Identification of mineralization features and deep geochemical anomalies using a new FT-PCA approach

Document Type : Research Paper

Authors

1 Faculty of Mining, Petroleum and Geophysics, University of Shahrood, Shahrood, Iran

2 Mining Faculty, Isfahan University of Technology, Isfahan, Iran

Abstract

The analysis of geochemical data in frequency domain, as indicated in this research study, can provide new exploratory information
that may not be exposed in spatial domain. To identify deep geochemical anomalies, sulfide zone and geochemical noises in Dalli Cu–
Au porphyry deposit, a new approach based on coupling Fourier transform (FT) and principal component analysis (PCA) has been
used. The relationship between frequency attributes of surface geochemical data and mineralizing depth has been discussed. To
determine the exploratory features in different frequencies, high- and low-pass filters have been performed on frequency domain; PCA
method has been employed on these frequency bands separately. The results of this study have identified the mineralizing elements and
showed the relationship between high- and low-frequencies and depths of anomalies. The geochemical halos of mineral deposits at
different depths affected frequency distribution of elements in the surface. The information obtained from geophysical studies and
exploration drillings, such as, trenches and boreholes, confirm the results of FT–PCA method. This new approach is very effective tool
to identify the promising anomalies and deep mineralization without drilling.

Keywords


Article Title [Persian]

تشخیص ویژگی‌های کانی‌سازی و شناسایی ناهنجاری‌های عمیق ژئوشیمیایی با استفاده از روش جدید و توسعه‌یافتة FT-PCA

Authors [Persian]

  • حسین شاهی 1
  • حسین شاهی 1
  • ابولقاسم کامکار روحانی 1
  • هوشنگ اسدی هارونی 2
1 دانشکده معدن، نفت و ژئوفیزیک، دانشگاه شاهرود.
2 دانشکده مهندسی معدن، دانشگاه سعنتی اصفهان
Abstract [Persian]

تجزیه و تحلیل داده ژئوشیمیایی در حوزة فرکانس اطلاعات جدید اکتشافی را فراهم می‌آورد که ممکن است در حوزة مکان قابل شناسایی نباشند. به منظور شناسایی ناهنجاری‌های عمیق ژئوشیمیایی، منطقة سولفیدی و نویزهای ژئوشیمیایی در کانسار مس- طلای پورفیری دالی، روشی توسعه‌یافته بر اساس ترکیب روش‌های تبدیل فوریه و تجزیه و تحلیل مؤلفه‌های اصلی است. در این روش، رابطة بین ویژگی‌های فرکانسی داده‌های ژئوشیمیایی سطحی و عمق کانی‌سازی بحث شده است. به منظور تعیین ویژگی‌های اکتشافی در فرکانس‌های مختلف، فیلترهای بالا و پایین گذر بر روی داده‌های حوزه فرکانس انجام شد. سپس، روش تحلیل مؤلفه‌های اصلی به طور جداگانه در این باندهای فرکانسی به کار برده شده است. نتایج حاصل از این تجزیه و تحلیل به نحو مطلوبی عناصر کانی‌سازی را شناسایی کرد و رابطة بین فرکانس‌های بالا و پایین و عمق آنومالی‌ها را نشان می‌دهد. هاله‌های ژئوشیمیایی ذخایر معدنی در اعماق مختلف، توزیع فرکانسی عناصر در سطح را تحت تأثیر قرارمی‌دهند. اطلاعات به دست آمده از مطالعات ژئوفیزیک و حفاری‌های اکتشافی مانند ترانشه‌ها و گمانه‌ها نتایج روش FT-PCA را تأیید می‌کنند. این روش جدید روش تشخیص الگو و ابزار مؤثری در شناسایی آنومالی‌های پنهان و کانی‌سازی‌های عمیق بدون استفاده از حفاری است.

Keywords [Persian]

  • تحلیل مولفه‌های اصلی (PCA)
  • حوزه فرکانس
  • نویزهای ژئوشیمیایی
  • تبدیل فوریه دو بعدی
  • آنومالی عمیق ژئوشیمیایی
Afzal, P., Fadakar Alghalandis, Y., Moarefvand, P., Rashidnejad Omran, N., Asadi Haroni, H., 2012. Application of
power-spectrum–volume fractal method for detecting hypogene, supergene enrichment, leached and barren zones in
Kahang Cu porphyry deposit,Central Iran, Journal of Geochemical Exploration, 112: 131-138.
Asadi Haroni, H., 2008. First stage drilling report on Dalli porphyry Cu– Au prospect, Central Province of Iran, Technical
Report.
Bhattacharyya, B. K., 1966. Continuous spectrum of the total-magnetic-field anomaly due to a rectangular prismatic body.
Geophysics, 31(1): 97-121.
Cao, L., Cheng, Q., 2012. Quantification of anisotropic scale invariance of geochemical anomalies associated with Sn-Cu
mineralization in Gejiu, Yunan Province, China, Geochemical Exploration, 122: 47- 54.
Chandrajith, R., Dissanayake, C.B., Tobschall, H.J., 2001. Application of multi-element relationships in stream sediments
to mineral exploration: a case study of Walawe Ganga Basin, Sri Lanka. Applied Geochemistry, 16 (3): 339- 350.
Cheng, Q., 1999. Spatial and scaling modelling for geochemical anomaly separation. Journal of Geochemical Exploration,
65: 175- 194.
Cheng, Q., 2006. Multifractal modelling and spectrum analysis of gamma ray spectrometer data from southwestern Nova
Scotia, Canada, Science in China, 49(3): 283-294.
Cheng, Q., Xu, Y., Grunsky, E., 1999. Integrated spatial and spectral analysis for geochemical anomaly separation. In:
Lippard, S.J., Naess, A., Sinding-Larsen, R. (Eds.), Proceedings of the Fifth Annual Conference of the International
Association for Mathematical Geology, Trondheim, Norway 6–11th August, 1: 87- 92.
Cheng, Q., Xu, Y., Grunsky, E., 2000. Integrated Spatial and Spectrum Method for Geochemical Anomaly Separation,
Natural Resources Research, 9:1.
Cheng, Q., Jing, L., Panahi, A., 2006. Principal component analysis with optimum order sample correlation coefficient for
image enhancement. International Journal of Remote Sensing, 27 (16): 3387- 3401.
Cheng, Q., Bonham-Carter, G., Wang, W., Zhang, S., Li, W., Xia, Q., 2011. A spatially weighted principal component
analysis for multi-element geochemical data for mapping locations of felsic intrusions in the Gejiu mineral district of
Yunnan, China. Computer & Geosciences, 37: 662- 669.
Cheng, Q., Xu, Y., 1998. Geophysical data processing and interpreting and for mineral potential mapping in GIS
environment. InProceedings of the Fourth Annual Conference of the International Association for Mathematical
Geology, 2: 394-399.
234 Shahi et al. Geopersia, 4 (2), 2014
Cheng, Q., Zhao, P., 2011. Singularity theories and methods for characterizing mineralization processes and mapping geoanomalies
for mineral deposit prediction. Geoscience Frontiers, 2(1): 67-79.
Darabi-Golestan, F., Ghavami-Riabi, R., Asadi-Harooni, H., 2013. Alteration, zoning model, and mineralogical structure
considering lithogeochemical investigation in Northern Dalli Cu–Au porphyry. Arabian Journal of Geosciences, 6(12):
4821-4831.
Davis, J.C., 2002. Statistics and Data Analysis in Geology, 3rd ed., John Wiley & Sons Inc., NewYork, 550 pp.
Dobrin, M. B., Savit, C. H., 1988. Geophysical propecting: McGraw-Hill Book Co., New York, 867 p.
Garrett, R.G., Grunsky, E.C., 2001. Weighted sums- knowledge based empirical indices for use in exploration
geochemistry. Geochemistry: Exploration Environment Analysis1, 135–141.
Ge, Y., Cheng, Q., Zhang, S., 2005. Reduction of edge effects in spatial information extraction from regional geochemical
data: a case study based on multifractal filtering technique , Computers & Geosciences 31: 545- 554.
Gonzalez, R.C., Woods, R.E., 2002. Digital image processing. Prentice-Hall, Upper Saddle River, NJ, 793 pp.
Hassani, H., Daya, A., Alinia, F., 2009. Application of a fractal method relating power spectrum and area for separation of
geochemical anomalies from background. Aust J Basic Appl Sci, 3(4): 3307-3320.
Hezarkhani, A., 2006a. Hydrothermal evolution of the Sar-Cheshmeh porphyry Cu–Mo deposit. Iran: evidence from fluid
inclusions. J Asian Earth Sci 28: 409- 422
Hezarkhani, A. 2006b. Petrology of the intrusive rocks within the Sungun porphyry copper deposit, Azerbaijan, Iran. J
Asian Earth Sci., 27: 326–340
Hezarkhani, A., Williams-Jones, A. E., & Gammons, C. H., 1999. Factors controlling copper solubility and chalcopyrite
deposition in the Sungun porphyry copper deposit, Iran. Mineralium deposita, 34(8): 770-783.
Hou, Z., Yang, Z., Qu, X., Meng, X., Li, Z., Beaudoin, G., & Zaw, K., 2009. The Miocene Gangdese porphyry copper
belt generated during post-collisional extension in the Tibetan Orogen. Ore geology reviews, 36(1): 25-51.
Loughlin, W. P., 1991. Principal component analysis for alteration mapping.Photogrammetric Engineering and Remote
Sensing, 57(9): 1163-1169.
Zhao, J., Wang, W., Dong, L., Yang, W., & Cheng, Q., 2012. Application of geochemical anomaly identification methods
in mapping of intermediate and felsic igneous rocks in eastern Tianshan, China. Journal of Geochemical Exploration,
122: 81-89.
Zuo, R., 2011a. Identifying geochemical anomalies associated with Cu and Pb–Zn skarn ineralization using principal
component analysis and spectrum–area fractal the Gangdese Belt, Tibet (China). J. Geochemical Exploration. 111: 13-
22.
Zuo, R., 2011b. Decomposing of mixed pattern of arsenic using fractal model in Gangdese belt, Tibet, China. Applied
Geochemistry, 26: S271-S273.