سامانه مدیریت نشریات علمی دانشگاه شهید بهشتی

جعفری, محمدامین, کاچار, حامد, زینالی, علی, زراسوندی, علیرضا. (1403). تلفیق داده‌های زمین‌شناسی و تصاویر ماهواره‌ای Sentinel-2A و ASTER برای اکتشاف ذخایر سرب و روی در ورقه سقز. , 15(2), 112-128. doi: 10.48308/esrj.2024.104584
محمدامین جعفری; حامد کاچار; علی زینالی; علیرضا زراسوندی. "تلفیق داده‌های زمین‌شناسی و تصاویر ماهواره‌ای Sentinel-2A و ASTER برای اکتشاف ذخایر سرب و روی در ورقه سقز". , 15, 2, 1403, 112-128. doi: 10.48308/esrj.2024.104584
جعفری, محمدامین, کاچار, حامد, زینالی, علی, زراسوندی, علیرضا. (1403). 'تلفیق داده‌های زمین‌شناسی و تصاویر ماهواره‌ای Sentinel-2A و ASTER برای اکتشاف ذخایر سرب و روی در ورقه سقز', , 15(2), pp. 112-128. doi: 10.48308/esrj.2024.104584
جعفری, محمدامین, کاچار, حامد, زینالی, علی, زراسوندی, علیرضا. تلفیق داده‌های زمین‌شناسی و تصاویر ماهواره‌ای Sentinel-2A و ASTER برای اکتشاف ذخایر سرب و روی در ورقه سقز. , 1403; 15(2): 112-128. doi: 10.48308/esrj.2024.104584

تلفیق داده‌های زمین‌شناسی و تصاویر ماهواره‌ای Sentinel-2A و ASTER برای اکتشاف ذخایر سرب و روی در ورقه سقز

پژوهشهای دانش زمین
دوره 15، شماره 2 - شماره پیاپی 58، 1403، صفحه 112-128    اصل مقاله (2.77 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.48308/esrj.2024.104584
نویسندگان
محمدامین جعفری* 1؛ حامد کاچار2؛ علی زینالی3؛ علیرضا زراسوندی1
1گروه زمین‌شناسی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران
2گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
3گروه زمین‌شناسی، دانشکده علوم، دانشگاه تهران، تهران، ایران
چکیده
مقدمه
مدل‌سازی پتانسیل معدنی براساس جمع‌آوری و پردازش دقیق داده‌های زمین‌شناسی، زمین‌فیزیکی و ماهواره‌ای، این امکان را فراهم می­کند تا پتانسیل وجود ماده معدنی در یک منطقه خاص را پیش‌بینی کنیم. این فرآیند شامل ساخت مدل‌های ریاضی پیچیده است که با استفاده از الگوریتم‌های یادگیری ماشین و تجزیه و تحلیل دقیق داده‌ها، به به مسئولان و تصمیم‌گیران در زمینه استخراج معدنی کمک می‌کنند تا مناطق مستعد کانه­زایی برای بهره‌برداری بهینه را تعیین کنند و منابع زمین را به بهترین شکل مدیریت کنند. با توجه به واحدهای زمین­شناسی متنوع موجود در ورقه سقز این ورقه یکی از با پتانسیل­ترین مناطق برای تشکیل ذخایر فلزی می­باشد. سنگ میزبان اکثر کانسارهای سرب و روی موجود در ایران رسوبی می­باشد که با عنوان کانسارهای سرب و روی با سنگ میزبان رسوبی (Sedimentary-Hosted) شناخته می­شوند. طبق بررسی­های صورت گرفته نیز مشخص شد کانه­زایی سرب و روی صورت گرفته در ورقه یکصدهزار سقر نیز از این نوع ­می­باشد که عموماً کلسیت، دولومیت، شیل، ماسه­سنگ و سنگ­های آذرآواری میزبان این ذخایر می­باشند.
مواد و روش­ها
در این پژوهش از لایه­های اکتشافی لیتولوژی، دگرسانی دولومیتی، ژئوشیمی سرب و روی برای تهیه نقشه پیش­بینی کانه­زایی سرب و روی در ورقه سقز استفاده شد. بهره­گیری از تکنیک سینگولاریتی بر روی رسوبات آبراهه­ای سرب و روی، استفاده از لایه­های اکتشافی متنوع و انجام طیف­سنجی آزمایشگاهی و اعمال منحنی­های رفتار طیفی به دست آمده بر روی تصاویر Sentinel-2A در این پژوهش نوآوری و خلاقانه بودن آن را نسبت به سایر پژوهش­های مشابه نشان می­دهد. پس از فازی­سازی لایه­های اکتشافی در نرم­افزار GIS نقشه پیش­بینی کانه­زایی سرب و روی توسط تابع Fuzzy-Gamma و مقدار گامای 85/0 بدست آمد. نتایج حاصل از تجزیه XRF و ICP-MS بر روی نمونه­های سرب و روی کشف­شده عیار بین 3 تا 7% را نشان داد که بیانگر انتخاب درست منطقه مورد مطالعه و لایه­های اکتشافی و تلفیق صحیح آن­ها می­باشد. در ادامه با انجام طیف سنجی آزمایشگاهی در اتاق تاریک با لامپ هالوژن و دستیابی به منحنی رفتار طیفی کانی اسفالریت مربوط به نمونه­های منطقه مورد مطالعه، الگوریتم تطابق سنجی SAM روی تصاویر ماهواره­­ای Sentinel-2A، اعمال شد.
نتایج و بحث
طبق پی­جویی­های صورت گرفته در 6 محدوده S1، S2، P، Q-Pb-Zn، Polygon12 و Polygon13 نمونه­های حاوی کانه­زایی سرب و روی کشف شد و فقط محدوده Polygon5 فاقد کانه­زایی سرب و روی تشخیص داده شد که نشانگر قابل اعتماد بودن لایه­های اکتشافی و روش تلفیق می­باشد. نتایج آنالیز XRF وAqua Regia  نشان داد که نمونه­های حاوی سرب و روی کشف شده عیاری بین 2 تا 7 درصد داشته که مشخص کننده عیار اقتصادی برای این فلزات می­باشد.
نتیجه­گیری
نتایج حاصل از انجام طیف­سنجی آزمایشگاهی و اعمال منحنی­های رفتار طیفی کانی اسفالریت بر روی تصاویر ماهواره­ای Sentinel-2A به نوعی برای بررسی دقت کار و شناسایی نواحی امیدبخش معدنی جدید استفاده شد. با مقایسه طیف­های اصلاح­ شده بر روی تصاویر Sentinel-2A بدست آمده از آزمایشگاه با کتابخانه USGS مشخص شد رفتار طیفی بدست آمده مشابه کتابخانه طیفی USGS می­باشد لذا نقشه پیش­بینی کانه­زایی سرب و روی حاصل از اعمال منحنی رفتار طیفی اسفالریت بر روی تصاویر ماهواره­ای Sentinel-2A بیانگر روش درست انتخاب تصویر، طیف­سنجی مناسب و تمامی پردازش­ها می­باشد.
کلیدواژه‌ها
اکتشاف سرب و روی؛ سینگولاریتی؛ طیف سنجی؛ Sentinel-2A؛ سقز
عنوان مقاله [English]
Integration of geological data and Sentinel-2A and ASTER satellite images for the exploration of Pb-Zn deposits in the Saqez geological sheet
نویسندگان [English]
MohamadAmin Jafari1؛ hamed kachar2؛ ali zeinali3؛ Alireza Zarasvandi1
1Department of Geology, Faculty of Earth Sciences, Shahid Chamran University of Ahvaz, Ahvaz, Iran
2Department of Photogrammetry and Remote Sensing, Faculty of Geodesy and Geomatics Engineering, K.N Toosi University of Technology, Tehran, Iran
3Department of Geology, College of Science, University of Tehran, Tehran, Iran
چکیده [English]
Introduction
Modeling mineral potential based on the precise collection and processing of geological, geophysical, and satellite data enables us to predict the potential presence of mineral substances in a specific area. This process involves constructing complex mathematical models that, utilizing machine learning algorithms and thorough data analysis, assist authorities and decision-makers in the mining sector. It helps identify mineral-rich zones for optimal extraction and manage land resources in the best possible way. Given the diverse geological units present in the Saqez sheet, this sheet is considered one of the most promising areas for the formation of metallic deposits. The host rock for most Pb-Zn deposits in Iran is sedimentary, known as Sedimentary-Hosted Pb-Zn deposits. According to conducted surveys, it has been determined that the Pb-Zn mineralization occurring in the Saqez sheet is also of this type. Typically, calcite, dolomite, shale, sandstone, and igneous rocks serve as hosts for these deposits.
 
Materials and Methods
In this research, the exploratory layers of lithology, dolomite alteration, and geochemical of Pb-Zn were used to prepare a map of the prediction of Pb-Zn mineralization in the turpentine sheet. Utilizing the singularity technique on sediments stream, using various exploratory layers performing laboratory spectroscopy, and applying the spectral behavior curves obtained on Sentinel-2A images in this innovative and creative research. It shows its existence compared to another similar research. After fuzzification of exploration layers in GIS software, the prediction map of Pb-Zn mineralization was obtained by Fuzzy-Gamma function and gamma value of 0.85. The results of XRF and ICP-MS analysis on the discovered Pb-Zn samples showed a grade between 3 and 7%, which indicates the correct selection of the studied area and the exploratory layers and their correct integration. Further, by conducting laboratory spectroscopy in a dark room with a halogen lamp and obtaining the spectral behavior curve of the sphalerite mineral related to the samples of the study area, the SAM matching algorithm was applied to the Sentinel-2A satellite images.
Results and Discussion
According to the Pb-Zn mineralization prediction map of the Saqez sheet, this map is classified into four categories of low, moderate, high, and extreme mineralization potential. It is evident from this map that the northern, central, and southeastern regions have the highest potential for Pb-Zn mineralization. Upon examining the topography and road identification of the Saqez sheet, six areas were selected for exploratory drilling of Pb-Zn. Samples were collected for analysis and validation of identified points. XRF and ICP-MS analysis results indicated that the total Pb-Zn content ranged from 2 to 7% and 70,000 to 20,000 ppm. Finally, high-grade Pb-Zn samples were selected for petrographic examination. Petrographic studies revealed that minerals such as sphalerite, galena, and pyrite were predominant in the collected samples, with their texture filling the pore spaces. Specifically, sphalerite replaced galena, and galena replaced pyrite.
The results obtained from laboratory spectral analysis and the application of spectral behavior curves for sphalerite minerals on Sentinel-2A satellite images were utilized to assess the accuracy of the work and identify promising new mineralized areas. By comparing the corrected spectra from the laboratory experiments with the USGS spectral library, it was determined that the obtained spectral behavior is similar to the USGS spectral library. Therefore, the predictive map of Pb-Zn mineralization resulting from the application of spectral behavior curves for sphalerite on Sentinel-2A satellite images indicates the correct selection of imagery, appropriate spectral analysis, and all processing steps.
 
Conclusion
Due to the fact that the host rocks of most Pb-Zn deposits in Iran are of sedimentary origin, the first step in modeling the mineral potential of these deposits is to accurately recognize the ore deposit type. Based on the evidence and samples observed in the study area, the ore deposit type in the study area can be considered as the Irish type. Therefore, based on this, modeling and prediction of Pb-Zn mineralization on the one hundred thousand scale map of Saqez were carried out according to the Irish type Pb-Zn mineralization.
After evaluating the Pb-Zn mineral potential map, seven final areas were selected for exploration. Based on the exploration conducted in six areas (S1, S2, P, Q-Pb-Zn, Polygon12, and Polygon13), samples containing Pb-Zn mineralization were discovered, while Polygon5 was identified as lacking Pb-Zn mineralization, indicating the reliability of the exploration layers and integration method. XRF and Aqua Regia analysis results showed that the discovered Pb-Zn samples had grades ranging from two to seven percent, indicating economic-grade content for these metals.
کلیدواژه‌ها [English]
Pb-Zn exploration, Singularity, Spectroscopy, Sentinel-2A, Saqez
مراجع

Agterberg, F.P., 2012. Multifractals and geostatistics, Journal of Geochemical Exploration, v. 122, p. 113-122.

Ahmadi, H., Gholamzadeh, M., Shahmoradi, L., Nilashi, M. and Rashvand, P., 2018. Diseases diagnosis using fuzzy logic methods: A systematic and meta-analysis review. Computer Methods and Programs in Biomedicine, v. 161, p. 145-172.

Bonham-Carter, G.F., 1994. Geographic Information Systems for geoscientists modeling with GIS, Computer methods in the geoscientists, v. 13, p. 39-58.

Borojerdnia, A., Rozbahani, M.M., Nazarpour, A., Ghanavati, N. and Payandeh, K., 2020. Application of exploratory and Spatial Data Analysis (SDA), singularity matrix analysis, and fractal models to delineate background of potentially toxic elements: A case study of Ahvaz, SW Iran, Science of The Total Environment, v. 740, Doi.org/10.1016/j.scitotenv.2020.140103.

Carranza, E.J.M., 2008. Geochemical anomaly and mineral prospectivity mapping in GIS. Elsevier.

Carvalho, J., Galos, K., Kot-Niewiadomska, A., Gugerell, K., Raaness, A. and Lisboa, V., 2021. A look at European practices for identifying mineral resources that deserve to be safeguarded in land-use planning, Resources Policy, v. 74, Doi: 10.1016/j.resourpol.2021.102248.

Cheng, Q., 2007. Mapping singularities with stream sediment geochemical data for prediction of undiscovered mineral deposits in Gejiu, Yunnan Province, China, Ore Geology Reviews, v. 32, p. 314-324.

Hedayat, B., Ahmadi, M.E., Nazerian, H., Shirazi, A. and Shirazy, A., 2022. Feasibility of Simultaneous Application of Fuzzy Neural Network and TOPSIS Integrated Method in Potential Mapping of Lead and Zinc Mineralization in Isfahan-Khomein Metallogeny Zone, Open Journal of Geology, v. 12, p. 215-233.

Hossini-Dinani, H. and Yazdi, M., 2021. Multi-dataset analysis to assess mineral potential of MVT-type zinc-lead deposits in Malayer-Isfahan metallogenic belt, Iran, Journal of Arabaian Geosciences, v. 14(673), p. 1-23.

Jafari, M.A., Nazarpour, A. and Rostami Paydar, G., 2021a. Application of Singularity Index (SI), Fuzzy-Gamma and AHP methods for Pb-Zn Prospecting in the Khondab sheet, Malayer-Isfahan Metallogenic Zone, Iran, Scientific Quarterly Journal of Geosciences, v. 31, p. 79-96.

Jafari, M.A., Kananian, A. and Nazarpour, A., 2021b. Prospecting of Zn-Pb mineralization based on stream sediments geochemical exploration in the Malayer-Isfahan metallogenic belt, Journal of Economic Geology, v. 12, p. 611-634.

Jafari, M.A., Nzarpour, A. and Kananian, A., 2020. Comparison accuracy of Fuzzy-GAMMA and analytical hierarchy process (AHP) two methods with the potential detection of Cu metal in Malayer-Aligoudarz-Esfahan metallogenic zone, Advanced Applied Geology, v. 10, p. 314-327.

Jain, R. and Sharma, R.U., 2019. Airborne hyperspectral data for mineral mapping in Southeastern Rajasthan, India, International Journal of Applied Earth Observation and Geoinformation, v. 81, p. 137-145.

Leach, D., Marsh, E., Bradley, D., Gardoll, S. and Huston, D., 2005. The distribution of SEDEX Pb-Zn deposits through Earth history. In Mineral deposit research: Meeting the global challenge (p. 145-148), Springer, Berlin, Heidelberg.

Liu, Y. and Carranza, E.J.M., 2022. Uncertainty analysis of geochemical anomaly by combining sequential indicator Co-simulation and local singularity analysis, Natural Resources Research, p. 1-20.

Malainine, C.E., Raji, O., Ouabid, M., Khouakhi, A., Bodinier, J.L., Laamrani, A. and Boumehdi, M. A., 2022. An integrated ASTER-based approach for mapping carbonatite and iron oxide-apatite deposits, Geocarto International, v. 37, p. 6579-6601.

Nwaila, G.T., Zhang, S.E., Bourdeau, J.E., Ghorbani, Y. and Carranza, E.J.M., 2022. Artificial intelligence-based anomaly detection of the Assen iron deposit in South Africa using remote sensing data from the Landsat-8 Operational Land Imager, Artificial Intelligence in Geosciences.

Peyghambari, S. and Zhang, Y., 2021. Hyperspectral remote sensing in lithological mapping, mineral exploration, and environmental geology: an updated review, Journal of Applied Remote Sensing, v. 15, Doi.org/10.1117/1.JRS.15.031501.

Roedder, E., 1971. Fluid inclusion studies on the porphyry-type ore deposits at Bingham, Utah, Butte, Montana, and Climax, Colorado, Economic Geology, v. 66, p. 98-118.

Sass-Gustkiewicz, M., Dzulynski, S. and Ridge, J.D., 1982. The emplacement of zinc-lead sulfide ores in the Upper Silesian District; a contribution to the understanding of mississippi valley-type deposits, Economic Geology, v. 77, p. 392-412.

Song, Y., Yang, L., Carranza, E.J.M., Bagas, L., Gao, Y., Sun, B. and Wang, P., 2022. Contrasting Anomaly Patterns of Magmatic–Hydrothermal Polymetallic and Orogenic Gold Deposits and their Suitable Exploration Methods: A Case Study from the Qinling Orogen, Natural Resources Research, p. 1-20.

Thakur, S., Mondal, I., Ghosh, P.B., Das, P. and De, T.K., 2020. A review of the application of multispectral remote sensing in the study of mangrove ecosystems with special emphasis on image processing techniques, Spatial Information Research, v. 28, p. 39-51.

Xiao, F., Chen, J., Hou, W., Wang, Z., Zhou, Y. and Erten, O., 2018. A spatially weighted singularity mapping method applied to identify epithermal Ag and Pb-Zn polymetallic mineralization associated geochemical anomaly in Northwest Zhejiang, China, Journal of Geochemical Exploration, v. 189, p. 122-137.

Yousefi, M., Carranza, E.J.M., Kreuzer, O.P., Nykänen, V., Hronsky, J.M. and Mihalasky, M.J., 2021. Data analysis methods for prospectivity modelling as applied to mineral exploration targeting: state-of-the-art and outlook, Journal of Geochemical Exploration, v. 229, Doi.org/10.1016/j.gexplo.2021.106839.

Zadeh, L.A., 1965. Fuzzy sets. Information and control, v. 8, p. 338-353.

Zhang, N., Zhou, K. and Du, X., 2017. Application of fuzzy logic and fuzzy AHP to mineral prospectivity mapping of porphyry and hydrothermal vein copper deposits in the Dananhu-Tousuquan island arc, Xinjiang, NW China, Journal of African Earth Sciences, v. 128, p. 84-96.

Zheng, B., Zhang, J., Yoon, S.W., Lam, S.S., Khasawneh, M. and Poranki, S., 2015. Predictive modeling of hospital readmissions using metaheuristics and data mining, Expert Systems with Applications, v. 42, p. 7110-7120.

Zuo, R., Kreuzer, O.P., Wang, J., Xiong, Y., Zhang, Z. and Wang, Z., 2021. Uncertainties in GIS-based mineral prospectivity mapping: Key types, potential impacts and possible solutions, Natural Resources Research, v. 30, p. 3059-3079.

 

 

آمار
تعداد مشاهده مقاله: 3,410
تعداد دریافت فایل اصل مقاله: 1,333