Применение набора данных Landsat-8 и цифровой модели рельефа SRTM для прогнозирования золото-полиметаллической минерализации на территории центральной части Малоуральской зоны, Полярный Урал

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Впервые для центральной части Малоуральской зоны Полярного Урала применен новый подход к обработке данных дистанционного зондирования Земли, полученных космическим аппаратом Landsat-8. Он заключается в интеграции карт распределения гидротермальных изменений и схемы плотности линеаментов, созданных на основе результатов статистической обработки данных дистанционного зондирования и цифровой модели рельефа SRTM (The Shuttle Radar Tpography Mission). Работа проведена с целью выявить морфологические признаки и закономерности, особенности глубинного строения и выделить площади, перспективные на золото-полиметаллический тип минерализации, на изучаемой территории. В результате исследования установлено, что перспективные на золото-полиметаллический тип минерализации площади в центральной части Малоуральской зоны локализованы вдоль трансрегиональных разломных зон, пересекающих благоприятные горизонты и структуры и контролирующих рудную минерализацию, и в пределах крупных морфоструктур, осложненных радиальными разрывными нарушениями 1-го порядка СВ и СЗ простирания протяженностью до 30 км, а также областей с повышенными значениями индексов оксидов железа (II и III), реже гидроксид- (Al–OH, Mg–OH) и карбонат-содержащих минералов.

Об авторах

Ю. Н. Иванова

Институт геологии рудных месторождений, петрографии, минералогии и геохимии Российской академии наук; Российский университет дружбы народов

Автор, ответственный за переписку.
Email: jnivanova@yandex.ru
Россия, Москва; Россия, Москва

И. О. Нафигин

Институт геологии рудных месторождений, петрографии, минералогии и геохимии Российской академии наук

Email: jnivanova@yandex.ru
Россия, Москва

Список литературы

  1. Викентьев И.В., Мансуров Р.Х., Иванова Ю.Н. и др. Золото-порфировое Петропавловское месторождение (Полярный Урал): геологическая позиция, минералогия и условия образования Геология руд. месторождений // Геология рудных месторождений. 2017. Т. 59. № 6. С. 501–541.
  2. Горный В.И., Крицук С.Г., Латыпов И.Ш. и др. Особенности минералогической зональности рудно-магматических систем, вмещающих кварцево-жильные месторождения золота (по материалам спутниковой спектрометрии) // Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. № 3. С. 140–156.
  3. Зылёва Л.И., Коновалов А.Л., Казак А.П. и др. Государственная геологическая карта Российской Федерации. Масштаб 1 : 1 000 000 (третье поколение). Серия Западно-Сибирская. Лист Q-42 − Салехард. Объяснительная записка. СПб.: Картографическая фабрика ВСЕГЕИ, 2014. 396 с.
  4. Иванова Ю.Н., Выхристенко Р.И., Викентьев И.В. Структурный контроль золоторудной минерализации центральной части Малоуральского вулкано-плутонического пояса (Полярный Урал) по результатам анализа мультиспектральных снимков космического аппарата Landsat-8 // Исслед. Земли из космоса. 2020. № 4. С. 51–62.
  5. Иванова Ю.Н., Нафигин И.О. Разработка подхода для построения прогнозной карты вероятностного распределения зон высокопроницаемых пород на полиметаллический тип минерализации по данным космического аппарата Landsat-8 // Исслед. Земли из космоса. 2023. № 1. https://doi.org/10.31857/S0205961423010062
  6. Иванова Ю.Н., Тюкова Е.Э. Структуры распада в рудах проявления Амфиболитовое (Полярный Урал) // II науч. конф. “Геология на окраине континентов”. 2022. С. 143–145.
  7. Космическая информация в геологии / Под ред. А.В. Пейве. М.: Наука, 1983. 536 с
  8. Кременецкий А.А. Обоснование поисковых и поисково-ревизионных работ на рудное золото в пределах Манюкую-Варчатинского рудного узла (рудопроявления: Полярная Надежда, Геохимическое и Благодарное). Масштаб 1 : 10 000. М.: ФГУП ИМГРЭ. 2012. 45 с.
  9. Ремизов Д.Н., Шишкин М.А., Григорьев С.И. и др. Государственная геологическая карта Российской Федерации. Масштаб 1 : 200 000 (2-е изд., цифровое). Серия Полярно-Уральский. Лист Q-41-XVI (Хордюс). Объясн. зап. СПб.: ВСЕГЕИ, 2014. 256 с.
  10. Соболев И.Д., Соболева А.А., Удоратина О.В. и др. Девонский островодужный магматизм Войкарской зоны Полярного Урала // Геотектоника. 2018. № 5. С. 39–74.
  11. Черняев Е.В., Черняева Е.И., Седельникова А.Ю. Геология золото-скарнового месторождения Новогоднее-Монто (Полярный Урал) // Скарны, их генезис и рудоносность (Fe, Cu, Au, W, Sn, …). Мат. конф. XI Чтения А.Н. Заварицкого. Екатеринбург: ИГиГ УрО РАН, 2005. С. 131–137.
  12. Шишкин В.А, Астапов А.П., Кабатови Н.В. др. Государственная геологическая карта Российской Федерации. Масштаб 1 : 1 000 000 3-е покол.). Уральская сер. Лист Q-41 – Воркута. Объясн. зап. СПб.: ВСЕГЕИ, 2007. 541 с.
  13. Abdullah A., Akhir J.M., Abdullah I. Automatic Mapping of Lineaments Using Shaded Relief Images Derived from Digital Elevation Model (DEMs) in the Maran – Sungai Lembing Area, Malaysia // Electr. J. Geotech. Engin. 2010. V. 15(6). P. 949–958. https://doi.org/10.1039/CS9962500401
  14. Alonso-Contes C.A. Lineament mapping for groundwater exploration using remotely sensed imagery in a karst terrain: Rio Tanama and Rio de Arecibo basins in the northern karst of Puerto Rico. Master’s Thesis, Michigan Technological University. 2011.
  15. Amer R., Kusky T., El Mezayen A. Remote sensing detection of gold related alteration zones in Um Rus area, central Eastern Desert of Egypt // Adv. Space Res. 2012. 49(1). P. 121–134.
  16. Cheng Q., Jing L., Panahi A. Principal component analysis with optimum order sample correlation coefficient for image enhancement // Intern. J. Rem. Sen. 2006. V. 27(16). P. 3387–3401. https://doi.org/10.1080/01431160600606882
  17. Ekneligoda T.C., Henkel H. Interactive spatial analysis of lineaments // J Comp.and Geos. 2010. V. 36. № 8. P. 1081–1090.
  18. Estrada S., Henjes-Kunst F., Burgath K.-P. et al. Insights into the magmatic and geotectonic history of the Voikar Massif, Polar Urals // Z. Deutschen Ges. Geowissenschaften. Bd 2012. V. 163. № 1. P. 9–41. https://doi.org/10.1127/1860-1804/2012/0163-0009
  19. Farr T.G., Rosen P.A., Caro E. et al. The shuttle radar topography mission // Reviews of geophysics. 2007. 45(2), RG2004. https://doi.org/10.1029/2005RG000183
  20. Gupta R.P. Remote Sensing Geology, 3rd edn. Springer, Berlin, Germany, 2017. P. 180–190, 235–240 and 332–336.
  21. Hubbard B.E., Mack T.J., Thompson A.L. Lineament Analysis of Mineral Areas of Interest in Afghanistan. USGS Open. Reston, Virginia: U.S. Geological Survey. 2012. Available at: http://pubs.usgs.gov/of/2012/1048.
  22. Jensen J.R. Introductory Digital Image Processing: A remote sensing perspective // Pearson Prentice Hall, Upper Saddle River NJ 07458, 3-rd edn., 2005. P. 276–287 and 296–301.
  23. Jolliffe I.T. Principal component analysis. Department of Mathematical Sciences King’s College University of Aberdeen, Uk, 2-d edition., 2002. 487 p.
  24. Kumar C., Chatterjee S., Oommen T. Mapping hydrothermal alteration minerals using high-resolution AVIRIS-NG hyperspectral data in the Hutti-Maski gold deposit area, India // International J. Remote Sensing. 2020. V. 41. № 2. P. 794–812. https://doi.org/10.1080/01431161.2019.1648906
  25. Loughlin W.P. Principal component analysis for alteration mapping // Photogramm. Eng. Remote Sens. 1991. V. 57. P. 1163–1169.
  26. Lyapustin A., Martonchik J., Wang Y. et al. Multiangle implementation of atmospheric correction (MAIAC): 1. Radiative transfer basis and look-up tables // J. Geophysical Research: Atmospheres. 2003. 108 (D17). https://doi.org/10.1029/2002JD002903
  27. Masoud A., Koike K. Tectonic architecture through Landsat-7 ETM+/SRTM DEM-derived lineaments and relationship to the hydrogeologic setting in Siwa region, NW Egypt // J. Afr. Earth Sci. 2006. V. 45. P. 467–477.
  28. Mather P.M. Computer Processing of Remotely Sensed Images: An Introduction. Chichester, UK: John Wiley and Sons. 1999. 460 p.
  29. Maurer T. How to pan-sharpen images using the gram-Schmidt pan-sharpen method a recipe. In: International archives of the photogrammetry, remote sensing and spatial information sciences, volume XL-1/W1. ISPRS Hannover workshop, Hannover, P. 21–2. Environmental Earth Sciences. 2013. 79: 101. https://doi.org/10.1007/s12665-020-8845-4
  30. Mohamed F. Sadek,· Baher A. El-kalioubi, · Mohamed W. Ali-Bik et al. // Utilizing Landsat‑8 and ASTER data in geologic mapping of hyper-arid mountainous region: case of Gabal Batoga area, South Eastern Desert of Egypt // Environmental Earth Sciences. 2020. 79: 101. https://doi.org/10.1007/s12665-020-8845-4
  31. Pour A.B., Park Y., Park T.S. et al. Regional geology mapping using satellite-based remote sensing approach in Northern Victoria Land, Antarctica // Polar Sci. 2018. № 16. P. 23–46.
  32. Pour A.B., Zoheir B., Pradhan B. et al. Editorial for the Special Issue: Multispeal and Hyperspectral Remote Sing Data for Mineral Exploration and Environmental Monitoring of Mined Areas // Rem. Sens. 2021. V. 13. №3. P. 519. https://doi.org/10.3390/rs13030519
  33. Roy D.P., Wulder M., Lovelandet T.R. et al. Landsat-8: Science and product vision for terrestrial global change research // Remote Sensing of Environment. 2014. 145. P. 154–172. https://doi.org/10.1016/j.rse.2014.02.001
  34. Singh A.K., Mondal G.C. Remote sensing for mineral exploration. In Geological Methods in Mineral Exploration and Mining // Springer. 2016. P. 139–185. https://doi.org/10.1007/978-3-319-39292-7_7
  35. Space information in geology / Ed. A.V. Peive. M.: Nauka, 1983. 536 p.
  36. Teillet P.M. et al. Radiometric normalization of surface reflectance data in the visible and near-infrared domains from EO-1 Hyperion // IEEE Transactions on Geoscience and Remote Sensing. 1982. (3). P. 354–366.
  37. Thannoun R.G. Automatic Extraction and Geospatial Analysis of Lineaments and their Tectonic Significance in some areas of Northern Iraq using Remote Sensing Techniques and GIS // Intern. J. enhanced Res. in Scien. Techn. & Engin. 2013. 2. 2. ISSN NO: 2319–7463.
  38. Verdiansyah O. A Desktop Study to Determine Mineralization Using Lineament Density Analysis at Kulon Progo Mountains, Yogyakarta and Central Java Province. Indonesia // Indonesian J. Geography. 2019. V. 51. №1. P. 31–41. https://doi.org/10.22146/ijg.37442
  39. Verdiansyah O. Aplikasi Lineament Density Analysis Untuk Membatasi Pola Kaldera Purba Godean // J. Teknologi Technoscienti, 2017. 9(2).
  40. Wilson J.P., Gallant J.C. Terrain analysis: principles and applications // John Wiley & Sons. 2000. 520 p.
  41. Zhang Y. et al. Comparison of four atmospheric correction algorithms for Landsat-8 OLI imagery in varying landscapes // Remote Sensing. 2017. 9(3). 233. https://doi.org/10.3390/rs9030233

© Ю.Н. Иванова, И.О. Нафигин, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».