Научный журнал
Успехи современного естествознания
ISSN 1681-7494
"Перечень" ВАК
ИФ РИНЦ = 0,791

КАРТИРОВАНИЕ СТРУКТУРНО-ВЕЩЕСТВЕННЫХ КОМПЛЕКСОВ ТЕРРИТОРИИ АВТОМАТИЗИРОВАННЫМ АНАЛИЗОМ ИЗОБРАЖЕНИЙ LANDSAT 8 OLI (КЕМСКИЙ ТЕРРЕЙН, СИХОТЭ-АЛИНСКИЙ СКЛАДЧАТЫЙ ПОЯС)

Шевырев С.Л. 1, 2 Шевырева М.Ж. 2 Горобейко Е.В. 2
1 Дальневосточный федеральный университет
2 Дальневосточный геологический институт ДВО РАН
Усиление роли технологий дистанционного зондирования Земли в геологическом изучении труднодоступных территорий Дальнего Востока России востребовано для детектирования тектонических структур различных порядков, определения перспективности площадей на рудные и комплексные полезные ископаемые. Площадные колебания отражательной способности горных пород, связанные с присутствием различных породообразующих минералов и вторичными изменениями, служат ключом к дистанционному геологическому картированию. Одним из препятствий, возникающих при проведении таких исследований, является необходимость в уменьшении влияния растительного покрова, затушевывающего подстилающие горные породы. Этого можно достичь вычислением вклада в наблюдаемую картину спутниковых индексов, рассчитанных для видимых и инфракрасных каналов системы Landsat 8 OLI и демонстрирующих относительные содержания минералов и плотность растительности. Вычисление соответствующих минеральным концентрациям направленных главных компонент (НГК) на основе их дисперсий производится с помощью авторского программного обеспечения DefME. В случае успешного подбора «минеральных» и «растительных» спутниковых индексов нагрузки главных компонент имеют противоположный знак, при этом значения нагрузок компоненты растительного покрова существенно превосходит по модулю значение минеральной компоненты. Дистанционное картирование подстилающих структурно-вещественных комплексов может быть выполнено с помощью методов классификации изображений, отражающих содержание минеральных компонент в подстилающих породах, например с помощью метода K-средних. Такой подход позволил выделить на дистанционной фотооснове границы распространения структурных этажей территории, литологических разностей и минерагенических зон. Технология была опробована нами в пределах Кемского террейна (Восточно-Сихотэ-Алинский вулкано-плутоногенный пояс, ВСАВПП) с выделением тектонических границ, контролирующих распространение вулканогенно-осадочного чехла ВСАВПП и его складчатого фундамента. Полученные классы K-средних получили развернутую геологическую интерпретацию.
вулканические пояса
машинное обучение
scikit-learn
геологическое картирование
дистанционное зондирование
главные компоненты
Landsat 8
1. Yakubchuk A.S. Revised Mesozoic-Cenozoic orogenic architecture and gold metallogeny in the northern Circum-Pacific. Ore Geology Reviews. 2009. № 35. P. 447–454.
2. Khanchuk A.I., Kemkin I.V., Kruk N.N. The Sikhote-Alin orogenic belt, Russian South East: Terranes and the formation of continental lithosphere based on geological and isotopic data. Journal of Asian Earth Sciences. 2016. № 120. P. 117–138.
3. Khomich V.G., Boriskina N.G., Santosh M. A geodynamic perspective of world-class gold deposits in East Asia. Gondwana Research. 2014. № 26. P. 816–833.
4. Shevyrev S., Carranza E.J.M. Modelling of geodynamic regimes of precious metal-bearing porphyry deposits: Lazurnoe deposit (Sikhote–Alin Belt, Far East) case study. Geological Journal. 2020. № 55. P. 8309– 8328. DOI: 10.1002/gj.3935.
5. Khomich V.G., Boriskina N.G. Ore-magmatic systems with noble metals in the northern marginal sector of the Argun superterrane. Doklady Earth Sciences. 2007. № 414. P. 534–537.
6. Deng J., Wang C., Bagas L., Carranza E.J.M., Lu Y. Cretaceous–Cenozoic tectonic history of the Jiaojia Fault and gold mineralization in the Jiaodong Peninsula, China: constraints from zircon U–Pb, illite K–Ar, and apatite fission track thermochronometry. Miner Deposita. 2015. № 50. P. 987–1006.
7. Carranza E.J.M., Hale M. Mineral imaging with Landsat Thematic Mapper data for hydrothermal alteration mapping in heavily vegetated terrane. Int. J. Remote Sensing. 2002. № 23(22). P. 4827–4852.
8. Чащин А.А., Попов В.К., Будницкий С.Ю., Чащин С.А., Ноздрачев Е.А. Новые данные о возрасте вулканических комплексов кайнозойских рифтогенных впадин восточного Cихотэ-Алиня // Успехи современного естествознания. 2020. № 4. С. 169–175. DOI: 10.17513/use.37381.
9. Richards J.A. Remote sensing digital image analysis. Fifth edition. Springer. 2013. 502 p. DOI: 10.1007/978-3-642-30062-2.
10. Soenen S.A., Peddle D.R. Coburn C.A. SCS+C: A Modified Sun-Canopy-Sensor Topographic Correction in Forested Terrain // IEEE Transactions on geoscience and remote sensing. 2005. Vol. 43. № 9. P. 2148–2159.
11. DefME. Software page. [Electronic resource]. URL: https://github.com/SergeiShevyrev/DefME (date of access: 01.10.2021).
12. Scikit-learn, 2020a. K-means clustering. Scikit-learn. [Electronic resource]. URL: https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html (date of access: 01.10.2021).
13. Umargono E., Suseno J.E, Vincensius Gunawan S.K. K-Means clustering optimization using the Elbow method and early centroid determination based-on mean and median. In Proc. of the Int. Conf. on Information System and Technology (CONRIST 2019), 2020. P. 234–240. DOI: 10.5220/0009908402340240.

В Восточноазиатском регионе, включая территории Дальнего Востока России и Китая, существуют обширные площади, перспективные на коренные и россыпные месторождения Au-Ag гидротермального, грейзенового или метасоматического происхождения [1–3]. Наиболее крупные рудно-россыпные районы золота и серебра расположены вблизи границ палеозойских и мезозойских супертеррейнов, которые сложены турбидитовыми отложениями, фрагментами древних островных дуг и континентальными блоками [4, рис. 1]. Исследователи последних двух десятилетий рассматривали пространственную и генетическую взаимосвязи благороднометалльных рудных районов с периферией стагнированного по глубине мантийного слэба [5, 6]. Внутри контура этого слэба присутствуют многочисленные месторождения золота и серебра разного генезиса, характеризующиеся небольшими площадью и ресурсами. Полевые исследования этих объектов могут быть осложнены их труднодоступностью из-за расчлененного рельефа и густой растительности, что препятствует обнаружению и оконтуриванию перспективных участков. Усиление рентабельности и повышение производительности полевых работ возможны за счет проведения дистанционной геологической рекогносцировки, позволяющей оконтурить границы структурно-вещественных комплексов (СВК) территории. Для достижения этой цели необходимо решить задачи синтеза методик полевого опробования, лабораторных минералогических исследований и анализа изображений минеральных компонентов, полученных на основе спутниковых данных с использованием методики программного устранения влияния растительности с помощью направленных главных компонент (НГК) [7].

missing image file

Рис. 1. Геологическая карта территории детальных исследований, включая вулканические центры и точки минерализации. S – вулканический купол месторождения Салют. B – Быковский интрузивный купол

Материалы и методы исследования

Исследование было выполнено на территории Кемского террейна в составе Сихотэ-Алинского горно-складчатого пояса, где присутствуют небольшие ресурсы субвулканических метасоматических отложений. Территория детальных исследований площадью 3000 км2 включает золотосеребряное месторождение Салют, Березовскую перспективную площадь и более мелкие проявления Au-Ag оруденения (рис. 1).

Геологическое строение района исследований представляет собой складчатый фундамент, сложенный нижне- и верхнемеловыми осадочными и вулканогенными породами, несогласно перекрытый верхнемеловым-кайнозойским чехлом, прорванным измененными палеогеновыми гранитами. В районе находится несколько известных вулканических центров с разной степенью эрозии, описанных как мощные переслаивающиеся толщи лав и туфов базальтов и андезитов (палеоцен – ранний эоцен) и риолитов (эоцен) [8]. В центральной части площади исследования эрозия была вызвана поднятием блока (горста), вытянутого в северо-восточном направлении через территорию. Эффузивно-осадочный чехол подвергся эрозии, при этом вулканические аппараты размыты до субвулканических магматических очагов, прорывающих верхнемеловые андезитовые вулканогенно-осадочные породы. Территория интенсивно залесена (рис. 2а), минеральные грунты обнажаются на площадях вырубки леса и гарях.

missing image file

Рис. 2. Распространенные ландшафты и типичные минералы вторичных изменений территории исследования. Ландшафты (A): a – залесенные водоразделы Березовского участка; b – редкая растительность и курумы. Минералы вторичных изменений (B): a, b – риолитовые туфы с лимонитом и гидрослюдой; c – частично перекристаллизованный риолитовый туф; d – кварц-карбонатизированный риолитовый туф. Сокращения: py – pyrite, asp – arsenopyrite, Q – quartz, chl – chlorite, ep – epidote, Src – sericite, lim – limonite, Mnt – montmorillonite

Вулканические породы, особенно кислые туфы и туфолавы, в районе исследований интенсивно метасоматически изменены. Обломки вулканического пепла и лапилли в туфах обычно замещаются вторичными минералами, включающими единичные и кластерные включения хлорита, эпидота, кварца и минералов, более характерных для зон рудной минерализации (оксиды железа, т.е. лимонит, гетит, гидрослюду (серицит) и каолинит).

Метасоматические изменения горных пород в пределах Березовского участка также включают интенсивную березитизацию, связанную с зонами трещиноватости северо-восточного и широтного направлений. В осевых частях этих зон встречаются кварц-серицитовые породы с гнездами вкрапленного пирита, эпидота и хлорита. В некоторых местах исходные минералы полностью замещены кварцем. Гидрослюды, преимущественно серицит, присутствуют в краевой части зон березитизации. Несмотря на обширный метасоматоз, структура исходных эффузивов в основном сохранилась.

С целью выбора минералов, характерных для различных СВК, для использования в разработке алгоритма дистанционного зондирования были исследованы натурные образцы измененных пород рудопроявлений в пределах Березовского участка (рис. 2В).

Лабораторные микроскопические исследования минерального состава послужили основой выбора минеральных видов для расчета изображений минеральных концентраций на основе спутниковых индексов и их главных компонент (таблица). Петрографическим анализом каменного материала пород, вмещающих оруденение на территории, установлена неравномерность распространения вторичных минералов; установлены участки, где породы в основном состоят из гидрослюды и где кварцевый компонент составляет менее 20–25 %, а также участки, где доля кварца достигает 60–70 % объема. Растительность покрывает площадь исследований почти полностью, не оставляя достаточной территории для прямых воздушных или космических наблюдений. Типичные изображения ландшафтов и метасоматически измененных горных пород, которые были получены в полевых условиях, показаны на рис. 2А.

Соотношения каналов Landsat 8 OLI для получения изображений типичных минеральных компонент, присутствующих на территории [7]

Минеральный вид

Отношения спектральных каналов для получения НГК

Отношения спектральных каналов для растительности

Отношения спектральных каналов для минералов

Кварц

5/4

6/1

Мусковит

3/1

6/4

Каолинит

3/1

7/4

Хлорит

3/4

5/7

Гематит

5/4

4/1

Лимонит

5/4

6/7

Перед моделированием безоблачные изображения Landsat 8 OLI подвергались атмосферной и топографической коррекции. Атмосферная коррекция включала исправление результата рассеяния отраженного электромагнитного излучения, выражающегося в том, что значения естественно черных пикселей изображения были больше нуля [9]. Алгоритм топографической коррекции SCS+C был применен для уменьшения неравномерности распределения солнечной радиации на изображениях каналов Landsat 8 OLI, вызванной расчлененным рельефом местности и низким положением светила [10]. Спутниковые продукты (табл. 1) были подвергнуты анализу НГК, чтобы уменьшить влияние растительного фона. По методике анализа [7] соотношение полос минералов было выбрано в соответствии с их пиками в спектрах отражения, при этом отношения каналов должны быть >1 для индексов отражения растительности [7, рис. 1]. Перед этой операцией территория была разделена на классы с помощью нормализованного индекса растительности (NDVI), чтобы исключить пиксели акватории и области плотного растительного покрова из вычислений из-за их низкой отражательной способности. Для расчета направленных главных компонент использовалось авторское программное обеспечение DefME [11]. При оценке изображений полученных минеральных компонент (рис. 3) следует учитывать, что речь идет не о количественном содержании минералов, а об их предполагаемом присутствии, полученных с учетом пиковых значений лабораторных кривых их спектральной яркости [7].

missing image file

Рис. 3. Изображения направленных главных компонент, соответствующие минералам вторичных изменений на территории исследования

Результаты исследования и их обсуждение

Для классификации территории с помощью изображений НГК, отражающих минеральные концентрации, применялся метод K-средних [12], реализуемый в библиотеке Python scikit-learn. Оптимальное количество классов подбиралось с помощью метода «локтя» («elbow method»), описанного в [13], обусловливающего выбор числа классов как баланс детальности изображения и его искажения, возвращаемого с помощью свойства kmeanModel.inertia. Согласно этой методике, следует выбирать такое число классов, чтобы значение, превышающее его, не приводило к существенному уменьшению искажения изображения. Для территории, включающей Березовскую рудоперспективную площадь и месторождение Салют, оптимальными оказались четыре класса. Сопоставлением геологической карты и фактических материалов выполнена интерпретация их геологической природы, это: «верхнемеловые вулканогенно-осадочные породы», «палеогеновые гранитоиды и зоны кислого метасоматоза», а также «неогеновые базальты» (рис. 4). Несмотря на менее четкие границы комплексов, чем на геологической карте, в целом сохраняется характер их распространения; размытость границ может быть обусловлена интенсивным метасоматозом пород территории.

missing image file

Рис. 4. Нахождение оптимального количества классов K-средних (A) и полученная на их основе карта с интерпретацией (B)

Выводы

В процессе выполнения работы достигнута поставленная цель, заключающаяся в оконтуривании границ СВК и построении карты их распространения. Показано, что минералы, типичные для известных пород территории, присутствие которых установлено посредством лабораторных исследований, могут быть идентифицированы в спектрах дистанционных изображений. Полученная нами карта районирования на основе минеральных изображений, сгенерированных с помощью метода направленных главных компонент, характеризуется существенным совпадением классов K-средних и структурно-вещественных комплексов территории. Такие графические построения могут быть использованы для минерагенического районирования, экспресс-оценки территории и рекогносцировки перед постановкой полевых работ.


Библиографическая ссылка

Шевырев С.Л., Шевырева М.Ж., Горобейко Е.В. КАРТИРОВАНИЕ СТРУКТУРНО-ВЕЩЕСТВЕННЫХ КОМПЛЕКСОВ ТЕРРИТОРИИ АВТОМАТИЗИРОВАННЫМ АНАЛИЗОМ ИЗОБРАЖЕНИЙ LANDSAT 8 OLI (КЕМСКИЙ ТЕРРЕЙН, СИХОТЭ-АЛИНСКИЙ СКЛАДЧАТЫЙ ПОЯС) // Успехи современного естествознания. – 2021. – № 10. – С. 89-94;
URL: https://natural-sciences.ru/ru/article/view?id=37703 (дата обращения: 25.06.2022).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074