پردازش داده‌هاي ASTER به منظور بارزسازي آلتراسيون هاي مرتبط با كانسار مس پورفيري سركوه

The Processing of the ASTER Data for Extraction of the Alterations Related to Sarkuh Porphyry Copper Deposit

چكيده باتوجه به ارتباط بين زون هاي التراسيون با كاني سازي‌هاي تيپ مس پورفيري تفكيك و به نقشه در آوردن زون هاي آلتراسيون در اكتشاف اين تيپ از كانسارها اهميت ويژه‌اي دارد. در اين تحقيق داده‌هاي سنجنده‌هاي استر به منظور بارزسازي اين زون هاي آلتره درمنطقه محدوده كانسارمس سركوه استفاده شده است مطالعه باندهايVNIR و SWIR سنجنده استر نشان داد كه با استفاده از آن‌ها مي‌توان مناطق دگرساني را با دقت بيشتري شناسايي كرد. يكي ازمزاياي پردازش داده‌هاي ماهواره‌اي تفكيك محل‌هاي داراي پتانسيل كاني سازي مس دركمترين زمان و با صرف كم‌ترين هزينه مي‌باشد. آلتراسيون‌هاي مرتبط با تيپ مس پورفيري آرژيليك، پتاسيك، پروپلتيك، فيليك، اكسيدآهن و سيليسي مي‌باشد. كه شامل كاني‌هايي زير مرتبط با هر آلتراسيون مي‌باشد،آلتراسيون‌هاي آرژليك (كايولينيت، مونتموريلونيت، ايليت)، پروپليتيك (كلريت و اپيدوت)، سيليسي، اكسيد آهن (هماتيت، و گوتيت و ژاروسيت)، پتاسيك (ميكروكلين، سانيدين و آلونيت) و فيليك شامل كوارتز و سرسيت و پيريت مي‌باشد. در آلتراسيون آرژليك و اكسيدهاي آهن از روش‌هاي، Matched Filtering ، Ls-fit استفاده شده كه از بين اين روش‌ها، الگوريتم MF به خوبي جواب داد و روشLs-fit در بعضي مناطق تاحدي جواب داده است. همچنين در شناسايي آلتراسيون آرژليك از روش تفسير بصري استفاده شد كه كه در اين تركيب آلتراسيون آرژليكي به رنگ صورتي رنگ ديده مي‌شوند. آلتراسيون آرژليك بيشتر در ارتباط با واحدهاي گرانيتي موجود در منطقه مي‌باشند. در آلتراسيون پروپلتيك روش MF و روش نسبت باندي مورد استفاده 8+7/9+6 بوده در تفكيك اين آلتراسيون مناسب بود و جواب مثبت داده است. و در روش تفسير بصري با تركيب رنگي RGB:468 به رنگ سبز نمايان شده‌اند در تفكيك آلتراسيون هاي فيليك هيچ كدام از روش‌هاي فوق جواب قابل قبولي ندادند و از روش نسبت باندي براي استخراج اين آلتراسيون استفاده شد كه بهترين نسبت6/7+5 بود. آلتراسيون پتاسيك از داده‌هاي موجود شركت مس استفاده گرديد (گزارش نهايي مطالعات زمين شناسي و آلتراسيون محدوده سركوه در مقياس 1:5000) و آلتراسيون سيليسي در منطقه جواب نداده است.

Abstract Regarding the relationship between alteration zones of porphyry copper-type mineralization, identification and mapping of alteration zones are of great importance in discovering these types of deposits. In this study the measuring ASTER data are applied in order to rebuild this Alteration zones next to the Sarkuh copper zone. The study of VNIR and SWIR bands indicated that more discoveries of altering zones could be done by using them. One of the benefits of processing satellite data is a fast and low-cost separation of Mineralization potential where copper deposits are formed. Alterations associated with porphyry copper type are argillic, potassic, propylitic, phyllic, iron oxide and silica which contain the following minerals which are relevant to each alteration. Argillic alterations (Kaolinite, montmorillonite, ilite), propylitic (chlorite and epidote), Si, iron oxide (hematite and geotite) Potassic (microcline, sanidine and alunite) and phyllic which contains quartz, sericite and pyrite. In argillic alterations and iron oxides, Ls-fit and Matched Filtering method has been used. From amongst these methods, MF method was effective and Ls-fit proved to be to some extent effective in some zones. In discovering Argilic alterations, Visual-interpretation method was used in this composition, argillic alteration can be seen in pink color. argillic alteration exist mostly in relation with granite unites in the study area. In propylitic alteration, MF and band ratio 6+9/7-8 was used which was effective in separating this alteration and proved to be positive. In visual interpretation method with color composition, RGB: 468 appeared in green. In separating phyllic alterations none of the above-mentioned methods was effective. Thus to extract this alteration band ratio method was used whose best ratio was 5-7/6. Potassic alteration, the data collected from copper corporate was applied and Si alteration experiments didn’t respond in the zone.