【一般講演】開発機械/資源経済と社会システム/資源開発技術　 ［3/14(金) PM 　第1会場］

[3K0107-16-08] 高硫化型浅熱水性金鉱床におけるハイパースペクトル画像と機械学習を用いた酸性変質帯の識別

○奈須野 恵介^{1[修士課程]}、佐藤 颯哉²、大竹 翼³、岡田 夏男¹、川村 洋平³、菊池 亮佑³、佐藤 努³ (1. 北海道大学工学院、2. JX金属株式会社、3. 北海道大学工学研究院)

司会：久保　大樹（京都大学）

キーワード：高硫化型浅熱水性金鉱床、酸性熱水変質、ハイパースペクトル、機械学習、分類学習

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.