اکتشاف کانه آهن مگنتیتی در کانسار مَروَر با استفاده از تحلیل تصاویر ماهواره‌ای و وارون‌سازی داده‌های مغناطیسی

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه اکتشاف، دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان، اصفهان، ایران.

چکیده

نیاز روز افزون صنایع فولاد‌سازی به کانه آهن و کاهش عیار و تناژ معادن فعال بزرگ موجود، انگیزه اکتشاف کانسارهای آهن کوچک مقیاس و یا پنهان را افزایش داده است. پژوهش حاضر به پی‌جویی یکی از این کانسار در واقع در استان یزد پرداخته است. در این راستا، قدم اول انجام دورسنجی با تولید ترکیب‌های رنگی کاذب و نسبت‌های باندی تصاویر ماهواره استر و لندست 8 بود. این روش‌ها حضور اکسید‌های آهن فرو و فریک و دگرسانی‌های محل کانسار آهن مرور را آشکار ساختند. همچنین محاسبه سیگنال تحلیلی داده‌های مغناطیسی محدوده، مرزهای بی‌هنجاری‌های مغناطیسی را مشخص کرد. این مراحل نشان داد که همبستگی فضایی معناداری بین اکسیدآهن فرو و بی‌هنجاریهای مغناطیسی وجود دارد. افزون بر این، نتایج روش‌های واهمامیخت اویلر و طیف‌توان نشان داد که منابع مغناطیسی در عمق حدود 65 متر واقع شده‌اند. بعداً از عمق تخمین‌زده‌شده برای تعریف وزن‌دهی عمقی در یک وارون‌سازی سه‌بعدی داده‌های مغناطیسی استفاده شد. این وارون‌سازی، مدلی سه‌بعدی از شکل توزیع خودپذیری مغناطیسی در عمق را ارائه کرد. بر اساس مدل تخمین‌زده‌شده، مناطق دارای بزرگ‌ترین خودپذیری مغناطیسی با محل‌های عیاربالای آهن در طول چاه‌های اکتشافی مطابقت دارند. این مقایسه همچنین نشان داد که زون‌های با خودپذیری مغناطیسی بالا غالباً در عمق 50 تا 100 متری قرار گرفته‌اند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Exploration for iron ore in Marvar deposit using satellite image analysis and magnetic data inversion

نویسندگان [English]

  • Faraz Sakhaeyan
  • Sayyed Mohammad Abtahi Forooshani
  • Hamzeh Sadeghisorkhani
  • Younes Ghasemipour
Exploration Group, Department of Mining Engineering, Isfahan University of Technology, Isfahan, Iran.
چکیده [English]

The ever-increasing demands of the steel industry for iron ore and the reduction in the grade and tonnage of existing large active mines raise the motivation for exploring small-scale or hidden iron deposits. The present research deals with prospecting a case of these deposits in Yazd province. The area is close to Marvar village in Meybod county, with an area of circa 720 m2. The rock type in the study area comprises of andesitite, dacite, and riodacite volcanic rocks with Eocene age. The hematite and magnetite outcrops also mainly occur within the andesites and andesitic tuffs. Therefore, the first step was the remote sensing for reconnaissance of the iron oxide zones, and ENVI 5.3 software created false color composites and the band ratios of Aster and Landsat 8 satellite images. The band ratio of 2/1 and 4/2 revealed the ferric iron oxides in the Aster and Landsat 8 images, respectively. In contrast, calculated band ratios of 1/2+5/3 for Aster and 7/5 in Landsat images illustrated the ferrous iron oxide zones. Besides, a false-color composite consisting of R=4, G=6, and B=8 showed the propylitic and argillic alteration zones via green and yellowish-pink colors, respectively. Comparing iron oxides and alteration zones revealed a spatial correlation between propylitic alteration and magnetite mineralization and another correlation between argillic alteration and hematite mineralization. Meanwhile, the magnetic data were processed via subtraction of the IGRF from the magnetic data and removing small and noisy features with a low pass filter of 100 m. Then, an upward continuation to 250 m exposed the regional effects in data. The subtraction of the regional effect from the filtered data gave the residual magnetic anomaly. In addition, the reduction-to-pole filter was also implemented and revealed the actual location of magnetic anomalies. In the next step, calculating the analytical signal of magnetic data in the area illustrated the boundaries of magnetic anomalies. Comparing the analytical signal and iron oxide zone from the remote sensing studies illustrated a significant spatial correlation between the ferrous-iron oxide zones and the magnetic analytical signal. Furthermore, the results of Euler deconvolution and power spectrum techniques indicate that most magnetic sources have a depth of circa 65 meters. Later, the estimated depth was used to define depth weighting in a 3D inversion of the magnetic data. Using Li and Oldenburg's algorithm via UBC Mag3D software, this inversion gave a three-dimensional shape of the magnetic susceptibility distribution in depth. According to the estimated model, the zones with high magnetic susceptibilities commonly occur at 50 to 100 meters depths, and their locations coincide well with the reduced-to-pole magnetic anomalies. Besides, comparing the iron grade of the geochemical analyses along three exploratory core samples confirmed that the zones with the biggest estimated magnetic susceptibilities within the model match the position of high grades of iron along the exploratory wells. Therefore, the area's main type of iron ore is magnetite, not hematite.

کلیدواژه‌ها [English]

  • Remote sensing
  • Magnetometry
  • 3D Inversion
  • Susceptibility
  • Iron Deposit
آقاجانی، ح.؛ تاجیک، م. و احمدی، ج. (1385). شناسایی مناطق امید بخش معدنی منطقه جبال بارز (محدوده شهرهای جیرفت-بم) با استفاده از داده‌های ماهواره‌ای. دهمین همایش انجمن زمین‌شناسی ایران، اصفهان، ایران.
امیرپور اصل میاندوآب، ا.؛ سهرابی، ق. و نصیری گنجینه کتاب، م. (1395). کاربرد روش مغناطیس‌سنجی برای اکتشاف کانه زایی مس و طلا در محدوده اکتشافی پلی متال باشماق هشترود. مجله ژئوفیزیک ایران، 10(2)، 48-39.
سیف، م. ر.؛ محمدزاده مقدم، م. و میرزایی، س. (1397). شناسایی و مکان یابی اهداف و تأسیسات زیرزمینی بر پایه داده‌های مغناطیس‌سنجی با استفاده از روش های سیگنال تحلیلی، اویلر و وارون‌سازی سه بعدی. مجله علوم و فناوری های پدافند نوین، 9(3)، 359-368.
صفایی، ص.؛ فرهمندیان، م.؛ افشاری، س. و کیانپوریان، ص. (1394). اکتشاف کانسار آهن سنقر با استفاده از داده‌های ماهواره‌ای و مغناطیس سنجی. سی و چهارمین کنگره بین‌المللی تخصصی علوم زمین.
علائی، س. و فودازی مهابادی، م. (1385). نقشه زمین‌شناسی چهارگوش عقدا. سازمان تحقیقات زمین‌شناسی و اکتشافات معدنی کشور.
کلاگری، ع. ‌ا. (1389). اصول اکتشافات ژئوفیزیکی. جلد 2، انتشارات مؤلف.
منصوریان، ا.؛ جانجانی آورزمان، ح. و نوروزی، غ. ح. (1387). بررسی اثر آلیازینگ در بهینه‌سازی شبکه برداشت مغناطیس و تعیین مرز با استفاده از سیگنال تحلیلی. دومین کنفرانس مهندسی معدن ایران.
Abd-AlHai, M. M., Araffa, S. A. S., Mekkawi, M. M., & ElGalladi, A. A. M. (2023). A reconnaissance study for tracing and ordering new mineralisation zones using integrated remote sensing, GIS, and aeromagnetic techniques, west Allaqi-Heiani-Suture, Egypt. NRIAG Journal of Astronomy and Geophysics, 12(1), 19-44.
Ahmadi, R., & Gharah Sheikh Bayat, A. (2021). Integration of remote sensing and magnetometry methods for exploration of iron deposit in the Maragh district of Bandar e Charak. Iranian Journal of Geology, 63(63), 1.
Alimohammadi, M., Alirezaei, S., & Kontak, D. J. (2015). Application of ASTER data for exploration of porphyry copper deposits: A case study of Daraloo–Sarmeshk area, southern part of the Kerman copper belt, Iran. Ore Geology Reviews, 70, 290-304.
Al-Quraishi, A.M., Singh, A.K., & Singh, P.K., (2020). Mapping of ferric (and ferrous (iron oxides distribution using band ratio techniques with ASTER data and geochemistry of Kanjamalai and Godumalai, Tamil Nadu, south India. Remote Sensing Applications: Society and Environment, 18, p.100306.
Blakely, R., & Cox, A. (1972). Identification of short polarity events by transforming marine magnetic profiles to the pole. Journal of Geophysical Research, 77(23), 4339-4349.
Ciampalini, A., Garfagnoli, F., Del Ventisette, C., & Moretti, S. (2013). Potential use of remote sensing techniques for exploration of iron deposits in Western Sahara and Southwest of Algeria. Natural resources research, 22, 179-190.
Constable, S. C., Parker, R. L., & Constable, C. G. (1987). Occam’s inversion: A practical algorithm for generating smooth models from electromagnetic sounding data. Geophysics, 52(3), 289-300.
Dutra, A. C., & Marangoni, Y. R. (2009). Gravity and magnetic 3D inversion of Morro do Engenho complex, Central Brazil. Journal of South American Earth Sciences, 28(2), 193-203.
ElGalladi, A., Araffa, S., Mekkawi, M., & Abd-AlHai, M. (2022). Exploring mineralization zones using remote sensing and aeromagnetic data, West Allaqi Area, Eastern-Desert, Egypt. The Egyptian Journal of Remote Sensing and Space Science, 25(2), 417-433.
Faruwa, A. R., Qian, W., Akinsunmade, A., Akingboye, A. S., & Dusabemariya, C. (2021). Aeromagnetic and remote sensing characterization of structural elements influencing iron ore deposits and other mineralization in Kabba, southwestern Nigeria. Advances in Space Research, 68(8), 3302-3313.
Finlay, C. C., Maus, S., Beggan, C. D., Bondar, T. N., Chambodut, A., Chernova, T. A., Chulliat, A., Golovkov, V. P., Hamilton, B., Hamoudi, M., Holme, R., Hulot, G., Kuang, W., Langlais, B., Lesur, V., Lowes, F. J., Lühr, H., Macmillan, S., Mandea, M., McLean, S., Manoj, C., Menvielle, M., Michaelis, I., Olsen, N., Rauberg, J., Rother, M., Sabaka, T. J., Tangborn, A., Tøffner-Clausen, L., Thébault, E., Thomson, A. W. P., Wardinski, I., Wei, Z., & Zvereva, T. I. (2010). International geomagnetic reference field: the eleventh generation. Geophysical Journal International, 183(3), 1216-1230.
Ghanati, R., Ghari, H. A., Mirzaei, M., & Hafizi, M. K. (2015). Nonlinear inverse modeling of magnetic anomalies due to thin sheets and cylinders using Occam’s method. In 8th Congress of the Balkan Geophysical Society, 2015(1), 1-5. European Association of Geoscientists & Engineers.
Gupta, H. K., & Roy, S. (2006). Geothermal energy: an alternative resource for the 21st century. Elsevier.
Harimei, B. (2019). Analysis of Regional Anomaly on Magnetic Data Using the Upward Continuation Method. In IOP Conference Series: Earth and Environmental Science, 279(1), 012037. IOP Publishing.
Henderson, R. G., & Zietz, I. (1949). The upward continuation of anomalies in total magnetic intensity fields. Geophysics, 14(4), 517-534.
Keating, P., & Pilkington, M. (2004). Euler deconvolution of the analytic signal and its application to magnetic interpretation. Geophysical prospecting, 52(3), 165-182.
Lelievre, P. G., & Oldenburg, D. W. (2006). Magnetic forward modelling and inversion for high susceptibility. Geophysical Journal International, 166(1), 76-90.
Li, M., Zhou, X., Gammons, C. H., Khalil, M., & Speece, M. (2018). Aeromagnetic and spectral expressions of rare earth element deposits in Gallinas Mountains area, Central New Mexico, USA. Interpretation, 6(4), T937-T949.
Li, Y., & Oldenburg, D. W. (1996). 3-D inversion of magnetic data. Geophysics, 61(2), 394-408.
Li, Y., Shearer, S. E., Haney, M. M., & Dannemiller, N. (2010). Comprehensive approaches to 3D inversion of magnetic data affected by remanent magnetization. Geophysics, 75(1), L1-L11.
Loto’aniu, P. T., Califf, S., Redmon, R. J., & Singer, H. J. (2020). Magnetic field observations from the GOES-R series. In The goes-r series (pp. 251-259). Elsevier.
Maus, S., & Dimri, V. (1996). Depth estimation from the scaling power spectrum of potential fields?. Geophysical Journal International, 124(1), 113-120.
Mohamed, H., Saibi, H., Bersi, M., Abdelnabi, S., Geith, B., Ismaeil, H., Tindell, T., & Mizunaga, H. (2018). 3-D magnetic inversion and satellite imagery for the Um Salatit gold occurrence, Central Eastern Desert, Egypt. Arabian Journal of Geosciences, 11, 1-18.
Moradpour, H., Rostami Paydar, G., Pour, A. B., Valizadeh Kamran, K., Feizizadeh, B., Muslim, A. M., & Hossain, M. S. (2022). Landsat-7 and ASTER remote sensing satellite imagery for identification of iron skarn mineralization in metamorphic regions. Geocarto International, 37(7), 1971-1998.
Nabighian, M. N. (1972). The analytic signal of two-dimensional magnetic bodies with polygonal cross-section: its properties and use for automated anomaly interpretation. Geophysics, 37(3), 507-517.
Regan, R. D., & Cain, J. C. (1975). The use of geomagnetic field models in magnetic surveys. Geophysics, 40(4), 621-629.
Reid, A. B., Allsop, J. M., Granser, H., Millett, A. T., & Somerton, I. W. (1990). Magnetic interpretation in three dimensions using Euler deconvolution. Geophysics, 55(1), 80-91.
Reid, A. B., & Thurston, J. B. (2014). The structural index in gravity and magnetic interpretation: Errors, uses, and abuses. Geophysics, 79(4), J61-J66.
Reynolds, J. M. (2011). An introduction to applied and environmental geophysics. John Wiley & Sons.
Sabins, F. F. (1999). Remote sensing for mineral exploration. Ore geology reviews, 14(3-4), 157-183.
Salem, S. M., Arafa, S. A., Ramadan, T. M., & El Gammal, E. S. A. (2013). Exploration of copper deposits in Wadi El Regeita area, Southern Sinai, Egypt, with contribution of remote sensing and geophysical data. Arabian Journal of Geosciences, 6, 321-335.
Salem, A., Green, C., Ravat, D., Singh, K. H., East, P., Fairhead, J. D., Mogren, S., & Biegert, E. (2014). Depth to Curie temperature across the central Red Sea from magnetic data using the de-fractal method. Tectonophysics, 624, 75-86.
Shirazi, A., Hezarkhani, A., Shirazy, A., & Shahrood, I. R. A. N. (2018). Remote sensing studies for mapping of iron oxide regions, South of Kerman, Iran. International Journal of Science and Engineering Applications, 7(4), 45-51.
Spector, A., & Grant, F. S. (1970). Statistical models for interpreting aeromagnetic data. Geophysics, 35(2), 293-302.
Stampolidis, A., Kane, I., Tsokas, G. N., & Tsourlos, P. (2005). Curie point depths of Albania inferred from ground total field magnetic data. Surveys in Geophysics, 26, 461-480.
Telford, W. M., Geldart, L. P., & Sheriff, R. E. (1990). Applied geophysics. Cambridge university press.
Thompson, D. T. (1982). EULDPH: A new technique for making computer-assisted depth estimates from magnetic data. Geophysics, 47(1), 31-37.
Van der Werff, H., & Van der Meer, F. (2016). Sentinel-2A MSI and Landsat 8 OLI provide data continuity for geological remote sensing. Remote sensing, 8(11), 883.
Yang, J., Liu, S., & Hu, X. (2020). Inversion of high-amplitude magnetic total field anomaly: An application to the Mengku iron-ore deposit, northwest China. Scientific Reports, 10(1), 11949.
Yuan, J., & Niu, Z. (2008). Evaluation of atmospheric correction using FLAASH. In 2008 International Workshop on Earth Observation and Remote Sensing Applications (pp. 1-6). IEEE.