كليدواژه :
رسوبات آبراه اي , مولفه هاي اصلي , پارامترهاي آماري , جنوب قره چمن ,
چكيده فارسي :
منطقه جنوب قره چمن به وسعت تقريبي 132 كيلومترمربع در جنوب تبريز و جنوب شرق شهرستان بستان‌آباد واقع شده است. اين منطقه به دليل حضور تودهاي نفوذي متعدد، دگرساني هاي گسترده و معادن و انديس هاي مختلف جهت شناسايي و جدايش آنومالي هاي ژئوشيميايي آبراهه اي انتخاب گرديد. براي اين منظور در اين پژوهش از روش آناليز مولفه هاي اصلي (PCA)بر روي داده هاي 820 نمونه رسوب آبراهه اي استفاده شده است. روش آناليز مولفه هاي اصلي (PCA) بر روي عناصر مرتبط با كاني زايي هاي تيپ گرمابي اعمال شده كه در آن فاكتور اول(PC1) با واريانس 5/30 درصد بيشترين و فاكتور 4 (PC4) با واريانس 8/8 درصد كمترين تأثير را داشته اند. بر اين اساس عناصر روي، سرب، كبالت و جيوه در مولفه اول (PC1)، عناصر طلا، آرسنيك، نقره و مس در مولفه دوم (PC2)، عناصر بيسموت و قلع در مولفه سوم (PC3)، و عناصر موليبدن، گوگرد و تا حدودي طلا در مولفه چهارم (PC4) از بيشترين همبستگي برخوردار هستند. نتايج به دست آمده حاكي از همخواني گسترش كاني زايي طلا و مس به دست آمده از روش فراكتال با فاكتور دوم از مولفه هاي اصلي (PCA) و كاني زايي موليبدن با فاكتور چهارم (PCA) است كه نشان از تأثير فاكتور دوم بر كاني زايي در اين منطقه مي باشد.
چكيده لاتين :
The southern region of Qarachaman is situated in the south of Tabriz and southeast of Bostanabad city, covering approximately 132 square kilometers. This area was chosen specifically because it contains numerous intrusive masses, extensive changes, and various mines and indicators that help identify and isolate geochemical anomalies within water bodies. To achieve this, we utilized the principal component analysis (PCA) method on a dataset consisting of 820 river sediment samples. This analysis focused on elements associated with hydrothermal type mineralizations. The PCA method yielded significant insights, with the first factor (PC1) accounting for the highest variance of 30.5%, while the fourth factor (PC4) had the least impact, with a variance of 8.8%. The first component (PC1) exhibited a strong correlation with zinc, lead, cobalt, and mercury elements. On the other hand, the second component (PC2) showed a connection with gold, arsenic, silver, and copper elements. The third component (PC3) was found to have a correlation with bismuth and tin elements. Lastly, the fourth component (PC4) indicated a moderate correlation with molybdenum, sulfur, and to some extent, gold. The results obtained from this analysis demonstrate that the expansion of gold and copper mineralization, as determined by the fractal method, aligns with the second factor of the principal components (PCA). Conversely, molybdenum mineralization corresponds to the fourth factor (PCA), highlighting the influence of the second factor on mineralization in this area. Overall, these findings indicate that the region shows potential for fertile deposits of gold and copper
