بخشی از مقاله
چکیده
بارزسازی آنومالی های ژئوشیمیائی از زمینه یک موضوع مهم و ضروری در اکتشاف ذخایر معدنی میباشد. در روش های فرکتالی/ مولتی فرکتالی، روش شاخص سینگولاریتی نیز به عنوان روشی قابل قبول و مناسب برای شناسایی آنومالی ها از زمینه ارائه شده است. سینگولاریتی پدیده ای است که از قوانین طبیعی پیروی نمیکند به همین دلیل کانی زایی در علوم زمین به عنوان یک پدیده سینگولار میتواند معرفی شود. در منطقه مورد نظر در مرحله اکتشاف مقدماتی، با درنظر گرفتن یک موقعیت با استفاده از روش پنجره مبنا، چندین پنجره انتخاب میشود و در هر پنجره مقدار میانگین عنصر مورد نظر از نمونه های قرار گرفته در پنجره برآورد میشود.
در نهایت با برارزش کردن خط مستقیم نقاط به دست آمده در نمودار تمام لگاریتمی غلظت در برابر اندازه پنجره و گرفتن شیب آن، شاخص سینگولاریتی - - برای آن نقطه به دست میآید. اگر شاخص سینگولاریتی برابر 2 باشد آن منطقه غیر سینگولار معرفی می شود و بیانگر زمینه است.
در غیر این صورت نقطه مورد نظر سینگولار می باشد. اگر شاخص سینگولاریتی کمتر از 2 باشد بیانگر غنی شدگی و بیشتر از 2 بیانگر تهی شدگی در آن نقطه در نظر گرفته میشود. از این رو روش شاخص سینگولاریتی با استفاده از نمونه های رسوبی آبراههای ژئوشیمیائی برای اکتشاف مناطق دارای پتانسیل معدنی بویژه کانسار های پنهان بسیار مناسب میباشد. همچنین شاخص سینگولاریتی برای بارزسازی آنومالی های ضعیف، تکنیکی بسیار قدرتمند میباشد.
-1 مقدمه
فرایندهای طبیعی زمین با گذشت زمان موجب تغییراتی میشوند که این تغییرات باعث به وجود آمدن ساختار های متفاوتی درون زمین و ریخت های متفاوتی در سطح زمین میشوند. همچنین در دیدی جزئی تر این فرایند ها موجب حرکت یا تمرکز برخی عناصر میشوند که موجب تهی شدگی یا غنی شدگی آن عنصر در یک محل خاص خواهد شد. فرایند های کانی زایی، سیستم های پیچیده ای میباشند که در محیط های آنومال قرار میگیرند.[2] همچنین اغلب زمین شناسان اکتشافی به جدایش آنومالی های وابسته به کانی زایی از زمینه که فرایند های زمین شناسی منطقه ای را منعکس میکنند، نیاز دارند.
آنالیز داده های ژئوشیمیائی نقش مهمی را در اکتشافات معدنی و مطالعات محیط زیستی بازی میکند.[4] در اکتشاف های معدنی اغلب تمایز بین نواحی دگرسان شده و دگرسان نشده مهم میباشد.
هدف از ارائه مقاله معرفی روشی نوین در بحث جدایش آنومالی ها از زمینه، توصیف کمیآنومالی های ژئوشیمیائی و بارز سازی آنومالی های ضعیف و اکتشاف مقدماتی ذخایر پنهان میباشد. در همین راستا نحوه به نقشه در آوردن سینگولاریتی برای توصیف نقاط تهی شده، غلظت یافته و زمینه ارائه شده است. جداسازی جامعه آنومالی از زمینه بر دو اساس صورت میگیرد: روش ساختاری - با در نظر گرفتن مختصات داده ها - و روش غیر ساختاری. روش جداسازی آنومالی از زمینه با در نظر گرفتن هندسه فرکتال از روش های ساختاری میباشد.
-2 روش و مواد
-1-2 نظریه فرکتال/ مولتی فرکتال
بعضی پدیده های اطراف ما در هندسه اقلیدسی قابل توجیه نمیباشند. در هندسه اقلیدسی بعد عددی صحیحی مانند یک، دو و سه میباشد.[1] در حالیکه در هندسه غیر اقلیدسی، بعد اشیاء میتواند مقادیری غیر صحیح به خود بگیرد. مثلا شکل یک ابر، کوه، خطوط ساحلی، یا یک درخت در توصیف اقلیدسی قرار نمیگیرند و در طبیعت الگوهای زیادی به صورت چندضلعی و خیلی ریز شده وجود دارند که درجه بزرگ ساده ای را نشان نمیدهد بلکه سطوح متفاوت پیچیده ای میباشند که روی هم افتاده اند.[6] فرکتال یک خانواده از اشکال میباشد که تمایل به مقیاس گذاری دارند، یعنی اینکه درجه بی نظمیشان - بعد فرکتال - در تمام مقیاس ها یکسان است.
نظریه فرکتال در طی دهه های گذشته مورد بحث قرار گرفت و به طور گسترده ای به کار برده شده است. در سال 1983 مفهوم فرکتال در کتاب The Fractal Of Nature توسط مندلبرت ارائه شد.[6] بعد از ایجاد یک مفهوم جدید مرتبط با هندسه پیچیده اشیاء، روش های مدل سازی مبتنی بر این نظریه نیز توسط دیگر نویسندگان در زمینه های مختلف علوم و بخصوص در علوم زمین در همین دهه ها توسعه یافت.[5] در سال 1992، بولویکن و همکارانش کاربرد فرکتال در اکتشافات ژئوشیمیائی را پیشنهاد کردند
در سال 1994، Cheng و همکارانش، جدایش آنومالی های ژئوشیمیائی از زمینه با روش های فرکتالی را مورد بررسی قرار دادند.[5] در این مقاله روش غلظت عناصر-مساحت - C-A - با در نظر گرفتن آستانه برای این روش، مطرح شده است و نشان دادند که به کار بردن این روش برای طلا و مس در ناحیه سولفوره-میتچن به خوبی دیگر عناصر موفقیت آمیز بوده است. همچنین مدل ارائه شده میتواند برای شناسایی محیط های آنومال از زمینه با استفاده از مقدار غلظت و مشخصه های ریختی شکل هندسی استفاده شود. در نهایت نتایج به دست آمده با نتایج به دست آمده از روش وزن دهی فاکتور ها قابل مقایسه میباشد. در این دو دهه مقالات متعدد دیگری که از مدل های فرکتالی مختلف استفاده شده است
فرکتال و مولتی فرکتال دو مفهوم مهم در زمینه های علوم غیر خطی و پیچیده میباشد که در علوم زمین شناخته میشود. فرکتال، مولتی فرکتال به خصوصی میباشد و به صورت فضایی درهم پیچیده دارای خود تشابهی - یا مونو فرکتالی - تعریف می شود.[5] مدل های فرکتالی و مولتی فرکتالی غالبا برای توصیف ویژگی کانی زایی و ذخایر معدنی استفاده میشوند. مدل های فرکتالی از قبیل مدل عیار-تناژ [9]، اندازه-توزیع فراوانی[10] ،مدل تعداد-اندازه - N-S - [6]، مدل غلظت - مساحت C- - [11] - A، مدل اسپکتروم-مساحت [11] - S-A - ، مدل غلظت - فاصله C- - [12] - D، اندکس سینگولاریتی [14][2][17][16] و مدل غلظت - حجم [13] - C-V - برای آنالیز داده های ژئوشیمیائی ایجاد شده اند. آنها تکنیک هایی قدرتمند برای شناسایی آنومالی های ژئوشیمیائی و یا تعین مرز ژئوشیمیائی در مطالعات گوناگون میباشند.
-2-2 سینگولاریتی و کاربرد آن در آکتشاف
سینگولاریتی در لغت به معنای تکینی، منحصر به فردی و یکتایی میباشد که میتوان آن را یک نقطه خیلی کوچک در فضایی با مقدار خیلی زیادی از مواد دانست که معمولا از قوانین طبیعی پیروی نمیکند؛ برای مثال سیاهچاله ها و نقطه آغاز جهان و در دید زمین شناسی یک فرایند کانی زایی هیدروترمال را میتوان نام برد .
برای طبقه بندی فرایند های کانی زایی هیدروترمال از مفهوم شاخص سینگولاریتی استفاده شده است. کانی زایی میتواند به عنوان یک نوع فرایند سینگولار در نتیجه مقدار بزرگی از انباشت مواد و عناصر غلظت یافته معرفی شود. تکنیکی برای به نقشه درآوردن سینگولاریتی مکانی بر مبنای سینگولاریتی محلی در مفهوم مولتی فرکتال ایجاد شده است. مطالعه موردی در ناحیه معدنی پلی متالیک قلع ججیو در استان یوننان در چین، اثبات میکند که مفاهیم سینگولاریتی و تکنیک به نقشه درآوردن سینگولاریتی، برای تعیین آنومالی های ایجاد شده توسط کانی زایی و برای پیشبینی مکان ذخایر معدنی کشف نشد، کاربردی و مفید میباشد. تکنیک به نقشه درآوردن سینگولاریتی، تهیه نقشه توزیع سینگولاریتی را امکان پذیر میکند و اثبات میکند که این تکنیک برای پیشبینی ذخایر معدنی کشف نشده ضروری میباشد.
مطالعه روی ناحیه معدنی گانگدس در شرق چین با استفاده از نمونه رسوبات رودخانه ای، نشان داده شده که آنومالی های ضعیف در بین زمینه های متغیر پنهان شده اند و به خوبی به وسیله وزن دهی معکوس فاصله شناخته نمیشوند. همچنین با روش مدل سازی C-A در صورتیکه تمام منطقه مورد مطالعه بررسی شود، شناسایی میشوند. ولی تکنیک به نقشه درآوردن سینگولاریتی به خوبی این آنومالی ها را نشان میدهد
بررسی فرایند های هیدروترمال در پوسته زمین و تاثیر آن بر ذخایر کانسنگ با غلظت بالای فلز شناخته شده با ویژگی های فرکتالی و مولتی فرکتالی، نشان میدهدکه اغلب رسوبات رودخانه ای در همسایگی ذخایر کانسنگ برای کانه-کانی و عناصر ردیاب میتوانند خواص سینگولار داشته باشند. یک تکنیک به نقشه درآوردن سینگولاریتی محلی جدید برای تخمین مقدار عناصر تمرکز یافته از نمونه رسوبات رودخانه ای برای تعیین محیط های آنومال که توسط ذخایر معدنی پنهان ایجاد شدهاند، پیشنهاد شده است؛ که غالبا در بررسی های معمولی ژئوشیمیائی و نقشه های آن وجود ندارد.
آنومالی های ژئوشیمیائی مطابق با تئوری سینگولاریتی ایجاد شده برای توصیف فرایند های کانی زایی غیر خطی، میتوانند برای پیشبینی ذخایر معدنی شناخته شوند.[17] پس از ایجاد یک روش ترکیبی به نقشه درآوردن سینگولاریتی و روش آنالیز وزن دهی مکانی اجزاء اصلی - SWPCA - برای تشخیص آنومالی های Ag،As ،Pb و Zn در نمونه های رسوبات رودخانه ای، یک آنومالی جدیدی در بخش شرقی منطقه علاوه بر آنومالی های مطابق با ذخایر بارز شد و برای برنامه اکتشاف مورد نظر گرفته شد. همچنین نشان داده شد که روش ترکیبی یک ابزار قدرتمند برای شناسایی کانی زایی در ارتباط با آنومالی ها میباشد.[18] تکنیک به نقشه درآوردن سینگولاریتی اصلاح یافته با ایجاد یک تغییر در روند به دست آوردن شاخص سینگولاریتی برای بارز کردن آنومالی های ضعیف در زمینه قوی که بسیار مشکل میباشد و حتی با روش سینگولاریتی محلی قابل شناسایی نیست مناسب تر از سایر روش ها میباشد.
-3-2 شاخص سینگولاریتی
طبق نظریه مولتی فرکتال، سنگولاریتی با توزیع خود تشابهی ارتباط دارد .[19] شاخص سینگولاریتی را میتوان از روش های مختلفی تعریف و توصیف کرد؛ برای مثال در مفهوم منحصرا ریاضی با نماد سازی ریاضی، یا از دید فیزیکی با درنظر گرفتن نیرو برای فرایند های فیزیکی. از دید زمین شناسی سینگولاریتی به صورت یک پدیده خاص با کاهش انرژی آنومالی یا مواد تجمع یافته واقع درون بازه کوچک فضا-زمان توصیف میشود. برای مثال کانی زایی هیدروترمال غالبا درون یک بازه زمانی زمین شناسی نسبتا کوتاه قرار دارد و باعث آنومالی عناصر غلظت یافته در کانسنگی نسبتا کوچک می شود. از دید تئوری غیرخطی مدرن در مفهوم مولتی فرکتال، این پدیده با پیروی از مدل قانون-توان مشخص میشود. برای راحتی و بدون کم کردن کلیات، در حوزه کانی زایی و فضای تاثیر کانی زایی، باید توجه داشت که مقدار فلز در حجم کانسنگی با اندازه V به صورت - 9 - میباشد.
تابع قانون-توان یک ویژگی منحصر بفرد از مقیاس نامتغیر است و به معنای این است که تغییرات اندازه حجم V بر روی نوع تابع تاثیری ندارد. از دید هندسی این ویژگی تضمین شده است که الگوهای توصیف شده با قانون توان در مقیاس های متفاوت متشابه است. این نوع ویژگی خود تشابهی نامیده میشود. تابع قانون توان با دو پارامتر c و مشخص میشود. اولین پارامتر - c - بزرگی - مقدار - تابع را تعیین می کند درحالیکه دومین پارامتر - - شکل تابع یا تغییرات رفتاری کمیت با تغییرات V را تعیین میکند. از دید مولتی فرکتال اگر مقدار در سرتاسر ماده معدنی ثابت باشد، الگوی فضایی غلظت فلز از توزیع منوفرکتال پیروی میکند؛ و اگر مقادیر متناهی چندگانه ای داشته باشد پس الگوی فضایی ممکن است از توزیع مولتی فرکتال پیروی میکند
در مورد غلظت فلز با پیروی از توزیع مولتی فرکتال، توان ، شاخص سینگولاریتی نامیده میشود. این توصیف چگونگی رفتار آماری فلزات در تغییرات حجم V ، به صورت کاهش اندازه V - سنجش مقیاس - میباشد. گرچه به صورت تئوری رابطه های قانون - توان برای محدوده بزرگی از V درست درنظر گرفته میشود، معمولا بازه واقعی مقیاس به دلیل مشکل برخی داده های مشاهده شده، به بازه ای متناهی از حجم محدود میشود. مقدار توان - - را میتوان در دو دسته گروه بندی کرد: در برخی موقعیت ها C - V - مستقل از اندازه V است که اشاره بر 3 دارد؛ در دیگر موقعیت ها C - V - وابسته به اندازه V میباشد و اشاره دارد بر . 3 دسته اول به صورت غیر سینگولار و دسته دوم به صورت سینگولاریتی مطرح می شود. اگر V در موقعیت های سینگولار خیلی کوچک باشد، C - V - نیز برای هر یک نزدیک به صفر یا نامتناهی می باشد.
سینگولاریتی مثبت <3 و سینگولاریتی منفی >3 دارای تفاوت هایی هستند. مقدار میانگین C - V - محاسبه شده در موقعیتی با سینگولاریتی مثبت، با کاهش مقدار اندازه V ، افزایش مییابد، درحالیکه C - V - در دیگر موقعیت با سینگولاریتی منفی با کاهش اندازه حجم V کاهش مییابد. شاخص را میتوان با استفاده از مقدار C - V - محاسبه شده از اندازه های مختلف V با خط مستقیم برارزش شده روی کاغذ تمام لگاریتمیبا روش متوسط کمترین مربع - LS - تخمین زد.
