Analyse probabiliste des relations spatiales entre les gisements aurifères et les structures crustales : developpement méthodologique et applications à l'Yenissei Ridge (Russie)

Les progres recents en sciences de la terre font de plus en plus de donnees multidisciplinaires disponibles pour l'exploration miniere. Cela a permis le developpement de methodologies de calculer la predictivite pour les zones auriferes basees sur des analyses statistiques des differents parametres. L‘utilisation de nouveaux logiciels developpes, la distribution spatiale et la topologie des polygones (e.g. intrusions granitiques) et des polylignes (e.g. zones de cisaillement) sont controlees par les parametres definis par les utilisateurs (par exemple, la densite, la longueur, la surface, etc.). La distance des gisements d'or par rapport a polygones ou polylignes est calculee en utilisant une fonction de probabilite distribution. Les analyses statistiques des resultats de la modelisation montrent que i) les valeurs de la moyenne a la surface relative des polygones, la moyenne de longueur relative de polylignes, le nombre d'objets et leur regroupement sont essentiels a des evaluations statistiques ; ii) tester la validite des differents methodes d'inversion depend de l‘importance relative sur la correlation entre les parametres utilises; et iii) la robustesse des points d'interet de distribution est de deduire des lois a l'egard de la qualite des donnees d'entree. Cette approche a ete appliquee aux donnees geologiques et geophysiques de l‘Yenissei Ridge d‘une surface totale de 75730 km2 pour cartographier la predictivite de 29 nouvelles zones auriferes correspondant a une surface de 1811 km2. La methode developpee dans cette etude permet de reduire jusqu'a quatre fois de la superficie consideree comme des zones auriferes par des etudes precedentes. Pour la construction la plus precise des zones auriferes un modele 3D de densite de l‘Yenissei Ridge a ete construit. Ce modele est base sur les donnees de surface, gravimetriques et aeromagnetiques (grilles numerique de 1x1km2), profils sismiques et magnetotelluriques de "Batholite" et "Shpate". Ce modele 3D de densite montre que: a) l‘Yenissei Ridge a une structure de couverture pliee, resultant d'un evenement de la collision neoproterozoique ; b) γNPta granites Tatarsky-Ayhta et zones de cisaillement sont des seuls objets qui presente des relations spatiales avec la mineralisation aurifere.

[1]  D. Cassard,et al.  GOLD predictivity mapping in French Guiana using an expert‐guided data‐driven approach based on a regional‐scale GIS , 2008 .

[2]  D. Cox Karl Pearson and the Chi-Squared Test , 2002 .

[3]  J. Chilès,et al.  Geological modelling from field data and geological knowledge. Part I. Modelling method coupling 3D potential-field interpolation and geological rules , 2008 .

[4]  L. Feltrin Predictive modelling of prospectivity for Pb-Zn deposits in the Lawn Hill Region, Queensland, Australia , 2008 .

[5]  P. J. Clark,et al.  Distance to Nearest Neighbor as a Measure of Spatial Relationships in Populations , 1954 .

[6]  Daniel Cassard,et al.  Predicting gold-rich epithermal and porphyry systems in the central Andes with a continental-scale metallogenic GIS , 2004 .

[7]  R. A. Leibler,et al.  On Information and Sufficiency , 1951 .

[8]  E. Carranza Controls on mineral deposit occurrence inferred from analysis of their spatial pattern and spatial association with geological features , 2009 .

[9]  L. Cathles,et al.  How long can a hydrothermal system be sustained by a single intrusive event , 1997 .

[10]  H. Cramér Mathematical methods of statistics , 1947 .

[11]  M. Berman Testing for spatial association between a point process and another stochastic process , 1986 .

[12]  D. Groves,et al.  Gold prospectivity mapping using a geographic information system (GIS), with examples from the Yilgarn Block of Western Australia , 1997 .

[13]  M. Berman Distance distributions associated with poisson processes of geometric figures , 1977, Journal of Applied Probability.

[14]  Sang Joon Kim,et al.  A Mathematical Theory of Communication , 2006 .

[15]  A. Guilléna,et al.  Geological modelling from field data and geological knowledge Part II . Modelling validation using gravity and magnetic data inversion , 2008 .

[16]  L. B. Pedersen,et al.  Relations between potential fields and some equivalent sources , 1991 .

[17]  V. S. Sheplev,et al.  Contact metamorphism of Fe- and Al-rich graphitic metapelites in the Transangarian region of the Yenisei Ridge, eastern Siberia, Russia , 2001 .

[18]  B. Jacobsen A case for upward continuation as a standard separation filter for potential-field maps , 1987 .

[19]  R. Blakely Potential theory in gravity and magnetic applications , 1996 .

[20]  H. Chernoff,et al.  The Use of Maximum Likelihood Estimates in {\chi^2} Tests for Goodness of Fit , 1954 .

[21]  L. Bailly,et al.  Predictive mapping for copper-gold magmatic-hydrothermal systems in NW Argentina: Use of a regional-scale GIS, application of an expert-guided data-driven approach, and comparison with results from a continental-scale GIS , 2006 .

[22]  N. V. Popov,et al.  Collision metamorphism of precambrian complexes in the Transangarian Yenisei Range , 2008 .

[23]  Maurice G. Kendall,et al.  The advanced theory of statistics , 1945 .

[24]  E. Carranza Geochemical Anomaly and Mineral Prospectivity Mapping in Gis , 2012 .

[25]  B. Bhattacharyya,et al.  ENERGY DENSITY SPECTRUM AND AUTOCORRELATION FUNCTION OF ANOMALIES DUE TO SIMPLE MAGNETIC MODELS , 1966 .

[26]  Wilpen L. Gorr,et al.  GIS Tutorial Updated for ArcGIS 9.2: Workbook for Arc View 9 , 2007 .

[27]  C. Lajaunie,et al.  Foliation fields and 3D cartography in geology: Principles of a method based on potential interpolation , 1997 .

[28]  Koptyug Avenue The 880-864 Ma granites of the Yenisey Ridge, western Siberian margin: Geochemistry, SHRIMP geochronology, and tectonic implications , 2007 .