پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,113,299 |
| تعداد دریافت فایل اصل مقاله | 97,217,121 |
به‌کارگیری روش آنالیز کریجینگ فاکتوری در فیلتر کردن ساختارهای دادههای گرانیسنجی منطقه معدنی کرومیت فاریاب | ||
| فیزیک زمین و فضا | ||
| مقاله 5، دوره 39، شماره 4، دی 1392، صفحه 61-72 اصل مقاله (461.3 K) | ||
| شناسه دیجیتال (DOI): 10.22059/jesphys.2013.35980 | ||
| نویسندگان | ||
| محمدرضا آزاد1؛ محمد کنشلو* 2؛ ابوالقاسم کامکار روحانی3 | ||
| 1فارغ التحصیل کارشناسی ارشد اکتشاف معدن، دانشگاه صنعتی شاهرود، ایران | ||
| 2استادیار، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، ایران | ||
| 3دانشیار، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، ایران | ||
| چکیده | ||
| با توجه به این واقعیت که تودههای کرومیت وزن مخصوص زیادی دارند، در اکتشافات معدنی معمول‌ترین روش ژئوفیزیکی که برای اکتشاف ذخایر کرومیت پیشنهاد میشود، روش گرانیسنجی است. در نقشههای بی‌هنجاری بوگه حاصل از برداشت‌های گرانیسنجی گرچه تاثیر بسیاری از عوامل فیلتر و حذف میشود، لیکن بازهم مقادیر بازماند به‌دست آمده نتیجه برهم‌نهی چند مولفة متفاوت از حیث ابعاد تاثیر و درجه اهمیت هستند. برای پردازش و تفسیر نقشههای بی‌هنجاری گرانی اصولاً از روشهای متعددی استفاده میشود. نقطه ضعف فیلترهای ژئوفیزیکی معمول در نظرنگرفتن ساختار فضایی دادهها حین تفکیک آنها است. ساختار فضایی در واقع بیانگر میزان همبستگی دادهها نسبت به فاصله بینشان است. آنالیز کریجینگ فاکتوری (FKA) اساساً یک نوع فیلترینگ زمین‌آماری است که قادر است با توجه به تشخیص ساختارهای فضایی از روی واریوگرام تودرتوی دادهها و تفکیک ساختارها، به تجزیه متغیر اولیه به مولفههای اصلی آن و یا در واقع عوامل اصلی تغییرپذیری بپردازد. در این تحقیق، دادههای گرانی منطقه معدنی کرومیت فاریاب با استفاده از روش FKA پردازش و تفسیر شده است. براساس بررسی‌های ساختاری سه ساختار متناسب با فاکتورهای ناحیهای، محلی و نوفه تشخیص داده و دو محدوده برای ادامه عملیات اکتشافی براساس مولفه ناحیهای فیلتر شده پیشنهاد شده است. نتایج حاصل از این روش با نتایج حاصل از فیلترهای ژئوفیزیکی مقایسه شده است. این تحقیق به‌خوبی قابلیت کاربرد این روش را در فیلتر کردن دادههای گرانیسنجی نشان میدهد. | ||
| کلیدواژه‌ها | ||
| گرانیسنجی؛ فیلتر؛ ساختار فضایی؛ آنالیز کریجینگ فاکتوری (FKA)؛ معدن کرومیت فاریاب | ||
| عنوان مقاله [English] | ||
| Using the factorial Kriging analysis to filter spatial structures in gravity data acquired from Faryab chromite mine area | ||
| نویسندگان [English] | ||
| Mohammad Reza Azad1؛ Mohammad Koneshloo2؛ Abolghasem Kamkar Rouhani3 | ||
| 1M.Sc. in Exploration Engineering, Shahrood University of Technology, Iran | ||
| 2Assistant Professor, School of Mining, Petroleum and Geophysics, Shahrood University of Technology, Iran | ||
| 3Associate Professor, School of Mining, Petroleum and Geophysics, Shahrood University of Technology, Iran | ||
| چکیده [English] | ||
| *نگارنده رابط: تلفن: 3392205 -0273 دورنگار: 3395509 -0273 E-mail: web2-koneshloo@shahroodut.ac.ir Considering this fact that chromite masses possess high density, the gravity method is the most common geophysical method suggested for prospecting of chromite deposits. Usually, the result of superposition of several factors is observed in the acquired datum, which includes different spatial scales. The observed potential field could be assumed as the sum of the regional field, the residual field, and noise. Despite filtering out several factors to obtain a bouguer anomaly map from gravity survey data, the obtained values are still the result of superposition of several components; these components are different from the view points of scale and importance. Definition and recognition of these components are essential in interpretation of geophysical surveys. There are various methods for processing and interpretation of bouguer gravity anomaly maps. These methods, e.g. potential field filters, are mostly based on mathematical analyses using trial and error technique. There are many different methods concerned with separation of the regional and residual components from the gravity map. Upward continuation technique is frequently used to identify regional anomalies and gravity variations of deeper recourses. The upward continuation is a general filter in processing geophysical data that can remove or considerably lessen the contribution of high-frequency, near-surface, shallow causative bodies from the gravity field, resulting in a smooth field reflecting the deeper causative bodies and/or density structures. This method is applied to separate a regional anomaly from the observed gravity. This filter is a low pass filter since the residual component, which is concerned with local anomalies, can be assumed as high frequency part of the signal. The main weakness of usual potential field filters comes from the fact that they cannot take into account spatial structure of components while filtering them. Spatial structure of a variable is an indicator of the amount of data correlation with respect to the distances between the data. Factorial Kriging analysis (FKA) is principally a geostatistical filtering method that includes classic factorial analysis and geostatistics. The FKA method consists of three basic steps: variogram, factorial analysis and Kriging/co-Kriging. This method computes of the experimental variograms to choose the number of spatial scales to be considered and fit by theoretical models, (generally linear model of regionalization/coregionalization), applies the decomposition method on variance-covariance/variogram matrix of spatial components (generally principle component analysis/spectral decomposition), estimats the regionalized factors in order to determine the relative contribution of each factor for the estimation of a particular location and mapping. Factorial Kriging decomposes the raw variable into as many components as the identified structures in the variogram. The basic step in FKA is experimental variogram calculation and fitting a valid model to this variogram. If the variogram is nested, it can be represented as a combination of several individual components variograms. The FKA method includes two types of univariate and multivariate. In the case of a geophysical variable, the univariate type is applied. Therefore, the variogram in this case can be written as a linear combination of its components. In this research, the gravity data, acquired from Faryab chromite mine area, are processed and interpreted using the FKA method. Based on this study, three components, which may represent regional, local, and noise components are defined and filtered based on spatial structure study. Moreover, two locations are proposed for further detailed exploration considering the extracted local component map. Also, the gravity data are processed using potential field filters. In this regard, different heights are considered in the upward continuation filter method applying on the gravity data, and then, the results are shown in the relevant maps. Low value gravity anomalies can be interpreted as the geological structures having low density or special geometric shapes such as a geo-anticline. High value gravity anomalies can be considered as densie masses like chromite lenses. Finally, in this research work, the obtained results from applying the FKA method on the gravity data are compared with the potential field filtering results using the upward continuation filter method. The basic difference between the upward continuation and the FKA methods is that the latter method takes into account the spatial structure of the data while the former does not. This study clearly indicates the capability of the FKA method in filtering gravity data. | ||
| کلیدواژه‌ها [English] | ||
| Gravity, filter, Spatial structure, Factorial Kriging Analysis (FKA), Faryab chromite mine | ||
|
آمار تعداد مشاهده مقاله: 3,979 تعداد دریافت فایل اصل مقاله: 2,604 |
||