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

Probabilistic analysis of spatial relationships between gold deposits and crustal structures : methodological development and applications in the Yenisei Ridge (Russia)

• Auteur / Autrice : Boris Sterligov
• Direction : Yan Chen, Ludmila A. Zolotaya
• Type : Thèse de doctorat
• Discipline(s) : Géophysique
• Date : Soutenance le 15/12/2010
• Etablissement(s) : Orléans en cotutelle avec Université Lomonossov (Moscou)
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies (Orléans ; 2009-2012)
• Partenaire(s) de recherche : Laboratoire : Institut des sciences de la terre d'Orléans (2010-....)
• Jury : Président / Présidente : Sergey Cherkasov
• Jury : Examinateurs / Examinatrices : Ludmila A. Zolotaya, Sergey Cherkasov, Alexander G. Gorelov, Aleksei V. Petrov, Charles Gumiaux, Luc Barbanson, Guillaume Martelet, Daniel Cassard
• Jury : Rapporteurs / Rapporteuses : Alexander G. Gorelov, Aleksei V. Petrov

Mots clés

Mots clés contrôlés

Gravimétrie (géophysique)

Or -- Gisements

Mots clés libres

Zone aurifère

Cartes de la prédictivité aurifière

Yenissei Ridge

Modélisation gravimétrique directe en 3-D

Analyse statistique

Gold zones

Predictivity maps for gold

Yenisei ridge

3D direct gravity modeling

Statistic analysis

Résumé

Les progrès récents en sciences de la terre font de plus en plus de données multidisciplinaires disponibles pour l'exploration minière. Cela a permis le développement de méthodologies de calculer la prédictivité pour les zones aurifères basées sur des analyses statistiques des différents paramètres. L‘utilisation de nouveaux logiciels développés, la distribution spatiale et la topologie des polygones (e.g. intrusions granitiques) et des polylignes (e.g. zones de cisaillement) sont contrôlées par les paramètres définis par les utilisateurs (par exemple, la densité, la longueur, la surface, etc.). La distance des gisements d'or par rapport à polygones ou polylignes est calculée en utilisant une fonction de probabilité distribution. Les analyses statistiques des résultats de la modélisation montrent que i) les valeurs de la moyenne à la surface relative des polygones, la moyenne de longueur relative de polylignes, le nombre d'objets et leur regroupement sont essentiels à des évaluations statistiques ; ii) tester la validité des différents méthodes d'inversion dépend de l‘importance relative sur la corrélation entre les paramètres utilisés; et iii) la robustesse des points d'intérêt de distribution est de déduire des lois à l'égard de la qualité des données d'entrée. Cette approche a été appliquée aux données géologiques et géophysiques de l‘Yenissei Ridge d‘une surface totale de 75730 km2 pour cartographier la prédictivité de 29 nouvelles zones aurifères correspondant à une surface de 1811 km2. La méthode développée dans cette étude permet de réduire jusqu'à quatre fois de la superficie considérée comme des zones aurifères par des études précédentes. Pour la construction la plus précise des zones aurifères un modèle 3D de densité de l‘Yenissei Ridge a été construit. Ce modèle est basé sur les données de surface, gravimétriques et aéromagnétiques (grilles numérique de 1x1km2), profils sismiques et magnétotelluriques de "Batholite" et "Shpate". Ce modèle 3D de densité montre que: a) l‘Yenissei Ridge a une structure de couverture pliée, résultant d'un événement de la collision néoprotérozoïque ; b) γNPta granites Tatarsky-Ayhta et zones de cisaillement sont des seuls objets qui présente des relations spatiales avec la minéralisation aurifère.

Recent progresses in geosciences make more and more multidisciplinary data available for mining exploration. This allows developing methodologies to compute predictivity for gold zones by the statistical analysis of variable input parameters. Using newly developed software, the spatial distribution and the topology of polygons (e.g. intrusions) and polylines (e.g. shear zones) are controlled by parameters defined by users (e.g. density, length, surface, etc.). The distance of points of interest (gold deposits) with respect to a given type of objects (polygons or polylines) is given using a probability distribution function. The statistical analyses of output results from the direct modeling process show that i) values of relative surface mean of polygons, relative length mean of polylines, the number of objects and their clustering are critical to statistical appraisals, ii) the validity of the different tested inversion methods strongly depends on the relative importance and on the dependency between the parameters used, and iii) the robustness of the inferred distribution points of interest laws with respect to the quality of the input data. This approach was applied to the geological and geophysical data of the Yenissei ridge of the total area of 75730 km2 for the predictivity mapping of 29 new gold zones with the total area of 1811 km2. The newly developed method allows reducing up to four times of the area of predictivity gold zones, compared with previous studies. For more accurate construction of gold zones, a 3D density model of the Yenisei ridge was constructed. This model is based on surface gravity and aeromagnetic data (numerical grids of 1x1km), ―Batholite‖ and ―Shpate‖ seismic and magnetotelluric profiles, respectively. The 3D density model shows that: a) the Yenissei ridge has a cover-folded structure, formed during a Neopretorozoic collisional event, b) only γNPta Tatarsky-Ayhta granites and shear zones have spatial relationships with gold mineralization.