شناسایی الگوهای ژئوشیمیایی در محدوده کانی زایی خوینرود به روش تحلیل تطبیقی و خوشه بندی

شناسایی الگوهای پراکندگی عناصر و مرتبط نمودن آنها با آنومالی‌های ژئوشیمیایی یکی از ابزارهای اکتشافی خصوصاً در فازهای نیمهتفصیلی و تفصیلی محسوب می‌شود. روش‌هایی که بتواند نمونه‌ها و عناصر شیمیایی را بطور همزمان مورد تحلیل قرار دهد، برای این منظور پیشنهاد می‌شود. در این مقاله از دو روش تحلیل تطبیقی خوشه‌ای (cca) و الگوریتم خوشه‌بندی بر اساس توابع توزیع چگالی (denclue) و داده‌های ژئوشیمیایی در فاز اکتشافی نیمه‌تفصیلی منطقه خوینرود استفاده شده است. خوشه‌بندی 165 نمونه‌ی برداشت از محیط خاکی به همراه نتایج آنالیز 7 عنصر مرتبط با کانی‌زایی مس طلای پرفیری یعنی as، au، cu، hg، pb، s و zn نشان می‌دهد که چهار محدوده a، b، c و d مستعد کانی‌زایی در منطقه قابل مشاهده است. در روش cca داده‌ها به 6 خوشه تفکیک شده که خوشه‌ها به ترتیب شامل عنصر گوگرد به همراه 57 نمونه، 61 نمونه، عنصر سرب به همراه 16 نمونه، عنصر مس به همراه 8 نمونه، عنصر آرسنیک به همراه 7 نمونه و عناصر طلا، جیوه و روی به همراه 17 نمونه است. درحالیکه نتایج خوشه‌بندی داده‌ها به روش denclue شامل 5 خوشه به ترتیب به صورت گوگرد با 66 نمونه، 43 نمونه، سرب و روی با 38 نمونه، طلا و مس با 10 نمونه و آرسنیک و جیوه با 8 نمونه می‌باشد. بخش c2 از محدوده c و بخش d2 از محدوده d به عنوان بهترین محدوده‌ها با احتمال کانی‌زایی پرفیری و محدوده a به احتمال کانی‌زایی رگه‌ای هیدروترمال پیشنهاد می‌شود. محدوده‌های b و d1 نیز با احتمال کانی‌زایی رگه‌ای با نیاز به اکتشاف تکمیلی، پیشنهادات بعدی می‌باشند. همچنین نتایج نشان دهنده‌ی خوشه‌بندی بهتر عناصر، انطباق بهتر محدوده‌های پیشنهادی برای کانی‌زایی با آنومالی‌های ژئوشیمیایی عناصر و شرایط زمین‌شناسی منطقه مورد مطالعه از برتری‌های الگوریتم denclue می‌باشد. بنابراین برای ارتباط الگوی پراکندگی عناصر با آنومالی ژئوشیمیایی آنها می‌توان از این الگوریتم استفاده نمود.

Identification of geochemical patterns in Khoynaroud mineralization area by correspondence analysis and DENCLUE clustering method

Identification of the element dispersion patterns and relating them to the geochemical anomalies is one of the exploration tools, especially in the semidetailed and detailed phases. Methods that can simultaneously analyze samples and elements are recommended for this purpose. In this paper, two methods namely, correspondence cluster analysis (CCA) and densitybased clustering algorithm (DENCLUE) and the geochemical data of Khoynaroud region have been used. Clustering of 165 soil samples, along with the results of the 7 elements analysis associated to the porphyry coppergold mineralization, namely As, Au, Cu, Hg, Pb, S and Zn, shows that four A, B, C and D areas are visible with mineralization potential in the study area. In CCA method, the data are divided into 6 clusters. These clusters contain S with 57 samples, 61 samples, Pb with 16 samples, Cu with 8 samples, As with 7 samples and Au, Hg and Zn with 17 samples, respectively. While in DENCLUE method include 5 clusters in the form of S with 66 samples, 43 samples, Pb and Zn with 38 samples, Au and Cu with 10 samples and As and Hg with 8 samples, respectively. Part C2 of area C and part D2 of area D are proposed as the best areas with the possibility of porphyry mineralization and as well as area A with the possibility of hydrothermal vein mineralization. Area B and part D1 with the possibility of vein mineralization and the need for additional exploration are also likely to be the next proposals. The results also show the better clustering of the elements, better adaptation of the proposed areas for mineralization with multielement geochemical anomalies and geological conditions of the study area are the advantages of DENCLUE algorithm. Therefore, this algorithm can be used to relate the element dispersion pattern with their geochemical anomaly.