ВведениеЛитологическое картирование с применением современных космических снимков (КС) аппаратов дистанционного зондирования Земли, особенно в таком труднодоступном регионе, как Полярный Урал, открывает новые горизонты для изучения его геологического строения. Благодаря высокой разрешающей способности и широкому спектральному диапазону космических данных возможно детальное выделение и идентификация различных типов горных пород. Это позволяет значительно повысить точность геологических карт и прогнозировать распределение полезных ископаемых, что критически важно для устойчивого развития горнодобывающей промышленности в Арктике.В этой работе использованы спутниковые данные космического аппарата (КА) Harmonized Landsat Sentinel-2 (HLS-2) с пространственным разрешением 30 м. Данные HLS-2 доступны бесплатно на сайтеwww.search.earthdata.nasa.gov. Более подробную информацию о характеристиках данного КА можно найти в работе (Maseki et al., 2018).Целью данного исследования является оценка возможностей и эффективности использования данных КА HLS-2 с применением современных методов обработки изображений для литологического картирования на территории северо-восточного склона Полярного Урала (Щучьинская зона с Au-Fe-месторождением Юньягинское).Результаты данного исследования могут быть использованы для обновления и уточнения существующих геологических карт, планирования геолого-разведочных работ в труднодоступных районах и адаптации решения задач геологического картирования на других северных территориях. Геологическое строение Щучьинской зоныЩучьинская зона (ЩЗ) расположена на крайнем севере Уральской складчатой области, в ее восточной, крайне пологой части. Ключевым элементом этой структуры является Главный Уральский разлом, иначе именуемый Главной Уральской сутурой; на большей части он проявлен в виде надвига, здесь он в основном погребен под чехлом рыхлых отложений (MZ-KZ) (рис. 1).В структуре рассматриваемого региона четко выделяются несколько секторов. Здесь фундамент сложен палеозойскими складчатыми структурами, образованными породами ордовикского, силурийского, девонского и каменноугольного периодов. Этот фундамент перекрыт платформенными мезозойскими отложениями, относящимися к юрскому и триасовому периодам (Душин, 2020). Среди магматических пород преобладают габброиды, в то время как гранитоиды встречаются гораздо реже и формируют небольшие штокообразные массивы.Различные свиты и комплексы пород содержат разнообразную рудную минерализацию. Наиболее значимой является рудная нагрузка гипабиссальных-абиссальных метагаббро-долеритового васькеуского и габброноритового харампэйско-масловского комплексов; они несут Fe-Ti-V-ортомагматическое и Fe- (± Cu, Au)-скарновое оруденение. Магнетитовая эпискарновая минерализация (± Cu) развита также во вмещающих эти плутоны породах янганапэйской толщи, представленной чередованием основных-средних вулканитов и терригенно-карбонатных пород. Метатерригенные (отчасти углеродистые и карбонатные) породы малопайпудынской и хантейской свит несут стратоидные скопления Cu±Au- и полиметаллической минерализации.Плутонические образования харбей-собского комплекса содержат Mo-, Pb-Zn-, Cu-кварцевые и Fe-скарновые рудопроявления. Кислые интрузивы сядатаяхинского и евъюганского комплексов, а также их приконтактовые зоны включают Au-, Mo- и Cu-рудо­проявления. Метатерригенные (± известняки) породы хойдышорской и усинской свит несут стратоидную Cu±Au-минерализацию; в метатерригенных (отчасти углеродистых и карбонатных) породах орангской свиты, переслаивающихся с редкими потоками базальтов, выявлена Pb-Zn-минерализация.В ультрабазитах сыум-кеуского комплекса, а также дайкоподобных телах хартманюшорского комплекса отмечены крупные скопления хромитов. Метаморфо­генные Ti-рудопроявления выявлены в метаморфизованных в высокобарных условиях образования (≈ эклогиты) слюдяногорского комплекса.Главным потенциально промышленным рудным объектом является Fe-скарновое (± Cu, Au) Юньягинское месторождение; через его рудное поле проходит железнодорожная линия Обская – Бованенково. Оно пространственно и генетически связано со 2-й фазой юньягинского многофазного (габбро + гранодиориты + граниты) комплекса; с ней же ассоциируют мелкие скарно-магнетитовые рудопроявления. Здесь в одном и том же рудном районе соседствуют рудные залежи Fe(±Cu, Au)-скарновых руд, базитовых Ti-Fe-руд волковского типа, ультрабазит-базитовых Fe-Ti-V-руд качканарского типа. Все эти проявления нуждаются в более детальном геологическом исследовании и оценке их экономического потенциала (Зылева и др., 2014; Andreichev et al., 2017).Геологическое строение и металлогения Щучьин­ской зоны, хотя и детально описаны в отдельных монографиях, статьях (Зылева и др., 2014; Ремизов и др., 2014; Душин, 2020; Пучков, Иванов, 2020) и ряде производственных отчетов, требуют доизучения.Исходные данные и подходыВыбраны дневные и безоблачные снимки аппарата HLS-2 для территории изучения:— HLS.S30.T41WPQ.2022212T071619;— HLS.S30.T42WVV.2022212T071619;— HLS.S30.T41WPR.2022212T071619;— HLS.S30.T42WVA.2022212T071619.Изображения можно получить с сайта https://search.earthdata.nasa.gov.Версия HLS-2 включает предобработку КС.Алгоритм методики, принятый в данном исследовании, состоит из следующих этапов:— применение преобразования минимальной доли шума (Minimum Noise Fraction —MNF) и подготовка цветового композита MNF, наиболее подходящего для выделения литологических изменений для КС;— литологическое картирование в среде ГИС путем визуальной интерпретации цветового композита, подготовленного на основе комбинаций индексов минералов и каналов MNF и экранной оцифровки;— верификация полученной литологической карты путем сравнения с имеющимися геологическими данными и полевыми исследованиями;— оценка и анализ точности и надежности полученной литологической карты;— определение перспектив использования космической съемки для геологического картирования в аналогичных регионах.Преобразование MNF и подготовка цветового композита выполнены в программе ENVI. Систематизация и обобщение данных — в QGIS. Методы исследования1. Преобразование минимальной доли шума (MNF). Это метод обработки мультиспектральных и гиперспектральных изображений, который упорядочивает компоненты в порядке убывания отношения «сигнал/шум» (SNR). Цель — выделить информативные признаки и уменьшить шум в данных. Метод предложен в 1988 году Грином, Берманом, Свитцером и Крейгом (Green et al., 1988). Первый этап MNF заключается в использовании ковариационной матрицы шума для декорреляции и нормализации шумовых компонент. Данные, характеризующиеся единичной дисперсией и отсутствием корреляции между каналами, идентифицируются как шум и отделяются от исходного набора данных. Этот процесс позволяет минимизировать влияние шума на последующие этапы обработки. На втором этапе к данным, очищенным от шума, применяется стандартная PCA-трансформация. Целью этой трансформации является переупорядочение среднеквадратических отклонений шумовых компонент. Полученные MNF-изображения, как и изображения главных компонент, упорядочиваются в соответствии с максимальной изменчивостью данных.2. Цветовой композит. По данным (Lakshmi, Kusuma, 2018), с целью литологического картирования разработан и использован цветовой композит в ложных цветах MNF (RGB: 5-2-3) для спектральных каналов КА Landsat-8. Для КА HLS-2 цветовой композит будет RGB: 8а-2-3 (по: Masek et al., 2018; Sekandari et al., 2020). Результаты и обсуждениеВ работах (Иванова и др., 2019; Иванова, Выхри­стенко, 2021) для ЩЗ выделена крупная кольцевая морфоструктура овальной формы 1-го порядка (размером 97 на 76 км) — Щучьинский палеовулкан. Описано ее геологическое строение, на основе дистанционных данных (Landsat 8) и высокоточной цифровой модели рельефа (ASTER GDEM) выполнен анализ линеаментной сети и подготовлена карта дешифрированных морфоструктур, в том числе рудоперспективных.На исследуемой территории, по данным (Зылева и др., 2014), выделяются зоны развития березитоподобных метасоматитов, с которыми генетически связаны проявления молибденовой, золоторудной, железозолоторудной и полиметаллической минерализации. Однако обнаружение этих зон с использованием методов дистанционного зондирования затруднено. Причиной тому является значительная мощность четвертичных отложений, достигающая 450 м. На отдельных локальных участках, где мощность четвертичных отложений сокращается до 6 м (Викентьев и др., 2021), наблюдается совпадение их литологии с данными дешифрирования снимков.Таким образом, для повышения эффективности поисковых работ и картирования потенциально рудоносных зон необходимо учитывать влияние четвертичного чехла. Одним из направлений может быть применение геофизических методов, позволяющих проникать на большую глубину и получать информацию о строении коренных пород. Кроме того, перспективным является анализ данных дистанционного зондирования в комплексе с геохимическими данными, полученными при опробовании четвертичных отложений, с целью выявления индикаторных элементов, связанных с коренной минерализацией. Цветовой композит, полученный с помощью КА HLS-2 MNF (RGB:8а-2-3), оказался эффективным для распознавания некоторых литологических единиц в исследуемой области (рис. 2, а).Красный цвет соответствует магматическим ультраосновным (УО) породам: дунит-гарцбургитовому сыум-кеускому и дунит-верлит-клинопироксенитовому малохадатинскому комплексам (рис. 2, b). Цвета от темно-синего до фиолетового соответствуют метаморфическим породам, образовавшимся при региональном и контактовом метаморфизме умеренной и высокой ступеней: ханмейхойской, лаптаюганской, париквасьшорской свитам и малыкскому комплексу.Схожий состав метаморфических пород и сложное геологическое строение создают трудности для разделения ханмейхойской, лаптаюганской и париквасьшорской свит, а также выделения пород евъюганского комплекса. Например, гнейсы, представленные зеленым цветом, не демонстрируют изменений оттенков, что может объясняться примерно одинаковым содержанием в них SiO2 (Lakshmi, Kusuma, 2018). В гнейсах париквасьшорской свиты концентрации SiO2 составляют около 76 % (Шишкин и др., 2008), тогда как в аналогичных породах ханмейхойской свиты — 62–70 % (Уляшева, 2013).Сочетание зеленого и синего цвета соответствует осадочным и метаморфическим породам орангской свиты, локализованным в СЗ-части территории. Породы восточной, СВ, ЮВ и южной частей изучаемой площади плохо выделяются на полученной литологической карте, вероятно, из-за мощных плиоцен-четвертичных отложений. Они распространены почти повсеместно и представлены комплексом морских, ледниково-морских, аллювиально-морских и континентальных образований. Их мощность зависит от рельефа коренных пород и отметок дневной поверхности, изменяясь в значительных пределах, достигая 450 м и более (Шишкин и др., 2008; Зылева и др., 2014). В целом расшифровка внутреннего строения ЩП затруднено большой мощностью перекрывающих мезозойских отложений (до 500 м), представленных разно­образными осадочными породами. ЗаключениеИсследование позволило построить литологическую карту северного окончания восточного склона Полярного Урала, используя полученные с КА HLS-2 данные, а также современные методы обработки изображений. Результаты демонстрируют перспективность использования космической съемки для геологического картирования в областях с гористым рельефом и минимальным покровом четвертичных отложений (до 6 м).Сопоставление полученной литологической карты с существующими геологическими данными выявило высокую степень соответствия. Метаморфизо­ванные породы четко выделяются по характерной цветовой гамме, варьирующейся от темно-синего до фиолетового. Ультраосновные породы надежно идентифицируются по красному цвету, а сочетание зеленого и синего оттенков указывает на районы распространения осадочных и метаморфических пород.Для повышения точности и расширения области применения разработанной методики целесообразно объединить ее с другими методами обработки космической информации. Это позволит более эффективно выделять литологические единицы даже в тех районах, где мощность четвертичных отложений значительна.Кроме того, крайне важна обязательная верификация полученных результатов с использованием данных полевых работ. Это позволит не только подтвердить достоверность литологической карты, но и выявить возможные ограничения и внести необходимые коррективы в алгоритм обработки изображений.