به کارگیری روش swara-moora به منظور تهیه نقشه پتانسیل معدنی مس در ورقه 1:100000 ابهر، ایران

اجرای عملیات‌ اکتشاف هزینه‌های سنگین و زمان طولانی به همراه دارد و این مساله ضرورت مدل‌سازی پتانسیل معدنی را برای اکتشاف ذخایر معدنی آشکار می‌سازد. مدل‌سازی پتانسیل معدنی را می‌توان یکی از مسایل تصمیم‌گیری چندمعیاره دانست؛ چراکه هدف آن تولید نقشه‌های پیش‌بینی، بر اساس معیارهای اکتشافی است. بر این اساس، مطالعه حاضر علاوه بر معرفی یک روش ترکیبی جدید به نام  swara-moora ، به مدل‌سازی پتانسیل معدنی مس در ورقه یکصدهزار ابهر با تلفیق لایه‌های مختلف شاهد اکتشافی پرداخته است. برای نیل به این هدف، بر اساس قضاوت کارشناسان، شش لایه شاهد اکتشافی شامل بی‌هنجاری ژیوشیمیایی مس، نقشه فاصله از واحدهای سنگی آذرین نفوذی و واحدهای ولکانیک، نقشه فاصله از گسل‌ و نقشه‌های فاصله از دگرسانی‌های فیلیک و آرژیلیک به‌منظور مدل‌سازی پتانسیل معدنی درنظر گرفته شد. برای آماده‌سازی نقشه‌های شاهد اطلاعاتی به‌منظورتلفیق، ابتدا مقادیر این نقشه‌ها با استفاده از تابع لجستیکی به فضای مناسب با دامنه (10) منتقل و سپس توسط روش فرکتالی عیار مساحت، کلاسه‌بندی شدند. در ادامه، معیارها و زیرمعیارهای مختلف با روش sawra ، وزن‌دهی و جایگزین‌های مستخرج از نقشه‌های شاهد، توسط روشmooraرتبه‌بندی شدند. در نهایت، مدل‌ نهایی معرف نواحی امیدبخش مس ایجاد و با استفاده از نمودار prediction-area (p-a)  مورد اعتبارسنجی قرار گرفت. بر اساس این نمودار، قرارگیری نقطه تلاقی منحنی‌های نرخ پیش‌بینی و مساحت اشغال شده بر روی مقدار 81 درصد، چگالی نرمال‌شده 4/26 را نتیجه داد که توان بالای مدل مذکور را در معرفی نواحی امیدبخش مس ثابت می‌کند. بنابراین در کنار اعتماد به قابلیت و توانمندی‌‌های روشswara-moora،  از این مدل می‌توان به‌منظور انجام عملیات اکتشافی دقیق‌تر در منطقه مورد مطالعه، بهره‌گرفت.

Application of the SWARAMOORA Method for Cu Prospectivity Mapping in Abhar 1:100000 Geological Map, Iran

Execution of exploration activities is costly and timeconsuming, which reveals the necessity of mineral prospectivity mapping (MPM) for identifying highly mineral potential zones. In this regard, the present study introduces a new hybrid method called SWARAMOORA, through which different evidence layers can be integrated to map Cu highly potential zones in the Abhar area. Thus, based on expert judgments, six evidence layers as targeting criteria was considered. For fulfilling the integration process, the spatial values of predictor maps were initially transformed into a new space ranging [0,1] and then were categorized by CA fractalbased model to determine thresholds of favorable populations. To generate the overlay prospectivity map pertaining to the mineral deposit of type sought, SWARA method was used to determine the weights of criteria and subcriteria and MOORA was concerned with order preference of decision alternatives. In order to evaluate the efficiency of SWARAMOORA overlay prospectivity map, the PredicationArea (P–A) plot along with normalized density (Nd) was used. This predictive map foresees 19% of the study area as prospective areas through which 81% of the known Cu occurrences are ascertained. The relevant Nd is 4.26 that affirms that SWARAMOORA overlay prospectivity map can be applied efficiently as a target map for subsequent detailed explorations.