Peoples’ Friendship University of Russia
For the first time, lithological mapping has been carried out for the Shchuchinsky zone of the Polar Urals using the space decoding method on the basis of digital data from the Harmonized Landsat Sentinel-2 remote sensing instrument. The objective of this study is to evaluate the feasibility and effectiveness of Harmonized Landsat Sentinel-2 satellite data with modern image processing methods for lithological mapping of the northeastern slope of the Polar Urals (the Shchuchinsk zone hosting the Yunyaginskoye Au-Fe deposit). We have created a lithological map of the study area showing a strong correlation with the existing geological map of the region. Specifically, metamorphosed rocks are reliably identified by dark blue to violet hues, ultramafic rocks by red, and a combination of green and blue indicates areas of sedimentary and metamorphic rocks. The study results confirm the effectiveness of the chosen approach and demonstrate a significant potential of using this satellite imagery for geological mapping in high-mountain terrain with a thin cover of Quaternary sediments (up to 6 m). To further improve the accuracy and expand the method applicability, integration with other satellite image processing techniques that effectively identify lithological units under thicker Quaternary cover is recommended together with fieldwork verification.
satellite imagery, the Polar Urals, Harmonized Landsat Sentinel-2 (HLS), lithological mapping, minimal noise, color composite
Введение
Литологическое картирование с применением современных космических снимков (КС) аппаратов дистанционного зондирования Земли, особенно в таком труднодоступном регионе, как Полярный Урал, открывает новые горизонты для изучения его геологического строения. Благодаря высокой разрешающей способности и широкому спектральному диапазону космических данных возможно детальное выделение и идентификация различных типов горных пород. Это позволяет значительно повысить точность геологических карт и прогнозировать распределение полезных ископаемых, что критически важно для устойчивого развития горнодобывающей промышленности в Арктике.
В этой работе использованы спутниковые данные космического аппарата (КА) Harmonized Landsat Sentinel-2 (HLS-2) с пространственным разрешением 30 м. Данные HLS-2 доступны бесплатно на сайте
www.search.earthdata.nasa.gov. Более подробную информацию о характеристиках данного КА можно найти в работе (Maseki et al., 2018).
Целью данного исследования является оценка возможностей и эффективности использования данных КА HLS-2 с применением современных методов обработки изображений для литологического картирования на территории северо-восточного склона Полярного Урала (Щучьинская зона с Au-Fe-месторождением Юньягинское).
Результаты данного исследования могут быть использованы для обновления и уточнения существующих геологических карт, планирования геолого-разведочных работ в труднодоступных районах и адаптации решения задач геологического картирования на других северных территориях.
Геологическое строение Щучьинской зоны
Щучьинская зона (ЩЗ) расположена на крайнем севере Уральской складчатой области, в ее восточной, крайне пологой части. Ключевым элементом этой структуры является Главный Уральский разлом, иначе именуемый Главной Уральской сутурой; на большей части он проявлен в виде надвига, здесь он в основном погребен под чехлом рыхлых отложений (MZ-KZ) (рис. 1).
В структуре рассматриваемого региона четко выделяются несколько секторов. Здесь фундамент сложен палеозойскими складчатыми структурами, образованными породами ордовикского, силурийского, девонского и каменноугольного периодов. Этот фундамент перекрыт платформенными мезозойскими отложениями, относящимися к юрскому и триасовому периодам (Душин, 2020). Среди магматических пород преобладают габброиды, в то время как гранитоиды встречаются гораздо реже и формируют небольшие штокообразные массивы.
Различные свиты и комплексы пород содержат разнообразную рудную минерализацию. Наиболее значимой является рудная нагрузка гипабиссальных-абиссальных метагаббро-долеритового васькеуского и габброноритового харампэйско-масловского комплексов; они несут Fe-Ti-V-ортомагматическое и Fe- (± Cu, Au)-скарновое оруденение. Магнетитовая эпискарновая минерализация (± Cu) развита также во вмещающих эти плутоны породах янганапэйской толщи, представленной чередованием основных-средних вулканитов и терригенно-карбонатных пород. Метатерригенные (отчасти углеродистые и карбонатные) породы малопайпудынской и хантейской свит несут стратоидные скопления Cu±Au- и полиметаллической минерализации.
Плутонические образования харбей-собского комплекса содержат Mo-, Pb-Zn-, Cu-кварцевые и Fe-скарновые рудопроявления. Кислые интрузивы сядатаяхинского и евъюганского комплексов, а также их приконтактовые зоны включают Au-, Mo- и Cu-рудопроявления. Метатерригенные (± известняки) породы хойдышорской и усинской свит несут стратоидную Cu±Au-минерализацию; в метатерригенных (отчасти углеродистых и карбонатных) породах орангской свиты, переслаивающихся с редкими потоками базальтов, выявлена Pb-Zn-минерализация.
В ультрабазитах сыум-кеуского комплекса, а также дайкоподобных телах хартманюшорского комплекса отмечены крупные скопления хромитов. Метаморфогенные Ti-рудопроявления выявлены в метаморфизованных в высокобарных условиях образования (≈ эклогиты) слюдяногорского комплекса.
Главным потенциально промышленным рудным объектом является Fe-скарновое (± Cu, Au) Юньягинское месторождение; через его рудное поле проходит железнодорожная линия Обская – Бованенково. Оно пространственно и генетически связано со 2-й фазой юньягинского многофазного (габбро + гранодиориты + граниты) комплекса; с ней же ассоциируют мелкие скарно-магнетитовые рудопроявления. Здесь в одном и том же рудном районе соседствуют рудные залежи Fe(±Cu, Au)-скарновых руд, базитовых Ti-Fe-руд волковского типа, ультрабазит-базитовых Fe-Ti-V-руд качканарского типа. Все эти проявления нуждаются в более детальном геологическом исследовании и оценке их экономического потенциала (Зылева и др., 2014; Andreichev et al., 2017).
Геологическое строение и металлогения Щучьинской зоны, хотя и детально описаны в отдельных монографиях, статьях (Зылева и др., 2014; Ремизов и др., 2014; Душин, 2020; Пучков, Иванов, 2020) и ряде производственных отчетов, требуют доизучения.
Исходные данные и подходы
Выбраны дневные и безоблачные снимки аппарата HLS-2 для территории изучения:
— HLS.S30.T41WPQ.2022212T071619;
— HLS.S30.T42WVV.2022212T071619;
— HLS.S30.T41WPR.2022212T071619;
— HLS.S30.T42WVA.2022212T071619.
Изображения можно получить с сайта https://search.earthdata.nasa.gov.
Версия HLS-2 включает предобработку КС.
Алгоритм методики, принятый в данном исследовании, состоит из следующих этапов:
— применение преобразования минимальной доли шума (Minimum Noise Fraction —MNF) и подготовка цветового композита MNF, наиболее подходящего для выделения литологических изменений для КС;
— литологическое картирование в среде ГИС путем визуальной интерпретации цветового композита, подготовленного на основе комбинаций индексов минералов и каналов MNF и экранной оцифровки;
— верификация полученной литологической карты путем сравнения с имеющимися геологическими данными и полевыми исследованиями;
— оценка и анализ точности и надежности полученной литологической карты;
— определение перспектив использования космической съемки для геологического картирования в аналогичных регионах.
Преобразование MNF и подготовка цветового композита выполнены в программе ENVI. Систематизация и обобщение данных — в QGIS.
Методы исследования
1. Преобразование минимальной доли шума (MNF). Это метод обработки мультиспектральных и гиперспектральных изображений, который упорядочивает компоненты в порядке убывания отношения «сигнал/шум» (SNR). Цель — выделить информативные признаки и уменьшить шум в данных. Метод предложен в 1988 году Грином, Берманом, Свитцером и Крейгом (Green et al., 1988). Первый этап MNF заключается в использовании ковариационной матрицы шума для декорреляции и нормализации шумовых компонент. Данные, характеризующиеся единичной дисперсией и отсутствием корреляции между каналами, идентифицируются как шум и отделяются от исходного набора данных. Этот процесс позволяет минимизировать влияние шума на последующие этапы обработки. На втором этапе к данным, очищенным от шума, применяется стандартная PCA-трансформация. Целью этой трансформации является переупорядочение среднеквадратических отклонений шумовых компонент. Полученные MNF-изображения, как и изображения главных компонент, упорядочиваются в соответствии с максимальной изменчивостью данных.
2. Цветовой композит. По данным (Lakshmi, Kusuma, 2018), с целью литологического картирования разработан и использован цветовой композит в ложных цветах MNF (RGB: 5-2-3) для спектральных каналов КА Landsat-8. Для КА HLS-2 цветовой композит будет RGB: 8а-2-3 (по: Masek et al., 2018; Sekandari et al., 2020).
Результаты и обсуждение
В работах (Иванова и др., 2019; Иванова, Выхристенко, 2021) для ЩЗ выделена крупная кольцевая морфоструктура овальной формы 1-го порядка (размером 97 на 76 км) — Щучьинский палеовулкан. Описано ее геологическое строение, на основе дистанционных данных (Landsat 8) и высокоточной цифровой модели рельефа (ASTER GDEM) выполнен анализ линеаментной сети и подготовлена карта дешифрированных морфоструктур, в том числе рудоперспективных.
На исследуемой территории, по данным (Зылева и др., 2014), выделяются зоны развития березитоподобных метасоматитов, с которыми генетически связаны проявления молибденовой, золоторудной, железозолоторудной и полиметаллической минерализации. Однако обнаружение этих зон с использованием методов дистанционного зондирования затруднено. Причиной тому является значительная мощность четвертичных отложений, достигающая 450 м. На отдельных локальных участках, где мощность четвертичных отложений сокращается до 6 м (Викентьев и др., 2021), наблюдается совпадение их литологии с данными дешифрирования снимков.
Таким образом, для повышения эффективности поисковых работ и картирования потенциально рудоносных зон необходимо учитывать влияние четвертичного чехла. Одним из направлений может быть применение геофизических методов, позволяющих проникать на большую глубину и получать информацию о строении коренных пород. Кроме того, перспективным является анализ данных дистанционного зондирования в комплексе с геохимическими данными, полученными при опробовании четвертичных отложений, с целью выявления индикаторных элементов, связанных с коренной минерализацией. Цветовой композит, полученный с помощью КА HLS-2 MNF (RGB:8а-2-3), оказался эффективным для распознавания некоторых литологических единиц в исследуемой области (рис. 2, а).
Красный цвет соответствует магматическим ультраосновным (УО) породам: дунит-гарцбургитовому сыум-кеускому и дунит-верлит-клинопироксенитовому малохадатинскому комплексам (рис. 2, b). Цвета от темно-синего до фиолетового соответствуют метаморфическим породам, образовавшимся при региональном и контактовом метаморфизме умеренной и высокой ступеней: ханмейхойской, лаптаюганской, париквасьшорской свитам и малыкскому комплексу.
Схожий состав метаморфических пород и сложное геологическое строение создают трудности для разделения ханмейхойской, лаптаюганской и париквасьшорской свит, а также выделения пород евъюганского комплекса. Например, гнейсы, представленные зеленым цветом, не демонстрируют изменений оттенков, что может объясняться примерно одинаковым содержанием в них SiO2 (Lakshmi, Kusuma, 2018). В гнейсах париквасьшорской свиты концентрации SiO2 составляют около 76 % (Шишкин и др., 2008), тогда как в аналогичных породах ханмейхойской свиты — 62–70 % (Уляшева, 2013).
Сочетание зеленого и синего цвета соответствует осадочным и метаморфическим породам орангской свиты, локализованным в СЗ-части территории. Породы восточной, СВ, ЮВ и южной частей изучаемой площади плохо выделяются на полученной литологической карте, вероятно, из-за мощных плиоцен-четвертичных отложений. Они распространены почти повсеместно и представлены комплексом морских, ледниково-морских, аллювиально-морских и континентальных образований. Их мощность зависит от рельефа коренных пород и отметок дневной поверхности, изменяясь в значительных пределах, достигая 450 м и более (Шишкин и др., 2008; Зылева и др., 2014). В целом расшифровка внутреннего строения ЩП затруднено большой мощностью перекрывающих мезозойских отложений (до 500 м), представленных разнообразными осадочными породами.
Заключение
Исследование позволило построить литологическую карту северного окончания восточного склона Полярного Урала, используя полученные с КА HLS-2 данные, а также современные методы обработки изображений. Результаты демонстрируют перспективность использования космической съемки для геологического картирования в областях с гористым рельефом и минимальным покровом четвертичных отложений (до 6 м).
Сопоставление полученной литологической карты с существующими геологическими данными выявило высокую степень соответствия. Метаморфизованные породы четко выделяются по характерной цветовой гамме, варьирующейся от темно-синего до фиолетового. Ультраосновные породы надежно идентифицируются по красному цвету, а сочетание зеленого и синего оттенков указывает на районы распространения осадочных и метаморфических пород.
Для повышения точности и расширения области применения разработанной методики целесообразно объединить ее с другими методами обработки космической информации. Это позволит более эффективно выделять литологические единицы даже в тех районах, где мощность четвертичных отложений значительна.
Кроме того, крайне важна обязательная верификация полученных результатов с использованием данных полевых работ. Это позволит не только подтвердить достоверность литологической карты, но и выявить возможные ограничения и внести необходимые коррективы в алгоритм обработки изображений.
1. Vikentyev I. V., Ivanova Yu. N., Nafigin I. O., Bortnikov N. S. Structural position and typification of metasomatic zones, Polar Urals: the first experience of modern space sensing of the Earth. Doklady Earth Sciences, 2021, V. 500, No. 2, pp. 115–122. (in Russian)
2. Zyleva L. I., Konovalov A. L., Kazak A. P. et al. State Geological Map of the Russian Federation. Scale 1:1,000,000 (third generation). West Siberian Series. Sheet Q-42 — Salekhard: Explanatory Note. St. Petersburg: VSEGEI, 2014, 396 p. (in Russian)
3. Dushin V. A. Geological structure and magmatism of the Shchuchinsky megablock (Polar Urals). Bulletin of the Ural State Mining University, 2020, 4(60), pp. 35–56. (in Russian)
4. Ivanova Yu. N., Vykhristenko R. I. Structural control of gold mineralization on the eastern slope of the Polar Urals based on the analysis of multispectral images from the Landsat 8 spacecraft. Earth Exploration from Space, 2021, No. 6, pp. 60–73. (in Russian)
5. Ivanova Yu. N., Vykhristenko R. I., Vikentyev I. V. Geological position and structural control of mineralization in the Toupugol-Khanmeishor region (Polar Urals) based on remote sensing results. Exploration of the Earth from Space, 2019, No. 3, pp. 66–76. (in Russian)
6. Puchkov V. N., Ivanov K. S. Tectonics of the Northern Urals and Western Siberia: general history of development. Geotekton, 2020, No. 1, pp. 41–61. (in Russian)
7. Remizov D. N., Shishkin M. A., Grigoriev S. I. et al. State Geological Map of the Russian Federation. Scale 1:200000 (2nd ed., digital). Polar-Ural Series. Sheet Q-41-XVI (Khordyus Mountain). Explanatory Note. SPb: VSEGEI Cartographic Factory, 2014, 256 p. (in Russian)
8. Ulyasheva N. S. Composition and Formation Conditions of Plagiogneiss Protoliths in the Kharbey Metamorphic Complex (the Polar Urals). Vestnik of the Institute of Geology Komi SC UB RAS, 2013, pp. 14–19. (in Russian)
9. Shishkin V. A., Zhigalov S. V., Grishchenko Sh. G. State Geological Map of the Russian Federation. Scale 1:200,000 (new series). Sheet P-55-XII. Explanatory Note. St. Petersburg: 2008. (in Russian)
10. Andreichev V. L., Kulikova K. V., Larionov A. N., Sergeev S. A. Age of island-arc granites in the Shchuch'ya zone, Polar Urals: first U–Pb (SIMS) results // Doklady Earth Sciences. 2017. Vol. 477. No. 1. P. 1260–1264.
11. Claverie M., Jub J., Masek J.G. et al. The Harmonized Landsat and Sentinel-2 surface reflectance data set // Remote Sensing of Environment. V. 219. 2018. P. 145–161. DOIhttps://doi.org/10.1134/S1028334X17110095
12. Green A. A., Berman M., Craig M. D. A Transformation for ordering multispectral data in terms of image quality with implications for noise removal // IEEE Trans. Geosci. 1988. 26(1). P. 65– 74. DOIhttps://doi.org/10.1109/36.3001
13. Lakshmi Ram Prasath H., Kusuma K. N. Lithological Mapping using Landsat 8 OLI and ASTER TIR Multispectral Data: A Comparative Study // International Journal of Advanced Remote Sensing and GIS. 2018. V.7. Is. 1. P. 2728–2745. DOIhttps://doi.org/10.23953/cloud.ijarsg.369.
14. Masek J. G., Claverie J., Ju. M. et al. Harmonized Landsat Sentinel-2 (HLS) Product User Guide. Product Version 2.0. 2018. 24 p.
15. Sekandari M., Masoumi I., Beiranvand Pour A., M Muslim A. et al. Application of Landsat-8, Sentinel-2, ASTER and WorldView-3 spectral imagery for exploration of carbonate-hosted Pb-Zn deposits in the Central Iranian Terrane (CIT) // Remote Sensing 2020. 12. 1239. doihttps://doi.org/10.3390/rs12081239
