تفکیک آنومالی های ژئوشیمیایی آبراهه ای با استفاده از روش مولفه های اصلی در منطقه جنوب بستان آباد ( استان آذربایجان شرقی)

منطقه جنوب قره چمن به‌ وسعت تقریبی 132 کیلومترمربع در جنوب تبریز و جنوب شرق شهرستان بستان‌آباد واقع شده است. این منطقه به دلیل حضور تودهای نفوذی متعدد، دگرسانی های گسترده و معادن و اندیس های مختلف جهت شناسایی و جدایش آنومالی های ژئوشیمیایی آبراهه ای انتخاب گردید. برای این منظور در این پژوهش از روش آنالیز مولفه های اصلی (pca)بر روی داده های 820 نمونه رسوب آبراهه ای استفاده شده است. روش آنالیز مولفه های اصلی (pca) بر روی عناصر مرتبط با کانی زایی های تیپ گرمابی اعمال شده که در آن فاکتور اول(pc1) با واریانس 5/30 درصد بیشترین و فاکتور 4 (pc4) با واریانس 8/8 درصد کمترین تاثیر را داشته اند. بر این اساس عناصر روی، سرب، کبالت و جیوه در مولفه اول (pc1)، عناصر طلا، آرسنیک، نقره و مس در مولفه دوم (pc2)، عناصر بیسموت و قلع در مولفه سوم (pc3)، و عناصر مولیبدن، گوگرد و تا حدودی طلا در مولفه چهارم (pc4) از بیشترین همبستگی برخوردار هستند. نتایج به دست آمده حاکی از همخوانی گسترش کانی زایی طلا و مس به دست آمده از روش فراکتال با فاکتور دوم از مولفه های اصلی (pca) و کانی زایی مولیبدن با فاکتور چهارم (pca) است که نشان از تاثیر فاکتور دوم بر کانی زایی در این منطقه می باشد.

separation of geochemical anomalies in streamsediments, using the factor analysis method in the south bostan abad region (east azarbaijan province)

the southern region of qarachaman is situated in the south of tabriz and southeast of bostanabad city, covering approximately 132 square kilometers. this area was chosen specifically because it contains numerous intrusive masses, extensive changes, and various mines and indicators that help identify and isolate geochemical anomalies within water bodies. to achieve this, we utilized the principal component analysis (pca) method on a dataset consisting of 820 river sediment samples. this analysis focused on elements associated with hydrothermal type mineralizations. the pca method yielded significant insights, with the first factor (pc1) accounting for the highest variance of 30.5%, while the fourth factor (pc4) had the least impact, with a variance of 8.8%. the first component (pc1) exhibited a strong correlation with zinc, lead, cobalt, and mercury elements. on the other hand, the second component (pc2) showed a connection with gold, arsenic, silver, and copper elements. the third component (pc3) was found to have a correlation with bismuth and tin elements. lastly, the fourth component (pc4) indicated a moderate correlation with molybdenum, sulfur, and to some extent, gold. the results obtained from this analysis demonstrate that the expansion of gold and copper mineralization, as determined by the fractal method, aligns with the second factor of the principal components (pca). conversely, molybdenum mineralization corresponds to the fourth factor (pca), highlighting the influence of the second factor on mineralization in this area. overall, these findings indicate that the region shows potential for fertile deposits of gold and copper