تخمین زون کانی‌‏سازی اندیس پورفیری دالی با مدل‏‌سازی داده‌های ژئوفیزیکی
عنوان دوره: نوزدهمین کنفرانس ژئوفیزیک ایران
نویسندگان
1دانشکده مهندسی معدن-دانشگاه صنعتی اصفهان
2دانشگاه صنعتی اصفهان،دانشکده مهندسی معدن
3دانشگاه صنعتی اصفهان، دانشکده مهندسی معدن
چکیده
در چند دهه اخیر، کانسارهای پورفیری مس به دلیل داشتن عیار کم و تناژ بالا مورد توجه قرار گرفته‌اند و روش‌های شناسایی و اکتشاف آن‌ها ارتقا یافته است. در این پژوهش به اهمیت و کاربرد موثر روش‌های ژئوفیزیکی در بحث اکتشاف کانسار پورفیری مس و طلای دالی با توجه به شرایط و نحوه تشکیل آن پرداخته می‌شود. بدین منظور با پردازش داده‌های مغناطیس‌سنجی، مقاومت ویژه و پلاریزاسیون القایی موجود در شمال و جنوب منطقه، مدل‌سازی معکوس این داده‌ها صورت گرفت. سپس با تهیه مقاطعی از مدل این داده‌ها، بررسی و تفسیر آن‌ها انجام شد. در نهایت نتیجه این پژوهش نشان داد که کانی‌سازی در ارتباط با مقاومت ویژه پایین و پلاریزاسیون القایی بالا بوده و حداکثر عیار مس و طلا با تغییرات خودپذیریی مغناطیسی مرتبط است.
کلیدواژه ها
 
Title
Determination of mineralization zones of Dalli Porphyry Index by geophysical data modeling
Authors
Keytash Moshtaghian, Mohammad Hajheydari, Sayyed Mohammad Abtahi Forooshani
Abstract
In the last decades, copper porphyry deposits have received much attention due to their low grade and high reservation, and their identification and exploration methods have been improved. In this study, we discuss about the importance and effective application of geophysical methods in the discovery of Dalli copper and gold deposit with regard to the conditions and their formation. Hence, We performed inversion modeling by processing the magnetometric data, resistivity and induced polarization in the north and south of the region. Then, we prepared a cross-section of these data and analyzed them. Finally, the results of this study indicated that mineralization is associated with low resistivity and high induced polarization, and the maximum copper and gold grade is related to variation in magnetic susceptibility.
Keywords
Porphyry deposits, Dalli porphyry index, Inversion modeling, Geophysical data