بررسي هاي ژئوشيميايي رسوبات آبراهه اي جهت تعيين كانه زايي طلاي پهنه برشي مطالعه موردي: منطقه آلوت در استان كردستان

Geochemical studies of stream sediment to determine the shear zone-related gold mineralization (Case study of Alut area in Kurdistan province)

بررسي­هاي ژئوشيميايي رسوبات آبراه ه­اي از جمله روش­هاي بسيار متداول و پركاربرد در اكتشافات مواد معدني و به ويژه طلا مي­باشد. در اين مطالعه ابتدا با بررسي­هاي آماري تك متغيره، از جمله مقايسه ماكزيمم و مينيمم هر عنصر با مقدار زمينه و رسم هيستوگرام و نمودار احتمال، به شناسايي عناصر با اهميت پرداخته شد. پس از آن به كمك روش­هاي آماري چند متغيره مانند آناليز مؤلفه­ هاي اصلي و آناليز خوشه­ اي، مؤلفه­ هاي با اهميت و همچنين عناصري كه با هم ارتباط و همبستگي نزديكي دارند، شناسايي گرديد. اين تحليل­ ها حاكي از با اهميت بودن عناصر طلا، جيوه، برليم، تيتان، موليبدن و قلع مي­باشد. مؤلفه هاي 3 و 7 به عنوان مؤلفه­ هاي با اهميت شناسايي و نقشه اين مؤلفه­ ها ترسيم گرديد. در ادامه روند كار، مدلسازي عنصر طلا در مقياس لگاريتمي صورت پذيرفت. نتيجه مدلسازي نشان مي­دهد كه 80 درصد داده­ها درست كلاس­بندي شده­اند. پس از آن داده ­هاي عنصر طلا به سه زير جامعه زمينه (كد صفر)، جامعه گذر از زمينه به آنومالي (كد يك) و جامعه آنومالي (كد 2) تفكيك گرديد. و در نهايت نقشه پراكندگي عيار طلا با توجه به اين زير جوامع تهيه شد كه سه قسمت از منطقه به عنوان نواحي اميد بخش و با پتانسيل قابل شناسايي است. نقشه آناليز تمايز نيز براي 8 عنصر تهيه شد كه نشان دهنده رفتار متضاد طلا و آرسنيك مي­باشد.

Geochemical studies of stream sediments are one of the most common methods in mineral exploration, specifically used for gold prospecting. In this study, the univariate statistical parameters, such as the comparison of the maximum and minimum of each element with the background were used in order to identify the Influential elements. Then histogram and probability diagram were prepared. Subsequently influential components and Elements that are closely linked together, were identified using multivariate statistical methods such as Principal Component Analysis. These analyses indicate that six elements (including Au, Hg, Be, Mo, Ti, and Sn) are more important than others. The components of 3 and 7 as influential components were identified and these components were mapped. In the next step, the model of influential elements was creating on a logarithmic scale. The result of the modeling indicates that 80% of classification is correct. Subsequently, the gold-element data were divided into three sub-communities including background (code 0), the Community of background to the anomaly (code 1), and the anomaly-community (code 2). Finally, the gold distribution pattern based on these sub-communities was prepared that three parts of the region were presented as potential areas. For 8 elements the map of discriminant analysis shows that Au and As have opposite treatment.