پتانسیل‌یابی کانی‌سازی با روش‌های تحلیل مختصات اصلی و مولفه‌های اصلی در برگه 1:100.000 پرنگ، استان خراسان جنوبی

برگه 1:100.000 پرنگ در استان خراسان جنوبی به دلیل دارا بودن سنگ‌های ولکانیکی و پلوتونیکی حد واسط تا فوق ‌بازیک و تنوع سنگ‌های رسوبی، مستعد کانی‌سازی‌های اسکارنی، ماسیوسولفیدی و رسوبی است. در این مقاله ضمن معرفی روش تحلیل مختصات اصلی (pcoa)، از این روش به همراه روش تحلیل مولفه‌های اصلی (pca) و تحلیل تطبیقی (ca) برای شناسایی نوع کانی‌سازی محتمل در این برگه استفاده شده است. برای این منظور داده‌های زمین‌شناسی و معدنی به همراه نتایج تجزیه 25 عنصر بر روی 314 نمونه‌ رسوبات آبراهه‌ای از منطقه مورد مطالعه به کار رفته است. نتایج تحلیل داده‌ها نشان می‌دهد که نقشه‌های مختصات نمونه‌ها در بعد d1، امتیاز نمونه‌ها در مولفه‌ pc1 و موقعیت نمونه‌ها در خوشه اول با کانی‌سازی در سنگ‌های اولترابازیک، بازیک و لیستونیت‌ها به عنوان محتمل‌ترین پتانسیل ارتباط دارند. پس از آن نقشه‌های بعد d2 و d3، مولفه‌ pc2 و pc5 و نمونه‌های خوشه پنجم مرتبط با سنگ‌های رسوبی بیشترین احتمال را به کانی‌سازی‌های رسوبی به ویژه از نوع mn و fe در منطقه نسبت می‌دهند. کمترین احتمال کانی‌سازی مرتبط با کانی‌سازی‌های اسکارنی و ماسیوسولفیدی است که نقشه‌های بعد d4، مولفه‌ی pc3 و نقشه موقعیت نمونه‌های خوشه‌های دوم، سوم و چهارم محدوده آنها را پیش‌بینی می‌کند. همچنین مقایسه نتایج تحلیل داده‌ها با روش‌های آمار چندمتغیره نشان می‌دهد که در کاهش یافتن بعد داده‌های اولیه، روش مولفه‌های اصلی نسبت به روش بعدهای اصلی تغییرپذیری بیشتری را پوشش می‌دهد. در حالی که ارتباط دادن نقشه‌های مختصات نمونه‌ها در بعدهای اصلی نسبت به نقشه‌های امتیاز نمونه‌ها در مولفه‌های اصلی و نمونه‌های هر خوشه با کانی‌سازی راحت‌تر و با اعتبار بالاتری صورت می‌گیرد، بنابراین پیشنهاد این مقاله استفاده همزمان از دو روش pcoa و pca در کنار سایر روش‌های آمار چندمتغیره برای تحلیل داده‌های ژئوشیمیایی در یک منطقه است.

mineral potential mapping using principal coordinate analysis and principal component analysis in 1:100,000 scale porang sheet, south khorasan province

the 1:100,000-scale porang sheet in south khorasan province is prone to skarn, massive sulfide, and sedimentary mineralization due to the presence of intermediate to ultrabasic volcanic and plutonic rocks and the variety of sedimentary rocks. this paper introduces the principal coordinate analysis (pcoa) method. the pcoa method, along with the principal component analysis (pca) and correspondence analysis (ca) methods, has been used to identify the possible type of mineralization in the study area. geological and mineralogical data and the analysis results of 25 elements from 314 stream sediment samples, taken from the study area, have been used for this purpose. the results of the data analysis show that the d1 coordinate, pc1 score, and location in the first cluster maps of the samples are most likely related to the mineralization in ultrabasic, basic, and listivinite rocks. after that, the d2 and d3 dimension maps, the pc2 and pc5 score maps, and the sample location map in the fifth cluster related to sedimentary rocks attribute the most probability to sedimentary mineralization, especially of mn and fe mineralization types, in the study area. finally, there is the possibility of skarn and massive sulfide mineralization, whose locations can be predicted by the d4 dimension maps, the pc3 score map, and the sample location maps in second, third, and fourth clusters. also, the comparison of data analysis results with two multivariate statistical methods shows that by choosing the number of dimensionality reductions, the principal components method can cover more variability than the principal dimensions method. while connecting the principal coordinate maps to the mineralization is easier and more reliable than the principal component score maps. therefore, the proposal of this paper is the simultaneous use of pcoa and pca methods to analyze geochemical data in an exploration region.