Denne artikkelen er produsert og finansiert av Norges geologiske undersøkelse - les mer.

Håkonhals pegmatittgruve i Tysfjordområdet i Hamarøy kommune.

Forskere finner viktig bergart ved å bruke matematikk

Bergarten pegmatitt inneholder mineraler og grunnstoffer som er viktige for det grønne skiftet.

Det grønne skiftet krever en betydelig satsing på ny teknologi.

En grønnere energiproduksjon krever mye og mange mineraler, som høyren kvarts, litium, sjeldne jordartsmetaller, beryllium, tantal og cesium. Alle disse råvarene finnes i bergarten pegmatitter.

I en ny studie fra forskningsprosjektet GREENPEG fastslår forskere at matematiske algoritmer fra satellittdata kan være en god teknikk for å finne områder med pegmatitter.

Teknikken gjør det raskere å analysere nye områder for eventuell prospektering, altså at industrien kan starte en mer detaljert leting etter malm og mineraler.

Første undersøkelse

– Ja, det viser seg at matematiske algoritmer kan hjelpe til med å identifisere områder med mulige pegmatitter uten at man rent fysisk har undersøkt stedet, 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 for å kartlegge pegmatitter for mulig utvinning, mener Brönner.

Fra verdensrommet

Tysfjord i Nordland ble valgt som et norsk testområde. Her er det påviste forekomster av pegmatitter. Dermed har det vært mulig å teste om algoritmene fungerer.

Forskerne brukte bilder fra Sentinel-2-satellitten til å lage kart over området, men uten at de visste hva de ulike enhetene på kartet var for noe.

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 en vitenskapelig artikkel beskriver forskerne hvordan de 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.

Han 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.

I disse bildene tar man i bruk lysets bølgelengder og fargespekteret i langt større grad enn ved vanlig fotografering.

EU-finansiert prosjekt

I 2022 starter den europeiske romfartsorganisasjonen ESA oppdraget Copernicus Hyperspectral Imaging Mission (CHIME) med et enda bredere optisk spektrum for å kartlegge flere mineraler.

NGU bruker allerede nå hyperspektral metode 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).

Referanse:

Ana Claudia M. Teodoro mfl.: Identification of pegmatite bodies, at a province scale, using machine learning algorithms: preliminary results. SPIE, 2021. (Sammendrag). Doi: 10.1117/12.2599600

Powered by Labrador CMS