Finner viktig bergart med matematikk
I en ny studie fra forskningsprosjektet GREENPEG fastslår forskere at matematiske algoritmer fra satellittdata kan være en god teknikk for å lokalisere områder med pegmatitter. Det gjør det raskere å starte arbeidet med å analysere nye områder for eventuell prospektering.
En «grønnere» energiproduksjon krever mye og mange mineraler, som høyren kvarts, litium, sjeldne jordartsmetaller, beryllium, tantal og cesium. Alle disse råvarene finnes i pegmatitter.
Første «screening»
- Ja, det viser seg at matematiske algoritmer kan hjelpe til med å identifisere områder med mulige pegmatitter uten at man rent fysisk har undersøkt lokaliteten, sier seksjonsleder Marco Brönner i seksjon for geofysikk ved Norges geologiske undersøkelse (NGU).
- Metoden kan brukes i prospektering for å gjøre en første «screening» av et område, før selskapene kan gå mer målrettet til verks når de skal kartlegge pegmatitter for mulig utvinning, mener Brönner.
Fra verdensrommet
Tysfjord i Nordland var valgt som et norsk testområde. Her er det påviste forekomster av pegmatitter, dermed har det vært mulig å teste om algoritmene fungerer. Her brukte forskerne bilder fra Sentinel-2-satellitten til å lage kart av de identifiserte elementene – uten at de visste hva de ulike enhetene representerte.
Ved å bruke geologiske kart, flyfoto og geofysiske data fra flymålinger, ble det mulig å bestemme enhetene. Resultatet ble en inndeling i fire klasser, pegmatitt, granitt, vann og vegetasjon.
Mer enn pegmatitter
I artikkelen Identification of pegmatite bodies, at a province scale, using machine learning algorithms: preliminary results, beskriver forskerne hvordan man bygger den matematiske modellen som automatisk kan kjenne igjen de fire klassene, og hvordan det er mulig å teste modellen.
- Vi må arbeide videre med å forbedre rutinene slik at det blir mindre feilklassifisering. I tillegg ønsker vi i framtida også å kunne identifisere forvitret pegmatitt, sier Brönner, som påpeker at satellittdata dessuten har et enormt potensial for bruk på mer enn bare pegmatitter:
- I utgangspunktet kan vi allerede i dag skille mellom bergarter ved bruk av mulitspektrale og hyperspektrale bilder fra for eksempel en jordobservasjonssatellitt tilknyttet den amerikanske romfartsorganisasjonen NASA.
EU-finansiert prosjekt
Samtidig starter den europeiske romfartsorganisasjonen ESA i 2022 oppdraget Copernicus Hyperspectral Imaging Mission (CHIME), med et enda bredere optisk spektrum for å kartlegge flere mineraler. NGU bruker allerede nå hyperspektral metodikk på borekjerner, og kan dermed utnytte denne muligheten.
- Jeg forventer at bruk av hyperspektrale data fra satellitter og fly, sammen med maskinlæring, kan bidra til en mye mer effektiv kartlegging av geologi i framtiden. Det kommer NGU til nytte, men også mineralindustri og arealplanlegging, sier seksjonsleder Marco Brönner.
Studien er finansiert gjennom EUs forskningsprogram Horizon 2020 i prosjektet New Exploration Tools for European Pegmatite Green-Tech Resources (GREENPEG).
Ref.: Ana Claudia M. Teodoro, Douglas Santos, Joana Cardoso-Fernandes, Alexandre Lima, Marco Brönner, "Identification of pegmatite bodies, at a province scale, using machine learning algorithms: preliminary results," Proc. SPIE 11863, Earth Resources and Environmental Remote Sensing/GIS Applications XII, 1186308 (12 September 2021); doi: 10.1117/12.2599600