Edge Detection of Chromite Lenses Using Curvature Gravity Gradient Tensor

Document Type : Research Article

Authors

1 Dept. of Mining, Geophysics & Petroleum, Shahrood University of Technology, Iran

2 Dept. of Engineering, Malayer University

10.29252/anm.2019.1505

Abstract

Summary
Chromite exploration is an important mineral exploration. Gravity method is very popular in chromite exploration due its high-density contrast with hosting rock. Edge detection methods are used to determine lenses of chromite. In this paper, we used the curvature gravity gradient tensor (CGGT) along with the tilt angle method to detect chromite lenses. Application of the methods on synthetic and real gravity data showed that the CGGT can determine the edges of chromite lenses better than the tilt angle method.
 
Introduction
Chromite is a strategic mineral. Therefore, the exploration of chromite mineral reserves is the main mineral exploration priorities. Chromite has a marked density contrast with the host rock, so the gravity method can be applied for exploration of the chromite ore bodies. The boreholes locations are usually determined after finding the edges of the chromite lenses by edge detection of the gravity anomalies. There are various edge detection methods. Most of the edge enhancement techniques are interpreted qualitatively. The Tilt angle method is a traditional method that can detect edges of subsurface structures quantitatively. The value of Tilt angle is zero above edges of subsurface bodies. The curvature gravity gradient tensor (CGGT) was also used to interpret the geological structure quantitatively. The value of eigenvalues of CGGT are zero above edges of subsurface bodies. In this paper, we used CGGT for edge detection of chromite lenses.
 
Methodology and Approaches
In order to obtain CGGT, at first, horizontal vector gradients of gravity gradient tensors are computed from the vertical component of gravity data with a Fourier transform technique. Then the eigenvalues of CGGT are obtained. The large eigenvalue determines the edges of negative density bodies while the small eigenvalue only can be used to outline edges of positive density bodies. The chromite has positive density contrast with the host rock and produce positive gravity anomaly. Therefore, we choose the small eigenvalue to outline edges of the chromite lenses. Finally, the tilt angle is also applied to compare with the CGGT.
 
Results and Conclusions
The robustness of the codes used for the edge enhancement is tested with gravity field anomaly map caused by four prisms of synthetic bodies. The results indicated that the proposed method can enhance the edges of the synthetic bodies with zero contour of the small eigenvalue of the CGGT. Then, the proposed method has been applied on the real gravity data from chromite deposits In Camaguey province, Cuba. The results showed that the zero contour of the small eigenvalue of the CGGT can outline the edges of synthetic bodies and chromite lenses better than the zero contour of the tilt angle method. Therefore, we can use the small eigenvalue of the CGGT to detect edges of chromite lenses precisely.

Keywords

Main Subjects

Full Text

کانی کرومیت به دلایل اقتصادی و دارا بودن ویژگی‌های فیزیکی و شیمیایی خاص به عنوان یک فلز استراتژیک در صنایع متالورژی برای تولید فروکروم و فروسیلیکوکروم در ساخت فولاد ضد زنگ و فولاد آلیاژی و چدن، دیرگدازها و شیمیایی استفاده می­شود. کاربرد وسیع این ماده علاوه بر صنعت فولاد، سبب شده که اکتشاف ذخایر معدنی کرومیت از اولویت‌های اصلی اکتشاف مواد معدنی باشد. بنابراین استفاده از روش­های مختلف اکتشافی برای شناسایی این ماده معدنی سبب شناخت بهتر آن شده و هزینه عملیاتی و اجرایی استخراج را کاهش خواهد داد [1].

 از آن‌جا که کانی کرومیت اختلاف چگالی قابل ملاحظه‌ای با سنگ­های میزبان دارد، می‌توان از روش گرانی‌سنجی جهت اکتشاف این کانسارها بهره گرفت. یکی از مهم‌ترین دلایل استفاده از گرانی­سنجی در اکتشاف کانسارهای کرومیت شناسایی محدوده و تعیین محل توده‌های کرومیت برای انجام حفاری اکتشافی است[2]. با استفاده از روش‌های شناسایی لبه که به صورت فیلتر بر روی داده‌های گرانی اعمال می‌شوند، می‌توان محل تغییرات جانبی چگالی سنگ‌ها و مرز ساختارهای زمین‌شناسی، از جمله توده­های کرومیت در یک منطقه را مشخص نمود. تا کنون روش‌های متعددی برای شناسایی لبه ارائه شده است [3-8].

در میان فیلترهای مختلف شناسایی لبه، فیلتر زاویه تمایل (Tilt angle) فیلتری است که کاربرد زیادی در شناسایی ساختارهای زیرسطحی دارد[8]. به کمک این فیلتر می‌توان مرز ساختارهای زیر سطحی را به صورت کمی مشخص نمود، بدین ترتیب که مقدار زاویه تمایل بر روی مرز ساختارها برابر صفر است[4]. در سال‌های اخیر دستگاه‌های گرادیومتر این امکان را فراهم کرده‌است که همه مولفه‌های تانسور گرادیان گرانی[i] (GGT) را بتوان اندازه‌گیری کرد. بنابراین روش‌های زیادی برای به نقشه درآوردن ویژگی‌های ساختاری با استفاده از داده­های تانسورگرادیان میدان پتانسیل توسعه یافته‌اند. برای مثال، تانسورهای افقی گرادیان گرانی برای مشخص کردن مرز واحدهای زمین­شناسی به کار گرفته شده‌اند[9]. در تحقیقی دیگر مرز ساختارهای زمین‌شناسی جنوب آلپ را با استفاده از تانسور گرادیان‌های گرانی تعیین شده است[10]. روشی برای بررسی پدیده‌های خطی با استفاده از مقادیر ویژه ماتریس هسین (Hessian) گرادیان‌های افقی گرانی مشاهده­ای یا محاسبه‌ای از داده‌های مغناطیس ارائه شده است. بررسی­ها نشان می‌دهد که دو تا از مقادیر ویژه این ماتریس دارای بیش­ترین انحنای مثبت و منفی هستند، مقدار ویژه دارای انحنای مثبت می‌تواند برای بررسی پدیده­های خطی استفاده شود و مقدار ویژه دارای انحنای منفی در تخمین عمق منابع ایجاد بی­هنجاری مفید است[11]. بررسی­ها نشان می­دهد جهت امتداد اجسام شبه دوبعدی می­تواند با استفاده از بردار ویژه مرتبط با کم‌ترین مقدار ویژه ماتریس تانسور گرادیان گرانی تخمین زده شود[12]. فیلتر انحنای تانسور گرادیان گرانی[ii] برای شناسایی ساختارهای زیر سطحی به کار گرفته شده است[13]. با استفاده از این فیلتر نیز می‌توان مرز ساختارهای زیرسطحی را به صورت کمی مشخص نمود، بدین صورت که مقدار ویژه ماتریس انحناء گرادیان بر روی مرز ساختارها برابر صفر است. پژوهش‌ها نشان داده مقدار ویژه کوچک برای تعیین مرز توده‌هایی با اختلاف چگالی مثبت به کار می­رود و مقدار ویژه بزرگ برای شناسایی مرز توده­هایی با اختلاف چگالی منفی به کار می‌رود. در همین راستا با تغییر رابطه محاسبه مقدار ویژه کوچک، می­توان مرز توده­هایی با اختلاف چگالی مثبت و منفی را به طور کمی و همزمان تعیین نمود[14]. همچنین به منظور شناسایی لبه براساس مقادیر ویژه ماتریس گرادیان گرانی فیلتری ارائه شده است که با استفاده از آن می‌توان مزر توده­های زیرسطحی عامل بی­هنجاری‌های مثبت و منفی گرانی را آشکار نمود. البته با استفاده از این روش می‌توان مرز ساختارهای زیرسطحی را به شکل کیفی شناسایی نمود. از فیلتر انحنای تانسور گرادیان گرانی بیشتر برای شناسایی مرز ساختارهای زمین­شناسی بزرگ مقیاس استفاده شده ­است[15]. از طرفی چون تکنولوژی ساخت دستگاه‌های گرادیومتر در همه کشورها وجود ندارد و به دلیل قیمت بالا در دسترس همگان نیست. از این رو، در سال‌های اخیر روش‌های محاسباتی برای به دست آوردن مولفه­های تانسور گرادیان گرانی توسعه یافته‌اند[16].


[i]  Gravity gradient tensor (GGT)

[ii] Curvature gravity gradient tensor (CGGT)

References

[1]           Aghajani, H. (2013). “Gravity surveying in Sabzevar for chromite exploration”. Internal report. Shahrood University of technology (In Persian).
[2]           Davis, W. E., Jackson, W. H., & Richter, D. H. (1957). Gravity prospecting for chromite deposits in Camaguey Province, Cuba. Geophysics, 22(4), 848-869.
[3]           Verduzco, B., Fairhead, J. D., Green, C. M., & MacKenzie, C. (2004). New insights into magnetic derivatives for structural mapping. The Leading Edge, 23(2), 116-119.
[4]           Miller, H. G., & Singh, V. (1994). Potential field tilt—A new concept for location of potential field sources. Journal of Applied Geophysics, 32(2-3), 213-217.
[5]           Wijns, C., Perez, C., & Kowalczyk, P. (2005). Theta map: Edge detection in magnetic data. Geophysics, 70(4), L39-L43.
[6]           Cooper, G. R., & Cowan, D. R. (2008). Edge enhancement of potential-field data using normalized statistics. Geophysics, 73(3), H1-H4.
[7]           Ma, G., & Li, L. (2012). Edge detection in potential fields with the normalized total horizontal derivative. Computers & Geosciences, 41, 83-87.
[8]           Hidalgo-Gato, M. C., & Barbosa, V. C. (2015). Edge detection of potential-field sources using scale-space monogenic signal: Fundamental principles. Geophysics, 80(5), J27-J36.
[9]           Murphy, C. A. (2004). The Air-FTG airborne gravity gradiometer system. Airborne gravity, 7-14.
[10]         Fedi, M., Ferranti, L., Florio, G., Giori, I., & Italiano, F. (2005). Understanding the structural setting in the Southern Apennines (Italy): insight from Gravity Gradient Tensor. Tectonophysics, 397(1-2), 21-36.
[11]         Hansen, R. O., & Deridder, E. (2006). Linear feature analysis for aeromagnetic data. Geophysics, 71(6), L61-L67.
[12]         Beiki, M., & Pedersen, L. B. (2010). Eigenvector analysis of gravity gradient tensor to locate geologic bodies. Geophysics, 75(6), I37-I49.
[13]         Oruç, B., Sertçelik, I., Kafadar, Ö., & Selim, H. H. (2013). Structural interpretation of the Erzurum Basin, eastern Turkey, using curvature gravity gradient tensor and gravity inversion of basement relief. Journal of Applied Geophysics, 88, 105-113.
[14]         Zhou, W., Du, X., & Li, J. (2013). The limitation of curvature gravity gradient tensor for edge detection and a method for overcoming it. Journal of Applied Geophysics, 98, 237-242.
[15]         Zuo, B., & Hu, X. (2015). Edge detection of gravity field using eigenvalue analysis of gravity gradient tensor. Journal of Applied Geophysics, 114, 263-270.
[16]         Mickus, K. L., & Hinojosa, J. H. (2001). The complete gravity gradient tensor derived from the vertical component of gravity: a Fourier transform technique. Journal of Applied Geophysics, 46(3), 159-174.
[17]         Alaia, R., Patella, D., & Mauriello, P. (2009). Imaging multipole gravity anomaly sources by 3D probability tomography. Journal of Geophysics and Engineering, 6(3), 298.
[18]         Oruç, B., & Keskinsezer, A. (2008). Structural setting of the northeastern Biga Peninsula (Turkey) from tilt derivatives of gravity gradient tensors and magnitude of horizontal gravity components. Pure and applied geophysics, 165(9-10), 1913-1927.
[19]         Pedersen, L. B., & Rasmussen, T. M. (1990). The gradient tensor of potential field anomalies: Some implications on data collection and data processing of maps. Geophysics, 55(12), 1558-1566.
[20]         Boring, E. (1998). Visualization of tensor fields (Master's thesis, University of California, Santa Cruz).
[21]         Blakely, R. J. (1996). Potential theory in gravity and magnetic applications. Cambridge University Press.
[22]         Flint, D. E., de Albear, J. F., & Guild, P. W. (1948). Geology and chromite deposits of the Camagüey district, Camagüey Province, Cuba. US Government Printing Office.
[23]         Hammer, S., Nettleton, L. L., & Hastings, W. K. (1945). Gravimeter prospecting for chromite in Cuba. Geophysics, 10(1), 34-49.
Journal of Analytical and Numerical Methods in Mining Engineering
Volume 9, Issue 19
September 2019
Pages 101-111

Files

History

  • Receive Date: 07 May 2018
  • Revise Date: 19 May 2019
  • Accept Date: 23 June 2019

Share

How to cite

Statistics