ارايه روش‌شناسي تعيين نقاط حفاري انديس مس نوچون با استفاده از منطق فازي در GIS

Determination of Drilling Point using Fuzzy Logic in GIS Case Study: Now Chun Copper Prospect

حجم زياد نقشه ها از منابع مختلف، در مقياس ها و قالب هاي متفاوت و با سليقه‌هاي فردي گوناگون و عدم وجود راه‌كارهاي مناسب در تلفيق حجم وسيع اطلاعات، تهيه نقشه پتانسيل معدني را با مشكل مواجه ساخته است. استفاده از علم و فناوري سامانه اطلاعات ‌جغرافيايي، افزون‌بر آن كه مي تواند در ساماندهي اطلاعات مربوط به مطالعات اكتشاف ذخاير معدني مورد استفاده قرار ‌گيرد، توانايي آن را دارد كه تهيه و تلفيق لايه‌هاي اطلاعاتي مختلف را در قالب مدل هاي گوناگون، با سرعت و دقت بيشتري انجام داده و به عنوان پشتيباني براي تصميم‌گيري‌هاي فضايي مورد استفاده قرار گيرد. در اين مقاله، نقشه پتانسيل معدني انديس مس نوچون به منظور تعيين نقاط حفاري تهيه شده است. لايه هاي مورد استفاده شامل لايه هاي تيپ سنگ شناسي، ساختار، دگرساني، نشانه هاي كاني سازي، زون بي‌هنجاري قابليت شارژپذيري(شارژابيليته)، مقاومت ظاهري، فاكتور فلزي و بي‌هنجاري عناصر مس و موليبدن، اديتيو مس و موليبدن هستند. پس از آماده‌سازي اطلاعات و تهيه نقشه‌هاي فاكتور و وزن‌دهي آنها، اين نقشه ها در قالب يك شبكه استنتاجي تلفيق شدند. استفاده تلفيقي از عملگرهاي منطق فازي و همپوشاني شاخص در شبكه استنتاجي افزون‌بر مرتفع نمودن نقايص موجود در ديگر مدل ها، امكان تركيب قابل انعطاف‌تر نقشه‌هاي فاكتور را فراهم ساخته است. با توجه به نقشه پتانسيل معدني تهيه شده، محتمل‌ترين منطقه از نظر وجود كاني سازي مس پورفيري در بخش شمال خاوري محدوده مورد مطالعه تعيين شد. در پايان با انطباق گمانه هاي اكتشافي با نقشه هاي پتانسيل معدني نهايي، ميزان تطابق نتايج بر اساس دو نوع كلاسه‌بندي نقشه پتانسيل معدني به ترتيب برابر 52/64 و 16/63 درصد برآورد شد. گفتني است در صورت انجام اين مطالعات، پيش از انجام عمليات حفاري و تنها با فرض عدم حفر گمانه هاي اكتشافي در مناطق داراي وضعيت ضعيف يا خيلي ضعيف، 26 درصد از گمانه ها حفاري نشده و حدود 200 ميليون تومان در هزينه‌هاي حفاري صرفه‌جويي خواهد شد.

Piles of maps from different sources with varying scales and formats and different styles and absence of a proper solution for integrating vast amount of information has resulted in a complexity for preparing mineral potential map. Using GIS not only organizes the information related to mineral exploration but also has the ability to produce and integrate information layers in different models with more precision and speed and supports spatial decision makings. In this article mineral potential map of Now Chun copper prospect has been produced for determination of drilling points. Used layers in this study include rock type, structure, alteration, mineralization indicators, anomaly zone of chargeability and apparent resistivity and metal factor, anomaly of copper and molybdenum and Cu-Mo additive indexes. After information preparation, Factor maps were weighted and integrated in the inference network. Integration use of Fuzzy logic and index overlay operators in inference network can eliminate defects in other models and provide more flexible integration of factor maps. Regarding to produce mineral potential map, mineral potential zones of porphyry copper were located in north-east parts of studied area. Eventually, the degree of correlation between mineral potential map and those operated exploration boreholes have been estimated for two different classes, 63.16 % and 64.52 %. Comparison between the high potential points indicated by our mineral potential maps with those previous drilled boreholes reveals about 26% discorrelation. It means that if such present study had been done before any drilling operation, it could have saved 200,000$ just for drilling expenditure.