مطالعات دورسنجی با استفاده از آنالیز طیفی در محدوده معدنی کائولن زنوز به منظور تعیین گستره ماده معدنی

نوع مقاله: علمی - پژوهشی

نویسندگان

1 استادیار دانشکده فنی و مهندسی، دانشگاه محقق اردبیلی، اردبیل، ایران.

2 استادیار، گروه مهندسی معدن و مواد، دانشگاه صنعتی ارومیه، ارومیه، ایران

3 مدیر امور معادن، شرکت صنایع خاک چینی ایران

چکیده

چکیده
معرفی مناطق امیدبخش جدید در اطراف کانسارهای شناخته شده، یکی از اهداف مهم برای مدیران و صاحبان معادن فعال می باشد. در این راستا، استفاده از داده‌های دورسنجی مالتی اسپکترال به دلیل در دسترس بودن و هزینه‌های پایین آنها در مطالعات زمین شناسی، اکتشاف کانی‌ها و به نقشه در آوردن آلتراسیونها از طرف مهندسین اکتشاف از اولویت برخوردار است. در این مطالعه گسترش ماده معدنی در اطراف ذخیره اصلی کائولن زنوز با استفاده از دو نوع داده لندست 8 و استر بررسی می شود. معدن کائولن زنوز به عنوان بزرگترین معدن کائولن خاورمیانه، در شهرستان مرند استان آذربایجانشرقی واقع شده است. در این مطالعه همچنین سعی شده است مقایسه‌ای بین نتایج داده لندست 8 و استر انجام گیرد. در مطالعه حاضر، ابتدا پیش پردازش داده ها شامل تصحیح اتمسفری و تصحیح توپوگرافی و حذف اثر پوشش گیاهی انجام شد. سپس با استفاده از آنالیز طیفی، طیف کانی‌های اصلی در منطقه شناسایی شد و در نهایت با استفاده از روش کلاس بندی شبکه عصبی، به عنوان یک روش غیرخطی و نظارت شده فراوانی کانی‌ها به نقشه در آمد. جهت اعتبار سنجی نتایج از دو روش اعتبار سنجی مجازی و نمونه برداری صحرایی استفاده شد. نتایج به دست آمده بیانگر آنست که استفاده از داده‌های به کار برده شده در اکتشاف کائولن بسیار موفقیت آمیز بوده و همچنین چند منطقه پر پتانسیل برای مطالعات تفصیلی پیشنهاد شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Mineral Mapping in Zonouz Region Using Multi-Spectral Remote Sensing Data to Identify the Kaolin Extension

نویسندگان [English]

  • Tohid Nouri 1
  • Rashed Poormirzaee 2
  • Fereydoun Mollaei Koshki 3
1 Assistant Professor at Faculty of Engineering, University of Mohaghegh Ardabili, Ardabil, Iran.
2 Assistant Professor,, Department of Mining and Materials Engineering, Urmia University of Technology, Band Road, Urmia, Iran.
3 Mining Dept. Manager, Iran China Clay Industries
چکیده [English]

Abstract
Exploration of the new mineral deposits around the existing mines is an important objective in mining industry. Using multispectral remote sensing images, due to their diversity and vast availability is a useful tool to meet this purpose. In this research, the Zonouz region was investigated for discovering new high potential kaolinite mineralization areas using Landsat8 and ASTER data. Zonouz kaolin mine which is located in Marand county, East-Azarbaijan, is the biggest kaolin deposit in the Middle-East. In the current research, the capability of Landsat8, as a new generation multispectral data, and ASTER data were examined in mineral detection. At first, the preprocessing of data, i.e. atmospheric and topographic corrections and elimination of the vegetation cover were carried out. Then, the spectral profiles of the endmembers of the study area datasets were extracted. Identification of the extracted endmembers was done by comparison of the unknown spectra with reference spectra of the USGS spectral library, and 3 minerals including kaolinite, quartz, and Fe-bearing minerals were identified. Finally, the distribution maps of the identified minerals were extracted by using of the artificial neural networks, as a non-linear supervised method. To the best of our knowledge, the applied neural networks structure has not been implemented on LANDSAT 8 and ASTER data earlier. This research is also the first implementation of LANDSAT 8 and ASTER data in Zonouz kaolin region for extension mapping of the kaolin. Two different approaches including virtual verification and field sampling were applied for validation of the results. According to the Findings of this research, both of ASTER and Landsat8 datasets proved successfulness for identifying the kaolinite; but the Landsat 8 data exhibited better performance in detecting and mapping of the quartz and hematite. Finally, 6 promising areas were determined as high potential zones of kaolinite mineralization for future studies.

کلیدواژه‌ها [English]

  • Landsat8
  • ASTER
  • Kaolin
  • Spectral Analysis
  • Artificial neural networks

منابع

  1. پورمیرزایی، راشد؛ 1396؛ "بررسی نقش صنعت معدنکاری و منابع معدنی در توسعه پایدار کشور". نشریه مهندسی منابع معدنی، دوره دوم، شماره 3، 92-81 ص.
    1. Dubinski, J., 2013. “Sustinable development of mining mineral resources”.Journal of Sustainable Mining 12(1), 1-6.
    2. Bickford, M.E., 2013. “the Impact of the geological science on society”. the geological society of America, New York, USA.
    3. Poormirzaee, R., Oskouei, M.M., 2010. “Use of spectral analysis for detection of alterations in ETM data, Yazd, Iran”, Appl Geomat, 2: 147; https://doi.org/10.1007/s12518-010-0027-8.
    4. Pournamdary, M., Hashim, M., Pour, B.A., 2014. “Application of ASTER and Landsat TM data for geological mapping of Esfandagheh ophiolite complex, southern Iran”. Resource Geology, 64(3), 233.
    5. Nouri, T., Oskouei, M.,2012. “Detection of the geothermal alterations and thermal anomalies by processing of remote sensing data Sabalan, Iran”. The 33RD Asian Conference on Remote Sensing, November 26-30, 2012.
    6. Mwaniki, M.W.,  Moeller, M.S., Schellmann, G., 2015. “A comparison of Landsat8 (OLI) and Landsat 7 (ETM+) in mapping geology and visualizing lineaments: A case study of central region Kenya”. 36th International Symposium on Remote Sensing of Environment, 11–15 May 2015, Berlin, Germany.
    7. BeiranvandPour, A., Hashim, M., 2015. “Hydrothermal alteration mapping from Landsat-8 data, Sar Cheshmeh copper mining district, south-eastern Islamic Republic of Iran”. Journal of Taibah University for Science, 9, 155–166.
    8. Zhang, T., Yi, G., Li, H., Wang, Z., Tang, J., Zhong, K., Li, Y., Wang, Q., Bie, X., 2016. “Integrating Data of ASTER and Landsat-8 OLI(AO)for Hydrothermal Alteration Mineral Mapping in Duolong Porphyry Cu-Au Deposit, Tibetan Plateau, China”. Remote Sensing, 8(11), 890.
    9. Fatima, K., Khattak, M.U.K., Kausar, A.B., Toqeer, M., Haider, N., Rehman, A.U., 2017. “Minerals identification and mapping using ASTER satellite image”. Journal of Applied Remote Sensing, 11(4), 046006.
    10. Testa, F. J.,  Villanueva, C.,   Cooke, D. R., 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.
    11. Ourhzif, Z., Algouti, A., Algouti, A., Hadach, F., 2019. “Lithological mapping usingLandsat 8 OLI and ASTER multispectral data in Imini-Ounilla district South High Atlas of Marrakech”.  The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-2/W13, 1255–1262.
    12. Yang, M., Ren, G., Han, L., Yi, H., Gao, T., 2018. “Detection of Pb–Zn mineralization zones in west Kunlun using Landsat 8 and ASTER remotese nsing data”. Journal of Applied Remote Sensing, 12(2), 026018.
    13. Banerjee, K.,  Jain, M. K., Panda, S.,  Jeyaseelan, A.T.,  2019. “Landsat 8 OLI data for identification of hydrothermal alteration zone in Singhbhum Shear Zone using successive band depth difference technique - a new image processing approach”. Current Science, 116(10), 1639-1647.
    14. Safari, M., Maghsoudi, A., Beiranvand Pour, A., 2018. “Application of Landsat-8 and ASTER satellite remote sensing data for porphyry copper exploration: a case study from Shahr-e-Babak, Kerman, south of Iran”. Geocarto International, 33(11), 1186-1201.
    15. Tayebi, M.H., Tangestani, M.H. & Roosta, H., 2013. “Mapping salt diapirs and salt diapir-affected areas using MLP neural network model and ASTER data”. International Journal of Digital Earth, 6(2), 143-157.
    16. Jianwen, M., Bagan,H., 2005. “Land-use classification using ASTER data and self-organized neutral networks”. International Journal of Applied Earth Observation and Geoinformation, 7(3), 183-188.
    17. Bioucas-Dias, J.M., Plaza, A., Dobigeon, N., Parente, M., Du, Q., Gader, P., and Chanussot, J., 2012. “Hyperspectral Unmixing Overview: Geometrical, Statistical, and Sparse Regression-Based Approaches”. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 5(2), 354-379.
    18. Nascimento, J.M. and J.M. Bioucas-Dias,  Nonlinear mixture model for hyperspectral unmixing. Proc. SPIE Image and Signal Processing for Remote Sensing XV, L. Bruzzone, C. Notarnicola, and F. Posa, Eds, 2009 .p. 74770I.
    19. Chakravortty, S. and E. Shah. Application of non-linear spectral unmixing on hyperspectral data for  species level classification of mangroves. in Communications and Signal Processing (ICCSP), 2013 International Conference on. 2013. IEEE.
    20. Altmann, Y., N. Dobigeon and Tourneret J. Y, Bilinear models for nonlinear unmixing of hyperspectral images.  in  Hyperspectral Image and Signal Processing: Evolution  in Remote Sensing (WHISPERS), 3rd Workshop on. IEEE, 2011.
    21. Nouri, T. & Mohammady Oskouei, M. (2016) Processing of Hyperion data set for detection of indicative minerals using a hybrid method in Dost-Bayli, Iran. International journal of remote sensing, 37(20), 4923-4947.
    22. Zekri, H., Oskouei M.M., Noori, T., 2016. Detectuon of end Members on A Scene of Hyperion data using Orasis metod in AGH-DAGH, ARDEBIL, Iranian Journal of mining engineering (IRJME), 10(29), 1-19.
    23. Heylen, R., M. Parente, and P. Gader, A review of nonlinear hyperspectral unmixing methods. 2014. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7(6), 1844-1868.
    24. Stoclin J.(1977),structural correlation of the Alpine ranges between Iran and centeral Asia, Mem.Ser.Soc. Geo.France,n8,333-335.
    25. Eftekhar nezhad J., (1996), Geological map of Iran 1:100000 series sheet 5167 (Julfa), Geological survey of Iran, Tehran.
  2. فرید آزاد، مروت؛ عامری، علی؛ مجتهدی، منصور؛ ملک قاسمی، فرید؛"مطالعه پترولوژیکی و زمین‌شناسی سنگ‌های آتشفشانی منطقه زنوز با نگرشی بر کائولن‌زایی آن‌ها". سومین همایش انجمن زمین‌شناسی ایران ، 11-9 شهریورماه 1378، شیراز.
  3. فرید آزاد، مروت؛ "پتروگرافی، ژئوشیمی عناصر اصلی و محیط تکتونیکی دایک بنموریتی موجود در محدوده در محدوده معدن کائولن زنوز، شمال مرند- آذربایجان شرقی". هفتمین همایش انجمن زمین‌شناسی اقتصادی ایران، 19-18 شهریورماه 1394، دامغان.
  4. ملایی کشکی، فریدون؛ صفری، مهدی؛ "شناسایی مناطق امید بخش معدنی در ارتباط با کانی‌های رسی، با استفاده از  داده‌های ETM+ و ASTER (مورد مطالعه در شهرستان مرند)". هشتمین همایش ملی تخصصی زمین‌شناسی دانشگاه پیام نور، 1-2، آبان 1393، اراک.
    1. Landsat8 handbook, www.landsat.usgs.gov.
    2. ASTER User Handbook, version 2. www.landsat.usgs.gov.
    3. Oskouei, M.M., Busch, W., 2008. “A geostatistically based preprocessing algorithm for hyperspectral data analysis”. GIScience and Remote Sensing, 45, 356–368.
  5. پورمیرزایی، راشد؛ محمدی اسکویی، مجید؛ 1391؛ "تصحیح توپوگرافی داده‌های غرب آذربایجان شرقی". نشریه علمی- پژوهشی مهندسی معدن، دوره هفتم، شماره 15، 33-25 ص
    1. Riaño, D; Chuvieco, E., Salas, J., Aguado, I., 2003. “Assessment of Different Topographic Corrections in Landsat-TM Data for Mapping Vegetation Types”. EEE Transactions On Geoscience And Remote Sensing, 41 (5), 1056-1061.
    2. Molan, Y.E., Refahi, D., Tarashti, A.H., 2014. “Mineral mapping in the Maherabad area, eastern Iran, using the HyMap remote sensing data”. International Journal of Applied Earth Observation and Geoinformation, 27, 117–127.
    3. Kruse, F.A., Boardman, J.W., Huntington, J.F., 2003. “Comparison of airborne hyperspectral data and EO-1 Hyperion for mineral mapping”. IEEE Transactions on Geoscience and Remote Sensing, 41(6), 1388-1400. Doi:10.1109/tgrs.2003.812908.
    4. Boardman, J. W., 1993. “Automated spectral unmixing of AVIRIS data using convex geometry concepts”. in Summaries, Fourth JPL Airborne Geoscience Workshop, JPL Publication 93-26, 1, 11-14.
    5. Pu, R., Gong, P., Michishita, R., Sasagawa, T., 2008. “spectral mixture analysis for mapping abundance of urban surface components from the Terra/ASTER data”. Remote Sensing of Environment, 112, 939–954.
    6. Qiu, F., Abdelsalam, M., Thakkar, P., 2006. “Spectral analysis of ASTER data covering part of the Neoproterozoic Allaqi-Heiani suture, Southern Egypt”. Journal of African Earth Sciences, 44, 169–180.
    7. Kariuki, P.C., Woldai, T., van der Meer, F., 2004. “The Role of Remote Sensing in Mapping Swelling Soils”. Asian Journal of Geoinformatics, 5(1). 43-54.
    8. Green, A. A., Berman, M., Switzer, B., Craig, M. D., 1988. “A transformation for ordering multispectral data in terms of image quality with implications for noise removal”. IEEE Transactions on Geoscience and Remote Sensing, 26(1), 65 - 74.
    9. Clark, R.N., 1999. “Spectroscopy of rocks and minerals, and principles of spectroscopy”. In: Rencz, A.N. (Ed.), Manual of Remote Sensing. Remote Sensing for the Earth Sciences, John Wiley & Sons, New York, pp. 3–58.
    10. Borengasser, M., Hungate, W.S., Watkins. R., 2008. “Hyperspectral Remote Sensing, Principles and Applications”. CRC Press, Taylor & Francis Group.
    11. Jain, R., Sharma, R.U., 2018. Mapping of Mineral Zones using the Spectral Feature Fitting Method in Jahazpur belt, Rajasthan, India”. International Research Journal of Engineering and Technology (IRJET), 5(1), 562-567.
  6. منهاج، محمد‌باقر. 1389. "مبانی شبکه‌های عصبی". انتشارات دانشگاه صنعتی امیرکبیر.
    1. Atkison, P.M., Tatnall, A.R.L., 1997. “Neural networks in remote sensing”. international journal of remote sensing, 18(4), 699-709.
    2. King, T.V.V., Clark, R.N., 2000. “Verification of Remotely Sensed Data”. Remote Sensing for Site Characterization (F. Kuehn, T. King, B. Hoerig, D. Pieters, eds.), Springer verlog, Berlin, p 59-61.
  7. یوسفی، مهیار؛ فرخ‌زاده، بهنوش؛ بساطی، سمیرا؛ 1396. "اولویت‌بندی مناطق احداث سد زیرزمینی با استفاده از روش میانگین هندسی در محیط سامانه اطلاعات جغرافیایی". اکوهیدرولوژی، دوره چهارم، شماره 3، 672-663 ص.
    1. Yousefi, M., Carranza, E.J.M., 2015. “Fuzzification of continuous-value spatial evidence for mineral prospectivity mapping”. Computers & Geosciences, 74, 97-109.