Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Publicado
Evaluation of normalization methods applied to Short-Wavelength Infrared (SWIR) spectroscopy mineral databases from multiple instruments and for vectoring analysis exploration
Evaluación de métodos de normalización aplicados a bases de datos minerales de Espectrografía de Infrarrojo Cercano (SWIR) provenientes de múltiples instrumentos y para análisis de vectores de exploración
DOI:
https://doi.org/10.15446/rbct.n56.113445Palabras clave:
Reflectance spectroscopy, SWIR, White mica, database normalization (en)Espectroscopía de reflectancia, SWIR, Mica blanca, normalización de bases de datos (es)
Descargas
Over the past decade, short-wave infrared (SWIR) spectroscopy has made significant advances in detecting geochemical variations in minerals like white mica, alunite, and chlorite for exploring hydrothermal ore deposits. These variations provide valuable clues, indicating changes in temperature, pH, and fluid oxidation state towards the mineralized center. However, small calibration differences among devices challenge data integration. This study evaluates the 2200 nm Al-OH absorption feature in four white mica SWIR spectroscopy databases collected by TerraSpec™ and OreXpress™ from samples at the Grasshopper porphyry prospect. It evaluates three normalization methodologies: rescaling, mean normalization, and Z-score, yielding p-values for successful data merging of up to 0.75. Findings suggest effective normalization methods across devices, reducing biases from uncalibrated spectrometers. This research offers a methodology to correct SWIR database biases, facilitating accurate data integration across instruments for vectoring analysis.
Durante la última década, la espectroscopía de infrarrojo de onda corta (SWIR) ha experimentado avances significativos en la detección de variaciones geoquímicas en minerales como la mica blanca, la alunita y la clorita para explorar depósitos de minerales hidrotermales. Estas variaciones proporcionan pistas valiosas, indicando cambios en la temperatura, el pH y el estado de oxidación del fluido hacia el centro mineralizado. Sin embargo, las pequeñas diferencias de calibración entre dispositivos representan un desafío para la integración de datos. Este estudio evalúa la característica de absorción del Al-OH a 2200 nm en cuatro bases de datos de espectroscopía SWIR de mica blanca recopiladas por TerraSpec™ y OreXpress™ a partir de muestras en el prospecto de pórfido Grasshopper. Se analizan tres metodologías de normalización: reescalado, normalización de la media y variable centrada reducida, obteniendo valores de p para la fusión exitosa de datos de hasta 0.75. Los hallazgos sugieren métodos de normalización efectivos entre dispositivos, reduciendo sesgos de espectrómetros no calibrados. Esta investigación ofrece una metodología para corregir sesgos de la base de datos SWIR, facilitando la integración precisa de datos entre instrumentos para análisis de vectores.
Referencias
[1] Cohen, J.F., Compositional variations in hydrothermal white mica and chlorite from wall-rock alteration at the Ann-Mason porphyry copper deposit, Nevada, 2011.
[2] Halley, S., Dilles, J.H., and Tosdal, R.M., Footprints: hydrothermal alteration and geochemical dispersion around porphyry copper deposits. SEG Discovery, (100), pp. 1-17, 2015. DOI: https://doi.org/10.5382/SEGnews.2015-100.fea
[3] Clark, R.N., King, T.V., Klejwa, M., Swayze, G.A., and Vergo, N., High spectral resolution reflectance spectroscopy of minerals. Journal of Geophysical Research: Solid Earth, 95(B8), pp. 12653-12680, 1990. DOI: https://doi.org/10.1029/JB095iB08p12653
[4] Pontual, S., Merry, N., and Gamson, P., Spectral interpretation field manual, G-MEX edition 3. Spectral Analysis guides for mineral exploration. 1997.
[5] Thompson, A.J., Hauff, P.L., and Robitaille, A.J., Alteration mapping in exploration: application of short-wave infrared (SWIR) spectroscopy. SEG Discovery, (39), pp. 1-27, 1999. DOI: https://doi.org/10.5382/SEGnews.1999-39.fea
[6] Chang, Z., Hedenquist, J.W., White, N.C., Cooke, D.R., Roach, M., Deyell, C.L., ... & Cuison, A.L., Exploration tools for linked porphyry and epithermal deposits: example from the Mankayan intrusion-centered Cu-Au district, Luzon, Philippines. Economic Geology, 106(8), pp. 1365-1398, 2011. DOI: https://doi.org/10.2113/econgeo.106.8.1365
[7] Xiao, B., Chen, H., Hollings, P., Wang, Y., Yang, J., and Wang, F., Element transport and enrichment during propylitic alteration in Paleozoic porphyry Cu mineralization systems: Insights from chlorite chemistry. Ore Geology Reviews, 102, pp. 437-448, 2018. DOI: https://doi.org/10.1016/j.oregeorev.2018.09.020
[8] Uribe-Mogollon, C., and Maher, K., White mica geochemistry of the Copper Cliff porphyry Cu deposit: Insights from a vectoring tool applied to exploration. Economic Geology, 113(6), pp. 1269-1295, 2018. DOI: https://doi.org/10.5382/econgeo.2018.4591
[9] Neal, L.C., Wilkinson, J.J., Mason, P.J., and Chang, Z., Spectral characteristics of propylitic alteration minerals as a vectoring tool for porphyry copper deposits. Journal of Geochemical Exploration, 184, pp. 179-198, 2018. DOI: https://doi.org/10.1016/j.gexplo.2017.10.019
[10] Chang, Z., and Yang, Z., Evaluation of inter-instrument variations among short wavelength infrared (SWIR) devices. Economic Geology, 107(7), pp. 1479-1488. 2012. DOI: https://doi.org/10.2113/econgeo.107.7.1479
[11] Uribe-Mogollon, C., and Maher, K., White mica geochemistry: Discriminating between barren and mineralized porphyry systems. Economic Geology, 115(2), pp. 325-354, 2020. DOI: https://doi.org/10.5382/econgeo.4706
[12] Silverman, B.W., Density estimation for statistics and data analysis. Routledge, New York, 2018, 176 P. DOI: https://doi.org/10.1201/9781315140919
[13] Danese, M., Lazzari, M., Murgante, B., Integrated geological, geomorphological and geostatistical analysis to study macroseismic effects of 1980 Irpinian Earthquake in urban areas (Southern Italy). In: Gervasi, O., Taniar, D., Murgante, B., Laganà, A., Mun, Y., Gavrilova, M.L., (eds), Computational Science and Its Applications – ICCSA 2009. ICCSA 2009. Lecture Notes in Computer Science, vol 5592. Springer, Berlin, Heidelberg. 2009. DOI: https://doi.org/10.1007/978-3-642-02454-2_4
[14] Barnett, R.M., and Deutsch, C.V., Multivariate imputation of unequally sampled geological variables. Mathematical Geosciences, 47(7), pp. 791-817, 2015. DOI: https://doi.org/10.1007/s11004-014-9580-8
[15] Tian, X., Kong, Y., Gong, Y., Huang, Y., Wang, S., and Du, G., Dynamic geothermal resource assessment: integrating reservoir simulation and Gaussian Kernel density estimation under geological uncertainties. Geothermics, 120(103017), art. 103017, 2024. DOI: https://doi.org/10.1016/j.geothermics.2024.103017
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2024 Boletín de Ciencias de la Tierra
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
El autor o autores de un artículo aceptado para publicación en cualquiera de las revistas editadas por la facultad de Minas cederán la totalidad de los derechos patrimoniales a la Universidad Nacional de Colombia de manera gratuita, dentro de los cuáles se incluyen: el derecho a editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir en artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista. Al asumir los derechos patrimoniales del artículo, no podrá reproducirse parcial o totalmente en ningún medio impreso o digital sin permiso expreso del mismo.
