Remote Sensing Geological Interpretation, Alteration Information Extraction, and Mineral Prospecting Prediction in the Chaihulanzi Gold Field, Chifeng, Inner Mongolia

doi:10.19657/j.geoscience.1000-8527.2023.112

Abstract

Abstract:

The Chaihulanzi gold field, situated at the northwesternmost end of the Chifeng-Chaoyang gold metallogenic belt, is an significant gold-producing region in China.However, this region faces harsh natural conditions and has seen limited geological studies using remote sensing.Research on the distribution characteristics of key ore-controlling factors (e.g., strata, structures, and igneous rocks) and alterations of host rocks related to gold mineralization remains relatively scarce.Therefore, utilizing remote sensing technology for prospecting in this ore field is of great significance.This paper uses Landsat 8 and GF-2 remote sensing images, along with the “Principal Component Analysis+Optimal Index Factor” method, to perform remote sensing geological interpretation of the Chaihulanzi gold ore field in Songshan District, Chifeng City, Inner Mongolia.Based on the spectral characteristics of altered minerals, a scheme was developed to extract alteration information from Landsat 8 and Sentinel-2A remote sensing images.The scheme involves removing interference information, extracting anomaly information, grading anomalies, and processing anomaly data.Three prospecting target areas were delineated based on previous regional geological and mining studies, integrating characteristics of alteration information with geological interpretation results.This study shows that using multi-source remote sensing satellite images for geological interpretation and extracting alteration information in the study area generally meets the requirements for medium-scale prospecting prediction and comprehensive geological surveys, significantly enhancing prospecting efficiency.The research results provide crucial fundamental guidance for future prospecting and exploration in the Chaihulanzi gold ore field.

Key words: Chaihulanzi gold ore field, multi-source remote sensing satellite imagery, remote sensing interpretation, alteration information extraction, principal component analysis, ore prospecting prediction

CLC Number:

HAN Yaohui, WANG Cuizhi, WU Zhijie, LÜ Guxian, ZHANG Baolin, ZHANG Qipeng. Remote Sensing Geological Interpretation, Alteration Information Extraction, and Mineral Prospecting Prediction in the Chaihulanzi Gold Field, Chifeng, Inner Mongolia[J]. Geoscience, 2024, 38(04): 1076-1091.

Figures/Tables 14

References 47

[1]	QU Y W, XIE Y L, YU C, et al. Geology, geochronology and tectonic setting of the Chaihulanzi gold deposit in Inner Mongolia, China[J]. Ore Geology Reviews, 2021, 134: 104152.
[2]	LIU H T, LIU J M, YU C M, et al. Integrated geological and geophysical exploration for concealed ores beneath cover in the Chaihulanzi goldfield, Northern China[J]. Geophysical Prospecting, 2006, 54(5): 605-621.
[3]	姜永兰, 付占荣, 孙家枢, 等. 甚低频电磁法在柴胡栏子金矿间接找矿中的应用[J]. 地质与勘探, 2005, 41(1): 77-79.
[4]	刘红涛, 杨秀瑛, 于昌明, 等. 用VLF、EH4和CSAMT方法寻找隐伏矿: 以赤峰柴胡栏子金矿床为例[J]. 地球物理学进展, 2004, 19(2): 276-285.
[5]	张宝林, 吕古贤, 余建国, 等. 内蒙古赤峰柴胡栏子金矿及周边地区构造形迹的 “米字型” 分布及其控矿特征[J]. 现代地质, 2021, 35(5): 1267-1273.
[6]	张胜龙, 刘林, 耿海军, 等. 基于Landsat 8 OLI数据甘肃陇南赵家庄地区遥感蚀变信息提取[J]. 铀矿地质, 2020, 36(6): 535-540.
[7]	ADIRI Z, LHISSOU R, EL HARTI A, et al. Recent advances in the use of public domain satellite imagery for mineral exploration: A review of Landsat-8 and Sentinel-2 applications[J]. Ore Geology Reviews, 2020, 117: 103332.
[8]	王艺龙, 王然, 严子清, 等. 基于GF-2和ASTER数据青海德龙地区构造蚀变信息提取及找矿预测[J]. 自然资源遥感, 2024, 36(1): 217-226.
[9]	BENAISSI L, TAREK A, TOBI A, et al. Geological mapping and mining prospecting in the Aouli inlier (Eastern Meseta, Morocco) based on remote sensing and geographic information systems (GIS)[J]. China Geology, 2022, 5(4): 614-625.
[10]	EL-DESOKY H M, SHEBL A, ABDEL-RAHMAN A M, et al. Multiscale mineralogical investigations for mineral potentiality mapping of Ras El-Kharit-Wadi Khashir district, Southern Eastern Desert, Egypt[J]. The Egyptian Journal of Remote Sensing and Space Science, 2022, 25(4): 941-960.
[11]	刘磊, 蒲小楠, 洪俊, 等. 巴基斯坦山达克矿区ASTER遥感数据蚀变信息提取及找矿预测[J]. 地质论评, 2022, 68(6): 2381-2395.
[12]	张志军, 徐马强, 王明, 等. GF-2遥感数据在盖孜河流域典型第四纪地层调查中的应用[J]. 地质科技通报, 2021(6): 302-312.
[13]	白龙洋, 代晶晶, 王楠, 等. 基于GF-5卫星西藏珠勒—芒拉地区矿物蚀变信息提取及找矿前景分析[J/OL]. 中国地质, 2023:1-18[2023-09-15].
[14]	冯博, 段培新, 程旭, 等. 高分五号航天高光谱遥感技术在甘肃龙首山铀矿找矿中的应用[J]. 现代地质, 2022, 36(6):1594-1604.
[15]	王烜, 王海鹏, 王然, 等. 基于GF2号与Landsat 8数据融合的遥感图像地质解译: 以1∶5万瓦房店市幅为例[J]. 地质论评, 2019, 65(4): 918-928.
[16]	董双发, 姜雪, 李名松, 等. 基于国产卫星数据的全要素遥感地质解译体系研建: 以干旱半干旱高寒山区为例[J]. 国土资源遥感, 2017, 29(S1): 21-26.
[17]	张焜, 马世斌, 李宗仁, 等. 高分一号卫星数据遥感地质解译[J]. 遥感信息, 2016, 31(1): 115-123.
[18]	王润生, 熊盛青, 聂洪峰, 等. 遥感地质勘查技术与应用研究[J]. 地质学报, 2011, 85(11): 1699-1743.
[19]	吴志春, 叶发旺, 郭福生, 等. 主成分分析技术在遥感蚀变信息提取中的应用研究综述[J]. 地球信息科学学报, 2018, 20(11): 1644-1656. DOI
[20]	王生礼, 李志军. 遥感蚀变信息提取研究综述[J]. 地质与资源, 2023, 32(4): 462-470.
[21]	谢文扬. 基于GF-1和Landsat 8数据的岩性识别及自动分类研究: 以新疆东天山昌吉地区为例[D]. 西安: 长安大学, 2022.
[22]	赵小星. 西藏桑木岗地区遥感线性构造和蚀变信息提取与找矿预测[J]. 现代地质, 2017, 31(4): 851-859.
[23]	COURBA S, YOUSSEF H, JAMAL A, et al. Litho-structural and hydrothermal alteration mapping for mineral prospection in the Maider Basin of Morocco based on remote sensing and field investigations[J]. Remote Sensing Applications(Society and Environment), 2023, 31: 100980.
[24]	雷万杉. 内蒙古赤峰南部地区金矿综合信息矿产预测[D]. 长春: 吉林大学, 2009.
[25]	李德亭, 袁怀雨. 赤峰柴胡栏子金矿构造控矿规律及找矿方向[J]. 金属矿山, 2005(6): 30-32, 66.
[26]	张玉君. Landsat 8简介[J]. 国土资源遥感, 2013, 25(1): 176-177.
[27]	孙攀, 董玉森, 陈伟涛, 等. 高分二号卫星影像融合及质量评价[J]. 国土资源遥感, 2016, 28(4): 108-113.
[28]	田颖, 陈卓奇, 惠凤鸣, 等. 欧空局哨兵卫星Sentinel-2A/B数据特征及应用前景分析[J]. 北京师范大学学报(自然科学版), 2019, 55(1): 57-65.
[29]	李隽辉, 闫臻, 付长垒, 等. 遥感地质解译在增生杂岩专题地质填图中的应用: 以柴达木盆地北缘托莫尔日特增生杂岩为例[J]. 地质学报, 2022, 96(4): 1478-1487.
[30]	张翠芬, 郝利娜, 王元俭, 等. Landsat 8 OLI图像增强与岩性识别方法[J]. 地质与勘探, 2017, 53(2): 325-333.
[31]	魏英娟, 刘欢. 北衙金矿床遥感矿化蚀变信息提取及找矿预测[J]. 自然资源遥感, 2021(3): 156-163.
[32]	XU H Q. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery[J]. International Journal of Remote Sensing, 2006, 27(14): 3025-3033.
[33]	田淑芳, 詹骞. 遥感地质学[M]. 2版. 北京: 地质出版社, 2013.
[34]	李杰. 赤峰市柴胡栏子金矿床地质特征及低品位矿石的开发利用[J]. 黄金, 1997, 18(9): 14-19.
[35]	吕古贤, 曹钟清, 郭涛, 等. 长江中下游中生代构造岩相体系分布与成矿规律: 新华夏构造体系的“长江式” 构造研究[J]. 大地构造与成矿学, 2011, 35(4): 495-501.
[36]	宋坤, 王恩德, 付建飞, 等. 基于Landsat 8数据的弓长岭矿区遥感蚀变异常信息提取[J]. 金属矿山, 2022(4): 149-157.
[37]	张川, 叶发旺, 徐清俊, 等. 新疆白杨河铀铍矿区航空高光谱矿物填图及蚀变特征分析[J]. 国土资源遥感, 2017, 29(2): 160-166.
[38]	陈振, 王翠芝, 吕古贤, 等. 柴胡栏子金矿黄铁矿的化学成分标型特征及其矿床学意义[J]. 黄金科学技术, 2022, 30(2): 165-178.
[39]	贺金鑫, 姜天, 董永胜, 等. 基于Landsat 8的辽宁弓长岭区遥感蚀变信息提取[J]. 吉林大学学报(地球科学版), 2019, 49(3): 894-902.
[40]	HU B, XU Y Y, WAN B, et al. Hydrothermally altered mineral mapping using synthetic application of Sentinel-2A MSI, ASTER and Hyperion data in the Duolong Area, Tibetan Plateau, China[J]. Ore Geology Reviews, 2018, 101: 384-397.
[41]	金谋顺, 王辉, 张微, 等. 高分辨率遥感数据铁染异常提取方法及其应用[J]. 国土资源遥感, 2015, 27(3): 122-127.
[42]	FORSON E D, MENYEH A, WEMEGAH D D. Mapping lithological units, structural lineaments and alteration zones in the Southern Kibi-Winneba belt of Ghana using integrated geophysical and remote sensing datasets[J]. Ore Geology Reviews, 2021, 137: 104271.
[43]	张彦生. 内蒙古赤峰柴胡栏子金矿矿化及蚀变特征研究[J]. 内蒙古科技与经济, 2012(5): 55-57.
[44]	石开拓. 华北克拉通北缘赤峰—朝阳成矿带西段脉金矿床成矿作用及成矿预测[D]. 长春: 吉林大学, 2022.
[45]	张腾飞. 内蒙古柴胡栏子金矿蚀变岩相特征及其对成矿的指示作用[D]. 福州: 福州大学, 2021.
[46]	沙德铭. 内蒙古红花沟金矿控矿构造研究[J]. 贵金属地质, 1994, 3(2): 96-102.
[47]	陈振. 内蒙古赤峰红花沟金矿蚀变岩相特征及其对成矿的指示作用[D]. 福州: 福州大学, 2022.

数据源	Landsat 8	Sentinel-2A	GF-2
获取时间	2021年4月 1日	2021年4月 14日	2022年4月 28日
在轨时间	2013年至今	2015年至今	2014年至今
轨道高度(km)	705	786	631
幅宽(km)	185	290	45
波段数量	10+1(全色)	13	4+1(全色)
空间分辨率(m)	10,30,100	10,20,60	0.8,3.2
主要用途	遥感地质宏观解译,综合蚀变矿物信息提取	综合蚀变矿物信息提取	遥感地质精细解译,地物识别

数据源	Landsat 8	Sentinel-2A	GF-2
获取时间	2021年4月 1日	2021年4月 14日	2022年4月 28日
在轨时间	2013年至今	2015年至今	2014年至今
轨道高度(km)	705	786	631
幅宽(km)	185	290	45
波段数量	10+1(全色)	13	4+1(全色)
空间分辨率(m)	10,30,100	10,20,60	0.8,3.2
主要用途	遥感地质宏观解译,综合蚀变矿物信息提取	综合蚀变矿物信息提取	遥感地质精细解译,地物识别

波段	Band 1	Band 2	Band 3	Band 4	Band 5	Band 6	Band 7
Band 1	1.000000
Band 2	0.995109	1.000000
Band 3	0.971254	0.985829	1.000000
Band 4	0.952174	0.971463	0.994349	1.000000
Band 5	0.889528	0.913701	0.942378	0.949468	1.000000
Band 6	0.867117	0.895096	0.916229	0.935155	0.927404	1.000000
Band 7	0.881638	0.904209	0.932348	0.951356	0.913912	0.977820	1.000000

波段	Band 1	Band 2	Band 3	Band 4	Band 5	Band 6	Band 7
Band 1	1.000000
Band 2	0.995109	1.000000
Band 3	0.971254	0.985829	1.000000
Band 4	0.952174	0.971463	0.994349	1.000000
Band 5	0.889528	0.913701	0.942378	0.949468	1.000000
Band 6	0.867117	0.895096	0.916229	0.935155	0.927404	1.000000
Band 7	0.881638	0.904209	0.932348	0.951356	0.913912	0.977820	1.000000

遥感影像	特征向量	B2	B5(B8A)	B6(B11)	B7(B12)
Landsat 8	PC1	-0.202062	-0.511884	-0.585658	-0.595106
	PC2	-0.418561	-0.690096	0.184432	0.564046
	PC3	0.389631	0.034783	-0.731846	0.558014
	PC4	0.795088	-0.240143	0.401628	-0.327759
Sentinel-2A	PC1	0.225993	0.538644	0.542974	0.603299
	PC2	0.497182	0.643627	-0.267271	-0.511840
	PC3	0.433549	-0.159561	-0.669043	0.582200
	PC4	0.716779	-0.289758	0.425424	-0.317323