Mineral potential mapping of porphyry copper deposit by translating the mineral system using soil geochemistry data at Kahang, Iran
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 60
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJMGE-57-4_006
تاریخ نمایه سازی: 11 دی 1402
چکیده مقاله:
Identification of geochemical anomalies is a critical task in mineral exploration targeting. Decades of research and technology have resulted in new algorithms and techniques for recognizing anomaly detection methods at various scales and sample media. However, algorithms cannot always reveal the true nature of geological processes. The mineral system concept may contribute to a better understanding of the geological processes required to form and preserve ore deposits at all spatial and temporal scales. The mineral systems concept investigates the geochemical processes occurring within mineral subsystems in soil samples from the porphyry prospect area. The Cu/(Al + Ca) index was used to compare Cu, Mo, and (Pb* Zn)/(Cu*Mo) to highlight the region of interest for mineral potential mapping and pioneer borehole drilling based on fluid-rock interaction and secondary processes (e.g., alteration, weathering, and leaching). Exploratory boreholes validate a better performing Cu/(Al + Ca) index for detecting and refining soil geochemical anomalies.
کلیدواژه ها:
soil geochemistry ، Porphyry copper deposit ، mineral system concept ، Kahang porphyry copper deposit
نویسندگان
Saeid Hajsadeghi
School of Mining Engineering, College of Engineering, University of Tehran, Tehran, Iran.
Mirsaleh Mirmohammadi
School of Mining Engineering, College of Engineering, University of Tehran, Tehran, Iran.
Omid Asghari
School of Mining Engineering, College of Engineering, University of Tehran, Tehran, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :