بررسی های ژئوشیمیایی رسوبات آبراهه ای جهت تعیین کانه زایی طلای پهنه برشی مطالعه موردی: منطقه آلوت در استان کردستان

محورهای موضوعی : فصلنامه زمین شناسی محیط زیست

فردین احمدی ¹ , محی الدین محمدپور ²

1 - اکتشاف معدن، دانشکده مهندسی معدن،نفت و ژئوفیزیک، صنعتی شاهرود،شاهرود،ایران
2 - دانشجوی دکتری اکتشاف مواد معدنی، گروه مهندسی معدن، دانشگاه تهران

تاریخ دریافت : 1397/08/08 تاریخ پذیرش : 1397/08/08 تاریخ انتشار : 1397/09/01

کلید واژه: طلا, آنالیز مؤلفه های اصلی, آنالیز تمایز, هیستوگرام, رسوبات آبراهه ای, آلوت,

چکیده مقاله :

بررسی های ژئوشیمیایی رسوبات آبراهه ای از جمله روش های بسیار متداول و پرکاربرد در اکتشافات مواد معدنی و به ویژه طلا می باشد. در این مطالعه ابتدا با بررسی های آماری تک متغیره، از جمله مقایسه ماکزیمم و مینیمم هر عنصر با مقدار زمینه و رسم هیستوگرام و نمودار احتمال، به شناسایی عناصر با اهمیت پرداخته شد. پس از آن به کمک روش های آماری چند متغیره مانند آنالیز مؤلفه های اصلیو آنالیز خوشه ای، مؤلفه های با اهمیت و همچنین عناصری که با هم ارتباط و همبستگی نزدیکی دارند، شناسایی گردید. این تحلیل ها حاکی از با اهمیت بودن عناصر طلا، جیوه، برلیم، تیتان، مولیبدن و قلع می باشد. مؤلفه های 3 و 7 به عنوان مؤلفه های با اهمیت شناسایی و نقشه این مؤلفه ها ترسیم گردید. در ادامه روند کار، مدلسازی عنصر طلا در مقیاس لگاریتمی صورت پذیرفت. نتیجه مدلسازی نشان می دهد که 80 درصد داده ها درست کلاس بندی شده اند. پس از آن داده های عنصر طلا به سه زیر جامعه زمینه (کد صفر)، جامعه گذر از زمینه به آنومالی (کد یک) و جامعه آنومالی (کد 2) تفکیک گردید. و در نهایت نقشه پراکندگی عیار طلا با توجه به این زیر جوامع تهیه شد که سه قسمت از منطقه به عنوان نواحی امید بخش و با پتانسیل قابل شناسایی است. نقشه آنالیز تمایز نیز برای 8 عنصر تهیه شد که نشان دهنده رفتار متضاد طلا و آرسنیک می باشد.

چکیده انگلیسی:

Geochemical studies of stream sediments are one of the most common methods in mineral exploration, specifically used for gold prospecting. In this study, the univariate statistical parameters, such as the comparison of the maximum and minimum of each element with the background were used in order to identify the Influential elements. Then histogram and probability diagram were prepared. Subsequently influential components and Elements that are closely linked together, were identified using multivariate statistical methods such as Principal Component Analysis. These analyses indicate that six elements (including Au, Hg, Be, Mo, Ti, and Sn) are more important than others. The components of 3 and 7 as influential components were identified and these components were mapped. In the next step, the model of influential elements was creating on a logarithmic scale. The result of the modeling indicates that 80% of classification is correct. Subsequently, the gold-element data were divided into three sub-communities including background (code 0), the Community of background to the anomaly (code 1), and the anomaly-community (code 2). Finally, the gold distribution pattern based on these sub-communities was prepared that three parts of the region were presented as potential areas. For 8 elements the map of discriminant analysis shows that Au and As have opposite treatment.