applied Geophysics. 32, 213- 217.
Mohammad Torab, F., 2008. Geochemistry and metallogeny of magnetiteapatite deposits of the Bafq Mining District, Central Iran. Doctoral Thesis, Faculty of Energy and Economic Sciences Clausthal University of Technology.
Murphy, B. S., 2007. Airborne geophysics and the Indian scenario. J. Ind. Geophysics Union, 11 ,1, 1-28.
Nabatian, G., Rastad, E., Neubauer, F., Honarmand, M., and Ghaderi, M., 2015. Iron and Fe–Mn mineralisation in Iran: implications for Tethyan metallogeny. Australian Journal of Earth Sciences, 62, 2, 211-241.
Ranjbar, H., Shahriari, H., and Honarmand, M., 2004. Integration of ASTER and airborne geophysical data for exploration of copper mineralization. A case study of Sar Cheshmeh area. In Proceedings of 20th congress, International Society for Photogrammetry and Remote Sensing, Istanbul. 12-13.
Sadeghi, B., Khalajmasoumi, M., Afzal, P., Moarefvand, P., Yasrebi, A. B., Wetherelt, A., and Ziazarifi, A., 2013. Using ETM+ and ASTER sensors to identify iron occurrences in the Esfordi 1: 100,000 mapping sheet of Central Iran. Journal of African Earth Sciences, 85, 103-114.
Sepehrirad, R., Alirezaei, S. and Azimzadeh, A. M., 2018. Hydrothermal alteration in the Gazestan magnetite-apatite deposit and comparison with other Kiruna-type iron deposits in the Bafq district, Central Iran. Journal of Geoscience, 27,108, 257-268.
Stosch, H.G, Romer R.L, Daliran, F. and Rhede D., 2011. Uranium–lead ages of apatite from iron oxide ores of the Bafq District, East-Central Iran. Miner Deposita, 46, 9–21.
Testa, F.J., Villanueva, C., Cooke, D.R. and Zhang, L. 2018. Lithological and hydrothermal alteration mapping of epithermal, porphyry and tourmaline breccia districts in the Argentine Andes using ASTER imagery. Remote sensing, 10,2, 203; doi:103390/rs10020203.
Torab, F. M. and Lehmann B., 2006. Iron oxide-apatite deposits of the Bafq district, Central Iran. An overview from geology to mining. World of Mining—Surface and Underground, 58, 355-362.
Yousefi, M. and Carranza, E. J. M., 2015. Prediction–area (P–A) plot and C–A fractal analysis to classify and evaluate evidential maps for mineral prospectivity modeling. Computers and Geosciences, 79, 69-81.
تلفیق دادههای مغناطیسسنجی هوابرد و تصاویر ماهوارهای برای شناسایی پهنههای مستعد کانیسازی آهن به کمک نمودارهای پیشبینی-مساحت در برگه 1:100000 اسفوردی
فردین احمدی1، حمید آقاجانی2و1 و میثم عابدی3
1. دانشجوی دکتری، گروه مهندسی اکتشاف معدن، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود
2. دانشیار، گروه مهندسی اکتشاف معدن، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود
3. استادیار، گروه مهندسی معدن، دانشکده معدن، دانشگاه تهران، تهران
چکیده
در بررسیهای اکتشافی و تعیین مناطق با پتانسیل بالای کانیسازی، استفاد همزمان از لایههای مختلف اطلاعاتی نتایج قابل اعتمادتری ارائه خواهد داد. در این تحقیق برای بررسی پتانسیل کانیزایی آهن در برگه زمینشناسی 1:100000 اسفوردی، از دادههای مغناطیسسنجی هوایی و سه نوع تصویر ماهوارهای استر، لندست-8 و سنتینل-2 استفاده شد. فیلتر بازگشت به قطب، ادامه فراسو 200، 500 و 1000 متر، سیگنال تحلیلی، زاویه تیلت افقی و مشتق قائم اول بر روی دادههای مغناطیسی اعمال شد. لایههای دگرسانی (آرژیلیک، فیلیک، پروپیلیتیک)، نواحی حاوی اکسیدآهن و گوسان و خطوارهها به وسیله تصاویر ماهوارهای استخراج شدند. لایههای سیگنال تحلیلی و زاویه تیلت افقی به ترتیب برای شناسایی توده مغناطیسی و ساختارهای مغناطیسی مورد استفاده قرار گرفت. سه لایه استخراج شده از تصاویر ماهوارهای به همراه دو لایه ژئوفیزیکی در تحلیلها استفاده شدند. با استفاده از روش فرکتالی مقدار-مساحت و نمودار پیشبینی-مساحت و 22 نقطه اندیس و معدن فعال در منطقه مورد مطالعه، وزن این لایهها محاسبه شد. لایه سیگنال تحلیلی با نرخ پیشبینی 76 درصد، دارای بیشترین وزن در بین همه لایهها است بدین معنی که با 24 درصد از مساحت اشغال شده، 76 درصد از نهشتههای آهن بدرستی پیشبینی شده است. لایه نهایی پتانسیلیابی آهن منطقه مطالعاتی با تلفیق همه لایهها با استفاده از روش همپوشانی شاخص چندکلاسه تهیه شد. این نقشه نقطه عطفی در نرخ پیشبینی 78 درصد دارد بدین معنی که وزن آن از تک تک لایهها بیشتر است. بر اساس این نقشه، پتانسیلهای جدید کانیزایی آهن در شرق و جنوبشرق برگه اسفوردی مشاهده میشود.
واژگان کلیدی: اسفوردی، سنتینل-2، کانیزایی آهن، مغناطیسسنجی هوایی، نمودار پیشبینی-مساحت.
[1] * نویسنده مرتبط: haghajani@shahroodut.ac.ir
مقدمه
بازارهای بین المللی سنگ آهن به دلیل تقاضای زیاد صنایع فولاد، به تازگی مورد توجه بسیاری قرار گرفته است. ظرفیتهای استخراج معادن در سراسر جهان گسترش یافته و ناحیه بافق در ایران مرکزی، جز پهنههای با پتانسیل بالای سنگ آهن به شمار میآید. ناحیه معدنی بافق، میزبان کانسارهای مهم "نوع کایرونا" مگنتیت-آپاتیت در کمربند آتشفشانی کاشمر-کرمان در قلمرو ایران مرکزی است (Daliran and Stosch, 2009; Mohammad Torab, 2008).
در ناحیه ساختاری ایران مرکزی بهخصوص در ناحیه بافق، تعداد بسیار زیادی از معادن سنگ آهن وجود دارد. گستره برگه زمینشناسی 1:100000 اسفوردی به عنوان بخشی از این ناحیه، شامل چندین معدن سنگ آهن مهم است. به عنوان مثال میتوان معادن: چادرملو، چغارت، سهچاهون و میشدوان را نام برد (Sadeghi et al; 2013; Ghorbani, 2013; Daliran, 1990). پیدایش ذخایر مگنتیت-آپاتیت در ناحیه بافق، همچنان به عنوان یک بحث چالشبرانگیز در بین زمین‌شناسان وجود دارد. البته در این بین مدل‌های مختلفی در این خصوص ارائه شده است (Daliran and Stosch, 2009; Förster et al; 1994).
عملیات مغناطیسسنجی از قدیمیترین روشهای ژئوفیزیکی است که برای فعالیتهای اکتشافی در زمینههای مختلف و به ویژه اکتشاف ذخایر آهن مورد استفاده قرار میگیرد. برداشت اصولی و تفسیر صحیح دادههای مغناطیسسنجی در کنار دیگر دادههای اکتشافی میتواند ضمن کاهش هزینهها، اطلاعات ارزشمندی در مورد موقعیت، عمق و ابعاد بخشهای پنهان ذخایر آهن در اختیار پژوهشگران قرار دهد. در بیشتر یافتههای جدید اکتشافی، ژئوفیزیک نقش مؤثری در اکتشاف و نمایش ذخایر پنهان در عمق دارد. مطالعات مغناطیسسنجی به طور گستردهای برای اکتشاف مواد معدنی در سراسر جهان استفاده میشود(Elkhateeb and Abdellatif, 2018; Gaffar, 2015; Murphy, 2007; ). بیهنجاریهای مغناطیسی تولید شده توسط مناطق غنی از مگنتیت یا تهیشدگی مغناطیسی حاصل میشود که از سنگهای میزبان زمینه قابل تشخیص است. دادههای ژئوفیزیک هوابرد در مقیاس ناحیهاي برداشت میشود و اغلب به عنوان ابزاري براي شناسایی تغییرات جانبی لیتولوژي و مناطق با پتانسیل بالاي کانیسازي استفاده میشود. از آنجايي كه شدت ميدان مغناطيسي كل در هر نقطه متأثر از مواد و ساختارهاي مغناطيسي موجود در آن نقطه است، بر پایه تفسير اين نقشه و اعمال فيلتر هاي مختلف ميتوان به وجود ناهنجاريهاي ساختاري زيرسطحي پي برد (Grauch and Johnston, 2002). در تفسير دادههاي ژئوفيزيكهوايي كه به منظور اكتشاف ذخایر معدني مورد استفاده قرار مي گيرد، ساختارهاي زمينشناسي از جمله گسلها يا خطوارههاي پنهان و هم چنين نواحي دگرسانی مختلف مورد نظر ميباشد. بنابراين در تفسير اين دادهها كه شامل دادههاي مغناطيسي، الكترومغناطيسي و راديومتري ميباشد، تشخيص و تعيين محل ساختارهاي ذكر شده به عنوان محلهايي براي بالا آمدن سيالات كانه ساز و تشكيل كانيسازي داراي اهميت بوده و تفسير كيفي دادهها بیشتر بر روي آنها متمركز ميشود. البته ممكن است با توجه به اهداف مختلف موارد ديگري نيز در تفسير داده هاي ژئوفيزيك هوايي مد نظر قرار گيرد كه در اين موارد نيز بايد به پديدهها و عوارض و نيز روشهايي كه ميتواند در شناسايي ناهنجاريهاي مورد نظر كمك كند توجه کرد.
از آنجایی که استفاده از یک پارامتر ژئوفیزیکی براي رسیدن به هدف مشخص میتواند داراي عدم قطعیت بالایی باشد، میتوان با استفاده از چند پارامتر، این عدم قطعیت را تا حدود زیادي کاهش داد. براي تعیین پهنههای با پتانسیل بالاي کانیسازي، اغلب از تلفیق اطلاعات مختلف و روشهای وزندهی مانند وزنهاي نشانگر، منطق فازي و رگرسیون منطقی استفاده میشود (Bonham-Carter, et al; 1989 ).
استفاده از روش دورسنجی و تصاویر ماهوارهای برای نقشه برداری از مناطق دگرسانی گرمابی، واحدهایسنگی و ویژگیهای ساختاری مرتبط با انواع کانیسازی طی چند دهه گذشته در سراسر جهان بسیار چشمگیر بوده است (Testa et al; 2018 Javed and Wani, 2009; ).
استفاده بهینه از دادههای ماهوارهای برای اکتشاف مواد معدني، به ویژه در اکتشاف کانسارها، شناخت و نقشهبرداری نواحی دگرساني مرتبط، کمک شاياني به اکتشاف منابع معدنی زیرزمینی و به ویژه آهن میکند. در این روش برای شناسایی هدف، پس از انجام پیشپردازشها و تصحیحها از روش های مختلفی برای بارزسازی و شناسایی هدف اکتشافی مورد نظر استفاده میشود.
استفاده همزمان از فناوری سنجش از دور و ژئوفیزیکهوایی در نقشهبرداری زمینشناسی و اکتشاف مواد معدنی بسیار کارآمد خواهد بود (Ranjbar et al; 2004). کلارک(Clark, 2014) در مطالعه خود نشان داده است که دگرسانیهای هیدروترمال تاثیر زیادی بر روی خواص مغناطیسی سنگها و الگوی آنومالیهای مرتبط با آنها دارند. بنابراین برداشتهای مغناطیسسنجی در شناسایی این نوع دگرسانیها و در برخی موارد کانیسازی درون آنها مفید خواهد بود. بنابراین استفاده از دادههای مغناطيس هوايي در كنار دادههاي ماهوارهاي در یک منطقه ميتواند نقش مهمی در مطالعه ساختارهاي سطحي و زیرسطحي در منطقه و ارتباط آنها با عارضههاي ساختاري اصلي و ناحيهاي داشته باشد.
یوسفی و کارانزا (Yousefi and Carranza, 2015) نمودار نرخ پیشبینی-مساحت1 را برای وزندهی به لایههای شاهد توسعه داده‌اند. در این روش از تابع لجستیک به منظور تخصیص امتیاز عضویت فازی به مقادیر پیوسته شواهد مکانی استفاده میشود. تابع لجستیکی، کل دادهها را به یک دامنه محدود ]1-0[ انتقال میدهد. مقادیر حاصل شده، محور افقی نمودار را شامل میشود. دو محور قائم در نمودار، درصد آنومالیهای پیشبینی شده از اندیسها و نهشتههای معدنی در منطقه و مساحت متناظر میباشد. بر اساس این نمودار میزان درصد آنومالی موجود در منطقه با مساحت متناظر سنجیده میشود. محل تلاقی دو منحنی به عنوان نقطه عطف نمودار، بیانگر وزن لایه خواهد بود بدین صورت که هرچه نقطه عطف، مقادیر بالاتری را شامل شود وزن نهایی لایه بیشتر خواهد بود. به عبارتی با مساحت کمتر، مناطق آنومال بیشتری قابل پیشبینی است. در همین راستا، در این پژوهش با استفاده از دادههای ژئوفیزیک هوابرد در گستره برگه اسفوردی و تصاویر ماهوارهای سنتینل 2، لندست 8 و استر و به کمک نمودارهای پیشبینی-مساحت، نقشه پتانسیل معدنی از مناطق مستعد کانیزایی آهن در این برگه تهیه شده است.
زمینشناسی محدوده مطالعه
ناحیه معدنی بافق-ساغند در مرکز پهنه ایران مرکزی و کمان آتشفشان-پلوتونیک کاشمر-کرمان، بین گسلهای کوهبنان در شرق و بافق-پشتبادام در غرب، قرار دارد. بر اساس نقشهبرداری زمینشناسی و تحقیقات انجام شده، مجموعه سنگهای پرکامبرین، کامبرین و کواترنر در این ناحیه وجود دارد (مجیدی و همکاران، 1394). تشکیلات پرکامبرین بیشتر در جنوب سهچاهون در شمال شرقی بافق ایجاد شده است. از لحاظ ساختاري، این منطقه جزء پهنه ايران مرکزي، زير پهنه بافق-پشت بادام است. كهنترين سنگهاي اين ناحيه مربوط به پرکامبرين است و شامل مجموعههايي از سنگهاي دگرگوني شيست، گنايس، مرمر و آمفيبوليت میباشد. رسوبات ترشيري و کواترنري بيشتر شامل مجموعههايي از کنگلومرا، ماسه سنگ و آبرفتهاي جوان هستند. تودههاي نفوذي موجود در منطقه شامل گرانيتهاي زريگان، ناريگان، بهاباد و سينيت اسفوردي و مجموعه اي از دايکهاي ديوريتي و گابرويي هستند (Stosch et al; 2011; Torab and Lehman, 2006).
برگه 1:100000 اسفوردی در ناحیه بافق-پشت بادام قرار دارد. قدیمیترین واحدهای موجود در این منطقه سری ماسه سنگهای کوارتزی است. رسوبات این منطقه متعلق به کامبرین بالایی و پرکامبرین پایینی همراه با مقادیر کم ماسه سنگ در رسوبات قدیمی قرار دارند و از دو قسمت زیرین و فوقانی تشکیل شدهاند. قسمت زیرین شامل دولومیت، سنگ آهک، شیل و ماسه سنگ، گدازههای اسیدی و شیل آهکی است و قسمت فوقانی بیشتر کربناتها را شامل میشود. کانیسازی گرمابی مگنتیت-آپاتیت عمدتاً به عنوان ماده معدنی غالب در این ناحیه و جایگزینی متاسوماتیک از عناصر خاکی کمیاب و کانیسازی اورانیوم اتفاق افتاده است. ذخایر سنگآهن این منطقه با سنگهای آتشفشانی رسوبی و نفوذیهای درجه بالا همراه است و دارای یک مجموعه معدنی فقیر سولفید از مگنتیت کم تیتانیم (± هماتیت) است.
در گستره مورد مطالعه، تعداد 22 نهشته و اندیس مرتبط با ذخایر سنگ آهن گزارش شده است (Ghorbani, 2013). اسامی این مناطق در جدول 1 آورده شد است. نقشه پراکندگی ذخایر آهن ایران، ترکیب رنگی RGB 751 از تصویر لندست-8 و نقشه زمینشناسی باز تولید شده 1:100000 اسفوردی به همراه محل اندیسها و نهشتههای موجود در این برگه در شکل 1 نمایش داده شده است. طبق نقشه پراکندگی ذخایر مختلف آهن در ایران، منطقه مطالعاتی جز ذخایر آهن از نوع IOCG2 و کایرونا به شمار میرود که این ذخایر به صورت مثلث شکل در این نقشه قابل مشاهده هستند. محدوده برگه اسفوردی نیز به وسیله چهارضلعی قرمز رنگ مشخص شده است (شکل 1-الف). برای تفکیک لیتولوژیهای محدوده از ترکیب رنگی کاذب RGB 751 تصویر لندست-8 استفاده شد. پوششگیاهی در این تصویر به رنگ سبز نمایان است (شکل 1-ب). نقشه زمینشناسی باز تولید شده در مقیاس 1:100000 محدوده نیز در شکل 1-ج آورده شده است. با مشاهده و مقایسه همزمان این نقشه با ترکیب رنگی، میتوان یک دید بسیار خوب و جامع از شرایط زمینشناسی منطقه داشت.
جدول 1. اسامی اندیسهای معدنی آهن در منطقه مطالعه
ردیف | نام معدن / آنومالی | زمین شناسی منطقه |
1 | آنومالی X | ماسه سنگ و شیل / پالئوزوئیک |
2 | آنومالی II B | سنگ های متاسوماتیک و دگرگون شده / پرکامبرین |
3 | آنومالی II C | سنگ های متاسوماتیک و دگرگون شده / پرکامبرین |
4 | آنومالی IV | سنگ های متاسوماتیک و دگرگون شده / پرکامبرین |
5 | آنومالی V B | ماسه سنگ و شیل / پالئوزوئیک |
6 | آنومالی V C | ماسه سنگ و شیل / پالئوزوئیک |
7 | آنومالی V III | گرانیت، ولکانیک و ماسه سنگ / پرکامبرین بالایی- کامبرین پایین |
8 | آنومالی XI | ماسه سنگ و شیل / پالئوزوئیک |
9 | آنومالی X IIA | سنگ های رسوبی ولکانیکی / پرکامبرین- کامبرین |
10 | آنومالی X IIIA | گرانیت پرفیری / پرکامبرین بالایی |
11 | چشمه فیروز | دولومیت و اسیدی تا ولکانیکی حد واسط / پرکامبرین بالا-کامبرین پایین |
12 | چغارت | آلکالی گرانیت، ولکانیک، ماسه سنگ و شیست / پرکامبرین بالا-کامبرین پایین |
13 | شرق بافق | آلکالی گرانیت، ولکانیک اسیدی، دولومیت و سنگ آهک/ پرکامبرین بالا-کامبرین پایین |
14 | اسفوردی | آلکالی گرانیت، ولکانیک اسیدی، دولومیت و سنگ آهک/ پرکامبرین بالا-کامبرین پایین |
15 | لکه سیاه | آلکالی گرانیت، ولکانیک اسیدی، دولومیت و سنگ آهک/ پرکامبرین بالا-کامبرین پایین |
16 | مشیدوان | آلکالی گرانیت، ولکانیک اسیدی، دولومیت و سنگ آهک/ پرکامبرین بالا-کامبرین پایین |
17 | مبارکه | سنگ های دگرگون شده / پرکامبرین |
18 | نارگون | آلکالی گرانیت، ولکانیک اسیدی، دولومیت و سنگ آهک/ پرکامبرین بالا-کامبرین پایین |
19 | ناریگان | ولکانیک و ماسه سنگ / پرکامبرین بالا-کامبرین پایین |
20 | شمال سه چانگی 1 | ماسه سنگ و شیل / پالئوزوئیک |
21 | شمال سه چانگی 2 | ماسه سنگ و شیل / پالئوزوئیک |
22 | سه چاهون | دیوریت، رسوبی ولکانیکی / پرکامبرین بالا-کامبرین پایین |
[1] Prediction-area
[2] Iron Oxide Copper Gold
الف |
ب |
ج |
شکل 1. موقعیت و زمینشناسی برگه اسفوردی، الف) موقعیت ذخایر مختلف سنگ آهن در ایران (Nabatian, et a; 2015)، ب) ترکیب رنگی کاذب RGB 751 از تصویر لندست-8، ج) نقشه زمینشناسی 1:100000 باز تولید شده برگه اسفوردی
روش مطالعه
در این تحقیق، از یک روش ترکیبی از تجزیه و تحلیل فرکتالی عیار-مساحت (C-A) و نمودار پیشبینی-مساحت (P-A) برای وزندهی و ارزیابی لایههای شاخص استفاده شده است. تمامی لایههای شاخص با اندازه پیکسلی 100 متر در 100 متر تهیه شده و مقادیر مکانی در هر نقشه با استفاده از تابع لجستیک پیشنهاد شده توسط یوسفی و کارانزا (Yousefi and Carranza, 2015)، به یک بازه [1-0] انتقال یافت. با استفاده از روش فرکتال، حدود آستانه‌ای برای هر لایه به کمک روش مقدار-مساحت مشخص شد. بر اساس نمودارهای فرکتالی حاصل شده، لایههای مختلف مجدداً کلاسبندی شدند. در ادامه با جانمایی محل آنومالیهای موجود و تعیین مساحت دربرگیرنده، نمودارهای پیشبینی-مساحت برای هر لایه تهیه شد که بر اساس نقطه عطف حاصل شده، وزن هر لایه تعیین شد. از آنجا که هدف، اختصاص وزن به هر شاخص است، نسبت نرخ پیش بینی به مساحت اشغال شده مربوطه از طریق معادله زیر تعیین می شود:
Nd= 
/
(1)
WI= Ln Nd (2)
در این روابط، Nd چگالی نرمال شده، Pr نرخ پیشبینی و Oa مساحت اشغالشده است که بر اساس نقطه عطف در نمودار P-A استخراج میگردد و WI وزن نهایی است که به هر یک از لایهها اختصاص داده می شود. لایههای ژئوفیزیکی و تصاویر ماهوارهای به صورت جداگانه تهیه و وزن هر کدام به وسیله نمودارهای P-A محاسبه شد. برای بدست آوردن شاخصهای ژئوفیزیکی، ابتدا دادههای مغناطیسیسنجی هوابرد مورد آنالیز قرار گرفتند. با توجه به نوع دادههای در اختیار قرار داده شده، دادههای مغناطیس هوابرد در فرآیندهای بعدی مورد استفاده قرار گرفت. بدین معنی که از دادههای خام مقدار مغناطیس زمینه1 (IGRF) کم شده است (شکل 2-الف). فیلتر کاهش یافته به قطب مغناطیسی2 (RTP) بر روی دادههای باقیمانده مغناطیسی اعمال شد (شکل 2-ب). با استفاده از اين فيلتر، ميدان مغناطيسي از يك عرض مغناطيسي كه در آن بردار ميدان زمين مايل و شيبدار است به قطب مغناطيسي يعني جايي كه ميدان القايي قائم است، منتقل ميشود زيرا اگر ميدان زمين مايل باشد شكل ناهنجاريهاي مغناطيسي كه به صورت القايي به وجود آمدهاند نسبت به منابع به وجود آورنده نامتقارن خواهد بود اما در صورتي كه ميدان القايي قائم باشد، ناهنجاريهاي به وجود آمده در اثر القای مغناطيسي بر روی منبع خودشان قرار ميگيرند پس تفسير دادههاي مغناطيس هوايي به طور معمول بر روي تصاوير مختلف برگردان به قطب صورت ميگيرد (Elkhateeb et al; 2018, Murphy, 2007).
در ادامه روند کار، فیلترهای ادامه فراسو 200، 500 و 1000 متری بر روی نقشه برگردان به قطب اعمال شد (شکلهای 2-ج تا 2-پ). هدف از اعمال این فیلترها، از بین بردن یا تضعیف ناهنجاریهای مغناطیسی با فرکانس بالای سطحی است. سپس برای تشخیص توده نفوذی عمیق و ساختارهای مغناطیسی به ترتیب نقشه سیگنال تحلیلی3 (AS) و زاویه تیلت افقی4 (TDX) استفاده شد (شکل 2-ت و 2-ث). زاویه تیلت افقی بر روی نقشه حاصل از ادامه فراسوی 1000 متر اعمال شد. معادلات مربوط به سیگنال تحلیلی و زاویه تیلت به ترتیب در ادامه آورده شده است. برای یک بیهنجاری مغناطیسی، سیگنال تحلیلی در فضای سهبعدی به صورت رابطه (3) تعریف میشود (Hsu et al; 1996):
An (x,y)= 
[
]+
[(
+
(3)
که در آن An (x,y) دامنه سیگنال تحلیلی و G، بیهنجاری مغناطیسی است که اندازه آن نیز بهراحتی قابل محاسبه است. زاویه تیلت نیز مطابق رابطه زیر تعریف میشود (Miller and singh, 1994):
] (4)
که در آن، T مقدار زاویه تیلت و f ميدان پتانسيل برداشت شده (مغناطیسی یا گرانی) است. مقدار زاويه تيلت و تغييرات زاويه تيلت در بالاي توده هاي معدني و همچنين بدون بعد بودن آن مهم ترين دليل كاربرد
اين فيلتر است. در نهایت نقشه مشتق قائم اول تهیه شد تا جزییات برجستهتر شده و تفکیک بهتری از بیهنجاریهای موجود انجام شود (شکل 2-چ).
[1] 1International Geomagnetic Reference Field
[2] 2 Reduction to the Pole
[3] 3Analytic Signal
[4] 4Horizontal Tilt Derivative
الف |
ب |
د |
ج |
ت |
پ |
ث |
چ |
شکل 2. نتایج پردازش دادههای مغناطیسسنجی هوابرد، الف) نقشه مغناطیس باقیمانده (R-M)، ب) نقشه برگردان به قطب (RTP)، ج) نقشه ادامه فراسو- 200متر (Up 200m)، د) نقشه ادامه فراسو- 500 متر (Up 500m)، پ) نقشه ادامه فراسو- 1000 متر (Up 1000m)، ت) فیلتر سیگنال تحلیلی (A-S)، ث) زاویه تیلت افقی اعمال شده بر روی ادامه فراسو- 1000 متر (TDX)، چ) فیلتر مشتق قائم (V-D)
لایههای دورسنجی نیز با استفاده از سه نوع تصویر ماهوارهای استر، سنتینل-2 و لندست-8 تهیه شد. با توجه به سطوح پردازشی این تصاویر، ابتدا پیشپردازشهای لازم بر روی هر کدام از تصاویر انجام پذیرفت تا آماده انجام پردازشهای لازم گردند. لایههای دگرسانی آرژیلیک، فیلیک و پروپیلیتیک با استفاده از تصویر استر و روش نسبباندی تهیه شد (شکل 3-الف تا 3-ج). برای این سه دگرسانی، نسبتهای باندی 5/4، 6/5+7 و 8/7+9 به ترتیب مورد استفاده قرار گرفت. لایه مناطق حاوی اکسیدآهن با نسبت باندی 2/4 در تصاویر سنتینل-2 و لندست-8 تهیه شد (شکل 3-د). با استفاده از تصویر سنتینل-2، تهیه لایههای زون گوسان و خطوارههای محدوده مطالعه انجام گرفت. برای تهیه لایه گوسان از نسبت باندی 4/11 و لایه خطوارهها از فیلترگذاری باند4 تصویر سنتینل-2 استفاده شد. نقشه گوسان در (شکل 3-پ) و نقشه خطوارهها در (شکل 3-ت) آورده شده 
است.
ب |
الف |
پ |
ج |
د |
ت |
پ |
شکل 3. نتایج پردازش دادههای ماهوارهای، الف) نقشه دگرسانی آرژیلیک، ب) نقشه دگرسانی فیلیک، ج) نقشه دگرسانی پروپیلیتیک، د) نقشه اکسیدهای آهن، پ) نقشه گوسان، ت) نقشه خطوارهها
به وسیله روش فرکتالی مقدار-مساحت، لایههای مرتبط با کانیزایی آهن دوباره کلاسبندی شد و به وسیله نمودار پیشبینی-مساحت، وزن آنها محاسبه شد. از میان لایههای ژئوفیزیکی، نقشه سیگنال تحلیلی برای برآورد حضور توده مغناطیسی در عمق و لایه زاویه تیلت افقی برای برآورد ساختارهای مغناطیسی در نظر گرفته شد. لایه شاهد زاویه تیلت افقی به پنج کلاس تقسیم و نمودار فرکتالی آن در شکل 4-الف، نقشه کلاسبندی در شکل 4-ب و نمودار پیشبینی-مساحت آن در شکل 4-ج نمایش داده شده است. طبق نقطه عطف این نمودار، با 43 درصد از مساحت اشغال شده، 57 درصد از آنومالیها توجیه میشوند. لایه شاهد سیگنال تحلیلی شامل چهار کلاس میباشد. نمودار فرکتالی این لایه در شکل 5-الف، نقشه کلاسبندی مجدد در شکل 5-ب و نمودار پیشبینی-مساحت نیز در شکل 5-ج نمایش داده شده است. با توجه به نمودار پیشبینی-مساحت آن، با 24 درصد از مساحت اشغال شده، 76 درصد از آنومالیها توجیه میشوند. همین روند برای سه لایه شاهد دورسنجی شامل دگرسانیها (آرژیلیک، فیلیک و پروپیلیتیک)، اکسیدهای آهن و زون گوسان و خطوارهها مورد استفاده قرار گرفت. نتایج مرتبط با این سه لایه به ترتیب در شکلهای 6 تا 8 نشان داده شده است. لایه دگرسانیها شامل پنج کلاس و نقطه عطفی در نرخ پیشبینی 70 درصد دارد. لایه اکسیدهای آهن و زون گوسان شامل شش کلاس و نقطه عطفی در نرخ پیشبینی 59 درصد دارد. لایه خطوارهها شامل پنج کلاس و نقطه عطف در نرخ پیشبینی 60 درصد قرار دارد. طبق این نتایج لایه ساختارهای مغناطیسی با نرخ پیشبینی 58 درصد، کمترین وزن و لایه شاهد سیگنال تحلیلی و دگرسانی فیلیک به ترتیب با نرخهای پیشبینی 76 و 70 درصد، دارای بیشترین نرخهای پیشبینی (کمترین مساحت) هستند. نتایج محاسبه وزن هر لایه و روشهای مورد استفاده در تهیه هر لایه، در جدول 2 آورده شده است.
ب |
الف |
ج |
Intersection Point |
شکل 4. نقشه شاهد ساختارهای مغناطیسی، الف) نمودار تمام لگاریتمی مقدار-مساحت، ب) نقشه کلاسبندی شده ساختارهای مغناطیسی بر اساس نمودار فرکتالی، ج) نمودار پیشبینی-مساحت
ب |
الف |
ج |
Intersection Point |
شکل 5. نقشه شاهد سیگنال تحلیلی، الف) نمودار تمام لگاریتمی مقدار-مساحت، ب) نقشه کلاسبندی شده سیگنال تحلیلی بر اساس نمودار فرکتالی، ج) نمودار پیشبینی-مساحت
الف |
ج |
ب |
Intersection Point |
شکل 6. نقشه شاهد دگرسانیها، الف) نمودار تمام لگاریتمی مقدار-مساحت، ب) نقشه کلاسبندی شده دگرسانیها بر اساس نمودار فرکتالی، ج) نمودار پیشبینی-مساحت
ب |
الف |
ج |
Intersection Point |
شکل 7. نقشه شاهد زون اکسید آهن و گوسان، الف) نمودار تمام لگاریتمی مقدار-مساحت، ب، نقشه کلاسبندی شده اکسیدهای آهن و گوسان بر اساس نمودار فرکتالی، ج) نمودار پیشبینی-مساحت
ب |
الف |
ج |
Intersection Point |
شکل 8. نقشه شاهد خطوارهها، الف) نمودار تمام لگاریتمی مقدار-مساحت، ب) نقشه کلاسبندی شده خطوارهها بر اساس نمودار فرکتالی، ج) نمودار پیشبینی-مساحت
جدول 2. لایههای شاهد استفاده شده و وزن محاسبه شده هرکدام به وسیله نمودار پیشبینی-مساحت
نوع داده | لایه | روش | نرخ پیشبینی | مساحت | چگالی نرمالایز شده | وزن |
مغناطیس هوابرد | توده مغناطیسی | سیگنال تحلیلی | 76 | 24 | 17/3 | 153/1 |
ساختارهای مغناطیسی | زاویه تیلت افقی | 58 | 42 | 38/1 | 323/0 | |
استر | دگرسانیها | نسبت‌باندی، آنالیز مؤلفه‌های اصلی | 70 | 30 | 33/2 | 846/0 |
سنتینل2، لندست 8 | اکسید آهن و گوسان | نسبت‌باندی، آنالیز مؤلفه‌های اصلی | 59 | 41 | 44/1 | 364/0 |
سنتینل2 | خطوارهها | فیلتر برایی | 60 | 40 | 5/1 | 4/0 |
همانطور که از وزنهای بدست آمده مشخص است، لایه توده مغناطیسی با ضریب 153/1، بالاترین وزن را به خود اختصاص داده است و پس از آن وزن بدست آمده از دگرسانی (فیلیک) جلب توجه میکند. دلیل آن میتواند در ارتباط با آبکافت پلاژیوکلاز و تبدیل به سرسیت باشد (Sepehrirad, et al; 2018 Heidarian, et al; 2017.). به همین دلیل این دگرسانی ارتباط تنگاگی با کانیزایی تیپ کایرونا دارد. البته دگرسانیهایی همچون کلریتی و پتاسیک نیز در ارتباط با این نوع کانیزایی میباشند.
نقشه زاویه تیلت نیز که برای نمایش ساختارهای مغناطیسی استفاده شد وزنی معادل 323/0 دارد. برای لایههای اکسید آهن و گوسان مقدار 364/0 بدست آمده است و خطوارهها وزن 4/0 را به خود اختصاص داده اند. این لایهها بر حسب وزنی که برای هر لایه بدست آمده است وارد فرآیند تلفیق برای تهیه نقشه پتانسیل معدنی شدند.
تهیه نقشه پتانسیل معدنی
برای تلفیق لایههای اطلاعاتی، روشهای مختلفی وجود دارد که بر حسب روشهای وزندهی و روشهای مدلسازی مختلف میتوان از آنها استفاده کرد (Bonham-Carter, 1994; Carranza, 2016). در اینجا از روش همپوشانی شاخص برای انجام تلفیق لایههای شاهد استفاده شد.
پس از تهیه همه لایههای شاهد (ژئوفیزیکی و دورسنجی)، برای تهیه نقشه پتانسیل مطلوب، لایههای توده مغناطیسی، ساختارهای مغناطیسی، دگرسانیها، اکسیدهای آهن - زون گوسان و خطوارهها باهم تلفیق شدند. برای تلفیق این لایهها از روش همپوشانی شاخص استفاده شد. در این روش، مقدار فازی شده هر نقشه در وزن به دست آمده آن لایه ضرب میشود و سپس مجموع این مقادیر بر مجموع وزنهای به دست آمده تقسیم میشود.
پس از فازی سازی نقشه نهایی، لایه نهایی به کمک روش فرکتال، به پنج زیر گروه تفکیک شد. بر اساس این نمودار نقشه کلاسبندی ترسیم شد و در نهایت نمودار پیشبینی-مساحت برای این لایه رسم شد. طبق این نمودار با 22 درصد از مساحت اشغال شده، میتوان 78 درصد از آنومالیها را توجیه کرد با توجه به اعداد به دست آمده از مساحت اشغال شده و نرخ پیشبینی، چگالی نرمالایز شده برای لایه تلفیقی، برابر با 545/3 بدست میآید و وزن این لایه، 265/1 خواهد بود. بنابراین لایه نهایی دارای وزن بیشتری از تک تک لایهها میباشد. نتایج مربوط به نقشه تلفیق شده نهایی در شکل 9 آورده شده است. نمودار فرکتالی در شکل 9-الف، نقشه تلفیقی فازی شده در شکل 9ب، نمودار پیشبینی-مساحت در شکل 9-ج و نقشه کلاسبندی مجدد در شکل 9-د نمایش داده شده است.
ج |
الف |
د |
ب |
Intersection Point |
شکل 9. نقشه تلفیق شده همه لایههای شاهد، الف) نقشه نهایی تلفیقی فازی شده، ب) نمودار لگاریتمی فرکتال مقدار-مساحت لایه نهایی تلفیق شد، ج) نقشه کلاسبندی لایه نهایی تلفیق شده، د) نمودار پیشبینی-مساحت لایه نهایی تلفیق شده
بازدید صحرایی
برای ارزیابی و صحتسنجی نتایج، بررسی میدانی از نواحی با پتانسیل بالا صورت پذیرفت. در این راستا تمرکز بر جنوبشرق منطقه مطالعه میباشد که به عنوان مناطق با پتانسیل بالایی معرفی میشود که اندیس معدنی در آن ناحیه مشاهده نمیشود. در طی این عملیات بخشهای مختلفی مورد بازدید قرار گرفت که آثار و شواهد زمینشناسی گوناگون ثبت و در شکل 10 آورده شده است. در شکل 10-الف ساختارهای خطی و گسلخوردگی شدید را شاهد هستیم. شکل 10-ب حضور تودههای نفوذی را نشان میدهد. کربناتها یکی از فراوانترین واحدهای سنگی در گستره مطالعاتی میباشد که طبق تحقیقات مختلف در برخی نواحی نیز در ارتباط با کانیسازی هستند. کربناتهای جنوبغرب محدوده با روند شمالغرب به جنوبشرق در شکل 10-ج نمایش داده شده است. در شکل 10-د محل حفر گمانه یکی از آنومالیهای محدوده آورده شده است. شکل 10-پ اکسیدهای آهن و هماتیتی شدن را نشان میدهد. در شکل 10-ت حضور اولوژیست در سنگ میزبان کربناتی مشاهده میشود که در بخشهای مختلف این قضیه اتفاق افتاده است. در شکل 10-ث واریزه نسبتاً بزرگ سنگ آهن در رسوبات نمایش داده شده است که البته علیرغم صرف زمان زیاد، رخنمونی یافت نشد و با توجه به وسعت محدوده نیاز به بررسیهای بیشتر خواهد داشت. نمونههای ماکروسکوپی برداشتشده در شکل10ـ چ نشان داده شده است.
ب |
الف |
د |
ج |
ت |
پ |
چ |
ث |
شکل 10. بررسیهای میدانی. الف) گسلخوردگی شدید در منطقه، ب) واحدهای نفوذی، ج) واحدهای کربناتی جنوبغرب برگه اسفوردی، د) نمایی از آنومالیها و حفر گمانه اکتشافی، پ) اکسیدهای آهن، ت) حضور اولوژیست در سنگ میزبان کربناتی، ث) واریزه سنگ آهن در رسوبات جنوبشرق گستره مطالعاتی، چ) نمونههای سنگ آهن برداشت شده در بخش جنوبشرق برگه اسفوردی
نتیجهگیری
يكي از مزيتهاي سنجش از دور در مطالعات زمينشناسي، پوشش وسيع ناحيه مورد مطالعه است كه اطلاعات بسيار سودمندي از الگوهاي ساختاري را ارائه ميدهد. گسلها و شكستگيها، ساختارهايي هستند كه به خوبي بر روي تصاوير ماهوارهاي شناسائي ميشوند. از طرفي پردازش دادههاي مغناطيس هوايي اطلاعات با ارزشي براي تحليل عوارض زير سطحي به دست ميدهد. از جمله رخسارههاي قابل شناسايي با استفاده از دادههاي مغناطيسي هوايي ميتوان به تعيين محل و گسترش عمقي تودههاي نفوذي پنهان، مناطق دگرساني، مناطق برشي، شكستگيهاي پيسنگي و در كل بررسي وضعيت زمينساختي و مطالعه ارتباط آن با كانهزايي اشاره کرد. لذا در اين پژوهش با تلفيق و تحليل دادههاي مغناطيس هوايي و تصاویر ماهوارهاي از سه سنجنده مختلف، به بررسي وضعيت ساختاري و ارتباط آن با كانهزائي پرداخته شد. با استفاده از اندیسها و نهشتههای معدنی موجود، وزندهی به لایههای شاهد صورت پذیرفت که با این کار به نوعی اعتبارسنجی نیز صورت پذیرفته است. نتایج این تحقیق در مقایسه با کارهای مشابه قبلی، این مزیت را داراست که علاوه بر استفاده از سه سنجنده در تهیه لایههای مختلف، از محل اندیسهای معدنی بهره برده شده است و این امر اعتبار نتایج را افزایش خواهد داد. در این بین تصاویر سنتینل2 در به نقشه آوردن مناطق اکسید آهن و زونهای گوسان قابلیت بالایی داشته و به طور کلی در بررسیهای مرتبط با کانیزایی آهن بسیار مؤثر واقع میشود. استفاده از نمودارهای پیشبینی-مساحت در مقایسه با روشهای وزندهی مرسوم، ریسک ناشی از خطای کارشناسی را در بر نداشته و وزنهای بدست آمده قابل اعتمادتر خواهند بود. در این راستا با استفاده از توجیه مساحت اشغال شده به وسیله آنومالیها، اقدام به تهیه وزن لایهها شده است.
نتایج نهایی نیز بسیار منطبق بر حضور این نقاط در محدوده است. به علاوه بخشهای جدیدی به عنوان نواحی جدید با پتانسیل بالای کانیسازی آهن شناسایی شد. طبق این نقشه، در شرق، جنوب شرق و شمالغربی برگه اسفوردی، این نواحی مشاهده میشوند که به رنگ قهوهای تیره قابل شناسایی هستند. این نواحی به عنوان اولویتهای اکتشافی و بررسیهای میدانی مدنظر قرار گرفتند.
در نقشه نهایی تلفیق شده، با 22 درصد از مساحت دربرگیرنده میتوان 78 درصد از آنومالیها را توجیه کرد. به عبارتی وزن لایه نهایی حاصل از تلفیق همه لایهها، از تک تک لایهها بیشتر است.
در بررسیهای میدانی نیز شواهد حاکی از احتمال بالای کانی زایی در این ناحیه به چشم میخورد. با انجام بررسیهای زمینشناسی و مقایسه آن با اندیسها و نهشتههای قبلی، میتوان واحدهای ریولیتی، ریوداسیتی، دولومیت‌های آهکی و مناطق حضور مارن را با پتانسیل‌ترین نواحی برای کانیزایی احتمالی دانست که این موضوع از مهمترین کلیدهای اکتشافی در محدوده میباشد. به کمک نقشه نهایی تلفیقی و در نظر گرفتن واحدهای مستعد کانیزایی در محدوده، شناسایی نواحی با پتانسیل و امیدبخش جدید بسیار محتمل خواهد بود.
سپاسگزاری
بدین وسیله از مجموعه معدنی روی خان خاتون و به ویژه جناب آقای دکتر نائر رحمانی و مهندس حمید رستمیپور بهدلیل همکاری و همراهی در انجام عملیات صحرایی سپاسگزاری میشود. همچنین از سازمان زمینشناسی کشور بهدلیل در اختیار قرار دادن بخشی از دادههای این پژوهش تشکر به عمل میآید.
منابع
مجیدی، س ا.، لطفی، م. و امامی، م ه.، 1394. ژنز کانسارهای اکسید آهن-آپاتیت: بر پایه مطالعه آپاتیت‌های پهنه بافق-ساغند، ایران مرکزی. فصلنامه علمی-پژوهشی علوم زمین, 27(105)، 233-244.##Bonham-Carter, G.F., Agterberg, F.P and Wright, D, F., 1989. Weights of evidence modeling: A new approach to mapping mineral potential. In Statistica Application in the Earth Sciences, Geology Survey of Canada, 171-183. ##Bonham-Carter, G.F. 1994. Geographic Information Systems for Geoscientists: Modelling with GIS, New York Pergamon/Elsevier, 398. ##Carranza, E. J. M. and Laborte, A. G. 2016. Data-driven predictive modeling of mineral prospectivity using random forests. A case study in Catanduanes Island (Philippines). Natural Resources Research, 25, 35–50. ##Clark, D. A., 2014. Magnetic Effects of Hydrothermal Alteration in Porphyry Copper and Iron-Oxide Copper–gold Systems: A Review. Tectonophysics, 624–625,1, 46–65. https://doi.org/10.1016/j.tecto.2013.12.011. ##Daliran, F., Stosch, HG., and Williams PJ., 2009. A review of the Early Cambrian magmatic and metasomatic events and their bearing on the genesis of the Fe oxide-REE-apatite deposits (IOA) of the Bafq distrit, Iran. In Williams P (Ed.): Smart Science forExploration and Mining. 10th SGA Biennial, Townsville, 623–625. ##Daliran, F., 1990. The magnetite-apatite deposit of Mishdovan, East Central Iran. An alkali rhyolite hosted, “Kiruna type” occurrence in the Infracambrian Bafq metallotect (mineralogic, petrographic and geochemical study of the ores and the host rocks. Ph.D. thesis, Heidelberg, Heidelberger Geowissenschaftliche Abhandlungen 37, 248 . ##Elkhateeb, S. O. and Abdellatif, M. A. G., 2018. Delineation potential gold mineralization zones in a part of Central Eastern Desert, Egypt using Airborne Magnetic and Radiometric data. NRIAG Journal of Astronomy and Geophysics, 7(2), 361-376. ##Elkhateeb, S. O., Eldosouky, A. M. and Aboelabas, S., 2018. Interpretation of Aeromagnetic Data to Delineate Structural Complexity Zones and Porphyry Intrusions at Samr El Qaa Area, North Eastern Desert, Egypt. International Journal of Novel Research in Civil Structural and Earth Sciences. 5, Issue 1, 1-9. ##Förster, H, and Jafarzadeh, A., 1994. The Bafq mining district in Central Iran - a highly mineralized Infracambrian volcanic field. Economic Geology, 89, 1697-1721. ##Gaafar, I. M., 2015. Integration of geophysical and geological data for delimitation of mineralized zones in Um Naggat area, Central Eastern Desert, Egypt. NRIAG Journal of Astronomy. ##Ghorbani, M., 2013. Economic geology of Iran. 581. Berlin: Springer. ##Grauch, V. J. S. and Johnston, C. S., 2002. Gradient window mehod: A simple way to isolate regional from local horizontal gradients in potential-field gridded data: 72nd Annual International Meeting, Society of Exploration Geophysicists. ##Heidarian, H., Alirezaei, S., and Lentz, D. R., 2017. Chadormalu Kiruna-type magnetite-apatite deposit, Bafq district, Iran: Insights into hydrothermal alteration and petrogenesis from geochemical, fluid inclusion, and sulfur isotope data. Ore Geology Reviews, 83, 43-62. ##Hsu, S. K., Sibuet, J. C, and Shyu, C. T., 1996. High-resolution detection of geologic boundaries from potential anomalies, An enhanced analytic signal technique, Geophysics, 61, 373-386. ##Javed A, and Wani MH., 2009. Delineation of groundwater in Kakund watershed, Eastern Rajasthan using remote sensing and GIS techniques. Journal of Geol Soc India 73,2, 229–236. ##Miller, H.G. and Singh, V., 1994. Potential field tilt – a new concept for location of potential field sources. Journal of Applied Geophysics. 32, 213- 217. ##Mohammad Torab, F., 2008. Geochemistry and metallogeny of magnetiteapatite deposits of the Bafq Mining District, Central Iran. Doctoral Thesis, Faculty of Energy and Economic Sciences Clausthal University of Technology. ##Murphy, B. S., 2007. Airborne geophysics and the Indian scenario. J. Ind. Geophysics Union, 11 ,1, 1-28. ##Nabatian, G., Rastad, E., Neubauer, F., Honarmand, M., and Ghaderi, M., 2015. Iron and Fe–Mn mineralisation in Iran: implications for Tethyan metallogeny. Australian Journal of Earth Sciences, 62, 2, 211-241. ##Ranjbar, H., Shahriari, H., and Honarmand, M., 2004. Integration of ASTER and airborne geophysical data for exploration of copper mineralization. A case study of Sar Cheshmeh area. In Proceedings of 20th congress, International Society for Photogrammetry and Remote Sensing, Istanbul. 12-13. ##Sadeghi, B., Khalajmasoumi, M., Afzal, P., Moarefvand, P., Yasrebi, A. B., Wetherelt, A., and Ziazarifi, A., 2013. Using ETM+ and ASTER sensors to identify iron occurrences in the Esfordi 1: 100,000 mapping sheet of Central Iran. Journal of African Earth Sciences, 85, 103-114. ##Sepehrirad, R., Alirezaei, S. and Azimzadeh, A. M., 2018. Hydrothermal alteration in the Gazestan magnetite-apatite deposit and comparison with other Kiruna-type iron deposits in the Bafq district, Central Iran. Journal of Geoscience, 27,108, 257-268. ##Stosch, H.G, Romer R.L, Daliran, F. and Rhede D., 2011. Uranium–lead ages of apatite from iron oxide ores of the Bafq District, East-Central Iran. Miner Deposita, 46, 9–21. ##Testa, F.J., Villanueva, C., Cooke, D.R. and Zhang, L. 2018. Lithological and hydrothermal alteration mapping of epithermal, porphyry and tourmaline breccia districts in the Argentine Andes using ASTER imagery. Remote sensing, 10,2, 203; doi:103390/rs10020203. ##Torab, F. M. and Lehmann B., 2006. Iron oxide-apatite deposits of the Bafq district, Central Iran. An overview from geology to mining. World of Mining—Surface and Underground, 58, 355-362. ##Yousefi, M. and Carranza, E. J. M., 2015. Prediction–area (P–A) plot and C–A fractal analysis to classify and evaluate evidential maps for mineral prospectivity modeling. Computers and Geosciences, 79, 69-81. ##
Integration of airborne magnetic and satellite imagery data to identify potential zones of iron occurrences using the prediction-area plot in the Esfordi area
Ahmadi F.1, Aghajani H.2* and Abedi M.3
1- Ph.D Student, Faculty of Mining, Petroleum and Geophysics, Shahrood University of Technology, Shahrood, Iran
f.ahmadi_uk@yahoo.com.
2- Associate Professor, Faculty of Mining, Petroleum and Geophysics, Shahrood University of Technology, Shahrood, Iran
haghajani@shahroodut.ac.ir
3. School of Mining Engineering, College of Engineering, University of Tehran, Tehran, Iran
Abstract
In the exploration and determination of the mineralization zones, the use of different geospatial layers will lead to more reliable results. In this study, the investigation of iron mineralization zones was done using airborne magnetic data, and three types of satellite images (i.e. ASTER, Landast-8 and Sentinel-2) in the Esfordi area. The reduced-to-pole filter, the upward continuation at altitudes of 200, 500 and 1000 meters, the analytic signal, the horizontal tilt angle, and the first vertical derivative were then employed on airborne magnetometry data. Argillic, phyllic and propylitic alterations, iron oxide and gossan zones and structural lineaments were extracted through satellite imagery data processing. The analytical signal and horizontal tilt angle indicators were used as the main geophysics footprints to identify the magmatic intrusions and geological lineaments, respectively. In addition, three satellite imagery indicators were used in final preparation of iron-bearing prospectivity map. The weight of each layer was calculated by simultaneous analyses of the concentration-area fractal curve, the prediction-area plot, and the use of 22 Fe-bearing occurrences in the studied region. Note that the analytic signal layer with the prediction rate of 76 % has the highest weight among all of layers. In other words, this layer has occupied 24% of the study area as favorable zones by which 76% of the known Fe occurrences are delineated. Iron ore potential map was prepared from integration of all geospatial indicators through the weighted multi-class index overlay method. The generated map has an intersection point with a prediction rate of 78% which has higher weight than each indicator individually. According to this map, new iron mineralization potentials are observed in the east and southeast of the Esfordi area.
Keywords: Airborne magnetic, Esfordi, Iron mineralization, Sentinel-2, P-A plot