CC BY
20
© И.Б. Мовчан, A.A. Яковлева, Д.Г. Петраков, 2012
УЛК 550.304.097
И.Б. Мовчан, A.A. Яковлева, Д.Г. Петраков
СТРУКТУРНЫЙ ПРОГНОЗ ПЕРСПЕКТИВНЫХ УЧАСТКОВ В УСЛОВИЯХ МИНИМУМА АПРИОРНОЙ ИНФОРМАЦИИ ДЛЯ ПОСЛЕДУЮЩИХ НАЗЕМНЫХ ЗАВЕРОК
Интерпретация включала разделение поля оптической плотности космоснимков и гравимагнитных полей на разночастотные составляющие с последующим преобразованием в линеаментные схемы. Их наложение на хаотичные на первый взгляд площадные распределения эталонных золоторудных объектов допускает реконструкцию элементов пространственной иерархии, проявляющихся в организации месторождений и рудопроявлений в локальные периодические группы. Выявляемый в их пределах пространственный шаг играет роль прогнозного критерия, допускающего локализацию перспективных объектов в окрестности объектов эталонных.
Ключевые слова: линеамент, дешифрирование, спектр Фурье, распознавание образов, трещиноватость.
Распространенной можно считать оценку Заказчиком лицензионного участка и планирования детальных наземных геолого-геофизических работ с последующим заве-рочным бурением в условиях следующего набора материалов: координаты угловых точек лицензионного участка; физико-географическая основа с нанесенными на нее крупными рудопрояв-лениями, размещенными в окрестности лицензионного участка, но за его пределами. Стандартно Заказчик ставит задачу выделения перспективных рудных объектов на территории лицензионного участка. В качестве исходных данных на данном этапе взаимодействия с Заказчиком мы оперируем материалами спектрозональной съемки, получаемыми с лицензионных каналов, а в лучшем случае - аналоговыми (бумажными) картами геофизических полей, заказываемыми в геологических фондах. Общий подход к обработке этих материалов опирается на следующие методы:
• Линеаментное дешифрирование. Оно практикуется для описания структуры фотоснимков дневной поверхности Земли в течение более полувека. В геофизике данной процедуре существует аналог — это выполняемое на начальных этапах интерпретации построение структурно-корреляционных схем, заключающееся в объединении точек экстремума, точек перегиба осями синфазности, маркирующих поверхности раздела стратиграфической и плутоно-тектонической природы: дизъюнктивы, поверхности напластования. На протяжении одного разлома тектонофизическая обстановка может сильно меняться, что приводит к изменению структуры потенциального, например, магнитного поля: на одном участке разлом может маркироваться линейной зоной резкого пространственного градиента, а на другом участке — цепочкой изометричных локальных аномалий. Как к космоснимку, так и к грави-магнитным полям применимо
сходное определение линеамента: линеаризованный (спрямленный) элемент структуры площадного сигнала, проводимый через его гетерогенные формы. В силу большей пространственной разрешающей способности локальные ли-неаменты КС могут объединяться в дуги, формируя кольцевые структуры разных порядков, тогда как выделение кольцевых структур в геофизических полях из-за их малой пространственной разрешающей способности возможно в большинстве случаев на региональном уровне.
• Частотное разделение площадных потенциальных и непотенциальных сигналов. Применительно к КС данная процедура реализовыва-лась с момента изобретения в 70-х годах XX века оптического Фурье-процессора, обеспечивающего в своем прямом каскаде (расчет прямого Фурье-преобразования) получение энергетического Фурье-спектра. Последний использовался для построения роз трещиноватости. Обратный каскад Фурье-процессора (вычисление обратного интеграла Фурье) осуществляет фильтрацию по частоте и по направлению. В геологии частотное разделение любого пространственного сигнала от рельефа до площадной геохимии выполняют при локализации унаследованных объектов на разном уровне генерализации. В геофизике простейший вид частотного разделения заключается в расчете тренда гравитационного или магнитного поля и его вычитании из поля наблюденного.
• Распознавание образов с обучением. Кроме общности критериев распознавания, применяемых как в геофизике, так и в аэрокосмогеоло-гии, необходим отказ от общепринятых линейных оценок, корректных лишь в условиях идеализированных (однородных) выборок. Применитель-
но к интерпретации КС распознавание образов реализовано в данной методике как комбинация линеамент-ного и спектрального анализа с объединением эталонных объектов в локальные периодические группы, в малой окрестности которых выполняется прогноз по среднему пространственному шагу группы.
Перечисленные формальные методы обработки, ориентированные на выделение структурных особенностей, применимы практически к любому геолого-геофизическому материалу, заданному в форме скалярного поля как функции двух пространственных координат. Единая критериальная основа обработки и прогноза определяют корректность сопоставления независимо полученных результатов интерпретации космоснимков и геофизических полей. Элементы алгоритма обработки
Методика линеаментного дешифрирования с элементами районирования опирается на авторскую методику линеаментно-спектрального анализа [1]. Термин «линеамент» подразумевает сглаженный (до линейной или дуговой формы) элемент структуры скалярного поля, проводимый через его (поля) гетерогенные структурные формы (протяженные аномалии, вытянутые цепочки локальных аномалий, градиентные зоны, комбинации этих признаков, границы зон пространственной стационарности поля). Линеаменты маркируют выходящие на дневную поверхность и обладающие латеральным простиранием стратиграфические и тектонические контакты гетерогенных структурно-вещественных комплексов, а также раз-норанговые элементы геологической трещиноватости.
Линеаментно-спектральный аннализ содержит две базовые процедуры, во-первых, разделение скалярного поля на составляющие, характеризуемые раз-
ным пространственным шагом структур, т.е. разной глубинностью и степенью генерализации, во-вторых, реконструкцию структурных элементов каждой из составляющих скалярного поля на основе алгоритма линеаментного дешифрирования [2]. В полученной структурной схеме выполняется автоматизированное объединение семейства элементарных линеаментов в протяженные или дуговые элементы на основании следующих критериев:
• наикратчайшее расстояние между вершинами объединяемых ли-неаментов;
• угловая дисперсия в системе значений азимутов простираний объединяемых линеаментов;
• пространственная дисперсия в «облаке» объединяемых в целостную структуру линеаментов.
Распознавание образов с обучением: периодический анализ — подразумевает в нашем случае два основных сценария: организацию эталонных объектов в локальные периодические группы; прослеживание рудоконтро-лирующих структур центрального типа с их объединением в локальные периодические группы и/или выделением в пределах данных структур перспективных дискордантных областей. Под локальной периодической группой эталонных объектов понимаем часть известных объектов эндогенного оруденения, расположенных вдоль некоторой пространственной оси и характеризуемых своим пространственным шагом вдоль этой оси. Пространственная ось, как правило, маркируется линеаментом. Эталонные объекты попадают в область пересечения их оси с субортогональными ей линеа-ментами, и шаг этих областей пересечения (дискордантных областей) определяет пространственный период локальной группы (рисунок).
Основные результаты распознавания при обработке космоснимков на
примере окрестностей суперкрупного месторождения Сухой Лог.
Неравномерно распределенные по площади эталонные объекты, характеризуемые высокой степенью изученности, распадаются на локальные периодические группы, практически каждый элемент которых тяготеет к своему узлу субортогональной линеа-ментной решетки (рис. 1).
Эта решетка обладает выраженной нелинейностью: ее пространственный шаг по площади нестационарен и соблюдается лишь в пределах локальных периодических групп эталонных рудо-проявлений, а также в их малой окрестности (в среднем — на удалении не более, чем на половину протяженности каждой отдельной группы); простирание линейных элементов решетки в пределах всей площади работ также заметно меняется и может быть принято фиксированным лишь в пределах тех же локальных периодичных групп. Зная пространственную периодичность (от 2,9 км до 7,5 км) в пределах конкретной группы, можно выполнить прогнозную интер- и экстраполяцию. В первом случае «пустые» узлы линеа-ментной решетки, расположенные внутри группы на расстоянии заданного периода друг от друга, характеризуются как позиции перспективных объектов («точечного» характера для заданного масштаба). Во втором варианте выбирается сторона линеаментной решетки, вдоль которой вытянута локальная периодическая группа и вдоль этой стороны фиксируются периодически расположенные узлы линеаментной решетки, в том числе приуроченные к возможным рудоконтролирующим кольцевым структурам. В нашем случае проявляется своего рода соотношение неопределенностей: чем точнее картируется субортогональная линеаментная решетка при подборе узкополосной компоненты поля оптической плотности КС, тем менее точно локализуются кольцевые структуры. Выявленное соотношение формально объясняется
Результат подбора нелинейной квазипериодической линеаментной сетки с разбиением множества эталонных объектов на локальные периодические группы. По среднему пространственному шагу в пределах каждой группы или на ее оси выполняются выделения прогнозных объектов:
1 — прогнозные объекты в области существования объектов эталонных (рудных месторождений и рудопроявлений золота); 2 — прогнозные объекты за пределами области существования рудных месторождений и рудопроявлений золота; 3 — линеаментные структуры; 4—8 — рудные месторождения и рудопроявлений золота разного ранга
тем, что алгоритм сперва картирует линейные, а после - дуговые морфост-руктурные элементы. Если кольцевая структура попадает в область ячейки субортогональной линеаментной решетки и оказывается сопоставимой с этой ячейкой по линейным размерам, то она (кольцевая структура) рассматривается программой как кажущаяся и
не наносится на картографическую плоскость. Мы обращаем внимание исключительно на выявленный нами эффект локальной пространственной периодичности, прежде всего, как на формальный эффект, не предполагающий нестрогие вероятностные оценки и имеющий в своей основе физические (волновые) аналогии [3].
СПИСОК ЛИТЕРАТУРЫ
1. Мовчан И.Б. Методы линеаментно-спектрального анализа грави-магнитных данных при картировании геологических структур на примере Северо-Востока Русской платформы. СПбГУ. 1995. 150 с.
2. Петров О.В., Мовчан И.Б., Яковлева A.A., Кирсанов A.A. Способ автоматизированного структурного дешифри-
рования космоснимков // Регион. геология и металлогения. 2005. - № 23. - С. 104—113.
3. Петров О. В. Диссипативные структуры Земли как проявление фундаментальных волновых свойств материи. - СПб.: Изд-во ВСЕГЕИ, 2007. - С. 19—38; 39—74; 202—267. 530
КОРОТКО ОБ АВТОРАХ -
Мовчан И.Б. — доцент, [email protected] Яковлева A.A. — доцент, [email protected] Петраков Д.Г. — доцент, [email protected]
Санкт-Петербургский государственный горный институт (технический университет).
