بررسی زمین آماری شاخص کیفیت سنگ جهت شناسایی مناطق با نفوذپذیری بالا در محدوده‌ی پیت معدن مس تخت‌گنبد سیرجان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه زمین شناسی، دانشگاه سیستان و بلوچستان

2 دانشجوی دکترا گروه آبشناسی و زمین شناسی زیست محیطی، دانشکده علوم زمین، دانشگاه صنعتی شاهرود

چکیده

یکی از مهمترین مشکلات در معدنکاری جریان آب‌های زیرزمینی به درون پیت معادن است. محل و مقدار آب ورودی به پیت معدن غالباً وابسته به مناطق تراوا است. لذا جهت شناسایی مناطق با نفوذپذیری بالا می‌توان از روش‌های زمین‌آمار استفاده نمود. بدین منظور پژوهش زمین آماری بر روی داده های متغیر شاخص کیفیت سنگ جهت شناسایی زون‌های تراوا در معدن مس تخت‌گنبد سیرجان انجام شده است. معدن مس تخت گنبد در استان کرمان و در 80 کیلومتری شمال شرق سیرجان واقع شده است. معدن مذکور از نوع روباز بوده و در حال حاضر در سال‌های ابتدایی استخراج ماده معدنی است. تعداد 69 عدد گمانه اکتشافی در محدوده اطراف پیت معدن حفر شده است. که حین حفاری داده‌های متغیرشاخص کیفیت سنگ به فواصل 3متر در کل طول گمانه ها برداشت شده است. شناسایی مناطق با تراوایی بالا در واحدهای سنگی منطقه بخصوص در زیرسطح ایستابی به جهت انجام طرح زهکشی در آینده، لازم و ضروری می‌باشد. در این پژوهش از روش‌های درونیابی زمین آماری جهت شناسایی زون‌های تراوا استفاده شده است. نتایج بررسی آمار مقدماتی نشان داد شاخص کیفیت سنگ با افزایش عمق، یک روند افزایشی دارند. بررسی پیوستگی مکانی شاخص کیفیت سنگ بر اساس تغییرنمای جهتدار و مدل کروی نشان داد پیوستگی مکانی حدودا برابر با 81 متر محاسبه شده است و در جهت شرقی – غربی بیشتر می باشد. درنهایت با استفاده از روش شبیه سازی گاوسی متوالی مناطق با تراوایی بالا در منطقه مشخص شده است؛ که عمدتا در شمال شرقی و جنوب غربی پیت قرار دارند.

کلیدواژه‌ها

موضوعات


Anvari, A.A., Katibeh, H., Mahmoudabadi, H., 2008. Estimation of equivalent permeability in Amirkabir Tunnel alignment with neural network. 2nd Iranian Mining Engineering Conference.
Assari, A., Mohammadi, Z., 2017. Analysis of rock quality designation (RQD) and Lugeon values in a karstic formation using the sequential indicator simulation approach, Karun IV Dam site, Iran. Bulletin of Engineering Geology and the Environment 76, 771-782. https://doi.org/10.1007/s10064-016-0898-y
Dehshibi, R., Jahanshahi, R., Mozafari, M., Assari, A., 2022. Application of the geostatistics to identification of the high water escape potential locations in the Tangab Dam. Ferdowsi Civil Engineering. 34(4), 15-30. https://dorl.net/dor/20.1001.1.27832805.1400.34.4.2.0
Eliat, M., Chehrzari, A., 2016. Combination of image logs analysis and petrophysical evaluation results in order to Porosity and permeability determination. The 2nd National Geology and Mining Exploration Symposium.
Issaks, E.H., Srivastava, R. M., 1989. Applied Geostatistics, Newyork, Oxford University Press. P.  561.
Lu, L., Kashiwaya, K., Koike, K., 2016. Geostatistics-based regional characterization of groundwater chemistry in a sedimentary rock area with faulted setting. Environmental Earth Sciences 75, 829. https://doi.org/10.1007/s12665-016-5619-0
Moshrefi, M.R., Barkhordari, K., Mosavi, H., 2016. Evaluation of the geotechnical and geological features of the engineering of the Ivshan reservoir dam. Second National Conference on Civil Engineering, Architecture and Urban Development.
Nakhaie Sarvedani, B., Jahanshahi, R., Assari, A., 2022. Determining the best places for dewatering wells in the Gohar-Zamin pit mine, using geostatistical method. Geopersia 12(2), 287-298. https://doi.org/10.22059/geope.2022.339672.648651
Razack, M., Lasm, T., 2006. Geostatistical estimation of the transmissivity in a highly fractured metamorphic and crystalline aquifer (Man-Danane Region, Western Ivory Coast). Journal of Hydrology 325(4-1), 164-178. https://doi.org/10.1016/j.jhydrol.2005.10.014
Sasani Nia, N., Habib Nia, B., Ghobadi, H., 2015. Estimation of porosity and spatial distribution of permeability using geostatistical model in one of the oil fields in southwestern Iran. International Conference on Science and Engineering.
Triki, L., Zairi, M., Ben Dhia, H., 2012. A geostatistical approach for groundwater head monitoringnetwork optimisation: case of the Sfax superficial aquifer (Tunisia). Water and Environment Journal 27(3), 372-362. https://doi.org/10.1111/j.1747-6593.2012.00352.x