Структурометрический анализ и поиск полезных ископаемых

Введение в структурометрический анализ

Цель структурометрического анализа можно кратко выразить в одном предложении: по феноменам на поверхности Земли дать оценку подповерхностного состояния, "заглянуть в глубину". Это возможно, утверждают авторы этой идеи [4,5,10], поскольку все глубинные процессы и структуры проявляют себя тем или иным образом на поверхности Земли.

Безусловно, должно физически существовать некое "передающее звено", выносящее эту информацию из глубины на поверхность. К сожалению, на сегодняшний день мы не можем достоверно установить физическую природу этого явления, и существуют несколько гипотез о его происхождении.

Согласно одной из них, на наш взгляд, наиболее физически обоснованной, таким звеном являются сверхнизкочастотные акустические колебания (микросейсмы), связанные с происходящими в недрах планеты тектоническими процессами.

Эффект "просвечивания" земной коры также объясняют тектонически обусловленной трещиноватостью ее верхних этажей, отражающейся на дневной поверхности в ландшафтах "благодаря реакции грунтовых и подпочвенных вод на физико-химические условия, а также благодаря приспособившимся к этим условиям почвам и растительности" [6].

Внешним выражением этих процессов на поверхности Земли являются так называемые кольцевые структуры. Эти геологические тела имеют форму конусов, вершины которых (энергогенерирующие центры) разнесены по глубине и дают в проекции на горизонтальную плоскость в поле тяготения Земли концентрические окружности [4].

На территориях, закрытых чехлом рыхлых отложений, геологические кольцевые структуры проявляются либо геоморфологически в виде форм рельефа (экспонированные морфоструктуры), либо в виде безградиентных линеаментов, представленных системами водотоков, растительных сообществ и ландшафтных категорий. В частности последнее обстоятельство часто используют для объяснения эффекта "просвечивания" погребенных (криптоморфных) геологических структур, не выраженных в современных формах рельефа [7]. Указанные дешифровочные признаки используют для идентификации геологических кольцевых структур на основе морфоструктурного анализа с привлечением разнородных картографических материалов, разновременных аэрокосмических снимков в разных диапазонах спектра электромагнитного излучения [5].

При специализированном компьютерном анализе неоднородности структуры изображения почвенно-растительного покрова Земли на крупномасштабных аэрофотоснимках (1:6 000 – 1:15 000) обнаруживаются многочисленные кольцевые и линейные природные образования, внешне похожие на геологические кольцевые структуры и линеаменты. Эти кольцевые структуры не вписываются в рамки геологических классификаций и потому названы малыми кольцевыми структурами (МКС). Реальность существования МКС подтверждена полевыми обследованиями и составляет предмет научного открытия с формулой: "Экспериментально выявлены неизвестные ранее множественные, со сплошным покрытием земной поверхности, кольцевые природные образования малого размера (единицы – сотни метров), создаваемые естественным излучением планеты и проявляющиеся в рыхлых отложениях земной коры на фоне сейсмоакустических волн" [5].

Из общей геофизики известно, что подобное воздействие оказывают так называемые микросейсмические излучения, которые приводят к весьма малым (несколько мкм) колебаниям частиц рыхлых отложений земной коры. Экспериментально установлено, что при спокойной сейсмической обстановке на поверхности Земли микросейсмы образуют более или менее непрерывный фон с амплитудой до 10 мкм и периодом 5-10 с. Однако микросейсмы действуют постоянно и непрерывно на протяжении всей истории жизни планеты Земля. Поэтому за миллионы лет в рыхлой оболочке Земли по закону Вебера-Фехнера оказывается накопленной огромная энергия, преобразующая структуру рыхлых отложений и приводящая в условиях действия других известных геофизических полей к образованию МКС [4].

Данные процессы присущи не только Земле, но другим планетам земной группы Cолнечной системы. В частности, подобные структуры были выявлены в 1996 г. на Марсе.

Главный вывод из вышесказанного: все погребенные геологические структуры, включая залежи полезных ископаемых, проявлены на поверхности Земли.

С точки зрения физики и математики, перед нами классическая обратная задача математической физики, когда значения параметров модели должны быть получены из наблюдаемых данных. В нашем случае данные представляют собой мультиспектральные космические снимки, а параметрами модели являются глубина и форма погребенной залежи.

Примеры обратных задач можно найти во многих областях: геофизика, астрономия, медицинская визуализация, компьютерная томография, дистанционное зондирование Земли, спектральный анализ и задачи по неразрушающему контролю [1], [2], [3].

К сожалению, обратные задачи являются некорректно поставленными задачами. Из трёх условий корректно поставленной задачи (существование решения, единственность решения и его устойчивость) в обратных задачах наиболее часто нарушается последнее. Именно поэтому "нащупывание" общих и устойчивых закономерностей является чрезвычайно сложной процедурой.

"Изюминкой", если так можно выразиться, нашего подхода является, на первый взгляд парадоксальная, идея отойти как можно дальше от геологии и рассматривать задачу обнаружения погребенных структур с точки зрения физики и математики, максимально повышая таким образом объективность получаемых результатов.

Спектрометрические методы

Спектрометрические исследования требуют тщательной предобрабработки исходного материала (радиометрическая коррекция, межканальное цветопреобразование, усиление контраста, подавление шумов и т.д.). Сейчас мы не будем подробно останавливать на этих этапах (пред-) обработки данных ДЗЗ.

Для детальных спектрометрических исследований мы используем спектральную библиотеку ASTER [8], подготовленную Johns Hopkins University (JHU) Spectral Library, Jet Propulsion Laboratory (JPL), CalTech, и United States Geological Survey (USGS). Эта библиотека содержит описание более 2400 спектральных откликов (коэффициента отражения) природных минералов, почв, растительности и артефактов для длин волн от 0.4 мкм (дальний ультрафиолет) до 30 мкм (дальний тепловой).

Примеры спектральных откликов для инея, хвойного леса, речного песка, алюминия и криолита (Na3AlF6) приведены на графике.

speclib_aster
Примеры спектральных откликов
Нажмите на изображение для увеличения
График получен с помощью системы Magnolia psDRAW
 

С другой стороны, зная спектральные характеристики мультиспектрального сенсора, установленного на спутнике, мы можем определить наиболее информативный канал или соотношение каналов, которое несёт в себе информацию о наличии того или иного минерала или элемента. К примеру, для сенсора ETM+ (Landsat 7), максимальные величины нормализованного отношения каналов B3 (видимый красный) и B4 (ближний инфракрасный) указывают на наличие в поверхностном слое оксидов железа. Существуют десятки подобных (и более сложных) методов идентификации и локализации минералов и элементов в поверхностном слое. Cпектральные характеристики сенсора ETM+, установленного на спутнике Landsat7 приведены ниже.

lsat7_1234
Полосы пропускания каналов 1-4
Нажмите на изображение для увеличения
График получен с помощью системы Magnolia psDRAW
lsat7_57
Полосы пропускания каналов 5,7
Нажмите на изображение для увеличения
График получен с помощью системы Magnolia psDRAW

Важным дешифрирующим признаком является распределение хлорофилла в растительности. Для численных расчётов содержания хлорофилла мы используем хорошо известный метод вычисления NDVI (Normalized Difference Vegetation Index) [9], а также TDVI (Transformed Difference Vegetation Index) и LAI (Leaf Area Index). Эти расчёты позволяют нам количественно оценить степень угнетённости растительного покрова, локализовать запасы дождевой влаги, определить другие параметры поверхностного слоя Земли.

Расчёты распределения хлорофилла также помогают нам в идентификации определённых химических элементов и минералов. Так, медь даёт более яркий отклик в канале B2 сенсора ETM+ (видимый зелёный), чем растительность, что может служить дополнительным дешифрирующим признаком.

Методика анализа

Спектрометрические методы служат базой для нахождения и анализа разнообразных поисковых признаков. Для этого используется корреляция возможных залежей полезных ископаемых с изменением фототона почвы, растительного покрова, цвета воды внутренних акваторий, тепловыми потоками, фиксируемыми в ИК- и термальном диапазонах. При анализе почв используют снимки в красной области видимого спектра и ближнем ИК-диапазоне, растительного покрова - в ИК-диапазоне, воды и тепловых потоков — в ближнем и дальнем ИК-диапазоне.

В дополнение к спектрометрическим методам, данные ландшафтного анализа (выявленные кольцевые, другие структуры, линеаменты, перепады рельефа, аномалии в рисунке гидросети и т.д.) также являются основой для дальнейшего морфографического и морфометрического анализа [10].

Применение морфографических методов основано на качественном анализе гипсометрии рельефа, расчлененности рельефа, рисунка гидросети, кольцевых структур, линеаментов и других признаков тектонических структур, имеющих косвенное, но иногда вполне определенное отношение к возможным залежам полезных ископаемых.

Совокупность спектрометрических и морфографических методов является практической основой для выявления картины распределения кольцевых структур на поверхности Земли.

Как упоминалось выше, малые кольцевые структуры (МКС), несущие информацию о погребённых объектах, в огромном количестве (десятки и сотни тысяч на 1 кв. км.) выделяются на поверхности, создавая сложнейшую интерференционную картину. Проявляться они могут во всех спектральных каналах, в комбинациях спектральных каналов, в градиентном поле, и т.д. Умение выделять малые кольцевые структуры в весьма различных по своей морфологии географических регионах составляет одно из наших know-how.

Выраженность данных кольцевых структур ("коэффициент кольцевитости", ring coefficient) даёт нам возможность количественной оценки глубины залегания и локализации погребённой залежи. Высчитывая "коэффициент кольцевитости" по всем возможным радиусам для каждой точки изображения, мы получаем вероятность нахождения аномалии на определённой глубине. Это следует из того, что кольцевой структуре заданного радиуса соответствует единственная точка на определённой глубине, являющаяся вершиной конуса, основание которого и есть кольцевая структура, проявленная на поверхности. Таким образом, по имеющимся данным (структуры на поверхности Земли) мы получаем параметры модели (глубину и локализацию погребённого объекта), т.е. решаем классическую обратную задачу, сформулированную выше.

Данный подход позволяет нам восстановить 3-х мерную картину распределения вероятностей присутствия залежи по дискретным значениям глубины. Проводя вертикальный срез, мы можем получить профиль залежи, т.е. распределение по вертикальной секущей плоскости.

Разумеется, решение подобных задач требует весьма нетривиальных алгоритмов и серьёзных вычислительных ресурсов. Нами было разработано специальное программное обеспечение, позволяющее эффективно решать поставленные задачи.

Применение структурометрического анализа

Структурометрический анализ играет важную роль в разведке минерального сырья и углеводородов, а также при идентификации и мониторинге зон повышенного геологического риска.

Структурные элементы могут являться индикаторами потенциальных месторождений нефти и газа, характеризуя как подповерхностую геометрию скальных пород, так и деформацию и напряжение земной коры в локальной области.

Следует упомянуть о важности структурометрического анализа для интепретации процессов, происходящих в земной коре и формирующих ландшафт земной поверхности. Этот подход дает ключ к пониманию процессов движения земной коры и потенциальных зон повышенного риска, таких как зоны землетрясений, оползней и вулканической деятельности. К примеру, идентификация линий разломов помогает избежать интенсивного строительства в потенциально опасных зонах сейсмической активности.

Среди основных направлений использования методов структурометрического анализа в геологии можно выделить следующие:

  • прогнозирование полезных ископаемых:
    • региональная стадия - оценка прогнозных ресурсов полезных ископаемых нефтегазоносных и рудных провинций, рудоносных зон и областей;
    • детальная (поисковая) стадия - зональный прогноз с выявлением нефтегазоносных и рудных зон, рудных районов и узлов;
    • локальная (разведочная) стадия прогноза - разведка месторождений, оценка запасов;
  • структурный и мета-структурный анализ поверхности Земли;
  • анализ локальных и глобальных геоинформационных аномалий;
  • геологическое изучение площадей и составление геологических карт;
  • геоэкологический мониторинг экзогенных геологических процессов:
    • гравитационных (склоновых);
    • карстово-суффозионных и их техногенных аналогов;
    • эрозионно-абразионных;
    • криогенных;
  • анализ и картография рельефа;
  • литология;
  • геоботаника;
  • инфраструктура окружающей среды;
  • планетарная картография.

Литература

  • [1] American Institute of Mathematical Sciences / Inverse Problems and Imaging
    Inverse Problems and Imaging publishes research articles of the highest quality employing innovative mathematical and modeling techniques to study inverse and imaging problems arising in all of the sciences and engineering.
  • [2] Inverse Problems
    An interdisciplinary journal combining mathematical and experimental papers on inverse problems with numerical and practical approaches to their solution.
  • [3] Inverse Problems in Science and Engineering
    Inverse Problems in Science and Engineering provides an international forum for the discussion of conceptual ideas and methods for the practical solution of applied inverse problems.
  • [4] Фивенский Ю.И. Использование материалов аэрокосмических съёмок для изучения земной коры / Географический факультет МГУ, 2006.
  • [5] Фивенский Ю.И. Малые кольцевые структуры рыхлых отложений земной коры / Научное открытие. Диплом ОТП РАН № 02-д/02 от 22 октября 2002.
  • [6] Волчанская И.К., Сапожникова Е.Н. Анализ рельефа при поисках месторождений полезных ископаемых, 1990.
  • [7] Соловьев В.В. Структуры центрального типа территории СССР по данным геолого-геоморфологического анализа / М-во геологии СССР, 1978.
  • [8] Baldridge, A. M., Hook, S. J., Grove, C. I. and G. Rivera, 2008(9). The ASTER Spectral Library Version 2.0.
  • [9] Myneni, R. B., F. G. Hall, P.J. Sellers, and A.L. Marshak (1995) The interpretation of spectral vegetation indexes, IEEE Transactions on Geoscience and Remote Sensing, 33, 481-486.
  • [10] Жуков В.Т., Лазарев Г.Е., Фивенский Ю.И. Комплексный анализ и прогноз месторождений углеводородного сырья и экологических характеристик по данным аэрокосмических характеристик по данным аэрокосмической съемки, 1997.