طراحی شبکه استنتاج الگوهای شاهد اکتشاف کانی سازیهای F, Zn,Pb تیپ میسیسیپی با هدف تولید مدل پتانسیل معدنی

[XMEHRDADX 7514]

 

چكيده:

 

از آنجايي كه اكتشاف يك فرآيند مرحله‌اي است، در پي‌جويي ذخاير معدني با استفاده از روش‌هاي اكتشافي موجود، مي‌توان فرآيندي را طراحي كرد تا اجراي عمليات اكتشاف، توليد مدل پتانسيل معدني و شناسايي نواحي هدف بر اساس مراحل ارايه شده در آن صورت گيرد. طراحي يك مدل مناسب اوليه مي‌تواند به نحو مطلوبي محدوده مناسب براي اكتشاف را كاهش دهد. هدف از مقاله حاضر طراحي شبكه استنتاج الگوهاي شاهد به منظور دسترسي به مدل پتانسيل معدني بهينه در مراحل اوليه اكتشاف كاني‌سازي‌هاي سرب، روي و فلورين تيپ مي‌سي‌سي‌پي است. در اين راستا پس از تعريف يك مدل مفهومي مناسب، كليه مشخصاتي كه مي‌توانند به عنوان معيار اكتشافي مورد استفاده قرار گيرند، شناسايي و در قالب يك مدل هدف جمع‌آوري شد. سپس با استفاده از تجزيه و تحليل لايه‌هاي اطلاعاتي مختلف و بهره‌گيري از قابليت اكتشافي هر يك از آنها، مي‌توان لايه‌هاي جديد اطلاعاتي را به صورت نقشه‌هاي شاهد و پيشگوي اكتشافي به دست آورد كه هر يك از آنها به تنهايي نشان‌دهنده مناطق اميدبخش به دست آمده با استفاده از يك معيار اكتشافي خاص هستند. پس از اين مرحله با استفاده از منطق بولي و تركيب OR، كليه نقشه‌هايي كه نشان‌دهنده محل حضور يك معيار خاص هستند، با هم تلفيق مي‌شوند تا محل وقوع هر يك از معيارهايي كه ممكن است از روش‌هاي مختلف اكتشافي به دست آمده باشند به طور خاص در يك نقشه جداگانه به صورت دوتايي ذخيره شوند. در مرحله بعد نقشه‌هاي دوتايي حاصل از مرحله OR، با تركيب AND تلفيق مي‌‌شوند تا مناطقي كه در آنها كليه معيارهاي اكتشافي يكديگر را تاييد مي‌كنند، به صورت يك نقشه معرفي شود. نقشه اخير مدل پتانسيل معدني بوده كه نواحي اميدبخش و محل‌هاي احتمالي وقوع كاني‌سازي را به عنوان مناطق هدف نشان مي‌دهد.

[XMEHRDADX 7514]

مقدمه:

 

به طور كلي اكتشاف فرآيندي مرحله‌اي است كه در هر مرحله از آن با توجه به نوع ماده معدني مورد پي جويي، ممكن است از روش‌ها و معيارهاي مختلف اكتشافي نظير مطالعات زمين‌شناسي، دورسنجي، ژئوشيمي، ژئوفيزيك، سيستم اطلاعات جغرافيايي(GIS) و... استفاده شود. در اين حالت اگر در شروع عمليات اكتشاف برنامه مدوني از مراحل اكتشاف و روش‌هاي قابل استفاده تهيه شود، در هدفمند و سيستماتيك كردن عمليات اكتشافي، كاهش ريسك و بهينه‌سازي زمان و هزينه تاثير بسزايي دارد. در اين راستا با به كارگيري انواع داده‌ها و نقشه‌هايي كه در دسترس هستند و استفاده از قابليت‌هاي سيستم اطلاعات جغرافيايي(GIS) مي‌توان طرحي را در قالب شبكه استنتاج الگوهاي شاهد اكتشافي ارايه داد كه با استفاده از آن به توان مناطق پتانسيل‌دار را در قالب مدل پتانسيل معدني پيش‌بيني كرد. روش‌هاي مختلفي براي مدل‌سازي پتانسيل معدني وجود دارد كه در هر يك از آنها با استفاده از شيوه‌هاي متفاوت، الگوهاي پيش‌گو از ميان مجموعه داده‌هاي فضايي استخراج شده و پس از توليد نقشه‌هاي شاهد، با استفاده از روابط مختلفي تلفيق مي‌شوند. مسأله‌اي كه وجود دارد اين است كه نحوه استخراج الگوها در مورد هر ماده معدني متفاوت است زيرا اختصاصات كاني‌سازي‌هاي تيپ‌هاي مختلف با يكديگر متفاوت است. بنابراين لازم است با تعريف يك مدل مفهومي مناسب از ذخيره مورد پي‌جويي، امكان استنتاج بهينه الگوهاي پيش‌گو را فراهم كرد (Carranza, 2008) و با ساخت يك شبكه استنتاج الگو به صورت يك الگوريتم، توليد مدل پتانسيل معدني را بهينه كرد. اين الگوريتم بايد براي هر ماده معدني خاص و مورد جستجو به طور جداگانه، پس از تعريف مدل مفهومي مناسب (Carranza, 2008)، طراحي شود. در اين راستا هدف از مقاله حاضر طراحي شبكه استنتاج الگوهاي شاهد اكتشافي به منظور دسترسي به مدل پتانسيل معدني بهينه در توليد نواحي هدف و شناسايي نواحي اميدبخش اكتشافي اوليه كاني‌سازي‌هاي سرب، روي و فلورين تيپ مي‌سي‌سي‌پي در جنوب استان مازندران است. به اين منظـور ابتدا مدل توصيفي ذخاير مورد پي‌جويي به عنوان مدل هدف طراحي شده و پس از جمع‌آوري اطلاعات به منظور مدل‌سازي پتانسيل معدني و توليد نواحي هدف، تجزيه و تحليل‌هاي لازم روي آنها اجرا شده و در نهايت به عنوان يك روش جديد، الگوريتم و شبكه استنتاج قابل استفاده براي اكتشاف مقدماتي كاني‌سازي‌هاي سرب و روي تيپ مي‌سي‌سي‌پي ارايه شده است.

 

 

مدل‌‌سازي پتانسيل معدني:

در فعاليت‌هاي اكتشاف ذخاير معدني، شناسايي مناطق هدف، يكي از مراحل مهم است. اين شناسايي عموما با استفاده از مدل‌سازي پتانسيل معدني صورت مي‌گيرد مدل‌سازي پتانسيل معدني در واقع يافتن مكان‌ها يا مناطقي است كه يك سري معيارها و ملاك‌ها براي حضور ذخيره در آنها صدق كند. عمليات اكتشافي در اين مناطق به منظور كشف كاني‌سازي‌هاي جديد، بر اساس مدل‌هاي اكتشافي ذخاير مورد جستجو و داده‌هاي مناسب از قبيل زمين شناسي، ژئوشيمي، ژئوفيزيك و ... صورت مي‌گيرد. اين مدل‌سازي بر اساس شناخت از ذخيره و محيط آن در نزديك سطح زمين و در جاه‌هايي كه فرآيندهاي زمين‌شناسي و ساختاري براي كاني‌سازي مناسب هستند، صورت مي‌گيرد (Singer, 1993). در مدل‌سازي پتانسيل معدني شناسايي و توليد مناطقي كه بايد به عنوان هدف مورد توجه قرار گيرند، شامل جمع‌آوري، تجزيه و تحليل و تلفيق انواع داده‌هاي مرتبط و مناسب است كه به منظور استخراج و استنتاج قسمت‌هايي از داده‌هاي فضايي الگو و شاهد كاني‌سازي، يعني الگوهاي زمين‌شناسي، آنومالي‌هاي ژئوشيميايي و يا ژئوفيزيكي هـمراه با ذخاير مـورد پي‌جويي و ... صورت مي‌گيرد. بنابراين به طور كامل‌تر، فرآيند استخراج الگوهاي پيشگو و همچنين تركيب و تلفيق داده‌هاي فضايي به منظور شناسايي مناطق هدف و رتبه‌بندي آنها در اكتشاف، مدل‌سازي پتانسيل معدني ناميده مي‌شود ((Hronsky and Groves, 2008; Carranza, 2008. خروجي مدل پتانسيل معدني، نقشه‌اي خواهد بود كه در آن محل حضور احتمالي ذخاير شناخته نشده مورد پيش‌بيني قرار گرفته است. بنابراين با توليد مدل پتانسيل معدني حضور يا عدم حضور يك كاني‌سازي در يك محل، به‌طور غيرمستقيم از طريق يافتن ارتباط بين اين كاني‌سازي با الگوهاي شاهد و خصوصيات قابل اندازه‌گيري متغيرهاي پيشگوي اكتشافي (زمين‌شناسي، ژئوشيمي، ژئوفيزيك و ...) قابل ارزيابي است (يوسفي و كامكار روحاني، 1389).

 

 

روش منطق بولي در مدل‌سازي پتانسيل معدني

 

داده‌هاي فضايي مربوط به زمين‌شناسي و اكتشاف و همچنين نقشه‌هاي نشان‌دهنده شواهد و الگوهاي اكتشافي از جمله ژئوشيمي، ژئوفيزيك، زمين‌شناسي، سنجش از دور و ... به منظور ارايه و نمايش يك معيار شناسايي مناسب، قابل استفاده در تهيه مدل پتانسيل معدني، نياز به اعمال يك سري اصلاحات و تبديلات دارند (يوسفي و كامكار روحاني، 1389). اين اصلاحات، تغييرات و تبديلات، با استفاده از يك يا چند نوع عملگر مربوط به نقشه (Carranza, 2008) و همچنين با توجه به نوع معيارهاي شناسايي انتخاب شده براي اكتشاف (از طريق تعريف مدل مفهومي)، روي داده‌ها انجام مي‌شود. انواع روش‌هاي مدل‌سازي پتانسيل معدني وجود دارد كه در آنها روش استنتاج الگوهاي پيشگو از نقشه‌هاي شاهد و همچنين نوع روش تلفيق با هم متفاوت است. يكي از روش‌هاي مدل‌سازي پتانسيل معدني كه در مطالعه حاضر به كار گرفته شده، روش منطق بولي است كه به نحو مطلوبي مي‌تواند در شناسايي مناطق هدف مورد استفاده قرار گيرد.

 

Bonham-Carter, 1994) Thiart and De Wit, 2000;Harris et al., 2001;). در اين روش خصوصيات و يا قسمت‌هايي (الگوها و كلاس‌هايي) از داده‌هاي فضايي كه با يك معيار شناسايي مناسب مطابقت دارند يعني شرط حـضور يك معيار اكتشـافي در آنها صدق مي‌كند، با ارزش درست و عمـوما با امتياز 1 طبـقه‌بندي و ذخيره مي‌شوند. در غير اين صورت با امتياز صفر و به معني ارزش نادرست ذخيره مي‌‌شوند (يوسفي و كامكار روحاني، 1389). بنابراين يك نقشه شاهد بولي فقط شامل دو الگو (كلاس) طبقه‌بندي شده با ارزش‌هاي صفر به معني نادرستي و 1 به معني درستي است (Carranza, 2008). نقشه‌هاي شاهد بولي مرحله به مرحله با استفاده از عملگرهاي منطقي با هم تركيب مي‌شوند هر يك از نقشه‌هاي شاهد بولي در واقع به عنوان يك شرط، انعكاسي از حضور يا عدم حضور فرآيندهاي كنترل‌كننده كاني‌سازي و ارتباط بين آنها و الگوهاي فضايي را در اختيار مي‌گذارند. در هر مرحله حداقل دو نقشه شاهد بولي با هم تركيب مي‌شوند و يك وابستگي بين دو مجموعه از فرآيندهاي كنترل‌كننده وقوع كاني‌سازي و الگوهاي فضايي دلالت‌كننده حضور كاني‌سازي را نمايش مي‌گذارند. در هر يك از مراحل مختلف تركيب نقشه‌هاي شاهد بولي ممكن است از عملگرهاي مختلفي به صورت عملگر AND (اشتراك) و OR (اجتماع) استفاده شود (Carranza, 2008). در اين روش عملگر AND وقتي استفاده مي‌شود كه حداقل بايد دو مجموعه از شواهد فضايي با هم و هم زمان به منظور محقق شدن هدف، حضور داشته باشند. عملگر OR وقتي استفاده مي‌شود كه يكي از حداقل دو گروه از شواهد فضايي به منظور محقق شدن هدف كافي است. خروجي تركيب نقشه‌هاي شاهد با استفاده از منطق بولي، نقشه‌اي داراي دو كلاس است. يك كلاس نشان‌دهنده محل‌هايي است كه تمام يا اكثر معيارهاي شناسايي در آن حضور دارند و كلاس ديگر نشان‌دهنده نقاطي است كه در آنها معيارهاي شناسايي حضور ندارند (يوسفي و كامكار روحاني، 1389).

 

 

لزوم طراحي شبكه استنتاج جهت مدل‌سازي و بهينه‌سازي فرآيند اكتشاف

 

شبكه استنتاج الگوهاي شاهد با استفـاده از كلمات و اشكال مختلف وابسـتگي‌هاي بين فرآيندهاي زمين‌شنـاسي مختلف و يا كنترل‌كننده‌هاي كـاني‌سازي را با مـكان‌هايي كه احتمال حـضور ذخـاير مورد پي‌جويي در آنجا بالاست، نشان مي‌دهد (Carranza, 2008).

 

با توجه به اين‌كه داده‌هاي فضايي اكتشافي مختلف، قسمت‌هاي با ارزش متفاوت دارند كه ممكن است همه آنها براي اكتشاف يك ماده معدني خاص داراي ارزش يكسان نباشند. بنابراين لازم است الگوهاي شاهد كاني‌سازي مورد جستجو، از ميان مجموعه داده‌هاي فضايي، استخراج شود. استنتاج بهترين الگوهاي شاهد از طريق ارزش‌گذاري كليه الگوها صورت مي‌گيرد. بنابراين ارزش‌گذاري قسمت‌هاي مختلف يك نقشه براي جداسازي و نمايش شواهد داراي ارزش متفاوت (يا طبقه‌بندي) و همچنين تعيين ميزان اهميت حضور هر معيار اكتشافي، در هر موقعيت مكاني و براي هر نوع كاني‌سازي مشخص مورد جستجو، به منظور استفاده در مدل‌سازي مسأله ضروري است (Carranza, 2008). در اين حالت تخصيص وزن، بر اساس ميزان همراهي فضايي ذخاير معدني هم نوع ذخاير مورد پي‌جويي با معيارهاي اكتشافي صورت مي‌گيرد (Bonham-Carter, 1994). الگوريتم عمليات اكتشافي مدلي است كه به عنوان يك ***** اقتصادي، هزينه و زمان را كاهش مي‌دهد. اين الگوريتم قادر است با مدل‌سازي پتانسيل معدني، مناطق هدف اكتشاف را شناسايي، نواحي داراي بيشترين احتمال حضور كاني‌سازي را معرفي و احتمال موفقيت اكتشاف را افزايش و ريسك را كاهش دهد (يوسفي، 1383).

 

اجراي چنين طرحي براي بهينه‌سازي و مديريت عمليات اكتشاف موثر بوده و ارايه يك مدل مناسب مي‌تواند محدوده هدف اكتشاف را به نحو مطلوبي كاهش دهد. در مطالعه حاضر اين الگوريتم براي مدل‌سازي پتانسيل معدني كاني‌سازي‌هاي سرب و روي تيپ مي‌سي‌سي‌پي طراحي شده كه در ادامه تشريح مي‌شود.

 

 

انتخاب هدف، مدل‌سازي توصيفي و تعريف مدل مفهومي

 

تعريف مدل مفهومي براي يك تيپ ذخيره مشخص نياز به بررسي و مطالعه انواع فرآيندهاي زمين‌شناسي و مـدل‌هاي ذخاير كشف شده هم نوع و همچنين محيـط‌هاي زمين‌شناسي ناحـيه‌اي مربوط به آنها، كه تشـريح‌كننده مشخـصات و خصـوصيات زمين‌شناسي يك نوع كاني‌سازي خاص (مورد پي‌جويي) هستند، دارد (Roberts et al., 1988). در طـراحي مـدل مفهومي، مطالعه يافته‌ها درباره سيستم‌هاي زمين‌شناسي معين (گسل‌ها و سيماهاي زمين‌شناسي) كه مي‌توانند به عنوان كنترل‌كننده‌هاي كـاني‌سازي وابسته به نواحي هدف مطرح باشند، مفيد است. علاوه بـر ايـن تجـزيه و تحلـيل تـوزيـع فـضـايي ذخاير معدني هم نوع ذخاير مورد جستجو (Carlson, 1991; Vearncombe and Vearncombe, 1999)و همچـنين تحليل همراهي و وابستگي فضايي بيـن ذخاير مورد پي‌جويي و ساختارهاي زمين‌شناسي مشخص نظـير گسل‌ها و سنگ ميزبان (Bonham-Carter, 1994; Carranza and Hale, 2002b) نيز مفيد است. بنابراين مشخصات زمين‌شناسي، ژئوفيزيكي و ژئوشيميايي نواحي كه شامل ذخاير هم نوع ذخاير مورد پي‌جويي هستند اساس شناسايي و تعيين معيارهاي اكتشافي مناسب هستند. مدل مفهومي ذخاير مورد پي‌جويي و شناسايي معيارهاي اكتشافي مناسب براي پي‌جويي، اساس تهيه مدل‌هاي پتانسيل معدني خواهد بود (يوسفي و كامكار روحاني، 1389). نقشه برداري، برداشت و شناسايي الگوهاي شاهد مثل دگرساني گرمابي مربوط به ذخاير معدني معين مي‌تواند از طريق برداشت صحرايي و يا پردازش تصاوير ماهواره‌اي تعيين شوند.

 

(Spatz, 1997; Sabins, 1999; Carranza and Hale2002a). نقشه برداري الگوها و ساختارهاي زمين‌شناسي مانند گسل‌ها و توده‌هاي نفوذي كه پتانسيل داشته و مي‌توانند به عنوان شاهد مطرح باشند و همچنين ساختارها و كنترل‌كننده‌هاي منابع گرمايي ذخاير معدني مشخص، مي‌توانند از طريق مطالعات و بررسي‌هاي صحرايي و تحليل و تفسير مجموعه داده‌هاي ژئوفيزيكي و اعمال *****هاي مناسب به دست آيند.

 

(Telford et al., 1990; Parasnis, 1997; Kearey et al., 2002). در مطالعه حاضر به منظور به دست آوردن مدل توصيفي ذخاير سرب، روي و فلورين جنوب مازندران از خصوصيات مهم‌ترين نشانه‏ها و انديس‏هاي شناخته شده اين ماده در منطقه به عنوان الگو و شاخص استفاده شده است. اين انديس‌ها شامل معدن اراء، پاجي ميانا، امافت، سرچلشك، كمرپشت، شش رودبار، اشچال و دراسله هستند كه با مطالعه روي آنها برجسته ترين مشخصات مربوطه شناسايي شده تا در مدل‌سازي استفاده شوند.

 

(گرجي‌زاده،1374؛ طبسي،1375؛وهاب‌زاده، 1385). به طوركلي سنگ ميزبان كانسارهاي فلورين در البرز مركزي آهك‌هاي دولوميتي بخش فوقاني سازند اليكا با سن ترياس مياني است. البته در بعضي موارد بسيار اندك جايگزيني فلورين در سازند تيزكوه گزارش شده است (وهاب‌زاده، 1385). مهم‌ترين انواع كاني‌سازي در منطقه را مي‌توان به دو نوع، يكي به صورت عدسي‌هاي هم شيب با لايه‌هاي اليكا و ديگري در گسل‌ها و شكستگي‌ها و به صورت پر‌كننده حفرات تقسيم كرد (گرجي‌زاده،1374؛ طبسي،1375؛وهاب‌زاده، 1385).آلتراسيون‌هاي همراه و اطراف ذخاير فلورين از نوع سيليسي،‌ دولوميتي و كائولينيتي بوده، مگر در برخي موارد اندك كه كانسار تحت تاثير ليتـولوژي توده‌هاي آذرين و در تماس با بـازالت‌هاي آلكالن باشد در اين صورت آلتراسيون از نوع آلونيتي است (گرجي‌زاده،1374؛ طبسي،1375؛ وهاب‌زاده، 1385). روند عـمومي و اصلي ساختماني منطقه شـمال شرق ـ جنوب غرب است. در اثر وجود گسل‌هاي با روند شمال شرق - جنوب غرب، شكستگي‌ها و گسل‌هاي با امتداد عمومي شمال غرب ـ جنوب شرق به وجود آمده‌اند كه از كانسنگ فلورين پر شده‌اند. اين گسل‌هاي اخير با تشكيل فلوريت همزمان هستند (گرجي‌زاده،1374؛طبسي،1375؛ وهاب‌زاده، 1385).با توجه به بررسي‌هاي صورت گرفته روي خصوصيات و مشخصات برجسته انديس‌هاي شناخته شده، مدل توصيفي ذخاير سرب، روي و فلورين منطقه مورد مطالعه به صورت سازند اليكا و تيزكوه به عنوان ليتولوژي سنگ ميزبان، داراي آلتراسيون‌هاي سيليسي، كائولينيتي و آلونيتي، از نظر ساختاري تمركز كاني‌سازي در دو نوع زون گسلي و عدسي و از نظر پاراژنزهاي اصلي همراه عمدتا شامل فلورين، باريت، گالن، اسفالريت، قابل تعريف است. اين مدل مي‌تواند به عنوان الگويي براي تشخيص نواحي اميد بخش و شناسايي انديس‌هاي مشابه مورد استفاده قرار گيرد. با توجه به اين مدل مي‌توان از هر يك از اين خصوصيات و تمركز روي آنها به عنوان يك معيار اكتشافي براي شناسايي ذخاير جديد استفاده كرد (يوسفي، 1383؛ يوسفي و كامكار روحاني، 1389). در واقع با تعريف مدل توصيفي، ابتدا كليه معيارهاي مناسب براي اكتشاف، در قالب يك مدل هدف و مفهومي تعريف مي‌شود. با تعريف مدل هدف، ويژگي‌هايي را كه بايد يك منطقه داشته باشد تا جز نواحي اميدبخش طبقه‌بندي شود، به صورت يك مدل مفهومي به دست مي‌آيد (يوسفي، 1383). سپس با جمع‌آوري اطلاعات و پردازش روي آنها محل‌هايي كه داراي اين ويژگي‌ها هستند شناسايي مي‌شوند.

 

 

طراحي شبكه استنتاج الگوهاي شاهد

پس از تعريف مدل مفهومي و تعيين پارامترهاي مدل هدف و همچنين شناسايي معيارهاي قابل استفاده در پي‌جويي كاني‌سازي‌هاي سرب، روي و فلورين تيپ مي‌سي‌سي‌پي جنوب استان مازندران، فرآيند استخراج الگوهاي شاهد به صورت مرحله به مرحله به منظور دسترسي به مدل پيش‌بيني پتانسيل معدني و شناسايي مناطق اهداف اكتشاف براي متمركز شدن در مراحل تفصيلي‌تر طراحي شد. در شكل 1 الگوريتم مرحله‌اي و شبكه استنتاج طراحي شده براي شناسايي مناطق مساعد اكتشاف كاني‌سازي‌هاي سرب، روي و فلورين تيپ مي‌سي‌سي‌پي در جنوب استان مازندران نشان داده شده است. لازم به ذكر است كه مدل طراحي شده براي مراحل مقدماتي بوده و اين شبكه مي‌تواند با توجه به نوع كاني‌سازي مورد جستجو و همچنين با توجه به مرحله اكتشاف (شناسايي، پي‌جويي، مقدماتي و ...) و حتي نظر به نوع روش وزن‌دهي به شواهد تغيير كند.

 

شكل 1. الگوريتم مرحله‌اي استنتاج الگوهاي شاهد براي شناسايي مناطق مساعد اكتشاف ذخاير سرب، روي و فلورين تيپ مي‌سي‌سي‌پي در جنوب استان مارندران

 

از آن‌جايي كه همواره ساختارهاي خطي و گسل‌ها، در هدايت محلو‌هاي گرمابي و ماگمايي تاثيرگذار هستند و همچنين در مدل توصيفي ذخاير مي‌سي‌سي‌پي نيز حضور دارند لذا معمولاً نواحي قرار گرفته در مجاورت اين ساختارها از پتانسيل بالايي برخوردار بوده و مطالعه آنها ضروري است. نظر به اين‌كه منطقه جنوب استان مازندران از واحدهاي زمين‌شناسي متنوع و گوناگوني تشكيل يافته است كه موقعيت و وسعت هر يك در نقشه‌هاي زمين شناسي به خوبي نمايان است و همچنين با توجه به اين‌كه در مدل توصيفي ذخاير مي‌سي‌سي‌پي سازند اليكا و تيزكوه به عنوان واحدهاي زمين‌شناسي مطلوب ميزبان كاني‌سازي معرفي شده‌اند بنابراين شناسايي محل حضور اين واحدها بسيار مهم است. مطالعه پراكندگي عناصر ردياب و معرف يك تيپ كاني‌سازي به خصوص، از طريق بررسي رسوبات آبراهه‌اي يكي از روش‌هاي اكتشافات ژئوشيميايي است كه در مراحل كوچك مقياس ناحيه‌اي بسيار مفيد بوده و معمولاً در اكتشافات مقدماتي مورد استفاده قرار مي‌گيرد. در مطالعه حاضر نيز با پردازش داده‌هاي حاصل از تجزيه نمونه‌هاي برداشت شده از رسوبات آبراهه‌اي مي‌توان نواحي آنومال ژئوشيميايي را شناسايي كرد تا به عنوان نقشه شاهد ژئوشيميايي در مدل‌سازي نهايي استفاده شود. در طراحي شبكه استنتاج الگوهاي شاهد اكتشاف ذخاير مي‌سي‌سي‌پي همان‌طور كه در شكل 1 ديده مي‌شود، براي شناسايي محل حضور ليتولوژي ميزبان از داده‌هاي نقشه زمين‌شناسي و تصوير ماهواره‌اي، براي شناسايي محل عوارض خطي و گسل‌ها از داده‌هاي نقشه زمين‌شناسي، شدت ميدان مغناطيسي هوايي و تصوير ماهواره¬اي، براي شناسايي آلتراسيون‌ها از تصاوير ماهواره‌اي و همچنين از داده‌هاي تجزيه نمونه‌هاي رسوب آبراهه‌‌اي براي توليد نقشه شاهد ژئوشيميايي استفاده شده است.

 

 

بحث و نتيجه‌گيري:

با توجه به مطالعات صورت گرفته در مقاله حاضر، مي‌توان نتيجه گرفت كه اگر قبل از شروع عمليات اكتشافي برنامه مدوني به صورت سيستماتيك و در قالب يك الگوريتم طراحي شود كه در آن فرآيند عمليات اكتشافي به صورت مرحله به مرحله مشخص شده باشد، مديريت بهينه زمان، هزينه و كنترل پروژه صورت گرفته و از ريسك عمليات اكتشافي نيز كاسته مي‌شود. به اين منظور بايد با مطالعه روي ذخاير شناخته شده ماده مورد اكتشاف، يك مدل توصيفي و مفهومي از ذخاير مورد جستجو به دست آورد و سپس با استفاده از اين مدل توصيفي و خصوصيات ذخاير شناخته شده، بهترين معيارهاي اكتشافي براي پي‌جويي را در قالب يك مدل هدف انتخاب كرد. در مرحله بعد بايد با استفاده از روش‌هاي اكتشافي مختلف كليه محل‌هايي را كه در آنها هر يك از معيارهاي اكتشافي تعيين شده در مدل هدف حضور دارند، به صورت الگوها و نقشه‌هاي شاهد استخراج و شناسايي كرد. با توجه به اين‌كه بعضي از روش‌هاي اكتشافي قادر به شناسايي تمام پارامترهاي مدل هدف نيستند و همچنين با نظر به اين‌كه به منظور شناسايي محل حضور برخي از پارامترها ممكن است از چند روش مختلف اكتشافي استفاده شود، بايد به‌گونه‌اي عمل شود كه تمام محل‌هاي شناسايي شده از روش‌هاي مختلف اكتشافي مورد توجه قرار گيرند. بنابراين هر يك از نقشه‌هاي به دست آمده حاصل از تجزيه و تحليل داده‌هاي ورودي كه به منظور شناسايي محل حضور يك پارامتر خاص از مدل هدف استفاده مي‌شود، مجددا طبقه‌بندي شده و با استفاده از تركيب منطقي OR با ساير نقشه‌هاي هم نوع تلفيق مي‌شود تا براي هر يك از معيارهاي اكتشافي مدل هدف يك نقشه به صورت دوتايي توليد شود. در نهايت با استفاده از تلفيق كليه نقشه‌ها با عملگر And نقاطي كه در آنها حضور كليه معيارهاي اكتشافي مدل هدف مورد تاييد است، به صورت مدل پتانسيل معدني به دست مي‌آيد. مراحل فوق بايد براي هر نوع ماده معدني مورد پي‌جويي به طور جداگانه بررسي شد و براي آن الگوريتم شبكه استنتاج الگوهاي پيش‌گو طراحي گردد تا توليد نواحي هدف با در نظر گرفتن كليه اختصاصات و ويژگي‌هاي موثر در كاني‌سازي به طور بهينه صورت گيرد. مدل ارايه شده در مقاله حاضر با توجه به روش به كار گرفته شده براي استنتاج الگوهاي شاهد، مي‌تواند به نحو مطلوبي ناحيه مورد مطالعه براي اكتشاف كاني‌سازي سرب، روي و فلورين تيپمي‌سي‌سي‌پي را كوچك كند. در ضمن روش عملگر And بولي كه در تلفيق نهايي در شبكه استنتاج استفاده (پيشنهاد) شده منجر به توليد يك مدل پتانسيل معدني دوتايي مي‌شود كه يك روش كاملاً محافظه‌كارانه است. در حالي كه مي‌توان با استفاده از توليد نقشه‌هاي شاهد وزن‌دار فازي و همچنين عملگرهاي فازي يك شبكه استنتاج براي به دست آوردن مدل پتانسيل معدني چند كلاسه طراحي كرد.

 

 

منابع فارسي:

 

1- يوسفي، م (1383). كاربرد سيستم اطلاعات جغرافيايي در اكتشاف سنگ‌هاي تزييني. مجموعه مقالات اولين كنفرانس مهندسي معدن ايران. دانشگاه تربيت مدرس.

 

2- يوسفي، م؛ كامكار روحاني، ا(1389). اصول روش‌هاي مدل‌سازي پتانسيل معدني (در محيط سيستم اطلاعات جغرافيايي). انتشارات جهاد دانشگاهي صنعتي اميركبير.

 

3-طبسي، ه(1375). آناليز ساختاري معدن فلوريت شش رودبار، پايان‌نامه كارشناسي ارشد، دانشگاه تربيت مدرس.

 

4-گرجي‌زاده، ح (1374). مطالعه زمين‌شناسي، كاني‌شناسي، آناليز رخساره‌اي و ژنز كانسار فلوريت پاچي ميانا، پايان نامه كارشناسي ارشد، دانشگاه تربيت مدرس.

 

5- وهاب‌زاده، ق (1385). اكتشاف فلورين در شرق البرز مركزي، مهندسان مشاور ياران معدن آرا.

 

 

References:

 

1- Bonham-Carter, G.F., (1994). Geographic Information Systems for Geoscientists: ModellingwithGIS, Pergamon, Ontario.

 

2- Carranza, E.J.M., Hale, M., (2002a).Mineral imaging with Landsat TM data for hydrothermal alteration mapping in heavily-vegetated terrane.International Journal of Remote Sensing 23(22): 4827-4852.

 

3- Carranza, E.J.M., Hale, M., (2002b).Spatial association of mineral occurrences and curvi-linear geological features.Mathematical Geology 34(2): 199-217.

 

4- Carranza, E.J.M., (2008).Geochemical Anomaly and Mineral Prospectivity Mapping in GIS, Handbook of Exploration and Environmental

 

5-Geochemistry, Vol. 11, Elsevier, Amsterdam.- Carlson, C.A., (1991).Spatial distribution of ore deposits.Geology 19(2): 111-114.

 

‌6- Harris, J.R., Wilkinson, L., Heather, K., Fumerton, S., Bernier, M.A., Ayer, J., Dahn, R., (2001). Application of GIS processing techniques for producing mineral prospectivity maps – a case study: mesothermal Au in the Swayze Greenstone Belt, Ontario, Canada. Natural Resources Research 10(2): 91-124.

 

7- Hronsky, J.M.A., Groves, D.I., (2008). Science of targeting: definition, strategies, targeting and performance measurement. Australian Journal of Earth Sciences 55(1): 3-12.

 

8- Kearey, P., Brooks, M., Hill, I., (2002).An Introduction to Geophysical Exploration, 3rd edn., Blackwell Scientific Publications, Oxford.

 

9- Parasnis, D.S., (1997).Principles of Applied Geophysics, 5th edn, Chapman and Hall, London.

 

10- Roberts, R.G., Sheahan, P., Cherry, M.E. (Eds.), (1988).Ore Deposit Models, Geoscience’s Canada Reprint Series 3, Geological Association of Canada, Newfoundland.

 

11- Sabins, F.F., (1999).Remote sensing for mineral exploration.Ore Geology Reviews 14(3): 157-183.

 

12- Singer, D.A., (1993).Basic concepts in three-part quantitative assessments of undiscovered mineral resources.Nonrenewable Resources 2(2): 69-81.

 

13- Spatz, D.M., (1997). Remote sensing characteristics of sediment- and volcanic-hosted precious metal system: imagery selection for exploration and development. International Journal of Remote Sensing 18(7): 1413-1438.

 

14- Telford, W.M., Geldart, L.P., Sheriff, R.E., (1990).Applied Geophysics, 2nd edn., Cambridge University Press, Cambridge.

 

15- Thiart, C., De Wit, M., (2000). Linking spatial statistics to GIS: exploring potential gold and tin models of Africa. South African Journal of Geology 103(3-4): 215-230.

 

16- Vearncombe, J., Vearncombe, S., (1999). The spatial distribution of mineralization: applications of Fry analysis. Economic Geology 94(4): 475-486.

 

 

 

طاهره حلاجيان*1 ، مهيار يوسفي2، ناصر شهركي3

1. گروه زمين‌شناسي دانشگاه آزاد اسلامي واحد قائم‌شهر 2. دانشكده معدن، نفت و ژئوفيزيك دانشگاه صنعتي شاهرود 3. سازمان صنعت، معدن و تجارت سيستان و بلوچستان