بررسی نواحی دگرسانی کانسار مس پورفیری با استفاده از تصاویر ماهواره‌ای چندطیفی (سنتینل‌ـ 2، لندست‌ـ 8 و استر) و کنترل‌های زمینی (مطالعة موردی: کانسار مس مسجدداغی‌ـ شمال‌غرب ایران)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد سنجش از دور، گروه مهندسی نقشه‌برداری، دانشگاه تربیت دبیر شهید رجایی، تهران

2 عضو هیأت علمی گروه مهندسی نقشه‌برداری، دانشگاه تربیت دبیر شهید رجایی، تهران

چکیده

طراحی الگوریتم‌های سنجش از دور و توسعة روش‌های گوناگون پردازش تصاویر ماهواره‌ای، برای شناسایی کانسارهای مس پورفیری، ازجمله موضوعات مهم مطالعات در زمینة ارزیابی منابع معدنی و بهره‌برداری بهینه از آنهاست. به این منظور، تعیین نواحی دگرسانی ابزار مناسبی به‌منظور طراحی الگوهای مورد ‌قبول اکتشافی فراهم می‌آورد. در این پژوهش، با راهبردی جامع و با استفاده از تعیین حدود دگرسانی‌های مرتبط با کانسار مس پورفیری برمبنای مدل لوول و گیلبرت با سه نوع راهبرد متفاوت (پردازش‌های بصری، طیفی و آماری) و همچنین استخراج خط‌واره‌ها در منطقة مورد مطالعه، محدودة تمرکز مادة معدنی برای حفاری پیشنهاد شد. منطقة مورد مطالعه، در این مقاله، کانسار مس پورفیری مسجدداغی در شمال‌شرق استان آذربایجان‌شرقی است. در این پژوهش، از تصاویر ماهواره‌ای چندطیفی استر، سنجندة OLI لندست‌ـ 8 و سنتینل‌ـ 2 برای پردازش‌های گوناگون مانند ترکیبات نسبت‌های باندی، تحلیل مؤلفة اصلی و روش‌های پردازش طیفی پیکسل‌مبنا و زیرپیکسلی، ازجمله SAM و MTMF و پردازش‌های آماری مبتنی‌بر الگوریتم عملگر منطقی استفاده شد. در نهایت، با فازی‌سازی و تلفیق لایه‌های حاصل از پردازش‌های تصاویر ماهواره‌ای با ساختارهای هندسی منطقه (خط‌واره‌ها) که روی داده‌های سنتینل‌ـ 2 به دو روش خودکار و نیمه‌خودکار استخراج شدند، نتایج در فضای GIS تحلیل شد و پس از مقایسة نتایج ارائه‌شده با تحلیل نمونه‌های زمینی، صحت و تطابق مناطق مورد نظر تأیید شد. دقت کاربر و سازنده درمورد محدودة دارای اولویت به‌ترتیب 54/78% و 36/78% به‌دست آمد که معیار سنجش مناسب‌تری برای معرفی محدودة مرکز حفاری است. 

کلیدواژه‌ها


عنوان مقاله [English]

Investigation of Alteration Deposit Zones of Porphyry Copper Ore Using Multispectral Satellite Imagery (Aster, Landsat-8 and Sentinel-2) and Ground Controls (Case study: MasjedDaghi copper deposit - NW Iran)

نویسندگان [English]

  • MayamSadat Ahmadi 1
  • Abbass Malian 2
1 M.Sc. OF Remote Sensing, Dep. of Geomatics Engineering, Shahid Rajaee Teacher Training University, Tehran
2 Assistant Prof., Dep. of Geomatics Engineering, Shahid Rajaee Teacher Training University, Tehran
چکیده [English]

The design of Remote Sensing algorithms and the development of various methods of processing satellite images to identify porphyry copper deposits are among the important topics of studies in the field of mineral resource evaluation and their optimal exploitation. To this end, the determination of alteration zones provides a suitable tool for designing acceptable exploratory patterns. In this research with an almost comprehensive strategy and using the determination of alterations related to porphyry copper deposit based on Lowell and Gilbert model with three different strategies (visual, spectral and statistical processing) as well as the extraction of linements in the case area The study suggested the concentration range of the mineral for drilling. The study area in this article is Masjed Daghi porphyry copper deposit in the northeast of East Azerbaijan province, which consists of multispectral satellite images of ASTER, OLI of Landsat-8 and Sentinel-2 sensors for various processes including band ratio combinations, principal component analysis and pixel and subpixels basics spectral processing methods including SAM and MTMF, and statistical processing using the logical operator algorithm. Finally, by fuzzy and combining the layers of satellite image processing with geometric structures of the region (linements) which were extracted on Sentinel-2 data in two automatic and semi-automatic methods, the results were analyzed in GIS space and by comparing the presented results with the analysis of ground samples, the accuracy and conformity of the target areas were confirmed. User and producer accuracy for the area with the first priority were 78.54% and 78.36%, respectively, which are more appropriate criteria for introducing the area of ​​the drilling center.

کلیدواژه‌ها [English]

  • Porphyry copper ore
  • Alteration
  • SAM
  • MTMF
  • Fuzzy logic
Aghazadeh, N. & Gholizade Atani, Y., 2015, Edge Detection with Hessian Matrix Property Based on Wavelet Transform, Journal of Sciences Islamic Republic of Iran, 26(2), PP. 163-170.
Ahmadi, H. & Uygucgil, H., 2021, Targeting Iron Prospective within the Kabul Block (SE Afghanistan) via Hydrothermal Alteration Mapping Using Remote Sensing Techniques, Arabian Journal of Geosciences, 14(3), PP. 1-22.‏
 
Bakhshandeh, Amnieh, H., Mohammadi, A. & Mozdianfard, M., 2013, Predicting Peak Particle Velocity by Artificial Neural Networks and Multivariate Regression Analysis - Sarcheshmeh Copper Mine, Kerman, Iran, Journal of Mining & Environment, 4(2), PP. 125-132.
Behnia P. & Karami J., 2016, Application of Hyperspectral Images in the Preparation of Mineral Distribution Maps, the 25th Seminar on Earth Sciences, National Geological Organization, Tehran.
Bei, Y., Tian, S., Ge, J. & Sun, Y., 2017, Assessment of WorldView-3 Data for Lithological Mapping, Remote Sensing, 9, P. 1132.
Beiranvand Pour, A., Hashim, M., Park, Y. & Kuk Hong, J., 2017, Mapping Alteration Mineral Zones and Lithological Units in Antarctic Regions Using Spectral Bands of ASTER Remote Sensing Data, Geocarto International, 33(12), PP. 1281-1306.
Dai, J., Qu, X. & Song, Y., 2017, Porphyry Copper Deposit Prognosis in the Middle Region of the Bangonghu–Nujiang Metallogenic Belt, Tibet, Using ASTER Remote Sensing Data, Resource Geology, 68(1), PP. 65-82.
Di Tommaso, I.M. & Rubinstein, N., 2006, Hydrothermal Alteration Mapping Using ASTER Data in the Infiernillo Porphyry Deposit, Argentina, Journal of Ore Geology Reviews, 29, PP. 1-16.
Dorrani, Z. & Mahmoodi, M.S., 2016, Noisy Images Edge Detection: Ant Colony Optimization Algorithm, Journal of AI and Data Mining, 4 (1), PP. 77-83.
Eldosouky, A.M., Abdelkareem, M. & Elkhateeb, S.O., 2017, Integration of Remote Sensing and Aeromagnetic Data for Mapping Structural Features and Hydrothermal Alteration Zones in Wadi Allaqi Area, South Eastern Desert of Egypt, Journal of African Earth Sciences, 130, PP. 28-37.
Hadi Vincheh, Z. & Arfania, R., 2017, Lithological Mapping from OLI and ASTER Multispectral Data Using Matched Filtering and Spectral Analogues Techniques in the Pasab-e-Bala Area, Central Iran, Journal of Geology, 7, PP. 1494-1508. 
Hasanpour, Sh. & Alirezaei, S., 2016, Eocene Copper-Gold Porphyry Deposit of Masjid Daghi, North-Western Iran, an Example of Arc Islands Type Porphyry Deposits, Journal of Earth Sciences, 26th  Year, No. 104, PP. 43-58.
Hashemi Tangestani M., 2009, Detection of the Abundance Fraction and Spatial Distribution of Clay Minerals using Sub-Pixel Classification of ASTER Data in Esteghlal Abadeh Mine, Journal of Economic Geology, 2(1), PP. 39-49.
Hooseinjanizadeh, M. & Tangestani, M.H., 2014, Mineral Exploration and Alteration Zone Mapping Using Mixture Tuned Matched Filtering Approach on ASTER Data at the Central Part of Dehaj-Sarduiyeh Copper Belt, SE Iran, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7(1), PP. 284-289.
Imamalipour A., Abdoli Islamlou, ​​H. &  Haj Alilo, B., 2019, Geochemical Investigation of Hydrothermal Changes Related to Epithermal Gold Mineralization in Daghi Mosque Area, East of Jolfa, NorthWest of Iran, Journal of Economic Geology, 3(2), PP. 199-213.
Min, Y., Ren, G., Han, L., Yi, H. & Gao, T., 2018, Detection of Pb–Zn Mineralization Zones in West Kunlun Using Landsat 8 and ASTER Remote Sensing Data, Journal of Applied Remote Sensing, 12(2), P. 1, 026018.
Mahboubyniya, M., Jafarirad, A., Karami, J. & Jabbari, S., 2017, Copper, Zinc, and Lead Mineral Prospectivity Mapping in the North of Tafresh, Markazi Province, Central Iran, Using the AHP-OWA Method, Open Journal of Geology, 7(4), PP. 533-558.
Mars, J., Lawrence, C. & Rowan, C., 2006, Regional Mapping of Phyllic- and Argillic-Altered Rocks in the Zagros Magmatic Arc, Iran, Using Advanced Spaceborne Thermal Emission and Refl Ection Radiometer (ASTER) Data and Logical Operator Algorithms, Journal of Geological Society of America, 2(3), PP. 161-186.
Modabberi, S., Ahmadi, A. & Tangestani, M.H., 2017, Sub-Pixel Mapping of Alunite and Jarosite Using ASTER Data; A Case Study from North of Semnan, North Central Iran, Ore Geology Reviews, 80, PP. 429-436.
Mohammadi, B., 2001, Semi-Detailed Exploration of Gold-Copper and Molybdenum Porphyry in Masjid Daghi Area, National Geological and Mineral Exploration Organization, Management of the NorthEastern Region of Iran.
Mohammadi, B., 2006, 1:1000 Geological Map Report and Excavations Carried Out in Masjid Daghi Region (Siah Rood Jolfa), National Geological and Mineral Exploration Organization, Management of the NorthEastern Region of Iran.
Mohebbi, M., Yarahmadi Bafghi, A.R., Fatehi Miji, M. & Gholamnejad, J., 2017, Rock Mass Structural Data Analysis Using Image Processing Techniques (Case Study: Choghart Iron Ore Mine Northern Slopes), Journal of Mining & Environment, 8(1), PP. 61-74.
Panjomi, M., Tabatabai, S.H. & Esadi Harouni, H., 2012, Identification and Separation of Hydrothermal Alteration Zones in Jolfa Sheet 1:100000 Using ASTER Data, 17th Conference of Geological Society of Iran, PP. 80-89.
Roshan Rovan, J., 2013, Remote Sensing Report of Bejestan City, National Geology and Mineral Exploration Organization, Management of the NorthEastern Region of Iran.
Salimi, A., Ziaii, M., Amiri, A. & Hosseinjanizadeh, M., 2017, Sub-Pixel Classification of Hydrothermal Alteration Zones Using a Kernel-Based Method and Hyperspectral Data; A Case Study of Sarcheshmeh Porphyry Copper Mine and Surrounding Area, Kerman, Iran, Journal of Mining & Environment, 8(4), PP. 555-565.  
Shahabpour, J., 2014, Economic Geology, Shahid Bahonar University Press, Kerman.
Sharifi, A., Malian, A. & Soltani, A., 2018, Efficiency Evaluating of Automatic Lineament Extraction by Means of Remote Sensing (Case Study: Venarch, Iran), Journal of the Indian Society of Remote Sensing, 46(9), PP. 1507-1518.
Yang, M., Ren, G., Han, L., Yi, H., & Gao, T. (2018). Detection of Pb–Zn mineraliza-tion zones in west Kunlun using Landsat 8 and ASTER remote sensing data. Journal of Applied Remote Sensing, 12(2), 026018.‏