(General session) Mining and underground construction machineries / Resource based economy and social system / Mining technologies

[3K0107-16-08] Identification of acidic alteration zones in high sulfidation-type epithermal gold deposits using hyperspectral imaging with machine learning

○Keisuke Nasuno^{1[Student presentation: Master’s course]}, Ryuya Sato², Tsubasa Otake³, Natsuo Okada¹, Yohei Kawamura³, Ryosuke Kikuchi³, Tsutomu Sato³ (1. Graduate School of Engineering, Hokkaido University, 2. JX Advanced Metals Corporation, 3. Faculty of Engineering, Hokkaido University)

Chairperson: 久保　大樹（京都大学）

Keywords:High sulfidatioin-type epithermal gold deposit, Acidic hydrothermal alteration, Hyperspectral, Machine learning, Classification

ハイパースペクトル (HS) センサは広範な電磁波長域にわたり詳細な反射スペクトル情報を取得可能である. 地表付近に酸性変質帯を形成する高硫化型浅熱水性金鉱床の探査では, 変質鉱物の有無が探査指標となりうる. 可視光・近赤外波長域 (VNIR)の反射スペクトルは簡便かつ低コストで取得可能だが, スペクトル吸収が小さく変質鉱物の識別が困難である. そこで, スペクトル解析に機械学習を適用することで, VNIR-HS画像から酸性変質帯に産する変質鉱物組み合わせの識別を試みた. 本研究の調査対象である春日・岩戸鉱山は典型的な高硫化型金鉱床である. 両鉱山共に酸性変質帯が地表に露出しているが, 現場で経験的に用いられている変質区分が異なる. 鉱物学的分析の結果, 春日は’’高温型’’, 岩戸はより’’低温型’’の変質鉱物組み合わせを有しており, 両鉱山で統一的な変質分類が提案可能となった. 得られたHSデータには反射率の変動の他, 鉄酸化物の有無によるスペクトル形状の差が見られた. 新たな変質分類を基に構築した機械学習モデルは約96%の精度で変質を判定し, 他地域に産する同様な鉱床の検証においても妥当な結果を示し, モデルの汎用性が示された.