کاربرد روش آماره فضایی u برای شناسایی و طبقه‌‏بندی شدت بی‌هنجاری‌های ژئوشیمیایی کانسار مس و مولیبدن پورفیری در منطقه نیسیان

تعیین دقیق مقدار حدآستانه‌ ای موجب جداسازی دقیق جوامع ژئوشیمیایی می‌ گردد. روش‌ های ساختاری برای تفکیک بی‌هنجاری ‌های ژئوشیمیایی از زمینه، توانمندتر از روش‌ های غیر ساختاری می‌ باشند. در این پژوهش از روش ساختاری آماره فضایی u برای پردازش داده‌ های ژئوشیمیایی به‌دست آمده از نمونه‌ های خاک منطقه نیسیان استفاده شد. با محاسبه مقدار u بهینه برای هر نمونه، نمونه‌ های بی‌هنجار از نمونه ‌های زمینه با دقت خوبی تفکیک شدند. همچنین با طبقه‌بندی نمونه ‌ها بر اساس شعاع بهینه به‌دست آمده برای هر نمونه، نمونه ‌های بی‌هنجار شناسایی شده در مرحله قبل در سه رده قوی، متوسط و ضعیف بر اساس شدت بی‌هنجاری طبقه‌بندی شدند. اعتبارسنجی نتایج به‌دست آمده با استفاده از حفاری ‌های انجام شده در منطقه نشان داد که عملکرد روش آماره u در شناسایی محدوده‌ های بی‌هنجار بسیار مطلوب بوده است. این روش نه تنها موفق به شناسایی صحیح نمونه ‌های بی‌هنجار گردید بلکه نمونه‌ هایی که بر اساس نتایج حفاری ‌ها بسیار ضعیف می‌ باشند ولی به‌وسیله یک روش غیر ساختاری، بی‌هنجاری قوی تشخیص داده شده بود را به درستی در رده زمینه طبقه‌بندی نمود.

using u-spatial statistics method to identify and classify intensity of geochemical anomalies in the neysian area

an accurate threshold value makes a precise geochemical separation into anomaly and background areas. the threshold assignment using structural methods are preferred to non-structural methods. in this research, the u-spatial statistics, a structural based method, was used to study soil type geochemical data of the neysian region. the optimal u-values obtained by this method for each sample were successfully utilized to separate the abnormal and background samples, accurately. in addition, based on the optimal distance of each sample, the abnormal samples identified in the previous step were classified in terms of geochemical intensity into strong, medium, and weak samples. the goodness of u-spatial statistics performance in identifying abnormal areas were validated using drilled boreholes in the area. the u-spatial statistics not only succeeded in correctly identifying anomalous samples, but it also correctly identified some samples as the background whiles they had been recognized as anomaly by a non-structural method. all results obtained were validated by the several drilled boreholes.