استفاده از مدل تصویری ذخایر تورانیوم در راستای بهینه سازی اهداف پی جویی
Publish place: 6th Symposium of Geological Society of Iran
Publish Year: 1381
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,328
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SGSI06_025
تاریخ نمایه سازی: 7 مرداد 1385
Abstract:
مطالعات دورسنجی از ابزارهای مهم برای ارزیابی و پیش داوری در اکتشاف مواد معدنی است. استفاده از مدل تصویری در دور سنجی، دستیابی سریعتر و اقتصادی تر به نواحی معدنی عنصر مورد نظر را ممکن ساخته است. در این مقاله تصویر ETM ماهواره لندست 7 منطقه لکه سیاه ایران مرکزی مورد پردازش و تغبیر و تفسیر متالوژنیکی عنصر اورانیوم تیپ هیدروترمال قرار گرفته و نقش مهم استفاده از آن را در اکتشافات مواد معدنی نمایان ساخته است. روش کار انجام شده بدین ترتیب است: اول انتخاب مدلل ترکیب باندهای چند طیفی و متدهای پردازش تصویر جهت آشکار سازی بهتر و استخراج الگوهایی از تصویر دوم ، تعیین عوامل کنترل کننده ماده معدنی (ساختارها – سازندها – دایکها، دگرسانیها) که با استفاده از اطلاعات حاصل از تعبیر و تفسیر زمین شناسی ناحیه ای و تفصیلی ذخایر شناخته شده جهت استخراج اطلاعات از تصویر ETM مورد استفاده قرار می گیرد. ایت متد نشان داده که استفاده از مدل تصویری ذخایر اورانیوم جهت انتخاب محدوده های معدنی روشی موفق و علمی است. از پنج منطقه پیش بینی شده در تصویر حوزه معدنی لکه سیاه – اسفوردی (Ore District) پس از مطالعات صحرایی دو محدوده مستعد (Potential Area) جهت اکتشافات تفصیلی معرفی گردید.
Authors
محمدرضا شبان رواسان
سازمان انرژی اتمی ایران، واحد اکتشافات و استخراج، گروه دورسنجی
مریم فرزین
سازمان انرژی اتمی ایران، واحد اکتشافات و استخراج، گروه دورسنجی
هوتسا زاهدی
سازمان انرژی اتمی ایران، واحد اکتشافات و استخراج، گروه دورسنجی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :